Page 74 - 中国全科医学2022-20

http://www.chinagp.net E-mail:zgqkyx@chinagp.net.cn ·2503·

复抽样）在建模样本中进行内部验证，样本量为 321， 1.0
再次抽样次数 400 次，结果显示模型 1 和模型 2 校准图
中标准曲线与预测曲线贴合良好（图 5~6），绝对误差
0.8
分别为 0.010、0.019，说明模型的校准度良好。通过 R
语言 DynNom 程序包建立网页版动态列线图，模型 1 列
线图网址：https://yinfxyz.shinyapps.io/dynnomapp/，模型 0.6
2 列线图网址：https://yinfxyz.shinyapps.io/dynnomapp2/。 实际概率
2.1.5 模型 1、模型 2 列线图预测严重多发伤患者预 0.4
后的 ROC 曲线及比较 绘制模型 1、模型 2 列线图预 标准曲线
测严重多发伤患者预后的 ROC 曲线（图 7），结果显 实际曲线
0.2
示，模型 1、模型 2 列线图预测严重多发伤患者预后的 校准曲线
AUC、最佳截断值、灵敏度、特异度、Brier Score、AIC
见表 3。Delong 检验结果显示，模型 2 列线图预测严重
0 0.2 0.4 0.6 0.8 1.0
多发伤患者预后的 AUC 大于模型 1 列线图，差异有统 预测概率
计学意义（Z=-2.400，P=0.016）。 图 6 模型 2 列线图预测严重多发伤患者预后的校准曲线
Figure 6 Calibration curve of nomogram 2 predicting prognosis in severe
2.1.6 模型 1、模型 2 列线图预测严重多发伤患者预后 multiple trauma
的 DCA 模型 1、模型 2 列线图预测严重多发伤患者预
1.0

模型 1
0.8 模型 2

0.6
灵敏度

0.4
参考线

0.2

图 4 严重多发伤患者预后预测模型 2 列线图
Figure 4 Nomogram 2 predicting prognosis in severe multiple trauma
0 0.2 0.4 0.6 0.8 1.0
1.0 １- 特异度
图 7 模型 1、模型 2 列线图预测严重多发伤患者预后的 ROC 曲线
Figure 7 The ROC curves of nomograms 1 and 2 for predicting the
0.8 prognosis in severe multiple trauma

后的 DCA 显示，在任何阈值概率下（0~100%），使用
0.6 列线图（模型 1、模型 2）预测严重多发伤患者预后的
实际概率 净收益率均较高，且模型2的净收益率高于模型1（图8）。

0.4 2.2 验证组
标准曲线 2.2.1 验证组救治成功和救治失败患者年龄、GCS、
实际曲线 LAC、PLT、ISS 比较 验证组 136 例严重多发伤患者中
0.2 校准曲线
救治成功 104 例，救治失败 32 例。救治成功和救治失
败患者 GCS、LAC、PLT、ISS 比较，差异有统计学意义
（P<0.05）；救治成功和救治失败患者年龄比较，差异
0 0.2 0.4 0.6 0.8 1.0
预测概率 无统计学意义（P>0.05），见表 4。
图 5 模型 1 列线图预测严重多发伤患者预后的校准曲线 2.2.2 模型 2 列线图的外部应用 在验证组人群中，
Figure 5 Calibration curve of nomogram 1 predicting prognosis in severe
multiple trauma 模型 2 列线图预测严重多发伤患者预后的 AUC 为