10.16138/j.1673-6087.2022.04.010
钙化性主动脉瓣膜病的生物标志物预测模型的构建
目的:通过分析新的血清标志物与钙化性主动脉瓣膜病(calcific aortic valve disease,CAVD)关系,建立新的生物标志物预测模型,用于预测CAVD.方法:收集446例心内科住院患者外周血及临床资料,通过SPSS20.0将患者按简单随机法分为筛查队列(n=202)和验证队列(n=244),酶联免疫吸附法检测胰高血糖素样肽1(glucagon-like peptide-1,GLP-1)和骨桥蛋白(osteopontin,OPN)血清浓度.通过分析筛查队列中各因子及临床变量与CAVD的关系,其后在验证队列中加以验证,构建CAVD预测模型.结果:二元回归分析显示,筛查队列中多个因素与CAVD显著相关,最终确定高密度脂蛋白胆固醇(high density lipoprotein cholesterol,HDL-C)、GLP-1及OPN纳入预测模型,并绘制列线图.通过C统计量[筛查队列:0.73(95％ 置信区间:0.66～0.80),验证队列0.70:(95％ 置信区间:0.64～0.77)]及Hosmer-Lemeshow检验(筛查队列:P=0.14,验证队列:P=0.23)发现在筛查和验证队列中模型的区分度和一致性均表现良好.决策曲线分析显示,生物标志物模型比临床因素模型具有更高的净效益.此外,该模型在不同性别及年龄组仍具良好鉴别性.结论:GLP-1、OPN及HDL-C水平与CAVD具明显相关性.基于此,成功构建并验证了一种CAVD预测模型,该模型鉴别能力和准确性均表现良好,为预测CAVD提供可能.
钙化性主动脉瓣膜病、生物标志物、预测模型、胰高血糖素样肽1、骨桥蛋白
17
R542.5(心脏、血管（循环系）疾病)
国家自然科学基金82070401
2022-08-01（万方平台首次上网日期，不代表论文的发表时间）
共6页
324-329
