CN114974595A - 一种克罗恩病患者黏膜愈合预测模型及方法 - Google Patents

一种克罗恩病患者黏膜愈合预测模型及方法 Download PDF

Info

Publication number
CN114974595A
CN114974595A CN202210523729.1A CN202210523729A CN114974595A CN 114974595 A CN114974595 A CN 114974595A CN 202210523729 A CN202210523729 A CN 202210523729A CN 114974595 A CN114974595 A CN 114974595A
Authority
CN
China
Prior art keywords
index
scale
score
disease
value
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202210523729.1A
Other languages
English (en)
Inventor
唐娜娜
张红杰
陈涵
唐文
陈瑞东
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangsu Province Hospital First Affiliated Hospital With Nanjing Medical University
Original Assignee
Jiangsu Province Hospital First Affiliated Hospital With Nanjing Medical University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Jiangsu Province Hospital First Affiliated Hospital With Nanjing Medical University filed Critical Jiangsu Province Hospital First Affiliated Hospital With Nanjing Medical University
Priority to CN202210523729.1A priority Critical patent/CN114974595A/zh
Publication of CN114974595A publication Critical patent/CN114974595A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H70/00—ICT specially adapted for the handling or processing of medical references
    • G16H70/20—ICT specially adapted for the handling or processing of medical references relating to practices or guidelines

Landscapes

  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Epidemiology (AREA)
  • Data Mining & Analysis (AREA)
  • Pathology (AREA)
  • Databases & Information Systems (AREA)
  • Biomedical Technology (AREA)
  • Bioethics (AREA)
  • Medicines Containing Antibodies Or Antigens For Use As Internal Diagnostic Agents (AREA)

Abstract

本发明公开一种克罗恩病患者黏膜愈合预测模型及方法，采用多因素二元logistic回归分析方法，筛选出克罗恩病患者黏膜愈合的关键影响因素，构建出一种高可靠性的克罗恩病患者黏膜愈合预测模型及方法进行黏膜愈合预测，以评估患者经治疗后达到黏膜愈合的可能性，该预测方法及模型可以帮助专科医生在日常临床实践中简单快速的预测克罗恩病患者达标治疗目标的可能性，及时调整治疗策略，优化治疗方案，让患者达到最佳治疗效果。

