Page 73 - 中国全科医学2022-20

·2502· http://www.chinagp.net E-mail:zgqkyx@chinagp.net.cn

他原因 =6；其余变量均为实测值）进行 LASSO 回归分 2.1.3 建模与 RCS 拟合优化 运用 R 语言 rms 程序包，
析，随着惩罚系数 λ 的变化，模型初始纳入的影响因 首先将 PLT 转化为二分类变量，以严重多发伤患者是
素的系数被压缩，最后部分影响因素系数被压缩为 0， 否救治成功（赋值：成功 =0，失败 =1）为因变量，以
从而避免了模型过度拟合，达到最佳影响因素选择的效 年龄（赋值：实测值）、GCS（赋值：实测值）、LAC
9
果（图 1）。为寻找最佳惩罚系数 λ，使模型性能优良 （ 赋 值： 实 测 值）、PLT（ 赋 值： ≥ 100×10 /L=0，
9
且影响因素最少，经过交叉验证，绘制均方误差随参 <100×10 /L=1）、ISS（ 赋 值： 实 测 值） 为 自 变 量 进
数 Logλ 的变化图（图 2），最优解为距离最小均方误 行多因素 Logistic 回归分析，结果显示，年龄、GCS、
差一个标准差（右侧纵向虚线）时对应的 λ，经计算 LAC、PLT、ISS 是严重多发伤患者预后的影响因素
λ=0.059。根据此 λ 值筛选出 4 个预测变量为 GCS、 （P<0.05，表 2），经 Hosmer-Lemeshow 拟合优度检验
2
LAC、PLT、ISS，回归系数分别为：-0.262、0.036、-0.003、 显示拟合良好（χ =2.717，df=8，P=0.951），作为模型 1；
2
0.042。 Nagelkerke R =0.741，上述 5 个因素解释了 74.1% 的数
据变化，C-index 为 0.963。
23 21 7 2 运用RCS分析上述因素，其中年龄与GCS的P值（for
1.0
all）分别为 0.009、<0.001，P 值（for nonlinear）分别为
0.027、0.001，表示年龄与 GCS 与预后呈非线性相关；
0.5
应用 RCS 拟合优化多因素 Logistic 回归构建的模型，
作为模型 2，Hosmer-Lemeshow 拟合优度检验显示模型
0 2 拟合良好（χ =2.468，df=8，P=0.932）；Nagelkerke
2
系数 R =0.790，解释了 79.0% 的数据变化；C-index 为 0.974。
2
-0.5
2.1.4 预测模型的列线图绘制及 Bootstrap 内部验证 将
多因素 Logistic 回归分析结果筛选出的变量纳入列线图
-1.0
预测模型，以严重多发伤患者是否救治成功为结局变量，
绘制模型 1 与模型 2（图 3~4）。采用 Bootstrap 方法（重
-1.5
表 2 严重多发伤患者预后影响因素的多因素 Logistic 回归分析
Table 2 Multivariate Logistic regression analysis of prognostic factors of
-8 -6 -4 -2 severe multiple traumain patients in the model group
Logλ 因素 β SE Wald χ 值 P 值 OR 值 95%CI
2
图 1 LASSO 回归筛选变量动态过程图
Figure 1 Selection process of prognostic variables of severe multiple 常量 -3.614 1.274 8.048 0.005 0.027 —
trauma by LASSO regression 年龄 0.028 0.014 3.891 0.049 1.028 （1.000，1.057）
GCS -0.485 0.071 47.225 <0.001 0.616 （0.536，0.707）
23 23 22 22 21 20 18 18 16 14 8 7 7 6 4 3 2 1 LAC 0.184 0.063 8.431 0.004 1.202 （1.062，1.361）
0.20
PLT 1.358 0.468 8.424 0.004 3.888 （1.554，9.727）
ISS 0.099 0.024 16.781 <0.001 1.104 （1.053，1.157）
0.18
注：—表示无此项数据
0.16
均方误差 0.14

0.12

0.10

0.08
注：ISS= 损伤严重程度评分，LAC= 动脉血乳酸，GCS= 格拉斯
-8 -6 -4 -2
Logλ 哥昏迷评分，PLT= 血小板计数
图 2 交叉验证最佳参数 λ 的选择过程图 图 3 严重多发伤患者预后预测模型 1 列线图
Figure 2 Selection process of the value of lambda by cross validation Figure 3 Nomogram 1 predicting prognosis in severe multiple trauma