使用LASSO和Boruta特征选择方法开发并验证一种用于预测血液透析相关头痛的临床预测模型

《Scientific Reports》：Development and internal validation of a clinical prediction model for hemodialysis-related headache using LASSO and Boruta feature selection

　　

摘要

透析患者中常见的神经系统症状是血液透析相关性头痛（HRH），这可能导致血液透析提前终止，并使患者不再继续接受透析治疗。目前尚未确定头痛的预测因素。我们的目标之一是创建一个能够准确预测透析患者头痛情况的诺模图（nomogram）。2023年1月1日至2024年10月31日期间，我们回顾性地纳入了在南通市第一人民医院接受常规血液透析的终末期肾病（ESRD，CKD-G5D）患者，这些患者的诊断依据是2012年KDIGO慢性肾病临床实践指南。头痛是该诺模图的研究结果。这289名患者被随机分为训练组（n=202）和验证组（n=87）。预测因素的选择采用了序贯LASSO算法和Boruta算法。随后通过多变量逻辑回归建立了预测模型，并将这些模型以诺模图的形式呈现出来。诺模图的有效性通过接收者操作特征（ROC）曲线、校准图和决策曲线分析（DCA）进行了评估。为了内部验证模型，还计算了验证组的性能。共有289名患者参与了这项研究，其中103名患者（35.64%）报告了头痛症状。通过对整个患者群体进行500次自助法重采样（bootstrap resamplings）进行乐观性校正（optimism correction），对模型性能进行了内部验证。诺模图纳入了以下预测因素：性别、年龄、体重、脉压差、血清钠浓度和血清磷浓度。经自助法校正后的校准和区分能力显示出了良好的性能验证结果。然而，训练组和验证组的曲线下面积（AUC）值分别为0.909（95% CI 0.8662–0.9522）和0.873（0.8002–0.946）。该诺模图可能有助于临床医生识别高风险患者，但仍需要在独立的多中心队列中进行外部验证。