用于女性偏头痛患者分流和临床决策的偏头痛患者卵圆孔未闭风险预测模型

• Published in: 复旦学报（医学版） Vol. 51; no. 4; pp. 505 - 514
• Main Authors: 张晓春, 范家宁, 朱丽, 张峰, 林大卫, 王婉凌, 潘文志, 周达新, 葛均波
• Format: Journal Article
• Language: Chinese
• Published: 复旦大学附属中山医院心内科 上海 200032%复旦大学附属金山医院心内科 上海 201508%美国东北大学数据分析系 波士顿 02115 2024
• Subjects: migraine; prediction model; 机器学习; 预测模型; predictor; 卵圆孔未闭(PFO); patent foramen ovale(PFO); machine learning; 偏头痛; 预测因子
• ISSN: 1672-8467
• DOI: 10.3969/j.issn.1672-8467.2024.04.007

R747.2; 目的 探究合并卵圆孔未闭(patent foramen ovale,PFO)女性偏头痛患者的临床特征并设计女性偏头痛患者PFO风险预测模型(migraineur PFO risk prediction model,MPRPM).方法 选取 2019年 6月 1日至 2022年12月31日期间于复旦大学附属中山医院就诊的女性偏头痛患者.收集患者术前信息以及停药后的随访结果,并根据食管超声结果,将患者分为PFO阳性组和PFO阴性组.构建多因素Logistic回归模型和随机森林模型并对其多维度验证.根据准确率下降系数(mean decrease accuracy,MDA)筛选关键特征并构建MPRRM.结果 共纳入305名女性患者,其中PFO阳性组204人,PFO阴性组101人,多因素Logistic回归分析显示,偏头痛发病年龄、发作频率、发作时严重影响生活、运动相关性头痛、月经引起的头痛、先兆性偏头痛和隐源性脑卒中病史是PFO阳性患者的预测因素.随机森林模型可以预测女性偏头痛患者PFO发病率,其AUC为 0.895(95%CI:0.847～0.943).MPRPM的灵敏度为 71.6%,特异度为 91.1%(AUC:0.862,95%CI:0.818～0.906,P<0.001).最佳临界值为 2.5分.模型分类正确的患者症状改善率高于分类不正确的患者(94.3%vs.82.0%,P=0.023).结论 确定了女性偏头痛患者合并PFO的预测因素.MPRPM可为女性偏头痛患者的诊断过程和治疗决策提供指导,辅助偏头痛患者就诊分流,减轻医疗负担.