基于常规生物标志物的髋部骨折术后短期与长期死亡率可解释预测模型研究

《BMC Medical Informatics and Decision Making》：Evaluation of short- and long-term mortality prediction in patients undergoing hip fracture surgery using a biomarker-based interpretable predictive modeling approach: a retrospective cohort analysis

　　

摘要

目的

本研究旨在开发一种可解释的预测建模方法，以预测髋部骨折手术患者的短期（3个月）和长期（1年）死亡率，并评估常规可获取的临床和实验室变量的预后价值，包括年龄、性别、乳酸与白蛋白比值（LAR）、红细胞分布宽度标准差（RDW-SD）和中性粒细胞与淋巴细胞比值（NLR）。

方法

本回顾性队列研究纳入了1,000例接受髋部骨折手术的患者。记录了人口学特征和术前实验室参数（LAR、RDW-SD和NLR）。3个月死亡率和1年死亡率定义为主要结局。在可解释预测建模框架内，使用多变量logistic回归模型评估死亡的独立预测因子。使用受试者工作特征（ROC）曲线、曲线下面积（AUC）、精确率-召回率曲线下面积（PR-AUC）和Brier评分评估模型性能。使用校准曲线评估校准度，并使用Youden J指数确定最佳概率阈值。

结果

在纳入的患者中，17.4%在术后3个月内死亡，24.6%在术后1年内死亡。与存活者相比，死亡患者年龄更大，且LAR、RDW-SD和NLR值更高（p?<?0.001）。在多变量分析中，高龄和高NLR被确定为短期和长期死亡率的独立预测因子（p?<?0.001）。LAR与1年死亡率独立相关（比值比：1.035；95%置信区间：1.008–1.063；p?=?0.010）。模型表现出可接受的判别性能，3个月死亡率的AUC为0.807，1年死亡率的AUC为0.810。在最佳阈值下，3个月死亡率的敏感性和特异性分别为80%和73%，1年死亡率的敏感性和特异性分别为77%和71%。

结论

本研究中开发的基于生物标志物的可解释预测建模方法在评估髋部骨折手术后的短期和长期死亡率方面表现出可接受的判别性能。高龄、高NLR和增高的LAR被确定为重要预测因子。由于这些变量在临床实践中常规可获取，所提出的框架可能有助于支持围手术期风险意识，并在结合全面临床评估进行解读时辅助临床评估。

临床试验编号

不适用。