摘要

目的 构建慢性阻塞性肺疾病急性加重(AECOPD)风险预测列线图模型并开发其网络计算器。方法 回顾性选取2021年1月—2023年6月安徽医科大学附属六安医院收治的慢性阻塞性肺疾病稳定期(SCOPD)患者155例为研究对象。根据患者AECOPD发生情况，将其分为AECOPD组(108例)和非AECOPD组(47例)。采用ROC曲线确定血小板计数(PLT)、平均血小板体积(MPV)、血小板分布宽度(PDW)预测SCOPD患者发生AECOPD的最佳截断值并评估患者血小板指数评分(PIS)；采用多因素Logistic回归分析探讨SCOPD患者发生AECOPD的影响因素；基于多因素Logistic回归分析结果构建AECOPD风险预测列线图模型；通过ROC曲线和决策曲线评估该列线图模型的区分度和临床适用性；使用R 4.0.3软件的DynNom包开发AECOPD风险预测网络计算器。结果 AECOPD组年龄、MPV、PDW大于非AECOPD组，有糖尿病者占比、改良英国医学研究委员会(mMRC)分级评分、C反应蛋白(CRP)、纤维蛋白原(FIB)、D-二聚体(D-D)、PLT高于非AECOPD组，血红蛋白(Hb)低于非AECOPD组，凝血酶原时间(PT)短于非AECOPD组，活化部分凝血活酶时间(APTT)长于非AECOPD组(P<0.05)。ROC曲线分析结果显示，PLT、MPV、PDW预测SCOPD患者发生AECOPD的最佳截断值分别为203.4×10～9/L、10.4 fl、12.5%。根据PLT、MPV、PDW预测SCOPD患者发生AECOPD的最佳截断值评估患者PIS。AECOPD组PIS高于非AECOPD组(P<0.05)。多因素Logistic回归分析结果显示，年龄、CRP、Hb、FIB、PIS是SCOPD患者发生AECOPD的独立影响因素(P<0.05)。基于多因素Logistic回归分析结果构建AECOPD风险预测列线图模型。ROC曲线分析结果显示，该列线图模型预测SCOPD患者发生AECOPD的AUC为0.975〔95%CI(0.936～0.993)〕。决策曲线分析结果显示，当阈值概率>0.062时，该列线图模型的临床净获益>0。基于AECOPD风险预测列线图模型开发其网络计算器(https://npmcls.shinyapps.io/DynNomapp1/)。结论 年龄、CRP、Hb、FIB、PIS是SCOPD患者发生AECOPD的独立影响因素，本研究基于上述影响因素构建的AECOPD风险预测列线图模型的区分度较高，且具有较好的临床适用性，同时开发了AECOPD风险预测网络计算器。

关键词