影响严重多发伤患者预后的相关因素分析及Nomogram预测模型的建立、优化与应用

摘要： 目的 分析和筛选影响严重多发伤患者预后的相关因素，结合解剖和生理特征构建Nomogram预测模型，进一步调整优化模型，并验证模型的临床应用价值。方法 选用2015年12月至2021年08月入住苏州市第九人民医院综合ICU及急诊ICU的457例严重多发伤患者，按日期先后分为建模人群（n=321）、验证人群（n=136），根据预后情况分组。采用单因素分析、LASSO回归分析筛选影响预后的相关变量，运用多因素Logistic回归建模，RCS（限制性立方样条）拟合进行优化，绘制Nomogram列线图，并验证模型的区分度和校准度。再通过绘制新模型的ROC曲线（受试者工作特征曲线），利用AUC（ROC曲线下面积）、Brier Score（布莱尔分数）、AIC（赤池信息准则）等指标评价新模型。在验证人群进行新模型的外部验证，评估其实际临床应用价值。结果 最终筛选出ISS、GCS、LAC、Age、PLT五个与预后相关的重要因子，涵盖了患者的解剖和生理特征，且GCS、Age与预后呈非线性相关P for nonlinear分别为0.027、0.001。应用Logistic回归构建Nomogram模型1，再应用RCS拟合Logistic回归优化模型，构建含有非线性效应的Nomogram模型2，绘制静态及网页版动态列线图。模型1、模型2的AUC分别为0.964、0.974，HL检验分别为χ2=1.881（P＝0.984）、χ2=2.468（P＝0.932），Brier Score分别为0.064、0.055，AIC分别为145.7、129.00，Bootstrap方法内部验证的绝对误差分别0.013、为0.019。优化后的模型2的AUC大于模型1的AUC（P＜0.05），模型2有更小的Brier Score、AIC值，且其临床净获益率高于模型1。模型2在外部验证中的AUC=0.949（95%CI：0.898-0.979，P＜0.001），HL拟合优度检验χ2=5.813（P＝0.668），与建模组比较△AUC=0.024（P=0.263）。结论 本研究基于Age、LAC、PLT、ISS评分、GCS评分5项风险因子构建出评估严重多发伤患者预后的Nomogram模型，经优化后的模型2有更高的准确性，且在外部验证中预测能力无下降。该模型应用方便快捷，将有助于提高患者病情早期识别能力，改善预后，值得临床推广。