고관절 골절 후 조기 근종아리정맥혈전증을 예측하기 위한 노모그램 개발 및 내부 검증

Wei-Wei Wang; Fan-Shan Huang; Meng-Na You; Jian-Li Lu; Jian Ni; Hui Lu

doi:10.3791/71963

연구 논문

고관절 골절 후 조기 근종아리정맥혈전증을 예측하기 위한 노모그램 개발 및 내부 검증

DOI:

10.3791/71963

⸱

2026년 8월 7일

Wei-Wei Wang¹ , Fan-Shan Huang¹ , Meng-Na You¹ , Jian-Li Lu¹ , Jian Ni² , Hui Lu³

¹Department of Nursing, The First Affiliated Hospital, Zhejiang University School of Medicine, ²Department of Information Technology, The First Affiliated Hospital, Zhejiang University School of Medicine, ³Department of Orthopedics, The First Affiliated Hospital, Zhejiang University School of Medicine

이 논문에서

요약

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

이 후향적 연구는 고관절 골절 후 48시간 이내에 조기 근종아리 정맥 혈전증 위험을 추정하기 위해 6변수 노모그램을 개발하고 내부적으로 검증하였습니다. 이 모델은 비선형 중성지방 효과를 고려하며, 외부 검증을 기다리면서 위험 인식을 지원할 수 있습니다.

초록

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

부상 후 48시간 이내에 조기 발견된 근종아리정맥혈전증(MCVT)은 고관절 골절 환자의 수술 전후 관리에 영향을 줄 수 있습니다. 이 연구는 이 집단에서 초기 MCVT 위험을 추정하기 위한 노모그램을 개발하고 내부적으로 검증하는 것을 목표로 했습니다. 이 연구는 2021년부터 2024년 사이에 입원한 고관절 골절 환자들을 후향적으로 선별하였습니다. 환자는 부상 후 48시간 이내에 실시된 입원 초음파를 바탕으로 MCVT 그룹과 비MCVT 그룹으로 분류되었습니다. 특징 선택에는 최소 절대 수축 및 선택 연산자(LASSO) 회귀가 사용되었고, 제한 세제곱 스플라인(RCS)을 사용해 비선형 연관성을 평가하였습니다. 다변수 로지스틱 회귀 모델이 구축되어 노모그램으로 시각화되었습니다. 모델 성능은 식별(수신자 운행특성곡선 아래 면적, AUC), 보정(브라이어 점수), 임상 유용성(결정곡선 분석, DCA)을 통해 평가되었으며, 내부 검증은 1,000개의 부트스트랩 재샘플을 사용했습니다. 이는 개별 예후 또는 진단에 대한 투명 예측 모델 보고와 인공지능(TRIPOD + AI) 지침을 따릅니다. 포함된 665명 중 44명(6.6%)이 조기 MCVT를 겪었습니다. 최종 예측 모델에는 손상부터 입원까지의 시간(TFIA), 중성지방(TG), 총 콜레스테롤(TC), 활성화 부분 혈전플라스틴 시간(APTT), 호중구-림프구 비율(NLR), 혈소판-림프구 비율(PLR)이 포함되었습니다. RCS 분석 결과 TG와 MCVT 위험 사이에 유의한 비선형 상관관계가 나타났습니다(비선형성에 대한 p값<0.001). 모델은 양호한 식별률(AUC: 0.894; 95% 신뢰구간: 0.829–0.941)과 허용 가능한 보정(브라이어 점수: 0.041)을 보였습니다. 낙관주의 보정 C지수는 0.884였습니다. DCA는 관련 임계값 확률에 걸쳐 잠재적 임상 순이익을 제안했습니다. 결론적으로, 개발된 노모그램은 초기 위험 계층화에 도움이 될 수 있으나, 임상 적용 전에 독립 코호트에서의 외부 검증이 필요합니다.

