论文部分内容阅读
目的:本研究,通过meta分析获得肿瘤患者并发PICC相关性血栓的危险因素及其合并效应值,在此基础上构建肿瘤患者并发PICC相关性血栓的风险预测模型,用于识别PICC相关性血栓高危患者,为静脉通路装置的选择及PICC相关性血栓的个体化预防工作提供依据,达到降低肿瘤患者并发PICC相关性血栓的风险,控制医疗成本,促进患者健康的目的。方法:首先,通过meta分析的方法,分析既往关于肿瘤患者并发PICC相关性血栓危险因素的文献,获得肿瘤患者并发PICC相关性血栓危险因素的ORi及其平均暴露率Pi。然后,根据meta分析得到的结果,构建Logistic回归模型,使用R软件模拟二项分布函数,生成对应的随机数据集,确定模型的风险等级划分节点,将患者按风险水平划分为低、中、高危三个等级。最后,结合实际人群的发病数据拟合ROC曲线,对Logistic回归模型的预测效能进行验证。结果:本次meta分析共纳入33篇文献,纳入肿瘤患者并发PICC相关性血栓预测模型的危险因素共13个,包括性别、肥胖、病理分型、临床分期、糖尿病、血栓史、D-二聚体升高、置管史、头静脉置管、5Fr导管、导管尖端位置、化疗史、使用抗凝药物,其合并OR值分别为2.25、4.32、3.95、4.21、2.86、2.76、2.69、2.4、3.53、4、5.04、1.51、3.06。基于meta分析的风险预测模型为:Logit（P）=α+0.811 2+1.463 6+1.374 8+1.437 9+1.051;+1.015<+0.99>+0.875?+1.261 A+1.386 2B+1.617 22+0.412 26+1.118 28。结合镇江地区肿瘤患者并发PICC相关性血栓的发病率,得到的风险预测模型为:Logit（P）=-6.59+0.811 2+1.463 6+1.374 8+1.437 9+1.051;+1.015<+0.99>+0.875?+1.261 A+1.386 2B+1.617 22+0.412 26+1.118 28。其中,2、6、8、…28分别代表性别、肥胖、病理分型、临床分期、糖尿病、血栓史、D-二聚体升高、置管史、头静脉置管、5Fr导管、导管尖端位置、化疗史、使用抗凝药物。根据Logistic回归模型联合发病风险变化的结果,选择患者发病概率P≤0.216为低危组,0.216<P≤0.524为中危组,P>0.524为高危组。使用实际人群验证预测模型的ROC曲线下面积及95%CI为0.731（0.662,0.799）,敏感度0.958,特异度0.496。结论:本研究通过meta分析,对肿瘤患者并发PICC相关性血栓预测模型的危险因素进行综合评价,并在此基础上构建风险预测模型。本研究结果可用于区分肿瘤患者PICC相关性血栓的风险等级,该模型经验证预测效果良好,可为肿瘤患者并发PICC相关性血栓的风险预测提供参考,也可为静脉通路装置的选择及PICC相关性血栓的个体化预防工作提供依据。