一种预测脓毒症胸腔积液风险的列线图模型构建方法与流程

本发明属于医学数据分析领域，具体涉及一种预测脓毒症胸腔积液风险的列线图模型构建方法。

背景技术：

1、脓毒症是宿主对感染反应失调导致的危及生命的器官功能障碍，是icu患者死亡的主要原因之一。胸腔积液作为脓毒症的常见并发症，发生率达30%-50%，显著增加患者的机械通气时间、icu住院时间和死亡率。胸腔积液的本质是脓毒症诱导的肺血管内皮屏障功能受损所致的血管渗漏的临床表现。早期识别胸腔积液高风险患者，对于及时实施干预措施、改善患者预后具有重要的临床意义。

2、目前，脓毒症胸腔积液风险预测的现有技术主要包括以下几类：

3、（一）单一生物标志物预测

4、如c反应蛋白（crp）、降钙素原（pct）等传统炎症标志物，但单一指标的预测效能有限，auc多在0.65-0.72之间。近年来，基质金属蛋白酶-8（mmp8）作为脓毒症相关生物标志物受到关注。研究表明，mmp8在脓毒症中表达升高，且与脓毒症患者的不良预后相关。mmp8可促进白细胞与内皮细胞的黏附，是脓毒症的潜在治疗靶点。然而，现有研究多聚焦于mmp8在脓毒症诊断或预后评估中的应用，尚未见将mmp8用于预测脓毒症胸腔积液这一特定并发症的报道。

5、（二）基于评分系统的预测

6、apache ii评分和sofa评分是评估脓毒症病情严重程度的常用工具。然而，这些评分系统综合了多项生理参数和实验室指标，旨在全面评估患者病情而非专门针对胸腔积液设计，其预测效能中等（auc 0.70-0.75），且无法为临床医生提供个体化的胸腔积液风险评估。

7、（三）现有的列线图预测模型

8、列线图（nomogram）作为一种可视化预测工具，已广泛应用于脓毒症相关并发症的风险预测。例如，已有研究构建了脓毒症患者术后腹内高压的列线图预测模型（auc为0.793）、脓毒症患者血流感染的列线图预测模型、脓毒症并发急性呼吸窘迫综合征（ards）的风险预测列线图模型以及脓毒症并发急性肾损伤的列线图预测模型。然而，上述模型均以腹内高压、血流感染、ards或急性肾损伤为预测终点，均不涉及脓毒症胸腔积液这一特定并发症。

9、此外，已有研究将mmp8与其他生物标志物联合用于脓毒症的诊断预测模型，但同样未涉及mmp8在脓毒症胸腔积液风险预测中的具体应用。

10、综上所述，现有技术的主要缺陷包括：

11、一、预测终点不匹配：现有的脓毒症预测模型多针对脓毒症本身的诊断、预后或其他并发症（如腹内高压、血流感染、ards、急性肾损伤），尚无专门针对脓毒症胸腔积液风险预测的列线图模型；

12、二、变量筛选方法单一：现有模型多仅使用单因素logistic回归或lasso回归进行变量筛选，容易遗漏重要的非线性关系和变量间的交互作用；

13、三、缺乏机制支撑的生物标志物选择：mmp8虽有研究提示其与脓毒症相关，但尚未有研究将其与脓毒症胸腔积液这一特定并发症相关联，更缺乏从分子机制到临床预测的完整转化。

技术实现思路

1、为此，本发明提供了一种预测脓毒症胸腔积液风险的列线图模型构建方法，用以克服现有技术中预测终点不匹配、变量筛选方法单一、缺乏机制支撑的生物标志物选择等缺陷，包括以下步骤：

2、步骤s1，基于单因素logistic回归对候选变量进行筛选，以得到初筛变量，其中，所述候选变量采集来源为脓毒症患者的临床数据，其包括人口学特征、生理参数、实验室指标，以及评分系统；

3、步骤s2，基于支持向量机递归特征消除对所述候选变量进行筛选，以得到最优特征子集；

4、步骤s3，基于所述初筛变量和所述最优特征子集确定最终输入回归模型的关键变量；

5、步骤s4，基于多因素logistic回归模型对所述关键变量进行拟合的结果，确定所述关键变量的回归系数，基于所述回归系数构建列线图模型，以计算个体患者的胸腔积液发生概率。

