Udvikling og validering af en risikoprediktionsmodel for nyopstået diabetes efter pankreatektomi

Nyopstået diabetes er en af de største komplikationer efter pankreatektomi. Uden rettidig diagnose, behandling og ledelse kan det føre til ugunstige udfald som kardiovaskulære og cerebrovaskulære hændelser og alvorlige infektioner, hvilket øger dødeligheden. At flytte ledelsestærsklen fremad, tidlig risikoidenficering og præcis og effektiv intervention er nøglen til dens ledelse.

Eksisterende risikoprædiktionsstudier viser høj heterogenitet på tværs af forskellige befolkningsgrupper og kirurgiske procedurer. Risikofaktorer tilgængelige for tidlig identifikation forbliver uklare, og de fleste inkluderede faktorer er ikke-interventionelle. Der er begrænsninger i studiedesign, modellering og valideringsmetoder, og forskningsresultaterne giver begrænset værdi for at guide risikoprædiktion, forebyggelse og ledelse.

Dette studie anvender et mixed-methods design. Vi analyserer retrospektivt de generelle og kliniske data af patienter, der gennemgik pankreatektomi på to institutioner, følger op på deltagerne for at bestemme forekomsten af postoperativ diabetes og postoperativ selvledelsesstatus, og bruger regressionsanalyse til at identificere uafhængige risikofaktorer for nyopstået diabetes efter operationen.

Vi etablerer separat et nomogrammodel, en random forest-model og en deep learning-model, udfører intern og ekstern validering, sammenligner præstationen af de tre modeller og vælger modellen med optimal klinisk præstation. Baseret på prædiktionsmodellen og evidensbaseret medicin udformer vi interventionsstrategier, evaluerer deres gennemførlighed gennem kliniske forsøg, forfiner interventionspunkterne og etablerer til sidst en præcis interventionsstrategi for nyopstået diabetes efter pankreatektomi for at opnå omfattende, dynamisk, effektiv og præcis ledelse.

Implementering af dette projekt kan reducere forekomsten og bremse progressionen af diabetes efter pankreatektomi, forbedre kliniske udfald, sænke genindlæggelses- og dødelighedsrater, spare samfundets medicinske ressourcer og give beslutningsvejledning og praktisk evidens for forebyggelse og kontrol af kroniske sygdomme.