混合痔患者术后早期重度疼痛的预测模型构建

摘要

目的:探讨混合痔患者术后早期发生重度疼痛的危险因素,构建预测模型并进行内部验证。方法:回顾性分析2023年1月—2023年12月于宜昌市中心人民医院就诊的760例混合痔患者的临床资料,分为重度疼痛组(n=208)和非重度疼痛组(n=552)。采用单因素分析、Lasso回归、Logistic回归及机器学习相关方法构建临床预测模型。结果:本次共构建了3个Logistic回归模型与7个机器学习模型。在Logistic回归模型中,Lasso回归结合Logistic回归(逐步向前法)构建的临床预测模型预测效果最好,该模型包含了10个预测因子,曲线下面积为0.961、霍斯默-莱姆斯福德检验表现出良好一致性(P>0.05)、决策曲线分析发现阈值概率处于0%～95%之间时模型所获得的净收益大。在机器学习模型中,7个模型原始数据集的预测准确率均高于Logistic回归模型。所有预测因子根据平均特征重要性排名依次为红细胞、白细胞、饮酒、吸烟、居住地、便秘、学历、痔核数、病程、糖尿病。结论:本次研究中共构建了10个临床预测模型,其中1个Logistic回归模型与7个机器学习模型预测准确率均较高,医疗人员可根据研究目的,对比不同模型选择最适合的预测模型进行预测与风险控制。

关键词

混合痔 / 重度疼痛 / 危险因素 / 预测模型