Utveckling och validering av en riskprediktionsmodell för nydebuterande diabetes efter pankreatektomi

Nyinsjuknad diabetes är en av de största komplikationerna efter pankreatektomi. Utan tidig diagnos, behandling och hantering kan det leda till ogynnsamma utfall såsom kardiovaskulära och cerebrovaskulära händelser samt svåra infektioner, vilket ökar dödligheten. Att flytta fram hanteringströskeln, tidig riskidentifiering samt precisa och effektiva interventioner är nycklarna till dess hantering.

Befintliga riskprediktionsstudier visar hög heterogenitet mellan olika populationer och kirurgiska procedurer. Riskfaktorer som är tillgängliga för tidig identifiering förblir oklara, och de flesta inkluderade faktorer är icke-interventionella. Det finns begränsningar i studiedesign, modellering och valideringsmetoder, och forskningsresultaten ger begränsat värde för att vägleda riskprediktion, prevention och hantering.

Denna studie använder en mixed-methods-design. Vi analyserar retrospektivt allmänna och kliniska data från patienter som genomgått pankreatektomi vid två institutioner, följer upp deltagarna för att fastställa incidensen av postoperativ diabetes och postoperativt självhanteringsstatus, och använder regressionsanalys för att identifiera oberoende riskfaktorer för nyinsjuknad diabetes efter operation.

Vi etablerar separat en nomogrammodell, en random forest-modell och en deep learning-modell, genomför intern och extern validering, jämför prestandan hos de tre modellerna och väljer den modell med optimal klinisk prestanda. Baserat på prediktionsmodellen och evidensbaserad medicin formulerar vi interventionsstrategier, utvärderar deras genomförbarhet genom kliniska prövningar, förfinar interventionspunkterna och etablerar slutligen en precisionsinterventionsstrategi för nyinsjuknad diabetes efter pankreatektomi för att uppnå omfattande, dynamisk, effektiv och precisionsinriktad hantering.

Genomförandet av detta projekt kan minska incidensen och bromsa progressionen av diabetes efter pankreatektomi, förbättra kliniska utfall, sänka återinläggnings- och dödlighetstal, spara samhällets medicinska resurser och ge beslutsvägledning och praktiska bevis för förebyggande och kontroll av kroniska sjukdomar.