数据收集与预处理
获取ATAAD患者入院24小时内的临床数据，并处理缺失值，为模型构建准备数据集。
回顾性纳入2010年1月至2020年12月于四川大学华西医院诊断的ATAAD患者，收集人口统计学、临床表现、实验室检查等数据，并排除缺失数据超过阈值的患者。
关于丁香通
公司信息
个人用户
企业机构
无忧采购 轻松科研
- 移动端
基于多元临床数据的质心回归用于急性A型主动脉夹层术前风险评估
Centroid Regression for Preoperative Risk Assessment of Acute Type A Aortic Dissection Based on Multivariate Clinical Data
实验完整度
低回顾性队列研究，构建质心回归预测模型，并进行10折交叉验证，未涉及体外或动物实验，验证层级为临床数据建模与统计分析。
主要模型
361例急性A型主动脉夹层患者队列 训练集（253例） 测试集（108例）
重点核对
质心回归模型的最终25个变量（包括胸痛、呼吸困难、α受体阻滞剂使用等） 模型超参数（如初始步长δ0、终止步长ε、步长缩减系数κ）未在文中给出具体值 训练集与测试集划分比例（7:3）及伪随机算法 10折交叉验证结果 筛选变量时设定的截断值（如ALT>60 U/L、AST>60 U/L、LDH>360 U/L）
摘要
背景/目标：急性A型主动脉夹层（ATAAD）术前死亡率高，基于临床可获取数据的可解释多变量模型对于临床风险分层至关重要。方法：本研究数据来源于四川大学华西医院。采用质心回归构建预测模型，以逻辑回归、分类回归树、可解释提升机、极限梯度提升作为参考。通过迭代选择、文献回顾和临床经验筛选变量。模型性能通过准确率、敏感性、精确率、约登指数、AUROC和AUPRC评估。结果：361例ATAAD患者首次入院后24小时内的生命体征和检查结果纳入最终分析。在测试集中，质心回归优于逻辑回归，准确率（90.7% vs. 81.5%）、敏感性（0.813 vs. 0.741）、特异性（0.983 vs. 0.900）、约登指数（0.796 vs. 0.641）、AUROC（受试者工作特征曲线下面积，0.953 vs. 0.843）和AUPRC（精确率-召回率曲线下面积，0.978 vs. 0.863）。结果显示，使用α受体阻滞剂（权重w = −1.20）和氢氯噻嗪（w = −1.20），临床特征如呼吸困难（w = −0.94）、胸痛（w = 0.91）和乳酸脱氢酶（w = −0.95）是对模型预测影响最大的变量。结论：质心回归模型不仅具有相对较高的预测性能和可解释性，而且易于在医院系统中实施，为ATAAD术前风险分层提供了实用且经济有效的工具。关键词：质心回归，急性A型主动脉夹层，分类模型，死亡风险。
实验结论
提炼研究问题、关键发现与证据，快速把握文章的核心贡献。
- 研究问题
- 如何基于临床可获取的数据，构建一个可解释且高效的术前死亡风险预测模型，用于急性A型主动脉夹层患者的风险分层。
- 核心机制
- 质心回归模型通过电场迭代算法确定数据质心，利用样本到质心的欧氏距离作为风险评分，其权重和梯度提供了全局和局部可解释性。
- 主要证据
- 在361例患者（209例死亡）的数据上，质心回归在测试集上达到准确率90.7%、AUROC 0.953，显著优于逻辑回归；变量权重显示α受体阻滞剂、氢氯噻嗪、呼吸困难、胸痛和LDH对预测影响最大。
- 研究意义
- 该模型可易于整合进医院电子病历系统，为发展中国家术前等待时间较长的ATAAD患者提供标准化的分流分层工具，帮助优先识别高风险患者，优化医疗资源分配。
研究路径
按研究推进顺序梳理实验设计、验证步骤与关键观察。
变量筛选
从多个候选变量中筛选出对术前死亡风险预测有贡献的关键变量，以避免过拟合并提高模型可解释性。
采用迭代自选择过程，通过模型准确率判断变量是否加入特征集，并结合文献支持、临床专家意见及缺失率、阳性率等标准确定最终变量。
模型训练
使用电场迭代算法训练质心回归模型，确定数据质心位置，为预测提供决策边界。
基于预处理后的样本坐标和电荷，设置初始点（P0）、初始步长（δ0）、终止步长（ε）和步长缩减系数（κ），迭代更新位置至达到终止条件，得到最终数据质心。
模型测试与性能评估
评估质心回归模型在测试集上的预测性能，并与逻辑回归、CART、EBM、XGBoost等模型进行比较。
计算测试样本到质心的欧氏距离作为特征值，与截断值比较进行分类；采用准确率、敏感性、特异性、约登指数、AUROC和AUPRC等指标评估模型性能。
稳健性验证
通过10折交叉验证评估模型的稳定性和泛化能力。
将数据集随机分为10折，约等大小，每折依次作为验证集，其余用于训练，计算各折性能指标及均值、标准差和95%置信区间。
可解释性分析
量化每个变量对预测结果的贡献，增强模型的临床可信任度。
根据质心坐标计算二分类变量的权重（wi = 2Ci - 1），连续变量的梯度（∂d/∂Xj），并绘制列线图可视化变量权重。
研究方法
按研究目的归类文中使用的方法，便于定位所需技术。
产品清单
| 实验环节 | 名称 | 品牌 | 货号 |
|---|---|---|---|
| 统计分析 | IBM SPSS 统计软件 | IBM | Version |
关键环节
汇总复现实验时建议重点确认的条件及原文阅读提示。
| 环节 | 核对要点 |
|---|---|
| 数据收集 | 患者样本量（361例），纳入时间（2010-2020年），数据来源（华西医院），缺失数据排除标准（缺失率>5%），死亡定义（术前死亡） 阅读提示：Methods 2.1 和 Results 3.1 |
| 数据预处理 | 变量标准化公式的具体转换函数T（如AST>60、ALT>60、LDH>360），缺失值处理方式（直接排除而非插补） 阅读提示：Methods 2.2.1 和 Discussion |
| 变量筛选 | 迭代选择的具体过程（随机排序、增益判断）、纳入排除标准（变量缺失率、阳性率、文献支持、临床经验、模型贡献） 阅读提示：Methods 2.2.2 和 Figure 1 |
| 模型训练 | 初始步长δ0、终止步长ε、步长缩减系数κ的具体值，初始点P0的选取方法，迭代终止条件 阅读提示：Methods 2.2.3 和 Figure 2 |
| 模型测试 | 测试集划分比例（7:3），标准化函数的具体应用，截断值的具体数值 阅读提示：Methods 2.2.4 和 Table 6 |
| 模型评估 | 性能指标（准确率、敏感性、特异性、约登指数、AUROC、AUPRC）的计算方法，10折交叉验证的折数及划分 阅读提示：Methods 2.2.5 和 Section 3.4 |