Chrome Extension
WeChat Mini Program
Use on ChatGLM

维持性血液透析患者衰弱风险预测模型的构建及应用研究

YING Jinping,CAI Genlian, CHEN Linglin,PAN Mengyan, ZHOU Yahui, YU Weiping,SHI Suhua

Chinese Journal of Emergency and Critical Care Nursing(2023)

Cited 0|Views0
No score
Abstract
目的 构建并应用维持性血液透析患者衰弱风险预测模型.方法 采用前瞻性研究设计,选取2020年3月—2022年4月在浙江省某三级甲等医院接受维持性血液透析治疗的876例患者作为研究对象,其中2020年3月—2021年7月为建模组(n=491),2021年8月—2022年4月为验证组(n=385).采用单因素和多因素Logistic回归分析维持性血液透析患者衰弱的危险因素,建立风险预测模型并绘制列线图.采用Hosmer-Lemeshow拟合优度检验、受试者操作特征曲线下面积(area under curve,AUC)评价模型临床预测效果,采用Bootstrap抽样法对模型进行内部验证.结果 共226例患者(25.80%)发生衰弱,其中建模组123例(25.05%),验证组103例(26.75%).年龄(OR=3.553)、日常生活活动能力(OR=37.804)、脑卒中史(OR= 16.434)、血清白蛋白(OR=4.197)、C反应蛋白(OR=2.633)及血肌酐(OR=2.201)6个影响因素构建预测模型.建模组Hosmer-Lemeshow拟合优度检验χ2=5.667,P=0.772,AUC为0.955[95%CI(0.936,0.974)],灵敏度89.7%,特异度87.7%,约登指数为0.774,内部验证C-statistic统计量值为0.950.验证组Hosmer-Lemeshow拟合优度检验χ2=44.085,P=1.362,AUC为0.914[95%CI(0.882,0.946)],灵敏度85.5%,特异度85.4%,约登指数为0.709,准确度为73.5%.结论 维持性血液透析患者衰弱风险预测模型能较好地可视化预测患者衰弱的发生风险,为医护人员早期识别和干预提供支持.
More
Key words
Renal Dialysis,Frailty,Risk Reduction Behavior,Nomogram,Predictive Model,Nursing
AI Read Science
Must-Reading Tree
Example
Generate MRT to find the research sequence of this paper
Chat Paper
Summary is being generated by the instructions you defined