骨盆骨折尿道损伤的危险因素分析及风险预测模型构建——基于1 358例患者的回顾性病例对照研究

摘要

背景 急诊外伤中骨盆骨折发生率高，但伴随的尿道损伤容易被忽略。目的 探讨骨盆骨折尿道损伤的相关危险因素，并基于此构建预测模型，为骨盆骨折尿道损伤的临床诊治提供参考。方法 回顾性分析2000—2020年于解放军总医院第一医学中心住院治疗的1 358例骨盆骨折患者的临床资料。采用单因素、多因素Logistic回归等方法进行影响因素分析；按照7∶3的比例将数据分为模型训练集和验证集，通过多个机器学习模型(包含梯度提升机、支持向量机、随机森林、极限梯度提升)构建尿道损伤风险预测模型并评估模型效能。结果 纳入1 358例骨盆骨折患者，中位年龄39(IQR:26～52)岁，其中男性占64.4%。骨盆骨折尿道损伤发生率为12.0%。多因素Logistic回归发现，性别、就诊科室、骨盆骨折Tiles分型、致伤原因、双肺呼吸音、中性粒细胞绝对值是骨盆骨折患者发生尿道损伤的独立危险因素(P<0.05)。构建的风险预测模型中随机森林模型的AUC最高(0.955)，梯度提升机、支持向量机、极限梯度提升模型的AUC分别为0.936、0.940、0.953。结论 骨盆骨折患者中尿道损伤的发生与多种因素有关，包括性别、就诊科室、骨盆骨折Tiles分型、致伤原因等。本研究根据上述独立危险因素，采用随机森林法开发并建立了骨盆骨折患者尿道损伤早期预测模型，具有较好的预测效能，有助于临床早期预测骨盆骨折患者合并尿道损伤的发生并给与及时治疗。

关键词

骨盆骨折 / 尿道损伤 / 危险因素 / 预测模型 / 机器学习