高度近视继发脉络膜病变的相关因素Logistic回归分析及风险模型构建
目的 基于Logistic回归分析高度近视继发脉络膜病变(脉络膜萎缩及脉络膜新生血管病灶)的影响因素,并根据相关因素构建Nomogram风险预测模型,可为临床治疗提供指导.方法 选取2021年1月至2023年1月北京积水潭医院收治的340例(680眼)高度近视患者为研究对象,随机分为A组(170例340眼)、B组(170例340眼).比较两组患者脉络膜病变发生率,在A组、B组中,根据是否发生脉络膜病变分为a组、b组两个亚组,多因素Logistic回归分析高度近视继发脉络膜病变的影响因素.根据影响因素构建高度近视继发脉络膜病变的Nomogram风险预测模型并进行外部验证.结果 在A组、B组中,a组患者年龄、糖尿病占比、眼轴长度、血清转化生长因子-β1(TGF-β1)水平均高于b组,屈光度均低于b组(均为P＜0.05).Logistic回归分析结果显示,年龄、糖尿病、眼轴长度、血清TGF-β1水平为高度近视继发脉络膜病变的独立危险因素,屈光度为其保护因素(均为P＜0.05).年龄、糖尿病、眼轴长度、血清TGF-β1水平均为高度近视继发脉络膜病变正相关危险因素,屈光度为其负相关危险因素(均为P＜0.05).Nomogram风险预测模型预测高度近视继发脉络膜病变的AUC为0.818,且校准度良好.结论 年龄、糖尿病、眼轴长度、屈光度、血清TGF-β1水平为高度近视继发脉络膜病变的影响因素,据此构建的Nomogram风险预测模型对高度近视继发脉络膜病变具有一定预测价值,临床应依据该模型制定治疗方案,以降低继发脉络膜病变发生风险.
高度近视、脉络膜萎缩、脉络膜新生血管病灶、Logistic回归、Nomogram模型、转化生长因子-β1
44
R778(眼科学)
2024-01-19（万方平台首次上网日期，不代表论文的发表时间）
共6页
52-57
