基于Web的动态Nomogram结合内部验证对急性心力衰竭患

这是一篇关于基于Web的动态Nomogram结合内部验证对急性心力衰竭患的思维导图，主要内容包括：补充材料，表不如图，字不如表，摘要，题目。

基于Web的动态Nomogram结合内部验证对急性心力衰竭患者进行生存预测：一项前瞻性队列研究

• 题目
  • A Survival Prediction for Acute Heart Failure Patients via Web-Based Dynamic Nomogram with Internal Validation: A Prospective Cohort Study
• 摘要
  • 背景/目的
    • N末端脑钠肽前体( N-terminal pro-brain natriuretic peptide，NT-pro BNP )
    • 生长刺激表达基因2蛋白( growth stimulation expressed gene 2 protein，ST2 )
    • 急性心力衰竭( acute heart failure，AHF )
    • 建立一个包含 NT-pro BNP 和 ST2 等临床特征的 AHF 患者全因死亡风险的简便、准确的预后动态列线图模型
  • 方法
    • 前瞻性地研究了537例连续的AHF患者，并推导出临床预测模型
    • 所有受试者( n = 537 )被分配随机数，并根据3：1的比例随机分为建模( 74.9 % , n = 402)和验证( 25.1 % , n = 135)队列
    • 采用最小绝对收缩和选择算子回归模型结合临床特征进行降维和特征选择
    • 采用多因素Cox比例风险分析和" Dynnom "程序包构建预测AHF患者1、2、5年总生存的动态列线图
    • 通过bootstrap验证，时间依赖的一致性指数( C指数)和校准曲线用于评估预测的区分度和准确性
    • NT-proBNP和ST2对列线图的贡献采用 IDI 和 NRI 进行评估
      • 综合判别改善指数( integrated discrimination improvement，IDI )
      • 净重新分类指数( net reclassification improvement，NRI )
    • 决策曲线分析( decision curve analysis，DCA )用于评估临床价值
  • 结果
    • 将患者随机分为建模组( 74.9 % , n = 402)和验证组( 25.1 % , n = 135)
    • 1、2、5年全因死亡的最佳独立预后因素为BS - ACMR
      • B : NT-pro BNP
      • S : ST2型
      • A :年龄
      • C :完全性右束支传导阻滞
      • M :平均动脉压
      • R :红细胞分布宽度> 14.5 %
    • 纳入动态列线图并进行bootstrap验证
    • 推导队列( 0.793 )和验证队列( 0.782 )的C指数与可比性能参数一致
    • 校准曲线显示列线图预测和实际生存之间具有良好的一致性
    • 与忽略这两个因素之一的方案相比，添加NT-proBNP和ST2提供了显著的净效益，并在生存概率的DCA方面改善了其他不足的方案
  • 结论
    • 本研究构建了动态BS - ACMR列线图，为AHF患者提供准确的预后判断，是一种方便、实用、有效的临床决策工具
• 字不如表
  • Table 1
    • 入组AHF患者的人口学特征
      • 开发队验证队列
  • Table 2
    • 通过在模型中加入NT-proBNP和ST2，对60个月全死因死亡率进行综合判别改进和净重分类改进
• 表不如图
  • Figure 1
    • 绘制入组AHF患者、建模队列和验证队列的KM生存曲线
    • 建模队列和验证队列的全因死亡率无显著差异( P = 0.14 )，表明两个队列之间分布均匀，适合进行内部验证
  • Figure 2
    • LASSO回归图
      • 确定了6个最佳预后变量
  • Figure 3
    • 森林图与风险比( HR )为推导队列中最终多变量模型的最佳预后变量
  • Figure 4
    • 从最佳Cox模型获得的BS - ACMR心脏预后列线图预测推导队列中急性心力衰竭的1年、2年和5年总生存率
  • Figure 5
    • 推导队列( A )与验证队列( B )的判别分析
  • Figure 6
    • 列线图校准图预测1 - ( A )、2 - ( B )、5 - ( C )年全因死亡概率
  • Figure 7
    • 列线图的决策曲线
• 补充材料
  • Table S1
    • 共有57个变量参与LASSO回归
  • Figure S1
    • 急性心力衰竭死亡模型流程图
  • Figure S2
    • 限制性立方样条( RCS )模型评估年龄、MAP、RDW、NT-proBNP和ST2与全因死亡风险的非线性关系
      • MAP：平均动脉压
      • RDW：红细胞分布宽度
    • 年龄( P非线性= 0.823)、MAP ( P非线性= 0.421)和RDW ( P非线性= 0.132)与AHF的全因死亡率呈线性相关
    • NT - pro BNP ( P非线性= 0.010)和ST2 ( P非线性< 0.001)呈非线性相关
    • 对于预测的NT - pro BNP和ST2与全因死亡之间的强U型关系
      • 预测的NT - pro BNP和ST2的较低范围内风险显著降低，分别在5582 pg / m L和86 ng / m L附近风险显著增加
  • Figure S3
    • 基于Web的动态列线图用于预测AHF患者的非时间依赖性全因死亡率