서론

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

노인의 고관절 골절은 전 세계적으로 중요한 공중보건 과제이며, 높은 이환율, 사망률, 그리고 상당한 의료비와 자주 연관되어 있습니다^. 현재 임상 지침은 통증 완화, 조기 동원 촉진, 생명을 위협하는 합병증 완화를 위해 입원 후 48시간 이내의 신속 외과적 개입을 강력히 권장합니다 ^2,3. 하지만 수술 전 심부정맥 혈전증(DVT)은 적시 수술에 큰 장애물로 남아 있습니다. 근종아리 정맥 혈전증(MCVT)은 원위 DVT의 특정 아형으로, 주로 자레근과 복근 등 종아리 근육의 정맥 신경총에서 혈전이 형성되는 것을^{포함합니다.} 종종 무증상이며 역사적으로 근위 DVT보다 임상적으로 덜 중요하다고 여겨졌지만, 새로운 증거는 MCVT가 근위정맥으로 두부를 전파시키거나 폐색전증(PE)을 유발하여 환자 안전을 저해할 수 있음을 시사합니다 ^5,6. 따라서 부상 후 조기에 발견된 MCVT는 수술 연기, 입원 기간의 연장, 항응고제 다리 삽입 또는 하대정맥 필터 삽입 등 수술 전후 관리를 복잡하게 만들 수 있습니다. 따라서 입원 초음파에서 발견된 조기 MCVT 위험이 높은 고관절 골절 환자를 식별하는 견고한 도구는 수술 경로를 최적화하고 환자 치료 결과를 개선하는 데 임상적으로 중요합니다.

일상적인 초음파 선별에도 불구하고, 고관절 골절 환자의 급성 MCVT에 대한 조기 위험 층화는 임상적으로 여전히 어려운 과제입니다. 이전 연구들은 수술 전후 혈전증의 위험 요인을 규명하려 시도했으며; 그러나 대부분은 고립된 인구학적 특성이나 전통적인 응고 매개변수에 집중해 왔습니다 ^4,7. 이러한 연구들은 선형 회귀 모델의 고유한 한계에 의해 제약을 받는 경우가 많으며, 이는 외상으로 인한 혈전염증 반응의 복잡하고 비선형적인 역학과 상호작용을 포착하지 못할 수 있습니다. 병태생리학적 관점에서 급성 골절은 대량의 염증성 사이토카인 분비를 촉발하고, 이로 인해 응고 연쇄 반응 ^8,9를 활성화합니다. 호중구-림프구 비율(NLR)과 혈소판-림프구 비율(PLR)과 같은 새로운 복합 염증 지수는 심혈관 및 외과 영역에서 상당한 예후적 가치를 입증했으나, 초기 MCVT 예측에 대한 유용성은 여전히 많이 연구되지 않았습니다^10,11.

이 연구 격차를 메우기 위해서는 다차원적이고 개별화된 예측 도구가 필요합니다. 본 연구는 부상 후 48시간 이내에 입원한 고관절 골절 환자 코호트에서 조기 MCVT 예측 인자를 조사하는 것을 목표로 했습니다. 특징 선택을 위한 최소 절대 수축 및 선택 연산자(LASSO) 회귀와 제한된 입방 스플라인(RCS)을 사용하여 복잡한 비선형 연관성을 특성화함으로써, 본 연구는 임상적으로 해석 가능한 노모그램을 개발하고 내부적으로 검증하고자 했습니다. 이 연구는 전신 염증 지표와 대사 프로필을 통합하면 고관절 골절 치료의 급성기 위험 계층화를 개선하고 감시 계획을 지원할 수 있다고 가정했습니다.

프로토콜

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

연구 프로토콜은 병원의 기관심사위원회(IRB)([2025B], IIT 윤리 승인 번호 0407)에서 승인되었습니다.

연구 설계 및 참가자

이 단일 기관 후향적 코호트 연구는 저장대학교 의과대학 제1부속병원에서 수행되었습니다. 이 연구는 2021년 1월부터 2024년 12월까지 고관절 골절로 입원한 환자의 임상 기록을 연속적으로 선별하였습니다. 이 연구는 회후적 연구였기 때문에, 연구 참가자들에게 사전 동의 포기를 요청하고 승인되었습니다. 응급 입원 시 시행된 일상 컬러 도플러 초음파 결과를 바탕으로 환자들은 MCVT 그룹과 비MCVT 그룹으로 분류되었습니다.

