针对中风幸存者日常生活功能障碍的预测模型的构建与验证：CHARLS队列的研究成果

《Journal of NeuroEngineering and Rehabilitation》：Development and validation of a prediction model for activities of daily living dysfunction among stroke survivors: insights from the CHARLS cohort

　　

摘要

背景

卒中患者中日常生活活动（ADL）功能障碍较为常见，这给患者本身及医疗系统带来了沉重负担。若能更准确地识别出存在ADL功能障碍的个体，便有助于制定更有针对性的康复方案。

方法

研究数据来源于中国健康与退休纵向研究（CHARLS）。从1,295名卒中患者中随机选取了训练集（n?=?906）和验证集（n?=?389）。通过最小绝对值收缩和选择算子（LASSO）回归以及多变量逻辑回归来筛选预测因子，并构建预测模型，该模型通过列线图进行可视化展示。同时运用SHapley加性解释方法对模型进行解读。通过接收者操作特征曲线下面积（AUC）、校准分析以及决策曲线分析来评估模型的性能。

结果

研究共确定了10个预测因子，包括CES-D评分、年龄、睡眠时间、饮酒情况、肺部疾病、社交互动频率、跌倒史、高血压、关节炎以及性别。SHAP分析显示CES-D评分是影响最大的预测因子。该模型在训练集（AUC：0.76，95%置信区间：0.73–0.79）和验证集（AUC：0.76，95%置信区间：0.72–0.81）中均展现出良好的区分能力。训练集和验证集的校准效果也较为理想（Hosmer–Lemeshow检验，P值分别为0.16和0.99）。决策曲线分析结果表明该模型具有积极的临床应用价值。

结论

该模型具备不错的预测性能，可帮助识别出存在ADL功能障碍的个体。在更广泛地应用于临床之前，还需要进一步进行外部验证。