非心脏手术患者术后睡眠障碍预测模型的建立与验证
Chinese Journal of Anesthesiology(2021)
摘要
目的:建立非心脏手术患者术后睡眠障碍(PSD)的预测模型并进行验证。方法:选择2019年11月至2020年9月择期全麻下行非心脏手术患者454例,ASA分级Ⅰ~Ⅲ级,年龄≥18岁,性别不限。收集患者围术期各指标。采用随机抽样法以7∶3的比例分为训练集和验证集。在训练集中运用LASSO回归分析筛选PSD特征变量,将特征变量进行多因素logistic回归分析进一步筛选危险因素。引入AIC信息准则进行评价,基于筛选后的影响因素构建非心脏手术患者PSD的列线图预测模型。采用受试者工作特征曲线评估模型区分度,采用Hosmer-Lemeshow拟合优度检验与Brier评分定量分析评估模型一致性。结果:以PSD的7个危险因素(性别、术前焦虑、病房环境满意度、麻醉时间、术中咪达唑仑和舒芬太尼用量、术后3 d时NRS评分)和2个相关因素(术前NRS评分和全麻联合神经阻滞)构建预测PSD的列线图。训练集曲线下面积为0.805(95%可信区间0.721~0.848),验证集曲线下面积为0.773(95%可信区间0.684~0.876)。训练集与验证集校准曲线经Hosmer-Lemeshow拟合优度检验显示 P值分别为0.590、0.950,Brier评分分别为0.154、0.156。列线图预测模型训练集与验证集的灵敏度(95%可信区间)分别为81.83%(60.32%~95.14%)和77.86%(39.84%~97.25%),特异度(95%可信区间)分别为78.15%(71.83%~83.25%)和77.86%(68.74%~85.48%)。列线图得分的最佳截断值为113分。 结论:本研究成功建立了非心脏手术患者PSD预测模型,该模型能可视化、个体化地对PSD的风险进行预测。
更多查看译文
关键词
Sleep disturbance,Postoperative complications,Forecasting
AI 理解论文
溯源树
样例
![](https://originalfileserver.aminer.cn/sys/aminer/pubs/mrt_preview.jpeg)
生成溯源树,研究论文发展脉络
Chat Paper
正在生成论文摘要