고관절 골절은 대퇴골 근위 골절로 정의되었으며, 대퇴골 경부, 전자간부, 전자하부위 골절은 제외되었습니다. 연구 집단의 순수성을 보장하기 위해 포함 기준은 다음과 같이 엄격히 정의되었습니다: (1) X선 또는 컴퓨터 단층촬영으로 확인된 원발성 폐쇄성 고관절 골절; (2) 부상부터 입원까지 48시간 이내의 시간(TFIA); (3) 입원 시 양측 하체 심부 정맥 색상 도플러 초음파 완료(일반적으로 고관절 골절 방사선 확인 후 2시간 이내 및 항응고 치료 시작 전); 그리고 (4) 계획된 외과적 개입. 환자는 다음 기준에 따라 제외되었습니다: (1) 다중 외상(예: 동시 두개뇌, 흉부 또는 복부 손상); (2) 병리학적 골절(예: 골 전이); (3) 입원 30일 ≥ DVT 또는 PE의 병력 또는 항응고제/항혈소판 치료 병력; (4) 응고인자 합성 또는 대사에 유의미하게 저해되는 심각한 간 또는 신장 기능 장애; (5) 동시 악성 종양; (6) 주요 임상 또는 실험실 변수에 관한 상당한 누락 데이터; 그리고 (7) 입원 초음파에서 근위 DVT가 발견된 경우(예: 슬와정맥, 대퇴정맥, 대퇴정맥, 장골정맥에 관련된 혈전증).

데이터 수집 및 후보 예측기

모든 후보 예측 인자는 기관 전자 의무기록(EMR) 시스템에서 사후 추출되었습니다. 데이터 정확성과 무결성을 보장하기 위해 추출 과정은 두 명의 연구자가 독립적으로 수행했으며, 불일치 사항은 합의나 선임 의사와의 협의를 통해 해결되었습니다. 수집된 데이터는 다음 영역으로 분류되었습니다: (1) 인구통계학적 특성: 연령, 성별, 체질량지수(BMI) 포함. (2) 임상 및 부상 관련 변수: TFIA(시간 단위)는 정확히 문서화되었습니다. 또한, 기초 동반 질환은 찰슨 동반 질환 지수(CCI)를 사용하여 정량화되었습니다. (3) 실험실 바이오마커: 입원 후 24시간 이내에 채취한 초기 정맥 혈액 샘플에서 실험실 지표를 얻었습니다. 여기에는 전혈구 수치(CBC), 간 및 신장 기능 검사, 응고 프로필이 포함되었습니다. 또한, 입원 CBC 결과를 바탕으로 NLR과 PLR과 같은 복합 전신 염증 지표를 산출하였습니다.

결과 정의 및 진단 기준

본 연구의 주요 평가 평가 대상은 초기 평가 시 발견된 초기 MCVT(혈전증)의 발생이었습니다. 포함된 모든 환자는 항응고제 치료 시작 전에 입원 시 양측 하체 도플러 초음파 검사를 받았습니다. 검사는 eL18-4 함유의 EPIQ-5를 사용하여 수행되었습니다. 환자는 허용되는 대로 누운 자세 및/또는 측면 자세로 진찰을 받았습니다. 진단은 정기적인 양측 하체 컬러 도플러 초음파를 통해 확립되었습니다. 급성기에 대한 확립된 초음파 기준에 따르면, 다음 증상¹²를 근거로 MCVT의 양성 진단이 확정되었습니다: (1) 송아지 근육 정맥 내강의 유저한 확장 및 염통; (2) 횡단면에 여러 개의 원형 또는 타원형 덩어리로 나타나는 인내광 내 응집 또는 균일한 저에코 에코의 존재; (3) 트랜스듀서 압력 하에서 정맥의 완전한 비압축성; (4) 자발적 또는 위상적 혈류 신호가 없으며, 원위 사지 확대술(수동 압박) 중에도 혈류가 감지되지 않음; 그리고 (5) 혈전이 생긴 구분과 인접한 근육 조직 사이의 뚜렷한 경계. 양측 하체 도플러 초음파는 입원 시 인증된 초음파 의사가 표준화된 기관 프로토콜을 사용하여 시행했습니다. 모호한 사례는 선임 초음파 전문의가 검토하였습니다.

