Published online 2025-12-28. doi: 10.11569/wcjd.v33.i12.1013
修回日期: 2025-12-06
接受日期: 2025-12-12
在线出版日期: 2025-12-28
慢性便秘的发生与代谢、心理及盆底功能等多因素互相关联, 这是构建预测模型的理论基础. 本研究假设: 病程、糖尿病、抑郁程度及生物反馈治疗史等因素可共同影响药物反应性, 从而用于建立可靠的个体化预测模型.
探讨慢性便秘患者药物难治性的危险因素, 构建并验证个体化预测模型, 为临床早期识别高危患者提供依据.
回顾性分析2020-01/2024-12在金华市婺城区人民医院消化内科就诊的300例慢性便秘患者的临床资料. 采用LASSO回归筛选预测变量, 通过多因素Logistic回归分析建立预测模型. 将数据按7:3比例随机分为训练集(n = 211)和验证集(n = 89), 采用受试者工作特征曲线评估模型的区分度, 校准曲线评估模型的校准度, 决策曲线分析(decision curve analysis, DCA)评估模型的临床净收益. 构建列线图用于临床应用.
多因素Logistic回归分析显示, 病程[比值比(odds ratio, OR) = 1.04, 95%CI: 1.00-1.08, P = 0.038]、糖尿病(OR = 3.46, 95%CI: 1.76-6.82, P<0.001)、抑郁评分(OR = 1.14, 95%CI: 1.08-1.20, P<0.001)是慢性便秘药物难治性的独立危险因素, 生物反馈治疗史(OR = 0.31, 95%CI: 0.14-0.65, P = 0.002)是保护因素. 预测模型在训练集和验证集的曲线下面积分别为0.775(95%CI: 0.712-0.838)和0.740(95%CI: 0.634-0.846), 显示出良好的区分度. 校准曲线显示模型预测概率与实际发生率吻合度较好. DCA显示该模型具有较高的临床净收益.
基于病程、糖尿病、抑郁评分和生物反馈治疗史构建的预测模型对慢性便秘药物难治性具有较好的预测价值, 可为临床个体化治疗决策提供参考.
核心提要: 本研究首次将病程、糖尿病、抑郁评分与生物反馈治疗史整合, 构建并验证了药物难治性慢性便秘的个体化预测模型, 具有良好区分度和临床实用性. 该模型可帮助临床提前识别高危患者, 优化治疗策略, 为精准管理慢性便秘提供新的工具.