一种基于内部验证的简约模型，用于利用急性心肌梗死患者在发病后24小时内可获得的预测因子来预测院内死亡率：来自亚兹德心血管疾病登记处的研究证据

《BMC Medical Informatics and Decision Making》：A parsimonious internally validated model for predicting in-hospital mortality using predictors available within the first 24 h in acute myocardial infarction: evidence from the Yazd Cardiovascular Disease Registry

　　

摘要

背景

准确预测急性心肌梗死（AMI）患者的院内死亡率在临床上至关重要。然而，许多现有的风险模型较为复杂，依赖的变量在患者住院初期并不常规可用，或者在资源有限的环境中适用性有限。因此，仍需要一个临床可解释的、简洁的、数据驱动的模型，该模型应具备良好的区分能力和校准性能。

方法

这项基于回顾性登记的 study 使用了亚兹德心血管疾病登记处（Yazd Cardiovascular Disease Registry）的数据，纳入了2016年至2019年期间住院的AMI患者。主要结果是院内死亡率。研究人员使用五个常规可获得的预测因素（年龄、空腹血糖、射血分数、性别和Killip分级）开发了一个临床意义上的简洁逻辑回归模型。模型性能通过AUC、Brier分数、校准图、校准截距和校准斜率进行评估。内部验证采用了200次重复的自助法（bootstrap）重采样技术。对于缺失数据，主要采用链式方程多重插补（MICE）方法进行处理，同时进行了完整病例分析作为敏感性分析。

结果

共有1,396名AMI患者纳入研究，其中74人（5.3%）在住院期间死亡。在主要的多重插补分析中，五个插补数据集的平均AUC为0.893（标准差0.007）。在对简洁模型的敏感性分析中，有614名患者和24例死亡数据可供使用；该模型表现出良好的区分能力，AUC为0.863，经乐观校正后的AUC为0.844。Brier分数为0.029。乐观校正后的校准斜率和截距分别为0.934和-0.134，表明模型存在轻微的过拟合现象，并对风险有所高估。

结论

所提出的五变量模型在内部验证后展现出良好的区分能力和可接受的校准性能。鉴于事件数量有限、关键预测因素存在大量缺失数据以及缺乏外部验证，该模型应被视为一种初步的院内风险分层工具，在常规临床应用之前需要进一步验证。