통계 분석

모든 통계 분석은 R 소프트웨어(버전 4.5.2)를 사용하여 수행되었습니다. 연속 변수의 정규성은 Shapiro-Wilk 검정을 사용하여 평가하였다. 연속 데이터는 표준편차(SD) 또는 4분위 범위가 있는 중앙값(IQR)으로 ±표현되었습니다. 범주별 변수는 빈도와 백분율로 표현되었습니다.

단변량 분석에서 p값 0.01< 임상적으로 중요하다고 여겨지는 변수들을 LASSO 회귀분석에 입력하였습니다. 후보 예측 인자는 임상 관련성과 입원 시점의 이용 가능 여부를 기준으로 선정되었습니다. 연속 변수들은 LASSO 회귀 이전에 표준화되었습니다. LASSO 절차에서는 11개의 후보 특징이 평가되었으며, 9개의 연속 변수와 2개의 명확한 골절 유형별 더미 변수로 구성되었습니다. 최종 다변수 모델의 차원 감소와 변수 선별을 위해 10배 교차 검증을 포함한 LASSO 로지스틱 회귀를 사용하였습니다. lambda.min과 lambda.1se 값을 조사하였으며, 최종 변수 보유 여부는 임상적 관련성 및 후속 RCS 평가를 통해 페널티드 선택과 함께 결정되었습니다. 예측 변수와 MCVT 간의 연관성은 오즈비(OR)와 대응하는 95% 신뢰구간(CI)을 사용하여 정량화하였다.

다변수 로지스틱 회귀에서 확인된 예측 변수를 바탕으로, 초기 MCVT 위험의 개별화 추정을 용이하게 하기 위해 임상 노모그램이 구축되었습니다. 노모그램의 예측 성능은 분별, 보정, 임상적 유용성의 세 차원에서 포괄적으로 평가되었습니다. 식별력은 수신기 작동 특성 곡선(AUC) 아래 면적을 사용하여 정량화되었습니다. 보정은 1,000개의 부트스트랩 샘플을 사용한 보정 플롯을 사용하여 예측 확률과 관찰된 결과 간의 일치를 평가하였으며; 브라이어 점수는 전체 예측 정확도를 측정하기 위해 계산되었습니다. 마지막으로, 의사결정곡선 분석(DCA)을 수행하여 모델의 임상적 순이익을 넓은 임계 확률 범위에 걸쳐 산출하였습니다. 모든 통계 분석은 양측 분석이었으며, p 값 0.05< 통계적으로 유의한 것으로 간주되었습니다.

회고적 설계와 일치하게, 표본 크기는 사전 검정권 계산이 아닌 4년 연구 기간 동안 연속된 환자 데이터의 가용성에 의해 결정되었습니다. 양성 MCVT 사건의 발생률이 상대적으로 낮음(n = 44)을 고려할 때, 전체 데이터셋은 별도의 학습 및 검증 세트로 나누어 통계적 검정력을 유지하지 않고 모델 개발에 활용되었습니다. 이 사건 발생률과 관련된 과적합 위험을 완화하기 위해 특징 선택과 수축 정규화에 LASSO 회귀가 사용되었다. 최종 모델에는 6개의 예측 변수가 포함되었으나, TG가 두 개의 스플라인 항으로 표현되었기 때문에 절개는 제외된 7개의 회귀 매개변수를 포함했습니다; 따라서 매개변수 기반 EPV는 약 6.3이었습니다. 이 모델은 전통적인 후보자 사건(EPV) ≥10 휴리스틱을 충족하지 못했으며, 이는 현재 절대 기준이 아닌 대략적인 지침으로 간주됩니다. 따라서 본 연구는 부트스트랩 보정 성능 추정치와 보정 기울기를 사용하여 과적합을 추가로 평가하였습니다. 내부 검증은 1,000개의 부트스트랩 재샘플을 사용하여 긍정적 편향을 추정하고 조정하였습니다. 이 연구는 TRIPOD+AI 보고 지침¹³에 따라 수행되었습니다.