Description

一种克罗恩病患者黏膜愈合预测模型及方法
技术领域
本发明属于诊断技术领域，具体涉及一种克罗恩病患者黏膜愈合预测方法及模型。
背景技术
克罗恩病（Crohn's disease，CD）是一种病因尚未完全明确的慢性消化道炎症性疾病，其病变可累及从食管至肛门的全消化道，具有透壁性改变和肉芽肿性炎的特征。该病的临床症状主要包括腹痛、腹泻及关节、皮肤、眼部、肝胆病变等肠外表现，部分患者可伴有肠道梗阻、瘘以及腹腔脓肿等并发症，严重者需接受外科手术治疗。全球流行病学调查显示，克罗恩病在欧洲及北美等发达国家发病率比较高，但是近年来随着环境及饮食结构等因素的变化，我国克罗恩病的发病率亦出现逐年升高的趋势。迄今为止，克罗恩病确切的发病原因和机制尚不完全清楚，多数研究报道认为其与遗传、环境、 免疫、微生物等因素密切相关，在遗传与环境因素以及机体内环境与外部环境的相互作用下，人体发生异常的免疫与炎症反应导致克罗恩病发生。目前此病尚不可治愈，病程迁延的患者可能会终身致残。因此，对克罗恩病的深入研究对人类的健康和医学的进步有重大意义。
近年来的研究发现，克罗恩病经治疗后达到临床缓解的患者其长期肠道损伤并未减少，单纯以临床症状消失为目的的治疗策略并未改善患者的长期预后。因此，克罗恩病患者达到内镜下缓解尤其是黏膜愈合(MH)目前被认为是更加适合的优于临床缓解的治疗终点。研究表明，以黏膜愈合作为治疗终点的策略可改善克罗恩病患者的长期预后，包括降低疾病复发率、住院率和手术率，且具有更优的成本效益比。然而，内镜检查属于侵入性检查，并非无创操作，具有一定的风险，且小肠镜价格昂贵，部分患者达到临床症状缓解后则拒绝内镜检查，这些因素都可能会干扰疾病的内镜评估。因此，临床需要研究一种通过简单、可靠和无创的方法预测患者能够达到黏膜愈合的概率，预估克罗恩病患者内镜下黏膜病变情况。这将有助于临床实践，指导管理，减少不必要的内镜操作，有助于黏膜愈合治疗目标实现。内镜下达到黏膜愈合(MH)已成为克罗恩病(CD)的主要治疗目标，以黏膜愈合作为治疗终点可改善患者的长期预后。
临床预测模型近年来在医学研究与医疗实践中应用非常广泛，它是指利用参数或半参数或非参数的数学模型预测研究对象将来发生某种疾病概率或某种结局的可能性。预测模型关注的是在当前疾病状态下，未来某段时间内疾病复发或出现并发症甚至导致患者伤残、死亡等结局的概率。既往已有多项针对克罗恩病患者的预后影响因素的研究。有报道称，患者病程较短或重复的内镜检查与患者高黏膜愈合率相关，使用英夫利昔单克隆抗体联合免疫抑制剂患者与单一用药相比黏膜愈合率也更高，而在疾病诊断时即存在瘘或肛周病变的克罗恩病患者则黏膜愈合率较低。然而，在多变量模型中，以上因素都没有能够独立预测黏膜愈合。
发明内容
本发明的目的就在于提供一种针对克罗恩病患者的黏膜愈合预测方法及模型，为临床实践提供数据支持和指导，有助于黏膜愈合治疗目标实现。
本发明具体实施例提供了一种克罗恩病患者黏膜愈合预测方法，其特征在于包括如下步骤：
一种克罗恩病患者黏膜愈合预测方法，其特征在于包括如下步骤：
基于大量临床数据对黏膜愈合预测问题进行多因素二元逻辑回归分析，根据影响黏膜愈合率的各因素的回归系数的大小筛选出自变量，将黏膜愈合率作为因变量，构建列线图形式的黏膜愈合预测模型，所述自变量包括病程、HBI评分、溃疡大小、使用英夫利昔单克隆抗体治疗或使用5-ASA治疗；
利用列线图，根据各自变量取值按回归结果权重进行评分，然后将各个评分相加得到总评分，最后通过总评分确定黏膜愈合率预测值。
优选地，所述黏膜愈合率=0.222*HBI指标+0.255*溃疡大小指标+0.160*IFX指标+0.276*5-ASA指标+0.088*病程指标，其中，HBI评分≤8分，HBI指标取值为1，否则取值0；溃疡面积≤0.5cm，溃疡指标取值1，否则取值0；使用英夫利昔单克隆抗体治疗，IFX指标标记1，否则标记0；病程≤10月，病程指标取值1，否则取值0；使用5-ASA治疗，5-ASA指标取值0，否则取值1。
本发明具体实施例提供了一种克罗恩病患者黏膜愈合预测模型，其特征在于所述黏膜愈合预测模型基于多因素二元逻辑回归分析方法构建，所述黏膜愈合预测模型的自变量包括患者病程、HBI评分、溃疡大小、使用英夫利昔单克隆抗体治疗及使用5-ASA治疗，所述黏膜愈合预测模型的因变量为患者的黏膜愈合率；以多因素回归分析得到的回归系数作为权重，所述黏膜愈合预测模型以列线图形式表示；所述列线图包括得分标尺、总分标尺、患者病程标尺、HBI评分标尺、溃疡大小标尺、使用英夫利昔单克隆抗体治疗标尺、使用5-ASA治疗标尺、黏膜愈合率标尺；所述黏膜愈合率=0.222*HBI指标+0.255*溃疡大小指标+0.160*IFX指标+0.276*5-ASA指标+0.088*病程指标，其中，HBI评分≤8分 ，HBI指标取值为1，否则取值0；溃疡面积≤0.5cm，溃疡指标取值1，否则取值0；使用英夫利昔单克隆抗体治疗，IFX指标标记1，否则标记0；病程≤10月，病程指标取值1，否则取值0；使用5-ASA治疗，5-ASA指标取值0，否则取值1。
本发明有益效果：
