《Frontiers in Neurology》：LASSO-based nomogram and machine learning models for predicting 30-day nasogastric tube dependence after acute ischemic stroke
编辑推荐：
背景：鼻胃管（NGT）喂养是为急性缺血性卒中（AIS）伴吞咽困难患者提供肠内营养的常用方法。然而，长期NGT依赖会导致不良临床后果。早期识别可能发展为持续性NGT依赖的患者仍具挑战性。方法：共纳入852例需要NGT的AIS患者，分配至训练集（n=596）和内部
背景：鼻胃管（NGT）喂养是为急性缺血性卒中（AIS）伴吞咽困难患者提供肠内营养的常用方法。然而，长期NGT依赖会导致不良临床后果。早期识别可能发展为持续性NGT依赖的患者仍具挑战性。方法：共纳入852例需要NGT的AIS患者，分配至训练集（n=596）和内部验证集（n=256）。预测因子选择采用最小绝对收缩和选择算子（LASSO）回归、极端梯度提升（XGBoost）算法和多变量逻辑回归。随后构建列线图，并进行内部和外部验证。同时开发三种机器学习算法——梯度提升机（GBM）、支持向量机（SVM）和正则化判别分析（RDA）进行比较。模型性能通过曲线下面积（AUC）、校准图和决策曲线分析（DCA）评估。结果：保留四个关键独立预测因子：糖尿病（DM）、年龄、入院美国国立卫生研究院卒中量表（NIHSS）评分和纯NGT喂养。模型表现出强区分度（训练集AUC=0.924，内部验证集0.920，外部验证集0.935）、良好校准性和DCA中有利的临床效用。在机器学习模型中，GBM表现出最高准确性，AUC为0.918。模型确认年龄和NIHSS评分是最具影响力的预测因子，其次是纯NGT喂养和DM。结论：开发的列线图为预测AIS患者30天NGT依赖提供了有效方法，能够及时进行风险分层和个体化临床管理。
论文解读文章
**研究背景与问题**
急性缺血性卒中（AIS）后吞咽困难是常见神经性并发症，由皮质和脑干损伤干扰吞咽反射和气道协调引起，发生率在34%至80%之间。吞咽困难不仅损害营养摄入导致营养不良，还可引发脱水、吸入性肺炎和气道阻塞，最终增加不良预后和死亡率。尽管许多患者在卒中后数周内吞咽功能逐渐恢复，但相当比例的患者在急性期后仍依赖肠内管饲，如鼻胃管（NGT）或胃造口管。然而，在东亚地区，胃造口术未被广泛接受，多数吞咽困难幸存者接受NGT喂养。NGT喂养是短期肠内营养支持的便捷非侵入性方法，通常建议使用不超过4周。长期NGT使用与鼻翼腐蚀、慢性鼻窦炎、吸入性肺炎、上消化道出血和胃食管反流等并发症相关，且会干扰吞咽时会厌运动，影响预后。早期识别可能发展为持续性NGT依赖的患者对于定制吞咽康复和改善卒中后恢复至关重要。既往预测模型多基于传统回归方法，预测精度和泛化能力有限。本研究旨在开发和验证基于LASSO的列线图和机器学习模型，用于预测AIS患者30天NGT依赖，支持个体化临床决策和早期干预。
**研究内容与结论**
研究人员从绵阳中心医院神经内科回顾性纳入852例AIS患者，分为训练集（n=596）和内部验证集（n=256），并另获取344例外部验证队列。NGT依赖定义为30天后WST评分≥3。通过LASSO回归、XGBoost算法和多变量逻辑回归筛选预测因子，最终确定四个独立预测因子：糖尿病（DM）、年龄、入院NIHSS评分和纯NGT喂养。基于这些因子构建列线图，并评估其性能。模型在训练集AUC为0.924，内部验证集为0.920，外部验证集为0.935，校准良好，临床效用高。同时开发三种机器学习模型（GBM、SVM、RDA）进行比较，其中GBM表现最佳，AUC为0.918。年龄和NIHSS评分被确认为最具影响力的预测因子。结论是，该模型为预测AIS患者30天NGT依赖提供了有效工具，有助于及时风险分层和个体化管理。
**主要技术方法**
研究采用回顾性队列设计，样本来自绵阳中心医院，包括内部和外部验证集。关键技术方法包括：LASSO回归（10折交叉验证）用于变量选择，XGBoost算法评估变量重要性，多变量逻辑回归确定独立风险因子，然后构建列线图。模型性能通过ROC曲线和AUC评估区分度，校准图评估校准性，DCA评估临床实用性。此外，开发GBM、SVM和RDA三种机器学习模型，采用五次重复重采样迭代评估性能指标（AUC、精确度、召回率、F1分数）。
**研究结果**
- **患者特征**：共纳入852例AIS患者，训练集和内部验证集基线特征无显著差异。外部验证集平均年龄较低（55.95岁），但模型仍保持良好性能。
- **变量选择**：LASSO回归筛选出四个变量：DM、年龄、NIHSS评分和纯NGT喂养。XGBoost排名一致。多变量逻辑回归显示DM（OR=2.194）、AF（OR=0.456）、年龄（OR=1.166）、NIHSS评分（OR=1.265）和纯NGT喂养（OR=7.866）为独立预测因子，但最终模型仅纳入四个重叠变量。
- **模型构建与可视化**：构建静态和动态列线图，其中NIHSS评分贡献最高分值，纯NGT喂养次之，年龄和DM随后。
- **模型性能评估**：训练集AUC为0.924，内部验证集为0.920，校准图和DCA显示良好校准性和临床效用。外部验证集AUC为0.935，年龄亚组分析（<60岁和≥60岁）AUC分别为0.943和0.905，表明模型稳定。
- **机器学习模型比较**：GBM模型表现最佳，AUC为0.918，精确度和F1分数最高。ROC曲线和lollipop图显示年龄和NIHSS评分是最重要预测因子。
**讨论与结论**
研究人员指出，年龄和NIHSS评分是预测持续NGT依赖的关键因素，与既往研究一致。年龄相关吞咽肌萎缩影响吞咽效率，NIHSS评分反映神经损伤程度。DM和纯NGT喂养状态也显著贡献于持续喂养依赖。模型基于易获取的临床指标，有助于早期风险分层。然而，研究存在单中心、缺失神经影像标记等局限性。未来需多中心前瞻性研究验证。结论是，该模型为临床提供实用工具，支持个体化NGT移除决策，可能改善患者预后和优化资源利用。
