预测肘关节三联征术后恢复的Nomogram图模型建立

Zhongguo gu shang = China journal of orthopaedics and traumatology(2020)

引用 0|浏览8
暂无评分
摘要
目的:通过对肘关节三联征(triadofelbow,TE)的危险因素进行分析,建立个体化预测TE患者术后恢复的Nomogram图预测模型.方法:纳入2012年1月至2018年12月符合标准的TE患者116例,收集临床资料,采用单因素Logistic回归分析筛选独立危险因素,将有统计意义的危险因素纳入多因素Logistic回归模型,采用R软件建立预测TE患者术后恢复的Nomogram图模型,采用C-index验证模型的区分度,Calibration plot验证模型的一致性,采用决策曲线(decision curve analysis,DCA)验证模型的临床净获益率.结果:116例TE患者术后出现症状44例,发生率为37.93%.年龄(OR=1.930,95%CI1.418~2.764),工作性质(OR=6.153,95%CI1.466~31.362),吸烟(0R=4.463,95%CI 1.041~2.291),桡骨头Mason分型(OR=1.348,95%CI2.309~9.348),冠状突Regan-Morrey分型(OR=4.424,95%CI 1.751~2.426)以及术后肘关节制动时间(0fi=7.665,95%CI1.056~5.100)均是影响TE术后恢复的独立危险因素(P<0.05).Nomogram图的C-index为0.716,Calibration plot显示预测模型一致性良好,DCA曲线显示满意的临床净获益.结论:基于年龄、工作性质、吸烟、桡骨头Mason分型、冠状突Regan-Morrey分型以及术后肘关节制动时间这6项独立危险因素建立的预测TE患者术后恢复的Nomogram图模型,具有良好的区分度和一致性,临床实用价值高,帮助临床医生甄别高风险人群、制定对应干预对策.
更多
查看译文
关键词
Elbow joint,Fractures,Nomogram plot,Triad of elbow
AI 理解论文
溯源树
样例
生成溯源树,研究论文发展脉络
Chat Paper
正在生成论文摘要