目的 构建首发脑出血患者并发卒中相关性肺炎的风险预测模型并验证模型的预测性能。方法 回顾性分析2012年1月—2022年12月广州市第一人民医院治的419例首发脑出血患者的临床资料，按照7︰3比例随机化分为训练列（293例）和验证队列（126例）。统计基于开发队列数据，采用Logistic回归模型分析首发脑出血患者并发卒中相关性肺炎的影响因素，并构建风险预测模型。基于开发队列和验证队列数据，采用校准曲线、受试者操作特征（ROC）曲线下面积和决策曲线分析模型的预测性能。结果 419例首发脑出血患者中有113例发生卒中相关性肺炎，发生率为26.97%。美国国立卫生研究院卒中量表（NIHSS）评分、吞咽困难、初始血肿体积、中性粒细胞百分比与白蛋白比值（NPAR）、中性粒细胞计数与淋巴细胞计数比值（NLR）、手术治疗、气管插管、留置胃管均是首发脑出血患者并发卒中相关性肺炎的影响因素（P＜0.05）。基于上述影响因素构建了首发脑出血患者并发卒中相关性肺炎的风险预警模型，校准曲线显示模型在开发队列和验证队列中预测卒中相关性肺炎发生率均与实际发生率相近；ROC曲线显示此模型在开发队列、验证队列中预测的曲线下面积分别为0.906（95%CI：0.867~0.937）、0.884（95%CI：0.815~0.934）；决策曲线分析显示当开发队列阈概率在3%~80%内、验证队列阈概率在2%~76%内使用此模型干预比全/无干预更有临床价值。结论 基于NIHSS评分、吞咽困难、初始血肿体积、NPAR、NLR、手术治疗、气管插管、留置胃管构建的首发脑出血患者并发卒中相关性肺炎的风险预测模型具有良好预测性能和临床应用价值。

      Objective To construct a risk prediction model for stroke associated pneumonia in patients with initial cerebral hemorrhage（ICH）and validate the predictive performance of the model．Methods A retrospective analysis was conducted on the clinical data of 419 patients with ICH admitted to our hospital from January 2012 to December 2022．They were randomly divided into a development cohort（293 cases）and a validation cohort（126 cases）according to a 7∶3 ratio．The Logistic regression model was used to analyze the influencing factors of stroke related pneumonia in patients with ICH based on the development cohort data，and a risk prediction model was constructed．Based on the development cohort data and validation cohort data，the predictive performance of the model was analyzed using calibration curves，receiver operating characteristic（ROC）curve，and decision curve analysis．Results Among 419 patients，113 developed stroke associated pneumonia，with a rate of 26.97%．The National Institutes of Health Stroke Scale（NIHSS）score，swallowing difficulties，initial hematoma volume，neutrophil percentage to albumin ratio（NPAR），neutrophil count to lymphocyte count ratio（NLR），surgical treatment，endotracheal intubation，and indwelling gastric tube were all independent influencing factors for stroke associated pneumonia in patients with ICH（P＜0.05）．Based on the above influencing factors，a risk prediction model for stroke associated pneumonia in patients with ICH was constructed．The calibration curve showed that the predicted incidence of stroke associated pneumonia by the model in both the development and validation cohorts was close to the actual incidence．The ROC curve showed that the predicted area under the curve for this model in the development cohort and validation cohort was 0.906（95%CI：0.867-0.937）and 0.884（95%CI：0.815-0.934），respectively．The decision curve analysis showed that when the threshold probability of the development cohort was between 3%-80%，and the threshold probability of the validation cohort was between 2%-76%，the intervention using this model was more clinically valuable than all/no intervention．

Conclusions The risk prediction model for stroke associated pneumonia in patients with ICH based on NIHSS score，swallowing difficulties，initial hematoma volume，NPAR，NLR，surgical treatment，tracheal intubation，and indwelling gastric tube has good predictive performance and clinical application value．