독립적인 검증과 구현을 용이하게 하기 위해, 교차 계수, 회귀 계수, 트리글리세리드(TG) 스플라인 계수, RCS 매듭 위치를 포함한 전체 모델 방정식이 표 1에 제공되어 있습니다. 초기 MCVT의 예측 확률은 P = 1 / [1 + exp(-LP)]로 계산되었으며, 여기서 LP 는 선형 예측자입니다.

결과

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

인구 통계 자료

총 665명의 고관절 골절 환자가 포함 기준을 충족하여 본 연구에 등록되었습니다(그림 1). 그중 44명(6.6%)은 부상 후 48시간 이내에 입원 초음파 시 조기 MCVT 진단을 받았습니다. MCVT와 비MCVT 그룹 간의 인구통계학적 및 임상 특성에 대한 상세한 비교는 표 2에 요약되어 있습니다.

LASSO 회귀와 RCS 결과

단변량 분석에서 통계적으로 유의한 후보 변수(p-값 < 0.01)와 임상적으로 관련된 매개변수를 LASSO 회귀분석을 통해 추가로 선별하였다(그림 2). 11가지 후보 특징이 평가되었으며, 그중 9개의 연속 변수와 2개의 파절형 더미 변수가 포함되었습니다. 최종 예측 모델은 TFIA, 총 콜레스테롤(TC), 활성화 부분 혈소판 플라스틴 시간(APTT), NLR, PLR, TG를 유지했습니다. PLR은 다변수 모델에서 경계 통계적 유의성(p-값 = 0.068)을 보였으나, LASSO 선별 검사와 임상적 타당성을 근거로 유지되었습니다. 선형성 가정을 완화하기 위해, 6개의 연속 예측 변수에 대해 RCS 분석이 수행되었으며, 다른 확인된 변수들도 조정했습니다(표 3). TG와 MCVT 위험 사이에는 유의미한 비선형 용량-반응 관계가 관찰되었으며(전체 p-값 < 0.001). 그림 3에서 볼 수 있듯이, MCVT 위험은 낮은 중간에서 중간 TG 값에서 급격히 증가한 후 점진적으로 상승했으며, 높은 TG 수준일수록 불확실성이 더 넓어졌습니다. RCS 분석은 3노트를 사용해 수행되었습니다. TG의 매듭은 0.62 mmol/L, 1.03 mmol/L, 1.64 mmol/L에 배치되었으며, 이는 TG 분포의 10, 50, 90백분위수에 해당합니다. 1.03-1.04 mmol/L 정도의 기준점은 검증된 임상 기준치라기보다는 탐색적 기준점으로 간주되어야 합니다.

다변수 로지스틱 회귀분석

LASSO 및 RCS 분석을 통해 확인된 변수들을 통합하여 최종 다변수 로지스틱 회귀 모델이 구축되었습니다. 이 모델에서는 TFIA, TC, APTT, NLR, PLR이 선형 항으로 포함되었고, TG는 비선형 효과를 반영하기 위해 제한 입방 스플라인으로 통합되었습니다(표 4). 최종 예측 모델에는 6가지 변수가 유지되었습니다: TFIA(OR = 1.026, 95% 신뢰구간: 1.004–1.049, p값 = 0.021), TC(OR = 0.244, 95% 신뢰구간: 0.146–0.406, p값 < 0.001), APTT(OR = 0.856, 95% 신뢰구간: 0.764–0.959, p값 = 0.007), NLR(OR = 1.189, 95% 신뢰구간: 1.103–1.280, p값 <0.001), PLR(OR = 1.004, 95% 신뢰구간: 1.000–1.008, p-값 = 0.068), 그리고 RCS로 모델링된 TG입니다. 모델에서 TG의 전반적인 효과는 매우 유의미했습니다(p값 < 0.001). 이러한 변수들을 바탕으로 개별화된 위험 추정을 용이하게 하기 위해 임상 노모그램이 개발되었습니다(그림 4). 전체 회귀 계수, 모델 인터셉트, TG 스플라인 계수, 매듭 위치는 표 1에 제공되어 있습니다. 예측 변수 정의는 표 5에 요약되어 있습니다.