本发明采用多因素回归分析方法，筛选出克罗恩病患者黏膜愈合的关键影响因素，构建出一种高可靠性的克罗恩病患者黏膜愈合预测模型及方法进行黏膜愈合预测，以评估患者经治疗后达到黏膜愈合的可能性，该预测方法及模型可以帮助专科医生在日常临床实践中简单快速的预测克罗恩病患者达标治疗目标的可能性，及时调整治疗策略，优化治疗方案，让患者达到最佳治疗效果。
附图说明
图1为本发明实施例二黏膜愈合预测模型的列线图；
图2为本发明实施例二预测黏膜愈合的5个预测因子的受试者工作特征(ROC)曲线；
其中，曲线①为训练队列，曲线②为验证队列。训练队列ROC曲线下面积为0.788(95%CI, 0.74-0.84)。验证队列的ROC曲线下面积为0.785 (95%CI, 0.68-0.90)。
图3为本发明实施例二黏膜愈合预测模型的校准曲线；
其中左图（a）为训练队列校准曲线，右图（b）为验证队列校准曲线；X轴表示预测的黏膜愈合率，Y轴表示实际黏膜愈合率。实线表示预测模型的性能。45°斜虚线表示预测能力为最佳。实线与虚线越接近，则表示模型的精度越高。
图4为临床决策曲线与本发明实施例二黏膜愈合预测模型的决策曲线对比。
其中，曲线①表示训练模型的性能。Y轴代表净收益。虚线②表示所有患者均达到黏膜愈合的假设，虚线③表示所有患者均未达到黏膜愈合的假设，曲线①显示黏膜愈合的阈值概率在20%-90%之间。阈值概率代表干预的预期收益与避免干预的预期收益相等的情况。当患者发生MH的可能性低于阈值概率时，应选择升级治疗策略。
具体实施方式
实施例一
一种克罗恩病患者黏膜愈合预测方法，主要包括如下步骤：
一、基于多因素回归分析方法构建黏膜愈合预测模型：
采用 Logistic回归分析方法进行预测因素的筛选，筛选出黏膜愈合预测模型的自变量。在本发明中，针对克罗恩病，黏膜愈合定义为胃肠道的黏膜活动为缓解或轻度炎症活动，无溃疡存在。疾病表型根据蒙特利尔分类确定。然后以多因素回归分析得到的回归系数作为权重，构建列线图形式的黏膜愈合预测模型。具体方法如下：
以符合要求（确诊时有内镜检查、治疗后有内镜复查、临床资料完备）的331例患者为预测研究对象组成训练队列，训练队列中共有138名患者最终取得了黏膜愈合。从331例患者的电子病历系统和内镜影像系统中提取人口学和临床特征参数，按所有患者及黏膜愈合患者分别进行统计汇总，包括: 性别、出生日期、确诊年龄、克罗恩病病程、既往手术史（腹部手术及肛周手术史）、吸烟史、炎症性肠病家族史、临床表现包括腹痛、腹泻、体重减轻、克罗恩病内镜表现（病变部位、溃疡大小、管腔狭窄、肠壁穿透）、腹部肿块、克罗恩病相关的肠外并发症，如结节性红斑、葡萄膜炎或虹膜炎、关节痛、强直性脊柱炎、硬化性胆管炎等，内镜检查间隔的时间。使用哈维-布拉德肖指数(HBI)对患者临床状况进行评价。收集入组前和研究期间的药物治疗方案及调整过程，包括发病时是否使用皮质类固醇治疗、是否按照标准给药方式正规使用生物制剂英夫利昔单抗治疗。
本发明黏膜愈合预测模型构建过程中对于患者的治疗方案，纳入了使用5-氨基水杨酸（5-ASA）、糖皮质激素、免疫抑制剂或英夫利昔单抗治疗的克罗恩病患者，而其它新型的生物制剂包括阿达木单抗、维多珠单抗和乌司奴单抗由于病例数较少而未被纳入。
因此，本文中提及的“使用英夫利昔单克隆抗体治疗”，指患者按照标准给药方式正规使用生物制剂英夫利昔单抗治疗。“未使用英夫利昔单克隆抗体治疗”，指患者使用了其他治疗方案治疗，例如激素、免疫抑制剂或5-ASA。本发明技术方案中提及的“使用5-ASA治疗”，指患者按照标准给药方式正规使用5-ASA治疗。“未使用5-ASA治疗”，指患者使用了其他治疗方案治疗，例如激素、免疫抑制剂或英夫利昔单抗。未采用任何药物治疗的患者或采用其它新型的生物制剂包括阿达木单抗、维多珠单抗和乌司奴单抗治疗的患者不作为本发明黏膜愈合预测模型的预测对象。
连续变量采用四分位区间(IQRs)的中位数描述，离散数据使用百分比，非参数分类变量采用卡方检验或Fisher精确检验对进行比较。采用单因素Logistic回归分析不同参数对黏膜愈合失败影响的单变量风险，发现实现黏膜愈合目标的患者特征包括：男性比例超过女性 (男性比女性：47.5% versus 30.4%, P = 0.003),年龄在17-40岁的患者黏膜愈合率高于其它两组(＜17岁:22.2%；17-40岁:45.6%；＞40岁:33.8%，P = 0.045)。病程小于10个月的患者与病程超过10个月的患者相比，黏膜愈合率更高[病程≤10个月比病程＞10个月：50.8% versus 36.0%，P = 0.008]。此外，HBI评分≤8分[HBI≤8分比HBI＞8分：50.4%versus 21.2%，P < 0.001]、排便次数低于每天4次[便次＜4次/天比便次≥4次/天:46.3%versus 31.7%，P = 0.013]、溃疡直径小于0.5cm[溃疡直径＜0.5cm比溃疡直径≥0.5cm:63.3% versus 39.5%，P = 0.012]均与黏膜愈合有关。使用英夫利昔单克隆抗体治疗的患者较未使用该治疗的患者黏膜愈合率明显升高[IFX治疗比未用IFX治疗：67.2% versus27.9%，P＜0.001]。相反，使用5-氨基水杨酸治疗的患者获得黏膜愈合的比例明显低于采用其它治疗方案的患者[5-ASA治疗与其他治疗相比:16.5% versus 52.1%，P＜0.001]。
