目的使用最小绝对收缩与选择算子(least absolute shrinkage and selection operator,LASSO)回归筛选变量,分别构建Logistic回归模型和决策树模型,旨在探索更为简明、高效的重症急性胰腺炎(severe acute pancreatitis,SAP)早期预测模型,为识别高危人群,指导临床治疗,改善预后提供科学依据。方法回顾分析2020年11月至2023年9月安徽医科大学第一附属医院本部及高新院区急诊科和消化内科收治的412名急性胰腺炎患者的临床资料,使用LASSO回归筛选出与SAP发生显著相关的影响因素,分别构建多因素Logistic回归模型和决策树模型,以急性胰腺炎严重程度床旁指数(bedside index for severity in acute pancreatitis,BISAP)为参考,比较和评价模型的预测效能。结果412名研究对象中,SAP发病率为12.14%(n=50),LASSO回归筛选出7个与急性胰腺炎严重程度显著相关的变量,包括:入院呼吸频率、入院疼痛评分、胸腔积液、纤维蛋白降解物、C反应蛋白、血肌酐、血清白蛋白;Logistic回归模型纳入胸腔积液、入院时疼痛评分、血肌酐、白蛋白4项指标。训练集中,模型灵敏度=0.528,特异度=0.984,准确度(95%CI)=0.928(0.892~0.955),Kappa值=0.606,AUC(95%CI)=0.920(0.862~0.979);测试集中,模型灵敏度=0.643,特异度=0.925,准确度(95%CI)=0.891(0.822~0.941),Kappa值=0.519,AUC(95%CI)=0.923(0.861~0.985)。决策树模型包含3个分支,4个终端节点,显示血肌酐、白蛋白和胸腔积液3个因素可以有效预测SAP发生。训练集中,模型灵敏度=0.500,特异度=0.973,准确度(95%CI)=0.914(0.876~0.944),Kappa值=0.544,AUC(95%CI)=0.812(0.731~0.894);测试集中,模型灵敏度=0.500,特异度=0.925,准确度(95%CI)=0.875(0.802~0.928),Kappa值=0.412,AUC(95%CI)=0.709(0.565~0.853)。Delong检验显示:在训练集中,Logistic回归模型AUC大于决策树模型(P<0.01)和BISAP评分(P<0.001),而决策树模型和BISAP评分的AUC差异无统计学意义(P=0.762);在测试集中,Logistic回归模型AU
