
-
生物通官微
陪你抓住生命科技
跳动的脉搏
基于LASSO-logistic回归的PKP术后新发椎体压缩骨折危险因素分析及列线图模型构建
《BMC Musculoskeletal Disorders》:Development and internal validation of a prediction model for new vertebral compression fractures after percutaneous kyphoplasty: a retrospective study
【字体: 大 中 小 】 时间:2026年10月16日 来源:BMC Musculoskeletal Disorders 2.8
编辑推荐:
摘要背景本研究旨在识别经皮椎体后凸成形术(PKP)治疗骨质疏松性椎体压缩骨折(OVCF)后发生新发椎体压缩骨折(NVCF)的危险因素,并建立预测模型和列线图,用于术后风险分层和临床决策。方法统计分析及采用SPSS 26.0和R 4.2.1软件完成。根据数据分布特征,连续变量采
本研究旨在识别经皮椎体后凸成形术(PKP)治疗骨质疏松性椎体压缩骨折(OVCF)后发生新发椎体压缩骨折(NVCF)的危险因素,并建立预测模型和列线图,用于术后风险分层和临床决策。
统计分析及采用SPSS 26.0和R 4.2.1软件完成。根据数据分布特征,连续变量采用独立样本t检验或Mann–Whitney U检验进行比较,分类变量采用卡方检验或Fisher精确检验进行比较。采用LASSO回归进行变量筛选,采用多因素logistic回归构建预测模型。采用ROC曲线、校准曲线和决策曲线分析评估模型性能。
本研究共纳入610例符合纳入标准的患者,按7:3的比例随机分为训练队列和验证队列。训练队列中427例患者有75例发生术后NVCF,验证队列中183例患者有27例发生术后NVCF。基于LASSO回归和多因素logistic回归分析,年龄、骨密度(BMD,T值)和骨水泥渗漏被确定为术后NVCF的独立预测因素。列线图显示出良好的判别能力,训练队列的曲线下面积(AUC)为0.854,验证队列为0.789。校准曲线显示预测概率与观察概率之间一致性良好,决策曲线分析表明临床效用良好。
LASSO-logistic回归列线图对PKP术后NVCF具有良好的预测性能,可为识别高危患者和术后风险管理提供有益参考。在更广泛地应用于临床之前,尚需进行更全面的变量收集及前瞻性验证研究。
本研究旨在识别经皮椎体后凸成形术(PKP)治疗骨质疏松性椎体压缩骨折(OVCF)后发生新发椎体压缩骨折(NVCF)的危险因素,并建立预测模型和列线图,用于术后风险分层和临床决策。
统计分析及采用SPSS 26.0和R 4.2.1软件完成。根据数据分布特征,连续变量采用独立样本t检验或Mann–Whitney U检验进行比较,分类变量采用卡方检验或Fisher精确检验进行比较。采用LASSO回归进行变量筛选,采用多因素logistic回归构建预测模型。采用ROC曲线、校准曲线和决策曲线分析评估模型性能。
本研究共纳入610例符合纳入标准的患者,按7:3的比例随机分为训练队列和验证队列。训练队列中427例患者有75例发生术后NVCF,验证队列中183例患者有27例发生术后NVCF。基于LASSO回归和多因素logistic回归分析,年龄、骨密度(BMD,T值)和骨水泥渗漏被确定为术后NVCF的独立预测因素。列线图显示出良好的判别能力,训练队列的曲线下面积(AUC)为0.854,验证队列为0.789。校准曲线显示预测概率与观察概率之间一致性良好,决策曲线分析表明临床效用良好。
LASSO-logistic回归列线图对PKP术后NVCF具有良好的预测性能,可为识别高危患者和术后风险管理提供有益参考。在更广泛地应用于临床之前,尚需进行更全面的变量收集及前瞻性验证研究。