一种基于临床与遗传信息的改进型糖尿病足溃疡愈合预测模型

目的：本研究旨在利用全面的预测建模工具及现有遗传信息，尝试提升简单临床模型在预测糖尿病足溃疡（DFU）愈合方面的性能。方法：我们采用了一项队列研究（n=206），该研究纳入了临床因素、循环内皮祖细胞（CEPCs）的测量数据以及NOS1AP基因的精细测序结果。通过统计与机器学习技术，我们从患者层面的信息中提取并筛选出相关预测特征，随后运用机器学习方法构建预后模型并评估其预测性能。研究呈现形式符合TRIPOD规范要求。结果：基于基线临床数据与CEPCs数据的模型，其受试者工作特征曲线下面积（AUC）为0.73（0.66-0.80）；仅使用NOS1AP基因单核苷酸多态性（SNPs）的模型AUC为0.67（95%置信区间CI：[0.59-0.75]）；而整合基线数据与SNPs信息的模型则实现了AUC的显著提升（0.80，95% CI [0.73-0.87]）。创新点：我们通过严谨的分析论证了遗传信息在DFU愈合预测中的潜力，并提出了一个运用先进统计与生物信息学技术构建优质预后模型的框架，同时筛选出具有潜在预测价值的SNPs以供后续研究。结论：本研究建立了新的预测性能基准，为未来预测模型的比较提供了参照。此类模型将帮助创面护理专家更精准预测患者愈合可能性，并协助临床试验设计者针对可能愈合或不愈合的受试者制定治疗方案评估研究。