Prediksjon av myokardskade etter laparoskopisk feokromocytom/ParaGangLioma-reseksjon (MI-PPGL)

MI-PPGL er en enkeltsenter observasjonell ambispektiv kohortstudie. På grunnlag av retrospektiv studie planlegger forskerteamet å bygge en strukturert database for å undersøke forekomsten av myokardskade ved laparoskopisk PPGL-reseksjon, og videre analysere risikofaktorer relatert til hjerteskade. . Spesielt vil tidsdata som vitale tegn (blodtrykk, hjertefrekvens) inkluderes for å konstruere en effektiv og robust prediksjonsmodell for hjerteskade. Samtidig gjennomføres en prospektiv kohortstudie for å verifisere modellen, for å teste prediksjonsevnen til myokardskade og redusere forekomsten av MINS.

Vi forventer å inkludere 700 pasienter, inkludert minst 550 pasienter retrospektivt og 150 pasienter prospektivt. I denne studien er hovedendepunkthendelsene i prediksjonsmodellen binært utfall. Konservativt estimert i henhold til "10EPV"-prinsippet, det vil si at hver prediktiv faktor som er inkludert i modellen trenger minst 10 positive utfallendepunkter for estimering (10 hendelser per variabel). Vi forventet at 5 til 8 prediktorer ble inkludert i modellen, og minst 80 positive hendelser ble inkludert. Forekomsten av perioperativ myokardskade er 12~20 %, så den estimerte prøvestørrelsen var minst 666 pasienter. Vurderer fravær av data eller forsøksperson trekker seg fra studien. så vi forventet å inkludere 700 pasienter, inkludert minst 550 retrospektivt og 150 prospektivt.

STATA (versjon 15.0; Stata Corp., TX, USA) og R 3.6.1 programvare (R Foundation for Statistical Computing, Wien, Østerrike) vil bli brukt til statistisk analyse. Binær logistisk regresjon ble brukt til å screene risikofaktorer og stratifisere risikonivåer. P<0,05 ble ansett som statistisk signifikant. For prediktiv modellering var kliniske databaser 9:1 eller 8:2. Tilfeldig delt inn i treningsprøver og verifikasjonsprøver. I treningsprøvene vil optimal delsettmetode og LASSO-regresjon bli brukt for funksjonsvalg. Mottakerdriftskarakteristisk kurve (ROC-kurve) ble brukt for å representere modelldifferensieringen, og Nomogram ble brukt til å representere de prediktive faktorene for multippel logistisk regresjon. I verifikasjonsprøvene ble Hosmer-Lemeshow godhetstest brukt for å teste kalibreringsgraden til modellen, og P>0,05 var det akseptable nivået for estimert tilpasning av modellen. Beslutningskurveanalyse (DCA-kurve) ble brukt for å verifisere den kliniske anvendeligheten.