基于LASSO-逻辑回归构建原发性醛固酮增多症风险预测列线图模型及其验证研究

《Endeavour》：Establish and Validation of a Nomogram for Primary Aldosteronism Patients: Using LASSO-Logistic Regression Model

本研究基于LASSO-逻辑回归构建原发性醛固酮增多症（PA）风险预测列线图模型，筛选出阻塞性睡眠呼吸暂停低通气综合征（OSAHS）、血钾、立位醛固酮及立位肾素4项独立危险因素。模型训练集与验证集AUC分别达0.976和0.924，校准曲线贴近理想线，Hosmer-Lemeshow检验P>0.05，展现优异 discriminative ability 与临床实用性，为PA早期筛查提供高效工具。

　　

结果

LASSO回归共筛选出14个潜在风险因素，包括年龄、吸烟、高血压家族史、冠心病和阻塞性睡眠呼吸暂停低通气综合征（OSAHS）等。逻辑回归分析显示，OSAHS（OR = 4.006, 95%CI = 1.366-11.749, P= 0.011）、血钾（OR = 0.253, 95%CI = 0.068-0.940, P= 0.040）、立位醛固酮（OR = 1.282, 95%CI = 1.147-1.433, P< 0.001）和立位肾素（OR = 0.735, 95%CI = 0.668-0.808, P< 0.001）是PA的独立危险因素（P< 0.05）。基于上述结果构建了列线图模型。训练集和验证集的AUC值分别为0.976（95%CI = 0.958-0.995）和0.924（95%CI = 0.859-0.990），两组校准曲线均接近理想曲线。Hosmer-Lemeshow检验显示P> 0.05，表明模型具有良好临床适用性。

结论

通过LASSO-逻辑回归模型，我们锁定了OSAHS、血清钾、立位醛固酮和立位肾素这四个PA的"幕后推手"。本研究构建的列线图模型在PA早期诊断中表现出优秀的临床实用性，犹如为高血压患者筛查工作装上了一台高精度"风险雷达"。