一种基于网络的动态诺模图，整合了炎症和代谢指标，用于预测高甘油三酯血症引起的急性胰腺炎患者的住院时间延长情况

《European Journal of Medical Research》：A web-based dynamic nomogram integrating inflammatory and metabolic indicators for predicting prolonged hospital stay in patients with hypertriglyceridemia-induced acute pancreatitis

　　

摘要

背景与目的

高甘油三酯血症引起的急性胰腺炎（HTG-AP）是急性胰腺炎的常见原因，且与更差的临床结局相关。早期预测住院时间延长有助于临床管理和资源分配。我们的目标是开发并验证一个基于网络的动态诺模图，以预测HTG-AP患者的住院时间延长情况。

方法

我们回顾性分析了2014年至2024年间收治的608例HTG-AP患者。这些患者被随机分为训练组（n=487）和内部验证组（n=121）。另外使用了一个包含39名患者的外部独立队列（2021–2023年）进行外部验证，并在训练组内部进行了时间验证。通过LASSO回归和SHAP分析选择了预测变量。通过多变量逻辑回归确定了独立预测因子，并将其纳入基于网络的诺模图中。模型性能通过区分度、校准和决策曲线分析进行评估。

结果

最终纳入了五个独立预测因子：全身炎症反应综合征（SIRS）、血糖、血清钙、D-二聚体和APACHE II评分。以住院时间超过14天作为终点，训练组、内部验证组和外部验证组中分别有60.6%、60.3%和69.2%的患者出现住院时间延长。该诺模图在训练组、内部验证组和外部验证组中的AUC分别为0.839、0.812和0.691。校准曲线显示预测结果与实际结果之间有良好的一致性，平均绝对误差（MAE）分别为0.012、0.020和0.042。决策曲线分析表明，在一系列临床相关的阈值概率范围内，该模型具有净临床效益。

结论

我们开发并验证了一个基于入院信息的预测模型，该模型以基于网络的动态诺模图形式呈现，整合了炎症和代谢指标，用于预测HTG-AP患者的住院时间延长（超过14天）。该模型在内部验证中表现出良好的区分度，但在外部验证中的性能有所下降。在常规临床应用之前，需要进行前瞻性多中心验证和模型重新校准。