Page 27 - 2022-24-中国全科医学
P. 27
·2968· http://www.chinagp.net E-mail:zgqkyx@chinagp.net.cn
心率、入院就诊时是否有心搏骤停、心电图 ST 段偏移、 列和验证队列患者年龄、男性比例、心电图 ST 段偏移
心功能 Killip 分级、肌酐、心肌酶共 8 个项目,根据 比例、心功能 Killip 分级≥Ⅱ级比例、发病时间、门球
2020 年 ESC《非 ST 段抬高型急性冠脉综合征指南》给 时间≤ 90 min 比例、术后 TIMI 分级≤ 2 级比例、高血
出的 GRACE 评分表 [6] 对纳入患者入院时的每项数据 压发生率、高脂血症发生率、糖尿病发生率、心房颤动
进行评分。 发生率、缺血性脑卒中发生率、既往心肌梗死比例、既
1.3 分组 根据是否发生远期主要不良心血管事件 往 PCI 比例、收缩压、心率、LVEF、左心室舒张末期容积、
将 962 例患者分为事件组 122 例与非事件组 840 例; 左心室收缩末期容积、GRACE 评分、心肌酶、eGFR、
根据是否为 ST 段抬高型心肌梗死将 AMI 患者分为 ST 尿素、尿酸、白细胞计数、Hb、NLR、PLR、红细胞分
段 抬 高 型 心 肌 梗 死(ST-segment elevation myocardial 布宽度、钠、钾、氯、白蛋白、超敏 C 反应蛋白、游离
infarction,STEMI) 组 452 例 与 非 ST 段 抬 高 型 心 肌 三碘甲状腺原氨酸、游离甲状腺素、糖化血清白蛋白、
梗 死(non ST-segment elevation myocardial infarction, 糖化血红蛋白、纤维蛋白原、D- 二聚体、纤维蛋白原
NSTEMI)组 510 例。 降解产物及远期主要不良心血管事件发生率比较,差异
1.4 统计学方法 采用Stata15.0软件进行统计学分析, 均无统计学意义(P>0.05)。开发队列肌酐、B 型利钠
符合正态分布的计量资料以( ±s)表示,两组间比较 肽低于验证队列,差异均有统计学意义(P<0.05)。见
采用独立样本 t 检验;非正态分布的计量资料以〔M(Q 1 , 表 2。
Q 3 )〕表示,两组间比较采用非参数检验;计数资料以 2.3 AMI 患者 PCI 后发生远期主要不良心血管事件风
2
相对数表示,两组间比较采用 χ 检验。分别对开发队 险预测模型的构建
列和验证队列使用 10 个数据集进行多重插补,预测模 2.3.1 Lasso 回归筛选预测变量 以开发队列中 AMI 患
型在每个数据集中进行训练,使用 Lasso 回归分析筛选 者 PCI 后是否发生远期主要不良心血管事件(赋值:否
AMI 患者发生远期主要不良心血管事件的危险因素,采 =0,是 =1)为因变量,以患者的临床特征、体格检查、
用多因素Logistic回归分析构建预测模型并绘制列线图。 实验室检查指标为自变量〔分类变量(赋值:否 =0,
绘制预测模型预测 AMI 患者 PCI 后发生远期主要不良 是 =1);连续变量(赋值:实测值)〕进行 Lasso 回归
心血管事件的受试者工作特征(ROC)曲线,应用 C 指 分析。通过 Lasso 回归对纳入的 43 个变量进行降维处理,
数(C index)评价其预测效能。使用净重分类改善指标 使用三倍交叉验证计算 λ 值,最终选择在最小均方预
(NRI)和综合判别指数(IDI)对预测模型与 GRACE 测误差(mean squared prediction error,MSPE)的一个
评分进行比较,评估改善效能。以 P<0.05 为差异有统 标准偏差内的 λ 值作为最优值,见图 2。最终 Lasso 回
计学意义。 归分析从 43 个变量中筛选出 5 个非零系数的预测变量
2 结果 (心电图 ST 段偏移、糖尿病、LVEF、eGFR、Hb)。
2.1 事件组与非事件组患者临床资料比较 纳入的
962 例 AMI 患者中男 782 例、女 180 例,平均年龄为 1.2
(58.0±11.2)岁,中位随访时间为 2.4 年。事件组与
1.1
非事件组年龄、心电图 ST 段偏移比例、心功能 Killip
分级≥Ⅱ级比例、术后 TIMI 分级≤ 2 级比例、糖尿病 均方预测误差 1.0
发生率、缺血性脑卒中发生率、既往心肌梗死比例、既 0.9
往 PCI 比例、心率、LVEF、GRACE 评分、eGFR、尿素、 0.8
Hb、红细胞分布宽度、白蛋白、游离三碘甲状腺原氨 0.7
酸、糖化血清白蛋白、糖化血红蛋白、D- 二聚体、纤 -4 -2 0 2 4
维蛋白原降解产物、B 型利钠肽比较,差异均有统计学 logλ
图 2 采用 Lasso 回归进行预测变量的筛选
意义(P<0.05)。两组患者男性比例、发病时间、门球 Figure 2 Selection of potential predictors of long-term MACEs in AMI
时间≤ 90 min 比例、高血压发生率、高脂血症发生率、 patients after PCI by Lasso regression
心房颤动发生率、收缩压、左心室舒张末期容积、左心
室收缩末期容积、肌酐、心肌酶、尿酸、白细胞计数、 2.3.2 多因素 Logistic 回归分析模型构建 以 AMI 患者
NLR、PLR、钠、钾、氯、超敏 C 反应蛋白、游离甲状 PCI 后是否发生远期主要不良心血管事件(赋值:否 =0,
腺素、纤维蛋白原比较,差异均无统计学意义(P>0.05)。 是 =1)为因变量,以 Lasso 回归筛选出的 5 个预测变量
见表 1。 心电图 ST 段偏移(赋值:否 =0 ,是 =1)、糖尿病(赋
2.2 开发队列和验证队列患者临床资料比较 开发队 值:无 =0 ,有 =1)、LVEF(赋值:实测值)、eGFR