强脉冲光(IPL)治疗患者非依从性风险预测模型的构建与验证：基于LASSO回归的临床决策工具

为解决强脉冲光(IPL)治疗患者依从性预测难题，研究人员通过LASSO回归筛选出7项关键预测因子（包括佩戴首饰数量、本地居民身份等），构建了具有优异判别力（C-index达0.922）和校准度的列线图模型。该工具经1,000次Bootstrap内验证和外部独立集验证，能为临床提供个体化干预决策支持。

　　

这项研究构建了一个预测强脉冲光(Intense Pulsed Light, IPL)治疗患者非依从性风险的列线图模型。研究团队分析了2021年316例接受IPL治疗的患者数据，通过最小绝对收缩选择算子(Least Absolute Shrinkage and Selection Operator, LASSO)回归从22个候选变量中筛选出7个关键预测因子：佩戴首饰数量、本地居民身份、不切实际的治疗期望、既往整形手术史、规律运动习惯、防晒意识及含糖饮料摄入频率。

模型在训练集(n=213)中展现出卓越的判别能力，一致性指数(Concordance index, C-index)达0.922（95%CI 0.888-0.956），经1,000次Bootstrap重采样内部验证后C-index仍保持0.896。外部验证集(n=103)进一步证实模型的稳健性(C-index=0.897)。决策曲线分析(Decision Curve Analysis, DCA)显示，当阈值概率在1%-100%（训练集）和1%-88%（验证集）范围内时，该模型能提供显著的临床净获益。

这项创新性工具首次将行为经济学因素（如含糖饮料摄入）与传统临床指标相结合，为皮肤科医生识别高风险患者并实施精准干预提供了量化依据，有望提升IPL治疗的完成率和疗效。