目的 探讨冠心病（CHD）患者经皮冠状动脉介入（PCI）术后冠脉微循环损伤（CMI）发生的影响因素及构建的Logistic风险预测模型对CMI发生的预测效能，以指导临床制定针对性的干预措施。方法 选取2023年4月至2025年4月于本院接受PCI治疗的143例CHD患者为研究对象，依据PCI术后1 d是否发生CMI，将其分为发生CMI组（86例）和未发生CMI组（57例）。比较两组临床资料；分析CHD患者PCI术后发生CMI的影响因素，构建Logistic风险预测模型，分析其对PCI术后CMI发生的预测效能。结果 发生CMI组心肌梗死病史、糖尿病史、吸烟史、NYHA心功能分级为Ⅲ级、多支冠脉病变、伴有冠脉中重度钙化、症状出现至PCI时间＞6 h占比及冠脉狭窄率、预扩张次数、预扩张时间高于未发生CMI组，最大扩张压力、术后即刻TIMI血流分级为3级占比低于未发生CMI组，PCI术前血清ANGPTL3、EMMPRIN水平及hs-CRP/PA高于未发生CMI组（P＜0.05）；Logistic多因素分析结果显示，糖尿病史、冠脉狭窄率、预扩张次数、NYHA心功能分级、冠脉中重度钙化、症状出现至PCI时间及ANGPTL3、EMMPRIN、hs-CRP/PA为CHD患者PCI术后发生CMI的独立危险因素，最大扩张压力为其独立保护因素（P＜0.05）；构建的Logistic风险预测模型预测PCI术后CMI发生风险的AUC值为0.901（95%CI：0.840～0.945），敏感度、特异度分别为82.56%、80.70%，且该模型与观测值拟合度良好，具有良好的区分度、校准度和临床适用性。结论 依据CHD患者PCI术后发生CMI的影响因素构建的Logistic风险预测模型对CMI发生具有较高的预测效能，可指导临床制定针对性干预措施，以减少PCI术后CMI发生，改善CHD患者预后。

目的 探讨慢性阻塞性肺疾病急性加重期（AECOPD）合并呼吸衰竭机械通气患者发生撤机相关性肺水肿（WIPE）的影响因素，以指导临床早期制定个体化干预方案。方法 前瞻性选取2022年5月～2025年5月于本院接受机械通气治疗的AECOPD合并呼吸衰竭患者209例为研究对象，依据自主呼吸试验（SBT）开始后1 h内是否发生WIPE将其分为发生组73例、未发生组136例。统计两组临床资料，通过单因素、多因素Logistic回归分析确定WIPE发生的影响因素，基于回归分析构建预测模型，并验证模型的预测效能。结果 发生组年龄、入院时急性生理与慢性健康评分系统Ⅱ（APACHEⅡ）评分、浅快呼吸指数、入院时肺部超声评分、糖尿病占比、机械通气治疗24 h后动脉血二氧化碳分压（PaCO2）≥80 mmHg占比、机械通气时间≥7 d占比、吸烟史占比、合并多器官功能障碍综合征（MODS）占比、合并左心室舒张功能障碍占比高于未发生组，撤机前6 h血清高迁移率蛋白B1（HMGB1）、C反应蛋白（CRP）、乳酸（Lac）/白蛋白（Alb）高于未发生组（P＜0.05）；入院时APACHEⅡ评分、糖尿病、机械通气治疗24 h后PaCO2、机械通气时间、吸烟史、合并MODS、入院时肺部超声评分及HMGB1、Lac/Alb、CRP为WIPE发生的独立危险因素（P＜0.05）；预测模型预测WIPE发生风险的AUC值为0.880，敏感度、特异度分别为86.30%、72.79%，Hosmer-Lemeshow检验显示该模型与观测值拟合度良好，DCA曲线显示风险阈值在0.05～0.91时该模型具有良好的临床净获益。结论 入院时APACHEⅡ评分、糖尿病、机械通气治疗24 h后PaCO2、机械通气时间、吸烟史、合并MODS、入院时肺部超声评分及HMGB1、Lac/Alb、CRP为AECOPD合并呼吸衰竭机械通气患者发生WIPE的独立危险因素，基于以上危险因素构建的预测模型预测效能良好，临床应制定针对性干预方案，以降低WIPE发生风险。