모델 성능

모델의 판별 성능은 수신기 작동 특성(ROC) 분석(그림 5)을 통해 평가되었으며, AUC는 0.894(95% 신뢰구간: 0.829–0.941)였습니다. 보정 곡선은 예측 확률과 관찰된 결과 간에 전반적으로 일치함을 보여주었으며(그림 6), 브라이어 점수는 0.041(부트스트랩 95% 신뢰구간: 0.031–0.053)으로 뒷받침되었다. DCA는 이 모델을 사용하는 것이 임계 확률 범위에서 '모두 치료'와 '치료 없음' 전략보다 더 높은 순이익을 제공할 수 있다고 제안했습니다(그림 7). 추가적인 보정 지표가 계산되었습니다. 명보기 보정 절각은 약 0, 명보기 보정 기울기는 1.000, 보정 대량 보정은 약 0이었습니다. 부트스트랩 보정 기울기는 0.896으로, 내부 검증 후 다소 낙관적인 결과를 시사합니다. 1,000개의 부트스트랩 재샘플을 사용한 내부 검증에서는 낙관주의 보정 C-지수는 0.884(부트스트랩 95% 신뢰구간: 0.837-0.946)로, 겉보기 AUC는 0.894에 비해 제한적이었습니다. 편향 보정 곡선은 이상적인 선에 근사했으며, 평균 절대 오차는 0.013이었습니다. DCA 순이익 추정치에 대한 부트스트랩 95% 신뢰구간은 그림 7에 나타났습니다. Hosmer-Lemeshow 적합도 검정은 χ² = 21.77, df = 8, p-값 = 0.005를 보여주어 위험 십분 단위 간에 예측 확률과 관찰 확률 간에 약간의 차이가 있음을 시사합니다. 따라서 교정은 신중하게 해석하고 외부 코호트에서 재평가되어야 합니다.

데이터 가용성:

식별 해제된 개별 참가자 데이터셋, 완성된 TRIPOD+AI 체크리스트, 그리고 데이터 처리, 모델 개발, 검증 및 성능 평가에 사용되는 전체 R 통계 분석 코드는 보충 파일 1–3으로 제공됩니다. 이 자료들은 본 연구에서 보고된 결과를 재현하는 데 필요한 모든 데이터와 분석 자원을 포함하고 있습니다.

figure-results-1
그림 1: 참여자 흐름도. 이 흐름도는 환자 선별, 포함 및 제외 기준, 그리고 모델 개발에 사용된 최종 연구 코호트를 요약합니다. 이 그림의 더 큰 버전을 보시려면 여기를 클릭해 주세요.

figure-results-2
그림 2: 예측 변수 선택을 위한 LASSO 회귀. 그래프는 10배 교차 검증에서 log(lambda)의 함수로 교차 검증된 이항 편차를 보여줍니다. 11가지 후보 특징이 평가되었으며, 9개의 연속 변수와 2개의 파절형 더미 변수로 구성되었다. 상단 숫자는 각 람다 값에서 0이 아닌 계수의 수를 나타냅니다. 오류 바는 표준오차를 나타냅니다. 수직 점선은 lambda.min(0.00526)과 lambda.1se(0.02558)를 나타냅니다. 약어: CCI = 찰슨 동반 질환 지수; TFIA = 부상부터 입원까지의 시간; WBC = 백혈구; N = 호중구; L = 림프구; M = 단핵구; HB = 헤모글로빈; HCT = 헤마토크릿; PLT = 혈소판; NLR = 호중구-림프구 비율; PLR = 혈소판 대 림프구 비율; TP = 총 단백질; 알브 = 알부민; Tbil = 총 빌리루빈; 크레아 = 크레아티닌; TC = 총 콜레스테롤; GFR = 사구체 여과율; IP = 무기 인산염; INR = 국제 정규화 비율; Fbg = 섬유소 원; APTT = 활성화된 부분 혈전플라스틴 시간; TT = 혈통 시간; PT = 프로트롬빈 시간. 이 그림의 더 큰 버전을 보시려면 여기를 클릭해 주세요.

