构建并验证一个预测模型，用于预测慢性心力衰竭患者90天内的再入院风险

《Frontiers in Cardiovascular Medicine》：Construction and validation of a prediction model for 90-day readmission risk in patients with chronic heart failure

慢性心力衰竭患者90天再入院风险预测模型的构建与验证。通过回顾性分析542例患者的临床数据，采用LASSO回归筛选出血清肌钙蛋白、空腹血糖、血清钠、eGFR和中性粒细胞比例作为关键预测因子，并建立预测模型。模型在训练集和验证集的AUC分别为0.746和0.705，验证了其良好的预测性能。该模型为临床决策提供量化依据，有助于高风险患者早期干预。

　　慢性心力衰竭（CHF）是一种严重影响患者健康状况和生活质量的复杂疾病，其高发病率和高再入院率给全球医疗系统带来了沉重的负担。尽管现代医学在治疗和管理CHF方面取得了一定进展，但该病目前尚无法彻底治愈，因此再入院风险的评估和干预仍然是临床管理中的关键环节。90天作为CHF患者再入院风险评估的重要时间节点，因其涵盖了出院后大部分不良事件的发生窗口期，因此受到广泛关注。然而，目前对于这一时间窗口内再入院风险的预测模型仍显不足，缺乏全面的生物标志物研究和精准的预测工具。本研究旨在通过探索关键的预后生物标志物，构建一个能够有效预测CHF患者90天再入院风险的新模型，以辅助临床决策并实现个性化管理。

在本研究中，我们从浙江大学第四附属医院心内科的电子病历系统中收集了2014年10月至2023年12月期间确诊为CHF的患者数据，最终纳入542名患者作为研究对象。这些患者被随机分为训练组（380例）和验证组（162例），比例为7:3，以确保模型的稳定性和泛化能力。研究过程中，我们综合分析了患者的临床特征、合并症、实验室检测结果以及超声心动图数据，以识别与90天再入院风险最相关的变量。其中，我们采用最小绝对收缩和选择算子（LASSO）回归方法，筛选出五个关键变量：心肌肌钙蛋白（cTn）、空腹血糖（FBG）、血清钠、估算肾小球滤过率（eGFR）以及中性粒细胞（NEU）。这些变量被纳入到一个全新的预测模型中，并通过受试者工作特征曲线（ROC曲线）、曲线下面积（AUC）、决策曲线分析（DCA）以及校准曲线等方法对模型的预测性能进行了全面评估。

研究结果显示，训练组和验证组的90天再入院率分别为18.7%和19.1%。通过LASSO回归分析，我们确认了上述五个变量与再入院风险具有最强的关联性。进一步构建的预测模型在训练组中表现出AUC为0.746（95%置信区间：0.685–0.808），在验证组中AUC为0.705（95%置信区间：0.605–0.804），表明该模型在预测90天再入院风险方面具有较高的准确性。此外，校准曲线和Hosmer-Lemeshow检验的结果也显示，该模型在训练组和验证组中均具有较好的校准性能，说明其预测结果与实际临床数据之间的契合度较高。DCA分析进一步验证了该模型在临床应用中的价值，表明其能够提供良好的净临床效益。

为了进一步提升模型的临床适用性，我们对患者进行了风险分层。通过Youden指数确定了一个最佳的截断值（0.232），将患者分为高风险和低风险组。在训练组和验证组中，高风险组与低风险组的90天再入院率存在显著差异（训练组：χ2 = 41.6，P < 0.001；验证组：χ2 = 5.872，P < 0.001）。Kaplan-Meier生存分析和对数秩检验进一步证实了该分层在预测再入院风险方面的有效性，表明高风险组患者在90天内的再入院概率显著高于低风险组。

在讨论部分，我们深入分析了所选变量的临床意义。心肌肌钙蛋白（cTn）作为重要的心脏生物标志物，在HF患者的诊断、风险分层和疾病进展监测中具有广泛应用。研究发现，cTn水平升高与HF患者的不良预后密切相关，尤其是在再入院和死亡率方面。此外，空腹血糖（FBG）的升高也被证实与HF的发生和发展存在独立的正相关关系，其升高可能通过促进炎症反应、氧化应激以及形成晚期糖基化终产物（AGEs）等机制对心脏功能造成损害。血清钠水平的降低（即低钠血症）通常与水潴留有关，已被多项研究证明与HF患者的住院时间延长和死亡率增加存在显著关联。估算肾小球滤过率（eGFR）则反映了肾功能的状况，而肾功能障碍是HF患者中常见的并发症，尤其在严重病例中，与不良预后密切相关。中性粒细胞（NEU）作为炎症反应的重要指标，在心血管疾病中发挥着双重作用，一方面可能通过促进内皮再生和血管生成参与组织修复，另一方面在心脏肥大和中风等病理过程中可能加重损伤。

在本研究中，所构建的预测模型不仅覆盖了上述五个关键变量，还通过图形化的工具——Nomogram（列线图）——直观地展示了风险评分的计算方式。该模型为临床医生提供了一种简便、易行的评估手段，使其能够在患者出院后的关键时间窗口内快速判断其再入院风险，并据此制定个性化的干预措施。这种模型的建立有助于提高临床决策的科学性和精准性，同时也有助于优化医疗资源配置，减少不必要的再入院事件。

尽管本研究取得了一定成果，但仍存在一些局限性。首先，所纳入的患者主要来自单一中心，这可能限制了模型在不同医疗机构和人群中的适用性。其次，研究样本量相对较小，进一步的外部验证可能需要更大规模的队列数据支持。此外，本研究为回顾性分析，可能受到数据记录偏差和混杂因素的影响，因此未来的研究应考虑采用前瞻性设计以提高模型的稳健性。最后，由于本研究主要基于相关性分析，难以明确各变量之间的因果关系，因此进一步探索变量间的直接、间接及中介效应，可能需要引入结构方程模型（SEM）等更复杂的统计方法。

本研究的成果不仅为CHF患者90天再入院风险的预测提供了新的工具，也为相关临床研究奠定了基础。随着医学的发展，越来越多的临床评分系统被用于评估患者的风险，如CHA2DS2-VASc评分等。这些评分系统能够综合考虑患者的多种临床特征，为临床医生提供更全面的决策支持。未来，随着更多临床评分系统的引入和优化，CHF再入院风险的预测能力有望进一步提升，从而更好地服务于患者的个性化管理和长期预后改善。

总之，本研究构建的90天再入院预测模型，基于临床可获取的生物标志物，为CHF患者的再入院风险评估提供了科学依据。该模型的可靠性和实用性已在训练组和验证组中得到验证，能够帮助临床医生在关键的时间窗口内识别高风险患者，并采取及时的干预措施。未来的研究应关注模型的推广和验证，特别是在多中心、前瞻性研究中，以进一步提高其临床适用性和预测准确性。此外，探索模型中各变量之间的相互作用和因果关系，也将有助于更深入地理解CHF的发病机制，并为制定更有效的治疗策略提供理论支持。