痛风患者形成痛风石风险列线图预测模型的构建与验证

摘要

目的：痛风石是痛风的特征性表现，与患者的肌肉骨骼功能障碍密切相关，严重影响生活质量。建立一种可靠的痛风石风险预测模型，有助于临床早期干预，减少患者发生痛风石的风险。方法：回顾性收集2019年2月—2020年2月在南通大学附属医院风湿免疫科住院治疗的100例痛风患者的人口学资料、临床特征、实验室检查结果，以及中文版风湿病治疗依从性问卷和健康评定问卷(health assessment questionnaire, HAQ)评分。经过3年随访，收集患者的痛风石状态。采用最小绝对收缩与选择算子(least absolute shrinkage and selection operator, LASSO)回归进行变量降维与特征筛选，并使用Logistic回归建立预测模型，以列线图形式呈现。通过ROC及AUC评估区分度，Hosmer-Lemeshow拟合优度检验评估校准度，决策曲线分析(decision curve analysis, DCA)评估临床有效性。结果：LASSO回归筛选出HAQ评分、内生肌酐清除率、心房颤动、病程(>5年)、兄弟姐妹患有痛风及年龄6个变量，并纳入Logistic回归构建预测模型及对应的列线图。训练集AUC为83.6%(95%CI:74.7%～92.4%)，测试集AUC为88.0%(95%CI:72.1%～100.0%)，两者差异无统计学意义(P=0.635)。最终全样本模型AUC为84.0%(95%CI:76.2%～91.9%)。Hosmer-Lemeshow检验P=0.202，提示模型拟合良好。DCA显示，该模型在较低阈值概率下即可获得显著净获益。结论：本研究基于LASSO和Logistic回归构建的痛风石风险预测列线图，能够在临床中快速、直观地估算痛风患者发生痛风石的风险，为高危人群的早期识别和干预提供参考。

关键词

痛风石 / 预测模型 / Logistic回归 / 列线图