目的:探究基于LASSO回归构建良性前列腺增生(benign prostatic hyperplasia,BPH)患者经尿道前列腺电切术(transurethral resection of the prostate,TURP)后膀胱痉挛发生的临床预警模型。方法:回顾性分析2022年1月至2024年6月于黄河三...目的:探究基于LASSO回归构建良性前列腺增生(benign prostatic hyperplasia,BPH)患者经尿道前列腺电切术(transurethral resection of the prostate,TURP)后膀胱痉挛发生的临床预警模型。方法:回顾性分析2022年1月至2024年6月于黄河三门峡医院接受TURP手术治疗的139例BPH患者的临床资料,根据术后是否发生膀胱痉挛分为痉挛组(39例)和无痉挛组(100例)。统计分析BPH患者TURP术后膀胱痉挛发生特征,对比两组患者的一般资料。通过LASSO回归筛选与TURP术后膀胱痉挛发生相关的特征变量,多因素Logistic回归分析TURP术后膀胱痉挛发生的影响因素。构建TURP术后膀胱痉挛预测模型,并绘制受试者工作特征(receiver operating characteristic,ROC)曲线对预测模型效能进行评估。结果:TURP术后膀胱痉挛发生率28.06%。无痉挛组与痉挛组在年龄、糖尿病病史、手术时间、冲洗液温度、导尿管牵引张力、前列腺体积及术后住院时间方面差异显著(P<0.05)。LASSO回归筛选显示手术时间、年龄、导尿管牵引张力、冲洗液温度、糖尿病病史为TURP术后膀胱痉挛发生的重要特征。多因素Logistic回归分析显示年龄高、糖尿病病史、手术时间长为TURP术后膀胱痉挛发生的独立危险因素(P<0.05)。ROC曲线显示TURP术后膀胱痉挛发生风险预测模型的曲线下面积(area under the curve,AUC)为0.885(95%CI:0.752~0.921)。结论:年龄高、有糖尿病病史、手术时间长为TURP术后膀胱痉挛发生的独立危险因素,基于LASSO回归构建的临床预警模型在TURP术后膀胱痉挛发生风险预测具有一定价值,有助于早期识别高风险患者。展开更多
目的:基于决策树算法构建经尿道膀胱肿瘤切除(transurethral resection of bladder tumor,TURBT)术后病人膀胱痉挛的风险预测模型,为临床防治提供依据。方法:回顾性选取2022年1月—2024年1月在医院行TURBT的220例病人,根据病人术后是否...目的:基于决策树算法构建经尿道膀胱肿瘤切除(transurethral resection of bladder tumor,TURBT)术后病人膀胱痉挛的风险预测模型,为临床防治提供依据。方法:回顾性选取2022年1月—2024年1月在医院行TURBT的220例病人,根据病人术后是否发生膀胱痉挛分为痉挛组与未痉挛组,通过单因素和进一步Logistic回归分析筛选病人TURBT术后膀胱痉挛的独立影响因素,并基于决策树算法构建预测模型。结果:单因素分析结果显示,术前尿路感染、肿瘤数量、手术时间、手术次数、导尿管留置时间与TURBT术后病人发生膀胱痉挛有关(均P<0.05)。Logistic回归分析结果显示,病人术前有尿路感染、手术耗时长、肿瘤数量多、导尿管留置时间长为TURBT术后病人发生膀胱痉挛的危险因素(均P<0.05)。决策树模型中,病人发生膀胱痉挛的受试者特征曲线下面积(area under curve,AUC)为0.926[95%CI(0.887,0.966)],且导尿管留置时间为最重要的预测因子。结论:基于决策树算法构建的TURBT术后病人发生膀胱痉挛的预测模型的应用价值较高,可在临床上为筛选潜在膀胱痉挛病人提供参考。展开更多
文摘目的:探究基于LASSO回归构建良性前列腺增生(benign prostatic hyperplasia,BPH)患者经尿道前列腺电切术(transurethral resection of the prostate,TURP)后膀胱痉挛发生的临床预警模型。方法:回顾性分析2022年1月至2024年6月于黄河三门峡医院接受TURP手术治疗的139例BPH患者的临床资料,根据术后是否发生膀胱痉挛分为痉挛组(39例)和无痉挛组(100例)。统计分析BPH患者TURP术后膀胱痉挛发生特征,对比两组患者的一般资料。通过LASSO回归筛选与TURP术后膀胱痉挛发生相关的特征变量,多因素Logistic回归分析TURP术后膀胱痉挛发生的影响因素。构建TURP术后膀胱痉挛预测模型,并绘制受试者工作特征(receiver operating characteristic,ROC)曲线对预测模型效能进行评估。结果:TURP术后膀胱痉挛发生率28.06%。无痉挛组与痉挛组在年龄、糖尿病病史、手术时间、冲洗液温度、导尿管牵引张力、前列腺体积及术后住院时间方面差异显著(P<0.05)。LASSO回归筛选显示手术时间、年龄、导尿管牵引张力、冲洗液温度、糖尿病病史为TURP术后膀胱痉挛发生的重要特征。多因素Logistic回归分析显示年龄高、糖尿病病史、手术时间长为TURP术后膀胱痉挛发生的独立危险因素(P<0.05)。ROC曲线显示TURP术后膀胱痉挛发生风险预测模型的曲线下面积(area under the curve,AUC)为0.885(95%CI:0.752~0.921)。结论:年龄高、有糖尿病病史、手术时间长为TURP术后膀胱痉挛发生的独立危险因素,基于LASSO回归构建的临床预警模型在TURP术后膀胱痉挛发生风险预测具有一定价值,有助于早期识别高风险患者。
文摘目的:基于决策树算法构建经尿道膀胱肿瘤切除(transurethral resection of bladder tumor,TURBT)术后病人膀胱痉挛的风险预测模型,为临床防治提供依据。方法:回顾性选取2022年1月—2024年1月在医院行TURBT的220例病人,根据病人术后是否发生膀胱痉挛分为痉挛组与未痉挛组,通过单因素和进一步Logistic回归分析筛选病人TURBT术后膀胱痉挛的独立影响因素,并基于决策树算法构建预测模型。结果:单因素分析结果显示,术前尿路感染、肿瘤数量、手术时间、手术次数、导尿管留置时间与TURBT术后病人发生膀胱痉挛有关(均P<0.05)。Logistic回归分析结果显示,病人术前有尿路感染、手术耗时长、肿瘤数量多、导尿管留置时间长为TURBT术后病人发生膀胱痉挛的危险因素(均P<0.05)。决策树模型中,病人发生膀胱痉挛的受试者特征曲线下面积(area under curve,AUC)为0.926[95%CI(0.887,0.966)],且导尿管留置时间为最重要的预测因子。结论:基于决策树算法构建的TURBT术后病人发生膀胱痉挛的预测模型的应用价值较高,可在临床上为筛选潜在膀胱痉挛病人提供参考。
