建立患者队列并收集变量
确定研究对象,收集可能与植皮失败相关的临床和手术变量。
回顾性纳入2024年9月至2025年2月期间在莱斯特大学医院NHS信托整形外科接受皮肤癌切除后植皮(SSG或FTSG)的连续163名成人患者,排除1名失访患者,最终162名。从临床记录中收集人口统计学、合并症、围手术期、肿瘤和手术相关变量。
Development of a Prediction Model for Skin Graft Failure Following Skin Cancer Excision: The GRAFT Score
基于162例患者的单中心回顾性队列,进行单因素和多因素逻辑回归建模,并通过自举法进行内部验证,评估区分度(AUC)和校准度(Hosmer-Lemeshow检验)。
162例皮肤癌切除后接受植皮的患者队列
抗凝治疗使用状态(是/否) 癌症位置(下肢/上肢) 植皮失败定义(>5%植皮丢失,需要延长伤口护理或再次手术) 随访时间(术后2周)
提炼研究问题、关键发现与证据,快速把握文章的核心贡献。
按研究推进顺序梳理实验设计、验证步骤与关键观察。
确定研究对象,收集可能与植皮失败相关的临床和手术变量。
回顾性纳入2024年9月至2025年2月期间在莱斯特大学医院NHS信托整形外科接受皮肤癌切除后植皮(SSG或FTSG)的连续163名成人患者,排除1名失访患者,最终162名。从临床记录中收集人口统计学、合并症、围手术期、肿瘤和手术相关变量。
定义植皮失败结局,并筛选与结局显著相关的候选预测变量。
将植皮失败定义为手术后2周随访时>5%的植皮丢失,需要延长伤口护理或再次手术,作为二分变量。使用单变量逻辑回归分析各预测变量与植皮失败的关联。
基于单因素分析结果,构建包含独立预测因子的简约多变量逻辑回归模型。
将单因素分析中显著且临床相关的变量(抗凝治疗使用和癌症位置)纳入多变量逻辑回归模型,估计调整后的比值比和95%置信区间。
评估模型的区分度和校准度,并通过自举法进行内部验证以评估模型稳定性。
使用AUC评估区分度,使用Hosmer-Lemeshow检验评估校准度。使用1000次自举重采样进行内部验证,重新计算回归系数,评估模型稳定性和乐观度。
将最终模型转化为简单的床旁评分工具,并验证其风险分层效果。
根据回归系数分配分数(抗凝使用=2分,下肢位置=1分),总分范围0-3分。将四级别风险分层重新分组为低、中、高风险组,并计算各组的实际和预测失败率。
按研究目的归类文中使用的方法,便于定位所需技术。
| 实验环节 | 名称 | 品牌 | 货号 |
|---|---|---|---|
| 统计分析 | StataBE 19 | -- | -- |
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 |
|---|---|
| 研究设计和参与者 | 单中心回顾性队列,纳入标准、排除标准、样本量、收集期 阅读提示:Methods: Study Design and Registration, Participants and Source of Data |
| 结局定义 | 植皮失败定义、评估时间点 阅读提示:Methods: Outcome Definition |
| 预测变量 | 选择的预测变量(抗凝治疗使用、癌症位置) 阅读提示:Methods: Predictor Variables |
| 统计分析和模型开发 | 单因素和多因素逻辑回归方法,变量选择标准,模型公式 阅读提示:Methods: Statistical Analysis, Model Development (Results) |
| 内部验证 | 自举重采样次数(1000次),评估的指标 阅读提示:Methods: Statistical Analysis, Internal Validation (Results) |
| 模型性能 | AUC值、Hosmer-Lemeshow检验p值、校准图 阅读提示:Results: Model Performance, Fig. 1 |
| 风险分层 | 评分规则(抗凝=2分,下肢=1分)、风险分组(低0,中1-2,高3)、各风险组观察和预测失败率 阅读提示:Results: Risk Stratification, Tables 3 and 4 |