figure-results-3
그림 3: TG와 초기 MCVT의 RCS 분석. 곡선은 TG 수치(mmol/L)에 따라 초기 MCVT의 조정된 OR을 보여줍니다. 이 모델은 TC, NLR, TFIA, APTT, PLR 조건에 맞게 조정되었으며, 각각 0.62 mmol/L, 1.03 mmol/L, 1.64 mmol/L의 3노트를 사용했습니다. 기준값은 중앙 TG 수치(1.03 mmol/L)였습니다. 음영 영역은 95% 신뢰감시를 나타냅니다. TG는 연속 비선형 예측자로 모델링되었으며, 이 곡선은 검증된 임상 기준을 정의하는 것으로 해석되어서는 안 됩니다. 이 그림의 더 큰 버전을 보시려면 여기를 클릭해 주세요.

figure-results-4
그림 4: 부상 후 48시간 이내에 조기 발견된 MCVT를 예측하는 노모그램. 노모그램은 TFIA(h), TG(mmol/L), TC(mmol/L), APTT(초), NLR, PLR을 사용하여 조기 MCVT의 예측 확률을 추정합니다. 예측 변수 정의와 측정 단위는 표 5에 제공되어 있습니다. 이 그림의 더 큰 버전을 보시려면 여기를 클릭해 주세요.

figure-results-5
그림 5: 최종 예측 모델의 ROC 곡선.ROC 곡선은 초기 MCVT 예측 모델의 식별 능력을 보여줍니다. AUC는 0.894(95% 신뢰구간: 0.829-0.941)였습니다. 이 그림의 더 큰 버전을 보시려면 여기를 클릭해 주세요.

figure-results-6
그림 6: 최종 예측 모델의 보정 곡선. 보정 플롯은 초기 MCVT의 예측 확률과 관측 확률을 비교합니다. 이상적인 선은 완벽한 보정을 나타냅니다; 겉보기 곡선은 개발 데이터셋에서의 모델 성능을 나타내며; 편향 보정 곡선은 1,000회 재샘플 후 부트스트랩 보정 결과를 나타냅니다. 브라이어 점수는 0.041, 겉보기 보정 절각은 약 0, 겉보기 보정 기울기는 1.000, 부트스트랩 보정 기울기는 0.896이었다. 이 그림의 더 큰 버전을 보시려면 여기를 클릭해 주세요.

figure-results-7
그림 7: 최종 예측 모델의 DCA. DCA는 임계값 확률 전반에 걸쳐 노모그램의 순이익을 보여줍니다. 모델 곡선은 노모그램 사용의 순이익을 나타냅니다; 치료-전체 라인은 모든 환자가 MCVT를 발병한다고 가정합니다; 그리고 치료-없음 라인은 환자가 MCVT를 발병하지 않는다고 가정합니다. 이 곡선은 내부 검증 시에만 잠재적 임상적 효용성 증거로 해석되어야 하며, 검증된 치료 임계치가 설정되지 않았기 때문입니다. 이 그림의 더 큰 버전을 보시려면 여기를 클릭해 주세요.