目的 探讨骨质疏松椎体压缩性骨折（OVCF）患者经皮椎体成形术（PVP）术后1年内发生邻近椎体再骨折（AVCF）的影响因素，并构建Logistic风险预测模型，分析其对AVCF发生的预测效能。方法 前瞻性选取我院2022年1月~2024年1月收治的188例OVCF患者，入院后均行PVP术治疗，根据术后1年内是否发生AVCF分为发生组、未发生组。单因素分析两组临床资料，Logistic多因素回归分析OVCF患者PVP术后1年内发生AVCF的影响因素，构建Logistic风险预测模型；ROC曲线分析风险预测模型对AVCF发生的预测效能。结果 两组年龄、术前骨密度、骨折病史、骨水泥渗漏、术前椎体内裂隙征、术后椎体高度恢复达标比较差异显著（P＜0.05）；Logistic多因素回归方程分析结果显示，年龄、术前骨密度、骨水泥渗漏、术前椎体内裂隙征、术后椎体高度恢复达标均为OVCF患者PVP术后1年内发生AVCF的独立影响因素（P＜0.05）。构建Logistic回归模型，Logit（p）=-5.234+0.445×年龄-0.124×术前骨密度+1.521×骨水泥渗漏+1.375×术前椎体内裂隙征-0.151×术后椎体高度恢复达标。Logistic风险预测模型预测预AVCF发生的AUC值为0.863（95% CI：0.812～0.913），敏感度、特异度分别为80.31%、81.64%。结论 年龄、术前骨密度、骨水泥渗漏、术前椎体内裂隙征、术后椎体高度恢复达标均为OVCF患者PVP术后1年内发生AVCF的独立影响因素，在此基础上构建的Logistic风险预测模型可为临床早期分辨PVP术后发生AVCF的高危患者提供依据，临床可据此早期制定针对性干预方案，以降低PVP术后AVCF发生风险。

目的 探讨骨质疏松椎体压缩性骨折（OVCF）患者经皮椎体成形术（PVP）术后1年内发生邻近椎体再骨折（AVCF）的影响因素，并构建Logistic风险预测模型，分析其对AVCF发生的预测效能。方法 前瞻性选取我院2022年1月~2024年1月收治的188例OVCF患者，入院后均行PVP术治疗，根据术后1年内是否发生AVCF分为发生组、未发生组。单因素分析两组临床资料，Logistic多因素回归分析OVCF患者PVP术后1年内发生AVCF的影响因素，构建Logistic风险预测模型；ROC曲线分析风险预测模型对AVCF发生的预测效能。结果 两组年龄、术前骨密度、骨折病史、骨水泥渗漏、术前椎体内裂隙征、术后椎体高度恢复达标比较差异显著（P＜0.05）；Logistic多因素回归方程分析结果显示，年龄、术前骨密度、骨水泥渗漏、术前椎体内裂隙征、术后椎体高度恢复达标均为OVCF患者PVP术后1年内发生AVCF的独立影响因素（P＜0.05）。构建Logistic回归模型，Logit（p）=-5.234+0.445×年龄-0.124×术前骨密度+1.521×骨水泥渗漏+1.375×术前椎体内裂隙征-0.151×术后椎体高度恢复达标。Logistic风险预测模型预测预AVCF发生的AUC值为0.863（95% CI：0.812～0.913），敏感度、特异度分别为80.31%、81.64%。结论 年龄、术前骨密度、骨水泥渗漏、术前椎体内裂隙征、术后椎体高度恢复达标均为OVCF患者PVP术后1年内发生AVCF的独立影响因素，在此基础上构建的Logistic风险预测模型可为临床早期分辨PVP术后发生AVCF的高危患者提供依据，临床可据此早期制定针对性干预方案，以降低PVP术后AVCF发生风险。

目的 探讨子宫内膜息肉（EP）患者宫腔镜息肉切除术后发生宫腔粘连（IUA）的影响因素，并构建Logistic回归模型，以筛选高危患者，并指导临床制定治疗方案。方法 前瞻性选取2023年1月～2025年1月于本院就诊的200例EP患者为研究对象，依据宫腔镜息肉切除术后6个月内是否发生IUA，将其分为发生组61例、未发生组139例。比较两组临床资料及多因素分析术后IUA发生的影响因素，构建Logistic回归模型，并验证该模型对术后IUA发生的预测价值。结果 手术时间、宫内节育器、剖宫产史、多发息肉、盆腔炎病史及术前血清血管内皮生长因子（VEGF）、 细胞趋化因子配体-5（CXCL5）、白细胞介素-22（IL-22）为术后IUA发生的独立危险因素（P＜0.05）；Logistic回归模型预测术后IUA发生风险的AUC值为0.927，敏感度、特异度分别为88.52%、88.49%，且该模型具有良好拟合度、校准度及临床应用性。结论 基于手术时间、宫内节育器、剖宫产史、多发息肉、盆腔炎病史及术前血清VEGF、CXCL5、IL-22构建预测模型，可有效预测EP患者宫腔镜息肉切除术后IUA发生风险，有助于指导临床制定干预方案。

