下肢深静脉血栓患者血栓形成后综合征风险预测模型的建立

作     者：朱丽筠 

作者单位：北京协和医学院 

学位级别：硕士

导师姓名：马玉芬

授予年度：2022年

学科分类：1002[医学-临床医学] 10[医学] 

主      题：深静脉血栓 血栓形成后综合征 影响因素 机器学习 风险预测模型 

摘      要：研究背景:血栓形成后综合征(PTS)是下肢深静脉血栓(DVT)患者最常见的慢性并发症,其危害大、预后差、临床无法治愈,一旦发生将严重影响患者生活质量,预防PTS的发生成为关键。由于PTS的影响因素多样且复杂,通过影响因素识别高危人群进行疾病预防存在难度。疾病风险预测模型作为评估临床疾病风险的重要工具,为PTS防治管理工作带来了新思路。近年来,国内外学者在PTS风险预测模型构建方面均进行了探索,但现有模型研究设计存在局限,传统构建模型方法较为单一。鉴于此,有必要通过开展前瞻性队列研究,基于下肢DVT患者PTS影响因素明确模型预测因子,并运用机器学习构建风险预测模型,辅助医疗及护理人员在临床工作中快速识别高危患者并给予预防措施,以降低PTS发生率,推动PTS防治管理工作的发展。研究目的:基于PTS影响因素探索下肢DVT患者PTS风险预测模型的预测因子,构建PTS风险预测模型并验证预测效果。研究方法:本研究共分为三个部分。第一部分:通过文献回顾及专家会议法相结合的方式确定模型预测因子。第二部分:采用前瞻性队列研究方法,对2018年12月1日至2019年12月31日就诊于研究地门急诊及住院部的下肢DVT患者进行2年的随访研究,分别在确诊DVT后6、12、24个月时使用Villalta量表评估PTS发生情况。收集包括患者特异性因素、DVT特征相关因素、DVT治疗相关因素在内的10个预测因子数据,通过对数据进行单因素分析及多因素二元Logistic回归分析,明确PTS发生现状及影响因素。第三部分:运用随机森林算法构建PTS风险预测模型并进行内部验证,通过区分度和校准度评价所得模型的预测效应。研究结果:本研究共纳入675例患者,最终进入模型开发队列的共计518例,2年内共1 13例患者发生PTS,累积发病率为21.81%。多因素分析显示:高龄(OR=1.02,95%CI=1.01～1.04)、近端 DVT(OR=3.14,95%CI=1.80～5.49)、复发性DVT(OR=4.75,95%CI=1.78～12.70)是下肢DVT患者发生PTS的危险因素,诱发性DVT(OR=0.36,95%CI=0.18～0.72)是保护性因素。基于机器学习算法构建的随机森林模型预测效果良好(AUC=0.722,Acc=0.770),随机森林模型中预测因子影响程度从大到小排序为:近端DVT、诱发性DVT、复发性DVT、年龄、BMI、性别、基线DVT症状及体征数量、接受GCS治疗、静脉曲张病史、足程足量抗凝治疗。经五折交叉验证证实,随机森林模型具有实用性和可行性。研究结论:本研究运用随机森林算法构建的PTS风险预测模型具有较高的可复制性、普适性和可行性,能够有效识别PTS高危人群。该模型在进行临床运用前,仍需进行外部验证研究。