| 摘要: |
| 目的 运用机器学习(ML)算法探讨胫骨平台骨折患者术后深静脉血栓(DVT)并发肺栓塞(PE)的危险因素，构建风险预测模型并验证其预测效能。方法 回顾性分析2024年1月至2025年6月我院收治的494例胫骨平台骨折患者的临床资料。按7∶3比例分为训练集(345例)和验证集(149例)。训练集数据用于模型构建，以DVT并发PE为因变量，分别通过随机森林(RF)、极限梯度提升(XGBoost),反向传播神经网络(BPNN)3种机器学习算法筛选特征变量，经过“重叠覆盖”分析取交集变量作为预测变量，根据预测变量构建预测模型。验证集数据用于模型验证。绘制受试者工作特征(ROC)曲线，校准曲线和临床决策曲线(DCA)评价该模型的预测效能和临床应用价值。结果 年龄、术前D-二聚体和术后D-二聚体是胫骨平台骨折患者术后DVT并发PE的独立危险因素。ROC曲线显示，训练集和验证集的曲线下面积(AUC)分别为0.918(95%CI 0.876～0.960)和0.967(95%CI 0.938～0.996)。校准曲线显示，训练集和验证集的Brier评分分别为0.077和0.048。DCA曲线显示训练集和验证集在阈值范围内均具有临床净收益。结论 基于机器学习方法构建的预测模型对预测胫骨平台骨折患者术后DVT并发PE的风险具有较好的区分度、一致性和临床净收益，值得临床推广。 |
| 关键词: 机器学习 预测模型 胫骨平台骨折 肺栓塞 深静脉血栓 |
| DOI：10.16252/j.cnki.issn1004-0501-2026.05.012 |
| 分类号:R687.3;R543.6 |
| 基金项目:攀枝花市科学技术局市级指导性科技计划项目(编号:2025ZD-S-1)； 攀枝花市中心医院2024年度院内科研项目(编号:202403)； |
|
|
|
|
|
|
| Abstract: |
|
| Key words: |