目的 探讨子宫内膜息肉（EP）患者宫腔镜息肉切除术后发生宫腔粘连（IUA）的影响因素，并构建Logistic回归模型，以筛选高危患者，并指导临床制定治疗方案。方法 前瞻性选取2023年1月～2025年1月于本院就诊的200例EP患者为研究对象，依据宫腔镜息肉切除术后6个月内是否发生IUA，将其分为发生组61例、未发生组139例。比较两组临床资料及多因素分析术后IUA发生的影响因素，构建Logistic回归模型，并验证该模型对术后IUA发生的预测价值。结果 手术时间、宫内节育器、剖宫产史、多发息肉、盆腔炎病史及术前血清血管内皮生长因子（VEGF）、 细胞趋化因子配体-5（CXCL5）、白细胞介素-22（IL-22）为术后IUA发生的独立危险因素（P＜0.05）；Logistic回归模型预测术后IUA发生风险的AUC值为0.927，敏感度、特异度分别为88.52%、88.49%，且该模型具有良好拟合度、校准度及临床应用性。结论 基于手术时间、宫内节育器、剖宫产史、多发息肉、盆腔炎病史及术前血清VEGF、CXCL5、IL-22构建预测模型，可有效预测EP患者宫腔镜息肉切除术后IUA发生风险，有助于指导临床制定干预方案。

目的 探讨非重型肺源性急性呼吸窘迫综合征（ARDS）患者发生肺纤维化的影响因素，并构建Logistic回归模型，以筛选高危患者，指导临床制定针对性干预方案。方法 前瞻性选取2022年1月～2024年12月于本院诊治的134例非重型肺源性ARDS患者为研究对象，依据发病后30 d内是否发生肺纤维化将其分为发生组58例、未发生组76例。比较两组临床资料，并通过多因素Logistic回归分析肺纤维化发生的影响因素。构建Logistic回归模型，并分析该模型对肺纤维化发生的预测价值。结果 多因素Logistic回归分析显示病程中出现休克、脓毒症、吸烟史、肺动脉高压及血清白细胞介素-8（IL-8）、低氧诱导因子-1α（HIF-1α）、Clara细胞分泌蛋白16（CC-16）、成纤维细胞生长因子（FGF-2）水平为肺纤维化发生的独立危险因素（P＜0.05）；Logistic回归模型预测肺纤维化发生的AUC值为0.871，敏感度、特异度分别为77.59%、84.21%，Hosmer-Lemeshow检验该模型与观测值拟合度良好，且Bootstrap检验显示该模型具有良好的区分度。结论 病程中出现休克、脓毒症、吸烟史、肺动脉高压及血清IL-8、HIF-1α、CC-16、FGF-2水平为非重型肺源性ARDS患者发生肺纤维化的独立危险因素，基于上述危险因素构建Logistic回归模型，该模型预测肺纤维化发生具有良好的预测效能，临床可依据上述因素采取针对性干预方案，以降低肺纤维化发生率。

      目的   基于决策树构建老年患者吞咽障碍预警模型。方法  采用便利取样法对宁夏银川市宁夏回族自治区人民医院老年科住院的200例老年患者进行调查。结果  200例老年患者中，吞咽障碍发生率为40.5%。依据是否发生吞咽障碍将其患者分为两组，两组患者在性别、年龄、文化程度、职业、医保类型、家庭年收入、日常生活能力、衰弱、抑郁、营养、体质指数（BMI）比较（χ ² 值分别为13.321、4.064、31.944、36.695、18.230、19.681、52.509、10.253、20.456、9.070、9.483），差异均有统计学意义（均P＜0.05）。决策树模型筛选出老年患者吞咽障碍的影响因素主要有自理能力、职业、文化程度和抑郁，决策树模型受试者工作特征曲线下面积为0.862，灵敏度为79.8%，特异度为79.0%，P＜0.001。结论  基于自理能力、职业、文化程度和抑郁构建的决策树模型，能有效预测老年患者吞咽障碍风险。

