目的:探讨基于血细胞技术的Logistic回归模型和决策树模型判断新生儿缺氧缺血性脑病(hypoxic-ischemic encephalopathy,HIE)的临床预后的作用。方法:前瞻性选择2014年1月到2019年10月来我院就诊的240例HIE。抽取所有患儿血液标本,并收...目的:探讨基于血细胞技术的Logistic回归模型和决策树模型判断新生儿缺氧缺血性脑病(hypoxic-ischemic encephalopathy,HIE)的临床预后的作用。方法:前瞻性选择2014年1月到2019年10月来我院就诊的240例HIE。抽取所有患儿血液标本,并收集临床资料,进行随访,根据适应性DQ将患儿分为预后良好组与预后不佳组,观察两组研究对象临床资料及NLR和PLR水平是否存在差异。结果:随访调查发现,HIE预后患儿中预后良好与预后不佳各有120例,经单因素分析,HIE预后良好组与预后不佳组新生儿在体重<2500g、早产、5 min Apgar等方面存在差异(P<0.05);多元逐步回归分析显示,5 min Apgar评分、水平升高是HIE患儿预后不良的相关危险因素,且本次决策树模型的ROC曲线下的面积大于Logistic回归模型,决策树模型和logistic回归模型之间在Medcal软件曲线下面积比较,差异有统计学意义(P=0.05),决策树模型对HIE预后的诊断灵敏度及特异度均大于logistic回归模型。结论:影响HIE预后恢复的因素众多,基于NLR和PLR水平建立决策树模型,更有利于疾病的早诊断与早治疗,从而为降低HIE不良预后发生提供参考依据。展开更多
文摘目的:探讨基于血细胞技术的Logistic回归模型和决策树模型判断新生儿缺氧缺血性脑病(hypoxic-ischemic encephalopathy,HIE)的临床预后的作用。方法:前瞻性选择2014年1月到2019年10月来我院就诊的240例HIE。抽取所有患儿血液标本,并收集临床资料,进行随访,根据适应性DQ将患儿分为预后良好组与预后不佳组,观察两组研究对象临床资料及NLR和PLR水平是否存在差异。结果:随访调查发现,HIE预后患儿中预后良好与预后不佳各有120例,经单因素分析,HIE预后良好组与预后不佳组新生儿在体重<2500g、早产、5 min Apgar等方面存在差异(P<0.05);多元逐步回归分析显示,5 min Apgar评分、水平升高是HIE患儿预后不良的相关危险因素,且本次决策树模型的ROC曲线下的面积大于Logistic回归模型,决策树模型和logistic回归模型之间在Medcal软件曲线下面积比较,差异有统计学意义(P=0.05),决策树模型对HIE预后的诊断灵敏度及特异度均大于logistic回归模型。结论:影响HIE预后恢复的因素众多,基于NLR和PLR水平建立决策树模型,更有利于疾病的早诊断与早治疗,从而为降低HIE不良预后发生提供参考依据。