随后将单因素Logistic回归分析筛选出的所有危险因素纳入多因素二元Logistic回归分析。多因素Logistic回归分析包含了单因素Logistic回归分析中确定的预测变量，包括人口统计学、临床特征、治疗和收集的分析变量，以评估它们在预测黏膜愈合方面的效用。性别、确诊年龄、病程、HBI评分、排便频率、溃疡大小，以及使用英夫利昔单克隆抗体治疗或使用5-ASA治疗这8项因素在单因素回归分析中具有统计学意义(P＜0.05)，表明其对黏膜愈合的影响较大。纳入多因素回归分析后显示，模型纳入的黏膜愈合率降低的危险因素包括：病程>10个月(P=0.010,OR 2.004,95%CI: 1.184-3.529)、HBI评分>8分(P＜0.001,OR 3.054,95%CI: 1.677-5.562)、溃疡>0.5cm(P=0.003,OR 3.869,95%CI:1.561-9.591)、使用5-ASA治疗(P＜0.010,OR 0.225,95%CI: 0.109-0.464)，而正规使用英夫利昔单克隆抗体(P=0.004,OR 2.367,95%CI: 1.323-4.234)被认为是促进黏膜愈合的有利因素，如表1所示。
表1 单变量和多变量Logistic回归分析预测MH
Figure DEST_PATH_IMAGE002
基于单因素和多因素二元logistic分析结果，在最终黏膜愈合预测模型中保留有意义的预测因素。最终确定黏膜愈合预测模型的自变量包括患者病程、HBI评分、溃疡大小、使用英夫利昔单克隆抗体治疗及使用5-ASA治疗，黏膜愈合预测模型的因变量为患者的黏膜愈合率。
根据多因素回归分析中5个具有统计学意义的独立危险因素，进一步简化logistic回归结果，使用多因素二元Logistic回归分析得到的回归系数作为权重构建列线图，如图1所示，以用于对患者的临床治疗结果进行预测，并确定单个患者的预期风险。列线图具体构建方法是：通过对临床数据集构建多因素逻辑回归模型，根据模型中各危险因素回归系数的大小分别确定其对粘膜愈合的贡献程度，随后对每个危险因素的取值水平按回归结果权重进行赋分，然后再将各个评分相加得到总评分，最后通过总评分与粘膜愈合率之间的转换关系，确定标尺概率，从而计算出粘膜愈合率的预测值。要确定总评分与黏膜愈合率之间的转换关系，需首先确定多因素取值与患者粘膜愈合率的关系，黏膜愈合率通过如下计算得到：
黏膜愈合率=0.222*HBI指标+0.255*溃疡大小指标+0.160*IFX指标+0.276*5-ASA指标+0.088*病程指标，其中，HBI评分≤8分，HBI指标取值为1，否则取值0；溃疡面积≤0.5cm，溃疡指标取值1，否则取值0；使用英夫利昔单克隆抗体治疗，IFX指标标记1，否则标记0；病程≤10月，病程指标取值1，否则取值0；使用5-ASA治疗，5-ASA指标取值0，否则取值1。
具体地，列线图包括患者病程标尺，病程标尺有两个刻度值，分别对应病程>10月、病程≤10月，患者病程>10月对应的评分为0，病程≤10月对应的评分为47.5。
列线图包括患者HBI评分标尺，HBI评分标尺有两个刻度值，分别对应HBI评分>8分、HBI评分≤8分，患者HBI评分>8分对应的评分为0，HBI评分≤8分对应的评分为75。
列线图包括患者溃疡大小标尺，溃疡大小标尺有两个刻度值，分别对应溃疡>0.5cm、溃疡≤0.5cm，患者溃疡>0.5cm对应的评分为0，溃疡≤0.5cm对应的评分为90。
列线图包括患者使用英夫利昔单克隆抗体治疗标尺，使用英夫利昔单克隆抗体治疗标尺有两个刻度值，分别对应是、否，患者使用英夫利昔单克隆抗体治疗对应的评分为57.5，未使用英夫利昔单克隆抗体治疗对应的评分为0。
列线图包括患者使用5-ASA治疗标尺，患者使用5-ASA治疗标尺有两个刻度值，分别对应是、否，患者使用5-ASA治疗对应的评分为0，未使用5-ASA治疗对应的评分为100。
列线图包括得分标尺，得分标尺平均划分刻度，刻度值范围为0～100。
列线图包括总分标尺，总分标尺平均划分刻度，刻度值范围为0～450。
列线图包括黏膜愈合率标尺，黏膜愈合率标尺刻度值范围为0.05～0.95，黏膜愈合率值0.05对应的总分为0，黏膜愈合率值0.95对应的总分为400。
二、根据各自变量的取值从列线图上得到分别对应的评分；将各自变量的取值分别对应的评分相加得到总分；根据总分从列线图上得到患者的黏膜愈合率。
在列线图模型中，患者的各个自变量取值通过垂直投射线在列线图的得分标尺上得到不同的评分（0-100分），然后将各评分相加得到总分（0-450分），总分标尺上对应的总分通过垂直投射线在列线图底部的黏膜愈合率标尺上得到黏膜愈合率。