       Objective  To construct a swallowing disorder warning model for elderly patients based on decision tree．Methods  Convenience  sampling was  used to  study  200  elderly  patients  admitted to the  geriatric  department  of  a tertiary comprehensive hospital in Yinchuan，Ningxia．Results  Among 200 elderly patients，the incidence of swallowing disorders was 40.5%．The two groups of patients were compared in terms of gender，age，education level，occupation，medical insurance type，annual family income，daily living ability，frailty，depression，nutrition，and BMI（χ ²  values were 13.321，4.064，31.944，36.695，18.230，19.681，52.509，10.253，20.456，9.070，9.483，respectively），and the  differences were  statistically significant（all P＜0.05）．The decision tree model identified the main influencing factors of swallowing disorders in elderly patients as self-care ability，occupation，education level，and depression．The Receiver Operating Characteristic curve of the decision tree model had an area under the curve of 0.862，sensitivity of 79.8%，and specificity of 79.0%，P＜0.001．Conclusions  A decision tree model based on self-care ability，occupation，education level，and depression can effectively predict the  risk of swallowing disorders in elderly patients．

       目的 汇总分析肝硬化患者消化道出血风险预测模型，为今后模型的建立和优化提供参考。方法   系统检索中国知网、维普、PubMed数据库在2025年4月22日前公开发表的所有肝硬化患者消化道出血风险预测模型，按纳入标准筛选文献，对最终纳入文章分析摘录并系统汇总，包括模型特征、危险因素及模型预测评估效果等信息。结果   共检索3 603篇预测模型相关研究论文，最终纳入30篇，其中中国27篇、韩国1篇、印度1篇、埃及1篇。22项研究收集了肝硬化病因，其中病毒性肝病最多（72.94%，2 922/4 006），药物性肝病及非酒精性脂肪性肝病最少（均为0.02%，1/4 006）。在研究类型上，有28篇单中心研究，2篇为多中心研究，其中有12个模型未进行验证，只有1个模型进行了外部验证，其余模型只进行了内部验证，曲线下面积（AUC）范围0.680~0.994。根据模型纳入因素特点，分为血常规指标、凝血指标、生化指标、影像学指标、复合指标、其他指标共6种，其中纳入因素最多为影像学指标，最少为凝血指标。在纳入危险因素中，第1位为门静脉直径，第2位为血小板计数，第3位为血红蛋白水平及脾脏硬度，所有因素中与脾脏相关的指标最多。结论   肝硬化患者消化道出血风险预测模型研究质量有待提升，影像学指标应用最广，脾脏相关指标重要性突出，门静脉直径、血小板计数、血红蛋白水平及脾脏硬度为最常用的危险预测因素。

       Objective  To  summarize and analyze the  prediction models for gastrointestinal  bleeding  risk in  patients with cirrhosis，providing references for the establishment and optimization of future models．Methods  A systematic search was conducted in CNKI，VIP，and PubMed for all published prediction models for gastrointestinal bleeding risk in patients with cirrhosis before April 22，2025．Articles were screened according to the inclusion criteria，and the finally included articles were analyzed and summarized，including model characteristics，risk factors，and model prediction evaluation effects．Results  A total of 3 603 related research papers on prediction models were initially retrieved，and 30 were finally included，with 27 from China，one from South Korea，one from India，and one from Egypt．Among the 22 studies that collected the etiology of cirrhosis，viral hepatitis was the most common（72.94%，2 922/4 006），while drug-induced liver disease and non-alcoholic fatty liver disease were the least common（0.02%，1/4 006）．In terms of study type，28 were single-center studies and two were multicenter studies．Among them，12 models were not validated，only one model was externally validated，and the rest were only internally validated，with an area under the curve range of 0.680-0.994．According to the characteristics of the factors included in the models，they were divided into six types of indicators：blood routine，coagulation，biochemistry，imaging，composite，and others，among which imaging indicators were the most common and coagulation indicators were the least．In the included risk factors，the first was portal vein diameter，the second was platelets count，and the third was hemoglobin level and spleen stiffness，with the most factors related to the spleen．Conclusions  The quality of studies on prediction models for gastrointestinal bleeding risk in cirrhosis patients needs to be improved．Imaging indicators are the most widely used，and spleen-related indicators are of prominent importance，with portal vein diameter，platelets count，hemoglobin level，and spleen stiffness being the most commonly used risk prediction factors．