利用患者报告的结局数据，动态预测出院后慢性阻塞性肺疾病（COPD）患者的不良结局

《BMC Medical Research Methodology》：Dynamic prediction of adverse outcomes in discharged COPD patients using patient-reported outcomes

　　

摘要

背景

本研究旨在基于患者的纵向自我报告结局（PROs）开发动态预测模型，评估慢性阻塞性肺疾病（COPD）患者出院后不良结局的风险变化情况，从而提高风险预测的准确性。

方法

研究纳入了2020年12月至2022年4月期间来自山西省五家医院的符合纳入和排除标准的住院COPD患者。出院后三年内的再入院或死亡被定义为不良结局。在随访过程中重复测量的PROs数据被视为时间变化的预测因子。本研究构建并比较了三种动态预测方法：联合潜在类别模型（JLCM）、共享随机效应模型（SREM）和地标模型。通过接收者操作特征曲线下面积（AUC）、布里尔分数（Brier score）和校准曲线来评估和比较模型性能。此外，还展示了PROs分数的个体水平轨迹及其对应的动态风险预测结果。

结果

共有344名COPD患者被纳入研究，其中111名患者（32.27%）在随访期间出现了不良结局。模型比较显示，SREM模型在所有时间点上都获得了较高的AUC值和较低的布里尔分数，其校准曲线接近理想对角线，表明其预测性能最佳。在生存子模型中，PROs分数的关联参数具有统计学意义（P < 0.001）。PROs分数每增加1个单位，不良结局的风险降低4.3%（HR = 0.957，95% CI：0.933–0.980）。此外，教育水平、前降钙素和C反应蛋白水平与不良结局的风险显著相关。在纵向子模型中，呼吸困难程度（mMRC等级）与PROs分数呈显著负相关。

结论

纵向PRO数据能够有效捕捉COPD患者健康状况的动态变化，可作为不良结局的重要时间变化预测因子。在评估的三种动态预测方法中，SREM模型表现出最佳的预测性能。这些发现为COPD患者出院后的风险分层和个性化管理策略提供了科学依据。

临床试验注册

该研究已在中国临床试验注册平台注册（注册编号：ChiCTR2200064900；注册日期：2022-10-21）。