6、进一步地，在所述步骤s1中，所述人口学特征、生理参数、实验室指标，以及评分系统，包括：

7、其中，所述人口学特征包括年龄和性别；

8、所述生理参数包括心率、平均动脉压、呼吸频率，以及体温；

9、所述实验室指标包括白细胞计数、中性粒细胞比例、淋巴细胞比例、血小板计数、肌酐、血尿素氮、总胆红素、白蛋白、乳酸、c反应蛋白、降钙素原，以及血浆mmp8浓度；

10、所述评分系统包括急性生理与慢性健康评分ii和序贯器官衰竭评分。

11、进一步地，在所述步骤s1中，得到所述初筛变量的确定过程，包括：

12、基于对所述候选变量逐一进行单因素logistic回归分析的结果，以胸腔积液发生为因变量，分别计算每个候选变量与因变量之间的回归系数及对应的显著性概率值，以确定满足该条件的候选变量为所述初筛变量，其中，所述因变量为标记胸腔积液的状态变量，其在发生胸腔积液时赋值为1，未发生赋值为0。

13、进一步地，在所述步骤s2中，所述支持向量机递归特征消除，其为采用10折交叉验证评估不同特征子集的预测效能，以将交叉验证误差最小的特征子集确定为所述最优特征子集。

14、进一步地，在所述步骤s3中，所述关键变量基于所述初筛变量与所述最优特征子集的交集结果确定。

15、进一步地，在所述步骤s4中，所述列线图模型的构建过程，包括：

16、基于关键变量的回归系数，确定每个变量取值范围所对应的分值，其中各变量的分值分配与其回归系数的绝对值呈正比；对于回归系数为正的变量，其高分值对应较高变量取值；对于回归系数为负的变量，其高分值对应较低变量取值。

17、基于所述分值的加和结果，确定总评分；

18、基于所述总评分与胸腔积液发生概率的对应关系，确定个体患者的胸腔积液发生概率。

19、进一步地，在所述步骤s4中，所述关键变量的回归系数确定的过程，包括：

20、将所述关键变量输入多因素logistic回归模型，以输出拟合结果；

21、基于最大似然估计法对模型进行拟合，以确定各变量的回归系数β值。

22、进一步地，所述关键变量取值范围对应的分值确定的过程，包括：

23、将所述关键变量的回归系数绝对值中的最大值确定为100分，其余变量的分值范围按其回归系数绝对值与所述最大值的比例缩减。

24、进一步地，所述总评分与胸腔积液发生概率的对应关系确定的过程，包括：

25、将所述关键变量输入多因素logistic回归模型以输出预测概率。

26、基于所述预测概率，确定关键变量取值对应的分值加和得到的总评分与p之间的对应关系，使每一总评分值对应唯一的胸腔积液发生概率。

27、进一步地，在所述步骤s4中，还包括基于所述胸腔积液发生概率确定所述胸腔积液的风险类型。

1.一种预测脓毒症胸腔积液风险的列线图模型构建方法，其特征在于，包括以下步骤：

2.根据权利要求1所述预测脓毒症胸腔积液风险的列线图模型构建方法，其特征在于，在所述步骤s1中，所述人口学特征、生理参数、实验室指标，以及评分系统，包括：

3.根据权利要求2所述预测脓毒症胸腔积液风险的列线图模型构建方法，其特征在于，在所述步骤s1中，得到所述初筛变量的确定过程，包括：

4.根据权利要求1所述预测脓毒症胸腔积液风险的列线图模型构建方法，其特征在于，在所述步骤s2中，所述支持向量机递归特征消除，其为采用10折交叉验证评估不同特征子集的预测效能，以将交叉验证误差最小的特征子集确定为所述最优特征子集。

5.根据权利要求1所述预测脓毒症胸腔积液风险的列线图模型构建方法，其特征在于，在所述步骤s3中，所述关键变量基于所述初筛变量与所述最优特征子集的交集结果确定。

6.根据权利要求1所述预测脓毒症胸腔积液风险的列线图模型构建方法，其特征在于，在所述步骤s4中，所述列线图模型的构建过程，包括：

7.根据权利要求6所述预测脓毒症胸腔积液风险的列线图模型构建方法，其特征在于，在所述步骤s4中，所述关键变量的回归系数确定的过程，包括：

8.根据权利要求7所述预测脓毒症胸腔积液风险的列线图模型构建方法，其特征在于，所述关键变量取值范围对应的分值确定的过程，包括：

9.根据权利要求8所述预测脓毒症胸腔积液风险的列线图模型构建方法，其特征在于，所述总评分与胸腔积液发生概率的对应关系确定的过程，包括：

10.根据权利要求6所述预测脓毒症胸腔积液风险的列线图模型构建方法，其特征在于，在所述步骤s4中，还包括基于所述胸腔积液发生概率确定所述胸腔积液的风险类型。