本实施例使用统计软件IBM SPSS Statistics for Windows，Version 26.0(SPSS, Chicago, IL, USA)完成统计分析。采用约登指数评价受试者工作特征曲线（Receiver operating characteristic curve, ROC curve）中的最佳截断值，计算ROC曲线下面积(Area under curve, AUC)以评价诊断的准确性。多变量分析的最终结果通过“RMS”软件包整合到R语言中，生成列线图。预测模型构建好后，可以采用一致性指数(C-index)、决策曲线分析(Decision curve analysis, DCA) 和校准曲线（calibrationcurve）评价列线图的有效性，并对列线图模型进行内部和外部验证，计算C-index评价列线图模型的预测准确度，预测符合度采用校准曲线进行评估。
实施例二
本实施例提供一种克罗恩病患者黏膜愈合预测模型，黏膜愈合预测模型基于多因素回归分析方法构建（构建方法同实施例一），黏膜愈合预测模型的自变量包括患者病程、HBI评分、溃疡大小、使用英夫利昔单克隆抗体治疗及使用5-ASA治疗，黏膜愈合预测模型的因变量为患者的黏膜愈合率；以多因素二元logistic回归分析得到的回归系数作为权重，黏膜愈合预测模型以列线图形式表示。
如图1，列线图包括得分标尺、总分标尺、患者病程标尺、HBI评分标尺、溃疡大小标尺、使用英夫利昔单克隆抗体治疗标尺、使用5-ASA治疗标尺、黏膜愈合率标尺。其中，黏膜愈合率=0.222*HBI指标+0.255*溃疡大小指标+0.160*IFX指标+0.276*5-ASA指标+0.088*病程指标，其中，HBI评分≤8分，HBI指标取值为1，否则取值0；溃疡面积≤0.5cm，溃疡指标取值1，否则取值0；使用英夫利昔单克隆抗体治疗，IFX指标标记1，否则标记0；病程≤10月，病程指标取值1，否则取值0；使用5-ASA治疗，5-ASA指标取值0，否则取值1。
得分标尺平均划分刻度，刻度值范围为0～100。
总分标尺平均划分刻度，刻度值范围为0～450。
黏膜愈合率标尺刻度值范围为0.05～0.95，总分0对应的黏膜愈合率为0.05，总分400对应的黏膜愈合率为0.95。
病程标尺有两个刻度值，分别对应病程>10月、病程≤10月，患者病程>10月 对应的评分为0，病程≤10 月 对应的评分为47.5。
HBI评分标尺有两个刻度值，分别对应HBI评分>8分 、HBI评分≤8分，患者HBI评分>8分对应的评分为0，HBI评分≤8分对应的评分为75。
溃疡大小标尺有两个刻度值，分别对应溃疡>0.5cm、溃疡≤0.5cm，患者溃疡>0.5cm对应的评分为0，溃疡≤0.5cm对应的评分为90。
使用英夫利昔单克隆抗体治疗标尺有两个刻度值，分别对应是、否，患者使用英夫利昔单克隆抗体治疗对应的评分为57.5，未使用英夫利昔单克隆抗体治疗对应的评分为0。
使用5-ASA治疗标尺有两个刻度值，分别对应是、否，患者使用5-ASA治疗对应的评分为0，未使用5-ASA治疗对应的评分为100。
基于对前述331例患者组成的训练队列的预测研究，本实施例的黏膜愈合预测模型显示出比较好的预测克罗恩病患者治疗后达到黏膜愈合率的能力。如图2，模型在训练队列中的C指数达0.788 (95% CI, 0.74-0.84)。依据已建立的训练队列中构建ROC曲线，应用受试者工作特性（ROC）曲线下面积（AUC）接近0.8。如图3中左图所示，校正曲线图中实线与虚线拟合良好，表明该预测模型精度较高。如图4所示，成功构建临床决策曲线(DCA)显示拟合度良好，该曲线表明：当黏膜愈合的阈值概率波动于20-90%时，在该区间内应用该模型进行干预使得患者受益更多。
引入60例克罗恩病患者组成验证队列进行对比验证。验证队列患者与训练队列患者相比，在确诊年龄、吸烟史、家族史、病程、腹部手术史方面均无明显差异。但在其它部分指标中，验证队列与训练队列在人口统计学基线特征上存在一些不同，包括：验证队列患者平均HBI评分低于训练组(验证队列比训练队列：5.74比7.1)，但差异无统计学意义。根据蒙特利尔分型，验证队列内镜检查显示为B1型(非狭窄非穿透型) 患者的比例(81.7%)高于训练组(59.8%)。验证队列中使用英夫利西单克隆抗体治疗的患者比例更高(验证队列比训练队列：50% versus 35%)。验证队列中有29例患者(48.3%)达到了黏膜愈合的治疗目标，与黏膜愈合相关的变量(P＜0.05)包括HBI评分、溃疡大小和使用英夫利西单克隆抗体治疗。
如图2，模型在验证队列中的C指数达0.785 (95% CI, 0.68-0.90)。依据已建立的训练队列中构建ROC曲线，应用受试者工作特性（ROC）曲线下面积（AUC）与训练集一样接近0.8。如图3，验证队列的校准曲线图显示实线部分低于虚线，但仍与虚线接近，表现不如训练队列完美。
本发明通过回顾性多因素回归分析，成功建立克罗恩病患者肠黏膜愈合的列线图预测模型，用于预测克罗恩病患者治疗后达到黏膜愈合的概率。该模型经过内外部验证，其预测指数表现良好。运用此模型可获得患者黏膜愈合的量化概率，根据概率大小可帮助医生在日常临床实践中简单快速地预测患者达标治疗目标的可能性，有效协助下一步治疗方案的决策，让患者达到最佳治疗效果。
除上述实施例外，本发明还可以有其他实施方式。凡采用等同替换或等效变换形成的技术方案，均落在本发明要求的保护范围。

