基于Logistic回归方程分析aSAH患者脑积水影响因素及预测模型构建
DOI:
作者:
作者单位:

平顶山市第五人民医院内科;

作者简介:

通讯作者:

中图分类号:

基金项目:


Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    目的 探讨动脉瘤性蛛网膜下腔出血(aSAH)患者发生脑积水的相关影响因素,并建立Logistic回归模型。方法 选取2019年3月至2021年10月平顶山市第五人民医院收治的215例aSAH患者为研究对象,根据治疗2周后患者是否发生脑积水分为脑积水组65例、无脑积水组150例。收集两组临床资料。对比分析两组治疗2周后脑脊液高迁移率族蛋白1(HMGB1)、神经元特异性烯醇化酶(NSE)水平、脑脊液红细胞计数。采用单因素、多因素Logistic回归方程分析aSAH患者发生脑积水影响因素。采用受试者工作特征(ROC)曲线分析Logistic回归模型对aSAH患者发生脑积水的预测价值。结果 单因素分析显示高龄、破入脑室、合并脑内血肿、Fisher分级、Hunt-Hess分级、HMGB1、NSE、红细胞计数是脑积水发生的影响因素(P<0.05);Logistic回归分析显示高龄、Fisher分级、Hunt-Hess分级、HMGB1、NSE、红细胞计数是脑积水发生的独立危险因素(P<0.05);ROC分析显示Logistic回归模型预测aSAH患者发生脑积水的曲线下面积(AUC)为0.834,敏感度86.15%,特异度为81.33%。结论 高龄、Fisher分级、Hunt-Hess分级、HMGB1、NSE、红细胞计数均是aSAH患者发生脑积水的独立危险因素,根据上述因素构建Logistic回归模型具有一定预测价值,应采取针对性措施预防,以此降低脑积水发生风险。

    Abstract:

    参考文献
    相似文献
    引证文献
引用本文

师昱姗;庄飞;.基于Logistic回归方程分析aSAH患者脑积水影响因素及预测模型构建[J].中国医学工程,2023,(05):82-86

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:
  • 最后修改日期:
  • 录用日期:
  • 在线发布日期: 2023-10-09
  • 出版日期:
您是第位访问者
中国医学工程 ® 2025 版权所有
技术支持:北京勤云科技发展有限公司
管理员登录