文摘目的:探讨血清胱抑素C(cystatin C,CysC)、钙离子、降钙素原(procalcitonin,PCT)水平与稳定期慢性阻塞性肺疾病(chronic obstructive pulmonary disease,COPD)患者急性加重的相关性,并构建预测模型。方法:回顾性选取2022年2月—2024年2月稳定期COPD患者184例作为训练集,根据随访6个月内有无发生急性加重分为加重组(74例)和非加重组(110例),收集患者的临床资料并进行分析。采用单因素和多因素logistic回归分析稳定期COPD患者急性加重的影响因素,并根据多因素分析结果,采用决策分类回归树(classification regression tree,CRT)机器学习算法构建COPD急性加重的预测模型,通过受试者工作特征曲线下面积(area under the curve,AUC)分析模型性能。另选取2024年3月—2024年10月稳定期COPD患者79例作为验证集,对模型进行验证。结果:184例稳定期COPD患者中,74例(40.22%)发生急性加重。单因素分析结果显示,加重组和非加重组间上一年急性加重次数、第1秒用力呼气末容积、用力肺活量、血清超敏C反应蛋白、CysC、钙离子、PCT水平情况比较,差异均有统计学意义(均P<0.05)。多因素logistic回归分析结果显示,CysC、钙离子、PCT、上一年急性加重次数均为稳定期COPD患者急性加重的独立影响因素(均P<0.05)。决策树CRT算法模型显示,影响因素重要性排序为PCT>CysC>钙离子>上一年急性加重次数。基于决策树CRT算法构建模型,训练集的AUC为0.801,灵敏度为0.649,特异度为0.855;验证集的AUC为0.806,灵敏度为0.727,特异度为0.860。结论:基于决策树CRT机器学习算法构建的稳定期COPD患者急性加重的预测模型具有较好的预测效能,模型提示PCT、CysC、钙离子为重要性前三的影响因素,可根据该模型的预测指标早期识别COPD稳定期发生急性加重的高风险患者。
