Chrome Extension
WeChat Mini Program
Use on ChatGLM

慢性阻塞性肺疾病并发肺源性心脏病的影响因素分析及Nomogram预测模型的构建

Zhejiang Practical Medicine(2023)

Cited 0|Views0
No score
Abstract
目的 研究慢性阻塞性肺疾病并发肺源性心脏病的影响因素并构建Nomogram预测模型.方法 收集2019年6月~2021年12月浙江省永康市中医院慢性阻塞性肺疾病患者160例.根据"是否并发肺源性心脏病"分为肺源性心脏病组68例和非肺源性心脏病组92例.采用Logistic回归分析探讨影响慢性阻塞性肺疾病并发肺源性心脏病的独立危险因素;并构建慢性阻塞性肺疾病并发肺源性心脏病的Nomogram预测模型,校正及决策曲线对Nomogram预测模型进行内部验证及临床预测效能评估.结果 年龄、吸烟史、病程、合并感染、血钾、COPD分级、SGRQ评分是慢性阻塞性肺疾病并发肺源性心脏病的危险因素(P<0.05);较高年龄、有吸烟史、较长病程、合并感染以及较高的COPD分级是慢性阻塞性肺疾病并发肺源性心脏病的独立危险因素.内部验证结果显示,Nomogram模型预测慢性阻塞性肺疾病并发肺源性心脏病的C-index为0.801(95%CI:0.744-0.895).Nomogram模型预测慢性阻塞性肺疾病并发肺源性心脏病的阈值>0.18,Nomogram模型提供临床净收益;此外,Nomogram模型临床净收益均高于年龄、吸烟、病程、合并感染、COPD分级.结论 本研究基于慢性阻塞性肺疾病并发肺源性心脏病的独立危险因素(年龄、吸烟、病程、合并感染、COPD分级)构建了 Nomogram模型,为慢性阻塞性肺疾病患者的临床治疗及护理提供参考,以期通过个性化干预治疗及护理降低肺源性心脏病的发病率及不良预后,减轻患者病痛,提高生存质量.
More
Key words
chronic obstructive pulmonary disease,cor pulmonale,Nomogram prediction model,influencing factors
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