Claims (10)

1.一种克罗恩病患者黏膜愈合预测方法，其特征在于包括如下步骤：
基于大量临床数据对黏膜愈合预测问题进行多因素二元逻辑回归分析，根据影响黏膜愈合率的各因素的回归系数的大小筛选出自变量，将黏膜愈合率作为因变量，构建列线图形式的黏膜愈合预测模型，所述自变量包括病程、HBI评分、溃疡大小、使用英夫利昔单克隆抗体治疗或使用5-ASA治疗；
利用列线图，根据各自变量取值按回归结果权重进行评分，然后将各个评分相加得到总评分，最后通过总评分确定黏膜愈合率预测值。
2.如权利要求1所述的克罗恩病患者黏膜愈合预测方法，其特征在于所述黏膜愈合率=0.222*HBI指标+0.255*溃疡大小指标+0.160*IFX指标+0.276*5-ASA指标+0.088*病程指标，其中，HBI评分≤8 分，HBI指标取值为1，否则取值0；溃疡面积≤0.5cm，溃疡指标取值1，否则取值0；使用英夫利昔单克隆抗体治疗，IFX指标标记1，否则标记0；病程≤10月，病程指标取值1，否则取值0；使用5-ASA治疗，5-ASA指标取值0，否则取值1。
3.如权利要求1或2所述的克罗恩病患者黏膜愈合预测方法，其特征在于所述病程标尺有两个刻度值，分别对应病程>10月、病程≤10月，病程>10月对应的评分为0，病程≤10月对应的评分为47.5。
4.如权利要求1或2所述的克罗恩病患者黏膜愈合预测方法，其特征在于所述HBI评分标尺有两个刻度值，分别对应HBI评分>8分 、HBI评分≤8分，HBI评分>8分对应的评分为0，HBI评分≤8分对应的评分为75。
5.如权利要求1或2所述的克罗恩病患者黏膜愈合预测方法，其特征在于所述溃疡大小标尺有两个刻度值，分别对应溃疡面积>0.5cm、溃疡面积≤0.5cm，溃疡面积>0.5cm对应的评分为0，溃疡面积≤0.5cm对应的评分为90。
6.如权利要求1或2所述的克罗恩病患者黏膜愈合预测方法，其特征在于所述使用英夫利昔单克隆抗体治疗标尺有两个刻度值，分别对应是、否，使用英夫利昔单克隆抗体治疗对应的评分为57.5，未使用英夫利昔单克隆抗体治疗对应的评分为0。
7.如权利要求1或2所述的克罗恩病患者黏膜愈合预测方法，其特征在于所述使用5-ASA治疗标尺有两个刻度值，分别对应是、否，使用5-ASA治疗对应的评分为0，未使用5-ASA治疗对应的评分为100。
8.如权利要求1或2所述的克罗恩病患者黏膜愈合预测方法，其特征在于所述得分标尺平均划分刻度，刻度值范围为0～100。
9.如权利要求1或2所述的克罗恩病患者黏膜愈合预测方法，其特征在于所述总分标尺，所述总分标尺平均划分刻度，刻度值范围为0～450。
10.一种克罗恩病患者黏膜愈合预测模型，其特征在于所述黏膜愈合预测模型基于多因素二元逻辑回归分析方法构建，所述黏膜愈合预测模型的自变量包括患者病程、HBI评分、溃疡大小、使用英夫利昔单克隆抗体治疗及使用5-ASA治疗，所述黏膜愈合预测模型的因变量为患者的黏膜愈合率；以多因素回归分析得到的回归系数作为权重，所述黏膜愈合预测模型以列线图形式表示；所述列线图包括得分标尺、总分标尺、患者病程标尺、HBI评分标尺、溃疡大小标尺、使用英夫利昔单克隆抗体治疗标尺、使用5-ASA治疗标尺、黏膜愈合率标尺；所述黏膜愈合率=0.222*HBI指标+0.255*溃疡大小指标+0.160*IFX指标+0.276*5-ASA指标+0.088*病程指标，其中，HBI评分≤8分 ，HBI指标取值为1，否则取值0；溃疡面积≤0.5cm，溃疡指标取值1，否则取值0；使用英夫利昔单克隆抗体治疗，IFX指标标记1，否则标记0；病程≤10月，病程指标取值1，否则取值0；使用5-ASA治疗，5-ASA指标取值0，否则取值1。
CN202210523729.1A 2022-05-13 2022-05-13 一种克罗恩病患者黏膜愈合预测模型及方法 Pending CN114974595A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210523729.1A CN114974595A (zh) 2022-05-13 2022-05-13 一种克罗恩病患者黏膜愈合预测模型及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210523729.1A CN114974595A (zh) 2022-05-13 2022-05-13 一种克罗恩病患者黏膜愈合预测模型及方法

