开发并验证了一种用于脑肿瘤手术患者静脉血栓栓塞的多参数图表：一项回顾性分析

《Neurosurgical Review》：Development and validation of a multi-parameter nomogram for venous thromboembolism in patients undergoing surgery for brain tumors: a retrospective analysis

本研究针对脑肿瘤术后静脉血栓栓塞症（VTE）风险，通过纳入400例NICU患者，运用单变量分析、LASSO回归和多元逻辑回归筛选出7项独立预测因子（术前D-二聚体升高、术后HbA1c升高、手术时长延长、入院TT4升高、BMI增加、高龄及高血压病史），构建nomogram模型，其AUC为0.937，经LSVM验证准确率85%，模型显示优异的区分能力、稳定性和临床应用价值。

　　

摘要

静脉血栓栓塞（VTE）是接受脑肿瘤手术患者的严重并发症，尤其是那些需要神经重症监护病房（NICU）监测的患者。不同肿瘤类型的VTE风险因素各不相同，而有效的早期预警工具仍然很少。本研究旨在开发一种基于诺模图的临床预测模型，以识别脑肿瘤患者术后VTE的独立风险因素。研究纳入了2018年1月至2023年7月期间接受脑肿瘤手术的400名NICU患者（年龄18-82岁；平均年龄52.5 ± 15.6岁；46.5%为男性），其中96人发生了术后VTE（占24%）。通过单变量分析、LASSO回归和多变量逻辑回归分析确定了独立预测因子，并构建了诺模图预测模型。C指数和校准曲线评估了模型的区分能力和稳定性，而决策曲线分析则评估了其临床实用性。线性支持向量机（LSVM）方法验证了模型的稳健性。最终确定了7个独立预测因子，并将其纳入诺模图：术前D-二聚体水平升高、入院后HbA1c水平升高、手术时间延长、入院时TT4水平升高、BMI增加、年龄较大以及有高脂血症病史。这些因素通过多变量逻辑回归被纳入诺模图风险预测模型，其AUC为0.937。校准曲线验证了模型的稳定性，C指数显示出较强的区分能力，决策曲线分析确认了其临床价值。进一步使用线性支持向量机（LSVM）验证了同一组变量的预测效果，总体准确率为85%。该诺模图整合了多个临床参数，提高了脑肿瘤手术术后VTE风险的预测和识别能力，表现出优异的区分能力、稳定性和临床适用性。