Page 30 - 2022-24-中国全科医学

http://www.chinagp.net E-mail:zgqkyx@chinagp.net.cn ·2971·

1.00 1.00

0.75 0.75

灵敏度 0.50 灵敏度 0.50

0.25 0.25

0 0.25 0.50 0.75 1.00 0 0.25 0.50 0.75 1.00
１- 特异度 １- 特异度
注：A 为开发队列，B 为验证队列
图 4 模型预测 AMI 患者 PCI 后发生远期主要不良心血管事件的 ROC 曲线
Figure 4 ROC curve of the model for predicting long-term MACEs in AMI patients after PCI

表 3 AMI 患者 PCI 后发生远期主要不良心血管事件影响因素的多因 0.724）〕、0.455〔95%CI（0.181，0.728〕，IDI 分 别
素 Logistic 回归分析 为 0.055〔95%CI（0.028，0.081）〕、0.042〔95%CI
Table 3 Multivariate Logistic regression analysis of the factors associated
with the risk of long-term MACEs in patients with AMI after PCI （0.015，0.070〕、0.069〔95%CI（0.022，0.116）〕。
2
预测变量 β SE Waldχ 值 P 值 OR 值 95%CI 3 组患者中预测模型的预测效能均优于 GRACE 评分，
心电图 ST 段偏移 1.372 0.285 23.183 <0.001 3.943 （2.256，6.892） 差异有统计学意义（P<0.05），见表 5。将在 AMI 患
糖尿病 0.726 0.274 7.027 0.008 2.066 （1.208，3.533） 者中构建的预测模型、GRACE 评分在全研究队列中
LVEF -0.036 0.015 6.083 0.014 0.964 （0.937，0.993） 绘制 AMI 患者 PCI 后发生远期主要不良心血管事件
eGFR -0.014 0.010 2.217 0.136 0.986 （0.967，1.005） 的 ROC 曲 线， 结 果 显 示，AUC 分 别 为 0.748〔95%CI
Hb -0.023 0.009 6.518 0.011 0.978 （0.961，0.995）
（0.702，0.793）〕，0.697〔95%CI（0.648，0.746）〕，
常量 3.596 1.592 5.106 0.024 — —
ΔAUC=0.050，P=0.015；IDI=0.055〔95%CI（0.028，
注：AMI= 急性心肌梗死；—表示无相关数据
0.081），P<0.001；NRI=0.493〔95%CI（0.303，0.682）〕，
2.4 应用 Lasso 回归筛选变量在 STEMI 组与 NSTEMI P<0.001。见图 5。
组构建预测模型 以 Lasso 回归筛选的 5 个预测变量心 3 讨论
电图 ST 段偏移（赋值：否 =0，是 =1）、糖尿病（赋 AMI 是严重致命性疾病，病死率高且预后差，尽管
值：无 =0，有 =1）、LVEF（赋值：实测值）、eGFR PCI 能尽快恢复梗死动脉相关心肌血流灌注，改善患者
（赋值：实测值）、Hb（赋值：实测值）为自变量， 预后，但 PCI 后患者出现主要不良心血管事件的风险仍
以患者是否发生远期主要不良心血管事件（赋值：否 很高，主要包括心源性死亡、心力衰竭、卒中、血运重
=0，是 =1）为因变量，分别在 STEMI 与 NSTEMI 两亚 建、恶性心律失常等 ［12-14］ 。研究表明，AMI 患者 PCI
组患者中进行多因素 Logistic 回归分析构建预测模型， 后不良预后与多项指标相关，如 LVEF、Killip 分级、
结果显示，心电图 ST 段偏移、糖尿病、eGFR、Hb 是 Hb、红细胞分布宽度等 ［15-17］ 。为了更好地个性化评估
STEMI 患者 PCI 后发生远期主要不良心血管事件的影 患者预后，本研究使用 Lasso 回归筛选出 5 个与远期主
响因素（P<0.05）；心电图 ST 段偏移、糖尿病、Hb 是 要不良心血管事件最相关的危险因素：心电图 ST 段偏
NSTEMI 患者 PCI 后发生远期主要不良心血管事件的影 移、糖尿病、LVEF、eGFR、Hb，尽管 eGFR 在多因素
响因素（P<0.05，见表 4）。 Logistic 回归分析时没有统计学意义，但考虑显著性水
2.5 预测模型与 GRACE 评分预测效能比较 将 Lasso 平的两面性及 Lasso 回归变量的临床实用性，仍参照既
回归确定的预测变量在 AMI 患者及 STEMI、NSTEMI 患 往研究将其纳入预测模型中 ［18-19］ ，并对变量赋值后构
者中构建的预测模型与 GRACE 评分进行预测效能评估， 建新的预测模型，可用于预测 AMI 患者 PCI 后的远期
结果显示，AMI、STEMI、NSTEMI 中 NRI 分别为 0.493 预后，有利于患者早期风险分层。此外，本研究将开发
〔95%CI（0.303，0.682）〕、0.459〔95%CI（0.195， 队列与验证队列进行临床资料比较、分析时，虽然肌酐