目的:构建预测住院患者压力性损伤(pressure injury,PI)愈合的列线图预测模型,并对列线图预测模型进行评价,探索其在PI愈合预测中的适用性。方法:多中心回顾性收集3家三级甲等医院2017年1—12月PI上报登记表及PI住院患者的病历资料,根...目的:构建预测住院患者压力性损伤(pressure injury,PI)愈合的列线图预测模型,并对列线图预测模型进行评价,探索其在PI愈合预测中的适用性。方法:多中心回顾性收集3家三级甲等医院2017年1—12月PI上报登记表及PI住院患者的病历资料,根据PI患者出院时创面愈合情况将其分为愈合组与未愈组。通过单因素分析和多因素Logistic回归分析筛选影响PI愈合的独立危险因素,并在此基础上绘制可视化列线图预测模型。采用Hosmer-Lemeshow拟合优度检验对模型进行校准度评价并绘制校正曲线。采用ROC曲线以及曲线下面积(area under the receiver operating characteristic curve,AUC^(ROC))对模型进行区分度评价。用灵敏度和特异度确定预测PI愈合的列线图预测模型的预测截断值。结果:多因素Logistic回归分析显示:年龄>75岁,白蛋白水平、Braden评分、PI分期、PI面积和住院时间是影响PI愈合的独立因素。Hosmer-Lemeshow拟合优度检验χ^(2)=4.199,P=0.839>0.20,AUC^(ROC)=0.769。由灵敏度和特异度确定的截断值为0.3,与之对应的列线图总得分为17分。结论:PI愈合列线图预测模型校准度较高,区分度中等偏上。该模型适用于住院患者PI愈合预测,当PI患者愈合概率<0.3(总得分<17分)时则被识别为PI难愈的高危人群。护理人员可利用此模型快速识别PI难愈高危人群。展开更多
文摘目的:构建预测住院患者压力性损伤(pressure injury,PI)愈合的列线图预测模型,并对列线图预测模型进行评价,探索其在PI愈合预测中的适用性。方法:多中心回顾性收集3家三级甲等医院2017年1—12月PI上报登记表及PI住院患者的病历资料,根据PI患者出院时创面愈合情况将其分为愈合组与未愈组。通过单因素分析和多因素Logistic回归分析筛选影响PI愈合的独立危险因素,并在此基础上绘制可视化列线图预测模型。采用Hosmer-Lemeshow拟合优度检验对模型进行校准度评价并绘制校正曲线。采用ROC曲线以及曲线下面积(area under the receiver operating characteristic curve,AUC^(ROC))对模型进行区分度评价。用灵敏度和特异度确定预测PI愈合的列线图预测模型的预测截断值。结果:多因素Logistic回归分析显示:年龄>75岁,白蛋白水平、Braden评分、PI分期、PI面积和住院时间是影响PI愈合的独立因素。Hosmer-Lemeshow拟合优度检验χ^(2)=4.199,P=0.839>0.20,AUC^(ROC)=0.769。由灵敏度和特异度确定的截断值为0.3,与之对应的列线图总得分为17分。结论:PI愈合列线图预测模型校准度较高,区分度中等偏上。该模型适用于住院患者PI愈合预测,当PI患者愈合概率<0.3(总得分<17分)时则被识别为PI难愈的高危人群。护理人员可利用此模型快速识别PI难愈高危人群。