Publications (1)

Publication Number Publication Date
CN114974595A true CN114974595A (zh) 2022-08-30

Family

ID=82983299

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210523729.1A Pending CN114974595A (zh) 2022-05-13 2022-05-13 一种克罗恩病患者黏膜愈合预测模型及方法

Country Status (1)

Country Link
CN (1) CN114974595A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116631510A (zh) * 2022-10-28 2023-08-22 中国人民解放军军事科学院军事医学研究院 一种用于鉴别诊断克罗恩病和溃疡性结肠炎的装置

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170360926A1 (en) * 2014-12-24 2017-12-21 Millennium Pharmaceuticals, Inc. PREDICTING OUTCOME OF TREATMENT WITH AN ANTI-alpha4beta7 INTEGRIN ANTIBODY
CN110634573A (zh) * 2019-09-27 2019-12-31 南昌大学第一附属医院 一种临床脑梗患者复发风险预警评分可视化模型系统及其评价方法
CN112002427A (zh) * 2020-10-09 2020-11-27 重庆医科大学 失代偿期肝硬化合并感染危险预测模型的构建方法
CN112216388A (zh) * 2020-09-29 2021-01-12 北京大学第三医院（北京大学第三临床医学院） 一种子宫内膜异位症相关卵巢癌的风险预测模型和风险预测系统
CN112336358A (zh) * 2020-04-30 2021-02-09 中山大学孙逸仙纪念医院 一种预测致密型乳腺的乳腺病灶恶性风险模型及其构建方法
CN112635056A (zh) * 2020-12-17 2021-04-09 郑州轻工业大学 基于Lasso的食管鳞癌患者风险预测列线图模型建立方法
CN112837819A (zh) * 2021-01-20 2021-05-25 尹丽君 建立冠状动脉旁路移植术后急性肾损伤预测模型的方法
CN113470814A (zh) * 2021-06-29 2021-10-01 首都医科大学附属北京佑安医院 检测alr、nlr、plr和anri的物质在预测血管侵犯发生风险中的应用
CN113643809A (zh) * 2021-08-05 2021-11-12 上海市第六人民医院 基于人体成分的2型糖尿病预测方法及系统
CN113707319A (zh) * 2021-08-30 2021-11-26 西安交通大学医学院第一附属医院 一种一氧化碳中毒迟发性脑病预测模型的构建方法
CN114141376A (zh) * 2021-11-12 2022-03-04 蚌埠医学院第一附属医院 基于vegfa的her2阴性晚期胃癌患者一线化疗疗效预测模型及其应用

