[发明专利]一种针对普通人群的颈动脉硬化与颈动脉斑块预测模型的建立方法

说明书

本发明涉及医学技术领域，公开了一种针对普通人群的颈动脉硬化与颈动脉斑块预测模型的建立方法，包括：1）选取普通人群作为建模人群；2）信息收集；3）建模人群分组：以两侧颈动脉IMT最大值作为评价指标，将建模人群分为正常组和异常组；4）统计建模；5）预测模型评价。本发明预测模型适用于普通体检人群而非仅针对高危人群；该模型具有较高的预测效率，AUC均达到0.88以上，且准确率均在80%以上。

技术领域

本发明涉及医学技术领域，尤其涉及一种针对普通人群的颈动脉硬化与颈动脉斑块预测模型的建立方法。

背景技术

颈动脉硬化与颈动脉斑块形成是一种常见的血管壁病变，表现为血管壁增厚、硬化及重构，可明显增加心肌梗死、冠心病、缺血性脑卒中的发生风险。研究发现，随着颈动脉内中膜厚度每增加0.1mm，卒中与心肌梗死的发生风险均增加10％以上。既往发现高龄、男性、肥胖、吸烟、高血压、体力活动过少、高低密度脂蛋白血症等为颈动脉斑块及颈动脉硬化的危险因素。目前国内鲜有针对普通人群的颈动脉斑块及硬化的预测模型报道，其中多数研究针对的是高危人群，且样本量相对较小，缺乏内部验证与模型校准度的评价。

如前文所述，现有的颈动脉斑块或颈动脉硬化预测模型多数基于高危人群数据而建立。一个好的预测模型需要同时具有良好的区分度与校准度，区分度指能够把发病风险高、低不同的人群正确区分开来，评价模型区分度的较为常用的指标即模型的AUC，这也是既往研究主要报道的指标。相对于模型的区分度，模型的校准度则较少被报道，校准度是评价一个预测模型预测某个个体发生结局事件概率准确性的重要指标，反映了预测风险与实际风险的一致程度。

童璐莎等人利用杭州2个社区的卒中筛查数据，建立了颈动脉斑块/内膜增厚的预测模型，其最佳模型的AUC为0.804，对应的灵敏度与特异度分别为0.713、0.757。上述研究所建立预测模型的AUC虽然较高，但仍有提升的空间，且既往研究所报道的预测模型均未对模型的校准度进行评价(既往研究中并不关注这一评价指标，而更关注区分度AUC。但发明人发现校准度这一指标同样非常重要)。

发明内容

为了解决上述技术问题，本发明提供了一种针对普通人群的颈动脉硬化与颈动脉斑块预测模型的建立方法，本发明通过对大样本普通体检人群数据的分析，建立了有效的颈动脉斑块与颈动脉硬化的预测模型(AUC大于0.88，准确率大于80％)，方便医疗工作者与个人对颈动脉斑块与颈动脉硬化的风险进行预测与预警。

本发明的具体技术方案为：一种针对普通人群的颈动脉硬化与颈动脉斑块预测模型的建立方法，包括以下步骤：

1)建模人群选取：选取普通人群作为建模人群。

2)信息收集：收集建模人群的以下信息：

a)性别、年龄和既往病史；

b)生理测量数据：包括身高、体重和血压；

c)实验室生化检测数据：包括碱性磷酸酶、丙氨酸氨基转移酶、γ-谷氨酰转肽酶、总胆红素、直接胆红素、间接胆红素、空腹血糖、血清总胆固醇、高密度脂蛋白胆固醇、低密度脂蛋白胆固醇、甘油三酯、尿酸、体质指数和血红蛋白；

d)颈动脉内膜中层厚度IMT数据；

3)建模人群分组：以两侧颈动脉IMT最大值作为评价指标，将建模人群分为正常组和异常组。

4)统计建模：随机抽取一定数量的样本作为建模组，选取正常组与异常组之间差异具有统计学意义的变量，及既往研究发现的相关因素作为自变量，将其纳入多因素Logistic回归模型建立预测模型，使用逐步回归法筛选出最终的变量，将建立的预测模型用剩余样本作为验证组进行验证，使用ROC的AUC、约登指数、灵敏度、特异度、准确率和校准度评价模型预测效能。