基于Lasso-逻辑回归构建肾移植术后1年内非计划再入院风险预测列线图模型及验证

针对肾移植术后1年内非计划再住院率高（36.48%）的临床难题，贵州医科大学附属医院团队通过Lasso-logistic回归筛选出血清肌酐、胱抑素C等8项关键预测因子，构建了C-index达0.715的列线图模型。该模型经1000次Bootstrap验证显示良好区分度（AUC=0.715）和校准度（Hosmer-Lemeshow检验P=0.764），为个体化干预提供量化工具。

　　

肾移植作为终末期肾病的最佳治疗手段，虽能显著改善患者生存质量，但术后复杂的免疫调节和并发症管理导致高达36.48%的非计划再入院率，成为临床实践中的重大挑战。这种非预期再住院不仅加重医疗负担，更直接影响移植肾功能和患者预后。既往研究多聚焦于单一生物标志物分析，缺乏整合临床指标与实验室参数的量化预测工具。为此，贵州医科大学附属医院器官移植科团队开展了一项回顾性队列研究，旨在建立可早期预警再入院风险的预测模型。

研究采用Lasso-logistic回归双重筛选策略，对2017年4月至2023年6月614例肾移植受者的多维数据进行分析。关键技术包括：1）基于Bootstrap重采样1000次的内部验证；2）通过受试者工作特征曲线（ROC）评估模型区分度；3）采用Hosmer-Lemeshow检验和校准曲线评价模型拟合优度；4）临床决策曲线分析（DCA）验证实用价值。数据来源于单中心电子病历系统，严格遵循伦理审查（批件号152/2024）。

【研究结果】
◆ 预测因子筛选：
通过Lasso回归压缩变量维度后，最终确定血清肌酐（反映肾功能）、胱抑素C（肾小球滤过标志物）、白蛋白（营养状态）、血钾/血镁（电解质平衡）、饮酒史、排斥反应事件及住院时长8项独立预测因子。其中排斥反应使再入院风险提升2.3倍（OR=3.3，95%CI 1.8-5.7）。

◆ 模型效能验证：
构建的列线图模型显示：ROC曲线下面积（AUC）达0.715（95%CI 0.673-0.757），校正后C-index为0.700。模型阳性预测值0.533，阴性预测值0.785，提示对低风险患者识别更准确。Hosmer-Lemeshow检验χ²=4.941（P=0.764）证实预测概率与实际观察值高度一致。

◆ 临床适用性：
决策曲线分析显示当阈值概率在11%-89%区间时，使用该模型干预可获得净收益。例如对阈值概率40%的患者，每100例应用模型可避免22例不必要干预。

【结论与意义】
该研究创新性地将机器学习算法（Lasso）与传统统计模型结合，首次建立针对中国肾移植人群的再入院预测工具。模型整合了易获取的临床指标（如住院时长）与精准生物标志物（胱抑素C），使基层医院也能实施风险评估。尽管存在单中心回顾性设计的局限性，但研究者通过Bootstrap内部验证和DCA分析增强了结论可靠性。

特别值得注意的是，模型揭示的传统忽视因素——血镁水平与饮酒史的预测价值，为术后管理提供了新视角。未来可通过多中心前瞻性研究进一步优化模型，并探索将预测评分系统嵌入电子病历的可行性。该成果发表于《Transplantation Proceedings》，为移植后精准医疗实践提供了重要循证依据。