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170360926A1 (en) * 2014-12-24 2017-12-21 Millennium Pharmaceuticals, Inc. PREDICTING OUTCOME OF TREATMENT WITH AN ANTI-alpha4beta7 INTEGRIN ANTIBODY
CN110634573A (zh) * 2019-09-27 2019-12-31 南昌大学第一附属医院 一种临床脑梗患者复发风险预警评分可视化模型系统及其评价方法
CN112336358A (zh) * 2020-04-30 2021-02-09 中山大学孙逸仙纪念医院 一种预测致密型乳腺的乳腺病灶恶性风险模型及其构建方法
CN112216388A (zh) * 2020-09-29 2021-01-12 北京大学第三医院（北京大学第三临床医学院） 一种子宫内膜异位症相关卵巢癌的风险预测模型和风险预测系统
CN112002427A (zh) * 2020-10-09 2020-11-27 重庆医科大学 失代偿期肝硬化合并感染危险预测模型的构建方法
CN112635056A (zh) * 2020-12-17 2021-04-09 郑州轻工业大学 基于Lasso的食管鳞癌患者风险预测列线图模型建立方法
CN112837819A (zh) * 2021-01-20 2021-05-25 尹丽君 建立冠状动脉旁路移植术后急性肾损伤预测模型的方法
CN113470814A (zh) * 2021-06-29 2021-10-01 首都医科大学附属北京佑安医院 检测alr、nlr、plr和anri的物质在预测血管侵犯发生风险中的应用
CN113643809A (zh) * 2021-08-05 2021-11-12 上海市第六人民医院 基于人体成分的2型糖尿病预测方法及系统
CN113707319A (zh) * 2021-08-30 2021-11-26 西安交通大学医学院第一附属医院 一种一氧化碳中毒迟发性脑病预测模型的构建方法
CN114141376A (zh) * 2021-11-12 2022-03-04 蚌埠医学院第一附属医院 基于vegfa的her2阴性晚期胃癌患者一线化疗疗效预测模型及其应用

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
周辉等: "急性缺血性卒中患者入院时临床资料对患者短期预后结局的预测模型建立", 《实用医学杂志》 *
胡品津: "克罗恩病治疗新目标:黏膜愈合", 《胃肠病学》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116631510A (zh) * 2022-10-28 2023-08-22 中国人民解放军军事科学院军事医学研究院 一种用于鉴别诊断克罗恩病和溃疡性结肠炎的装置
CN116631510B (zh) * 2022-10-28 2024-01-12 中国人民解放军军事科学院军事医学研究院 一种用于鉴别诊断克罗恩病和溃疡性结肠炎的装置

Similar Documents

Publication Publication Date Title
Routh et al. Contemporary epidemiology and characterization of newborn males with prune belly syndrome
Bork et al. Hereditary angioedema: new findings concerning symptoms, affected organs, and course
Lakusta et al. Quality of life in ovarian cancer patients receiving chemotherapy
Celani et al. Spinal cord injury in Italy: a multicenter retrospective study
Clemens et al. Prevalence of and risk factors for prostatitis: population based assessment using physician assigned diagnoses
North et al. Trends in incidence and long-term outcomes of myelomeningocele in British Columbia
Mehta et al. Beyond cardioversion, ablation and pharmacotherapies: risk factors, lifestyle change and behavioral counseling strategies in the prevention and treatment of atrial fibrillation
CN115153445A (zh) 腹腔镜肝切除治疗肝内胆管癌的远期预后的动态列线图模型构建方法、系统及应用
CN114974595A (zh) 一种克罗恩病患者黏膜愈合预测模型及方法
CN115240855A (zh) 一种胃癌切除术后严重并发症护理风险预测模型及其构建方法
Zhai et al. Predicting success of direct endoscopic necrosectomy with lumen-apposing metal stents for pancreatic walled-off necrosis
Schoenfeld et al. Validity of STONE scores in younger patients presenting with suspected uncomplicated renal colic
Birkhahn et al. Classifying patients suspected of appendicitis with regard to likelihood
Linker et al. Racial disparities in arthroscopic rotator cuff repair: an analysis of utilization and perioperative outcomes
Wang et al. Symptomatic recurrence rate of upper urinary tract calculi in children after endourological procedures
Roth et al. Delay in transfer to inpatient stroke rehabilitation: the role of acute hospital medical complications and stroke characteristics
Wang et al. Development and validation of a nomogram for decannulation in patients with neurological injury: A prognostic accuracy study
Menchén Transmural or mucosal healing in Crohn´ s disease. Which is the goal to be pursued?
RU2820459C1 (ru) Способ прогнозирования течения пневмонии у пациентов с подтвержденным COVID-19
Pena-Orbea et al. Sex-specific differences in diagnostic approaches of inpatient sleep testing for obstructive sleep apnea
RU2770552C1 (ru) Способ прогнозирования респираторных последствий бронхолегочной дисплазии у детей
Pengo et al. Blood pressure effects of obstructive sleep apnea treatment by continuous positive airway pressure: systematic review, metaanalysis and evaluation of phenotypes predicting response
RU2696763C1 (ru) Способ количественной оценки реабилитационного потенциала у пациентов после коронарного шунтирования на II этапе кардиологической реабилитации
Naiyananon et al. Predictors of high maintenance prostaglandin E1 doses in neonates with critical congenital heart disease-ductal-dependent pulmonary circulation during preoperative care
RU2766168C1 (ru) Способ прогнозирования степени риска формирования пролапса тазовых органов у женщин

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20220830

RJ01 Rejection of invention patent application after publication