文摘目的:基于血常规和颈动脉斑块构建一种个性化nomogram风险预测模型预测颈动脉粥样硬化(carotid atherosclerosis, CAS)患者发生缺血性脑卒中(cerebral ischemic stroke, CIS)的风险。方法:选取2021年3月1日至2022年3月1日在上海市第八人民医院神经内科住院的CAS患者214例,收集患者的基本特征、血常规指标及影像学检查数据。根据是否发生缺血性脑卒中分别分为两组,随机抽取全部数据按7∶3的比例拆分为建模组和验证组。采用单因素logistic回归和lasso回归筛选CAS患者发生缺血性脑卒中的独立风险预测因子,将其导入R软件构建nomogram预测模型。ROC曲线下面积(AUC)、校准曲线和DCA决策曲线对模型进行内部验证。结果:单因素logistic回归和lasso回归分析结果显示,红细胞分布宽度、大型血小板比率、血小板计数是CAS患者发生缺血性脑卒中的独立风险预测因子(P<0.05),由于年龄对于CIS具有重要临床意义,最终也将其纳入模型。基于上述预测因子导入R软件构建nomogram预测模型并进行模型内部验证。建模组受试者工作特征曲线下面积(area under the curve, AUC)为0.644,验证组AUC为0.677,表示该nomogram模型预测能力较好。Hosmer-Lemeshow拟合优度检验(P=0.058),表明该模型具有较好的区分度。DCA曲线显示风险阈值为8%~45%时使用该模型具有临床实用价值。结论:本研究构建并验证了一个预测CAS患者发生缺血性脑卒中的nomogram风险预测模型,该模型预测能力和区分能力较好,对临床评估CAS患者发生缺血性脑卒中具有较高的临床实用价值。