예측자/항	변환 / 정의	계수 베타
요격	모델 요격	-1.621145541
TFIA	선형; 부상부터 입원까지 시간	0.025977241
NLR	선형; 호중구-림프구 비율	0.172703853
PLR	선형; 혈소판-림프구 비율	0.004034446
TG_linear	RCS 선형 항; MMOL/L 내 TG	6.24150855
TG_rcs1	RCS 비선형 항; 0.62, 1.03, 1.64 mmol/L 노트	-4.814103739
TC	선형; MMOL/L 단위의 총 콜레스테롤	-1.411933879
APTT	선형; 초당	-0.155260603
TG RCS 매듭	0.62, 1.03, 1.64 mmol/L
예측 확률	P = 1 / (1 + exp(-LP))

표 1: 예측 모델의 전체 명세서. 이 표는 절편, 회귀 계수, TG의 제한된 3방 스플라인 계수, 모델 구현 및 독립적 검증에 필요한 매듭 위치를 포함한 전체 예측 모델을 제시합니다.

가변	MCVT 그룹	비MCVT 그룹	p 값
평균 ± SD 또는 n(%)	(n = 44)	(n = 621)	p 값
성별(남녀)	15/29 (34.1/65.9)	224/397 (36.1/63.9)	0.872^a
연식	79.68 ± 12.03	75.66 ± 15.65	0.041^b
BMI	22.05 ± 2.74	21.94 ± 3.12	0.796^b
고혈압 (예/아니오)	15/29 (34.1/65.9)	196/425 (31.6/68.4)	0.739^a
당뇨병 (예/아니오)	6/38 (13.6/86.4)	91/530 (14.7/85.3)	1.000^a
관상동맥 질환 (예/아니오)	1/43 (2.3/97.3)	29/592 (4.7/95.3)	0.713^a
골절 유형(대퇴경/대퇴전부/대전부)	22/19/3 (50.0/43.2/6.8)	462/153/6 (74.4/24.6/1.0)	<0.001^c
CCI	2.55 ± 2.12	2.31 ± 2.09	0.472^b
TFIA (시간)	25.58 ± 18.89	16.22 ± 14.60	0.002^b
백혈구 수치 (x 10⁹/L)	9.19 ± 2.92	8.90 ± 3.18	0.529^b
N count (*10⁹/L)	7.48 ± 2.99	4.20 ± 3.11	<0.001^b
L 카운트 (x 10⁹/L)	0.99 (0.78-1.21)	1.15 (0.92-1.52)	0.003^d
M 카운트 (*10⁹/L)	0.57 (0.44-0.71)	0.59 (0.43-0.75)	0.941^d
HB 카운트 (g/L)	105.13 ± 22.33	110.02 ± 21.16	0.165^b
HCT	32.07 ± 6.46	33.62 ± 6.09	0.127^b
PLT 수(x 10⁹/L)	195.06 ± 69.21	165.82 ± 65.07	0.009^b
NLR	6.16 (4.30-12.05)	3.21 (1.56-5.20)	<0.001^d
PLR	181.51 (126.19-260.71)	131.76 (96.00-176.23)	<0.001^d
TP (g/L)	61.79 ± 7.25	62.33 ± 7.31	0.637^b
알브 (g/l)	35.77 ± 5.90	36.58 ± 4.91	0.381^b
Tbil (μmol/L)	11.20 (9.23-14.38)	12.70 (9.00-16.70)	0.117^d
크레아 (μmol/L)	70.50 (58.80-89.50)	67.00 (57.47-82.00)	0.280^d
요소 (mmol/L)	6.57 (5.28-9.15)	6.18 (4.92-8.14)	0.121^d
TG (mmol/L)	1.24 (1.03-1.62)	1.01 (0.77-1.27)	<0.001^d
TC (mmol/L)	3.11 ± 0.76	3.84 ± 0.95	<0.001^b
GFR (ml/min)	70.1 ± 25.32	78.04 ± 24.45	0.050^b
IP (mmol/L)	1.04 ± 0.24	1.06 ± 0.24	0.787^b
INR	1.04 (0.99-1.07)	1.05 (1.01-1.10)	0.094^d
FBG (g/L)	3.7 ± 1.01	4.04 ± 1.06	0.034^b
APTT (2위)	28.16 ± 3.23	29.48 ± 3.88	0.012^b
TT (2위)	15.95 (15.30-16.95)	16.10 (15.60-16.80)	0.533^d
PT (두 번째)	11.90 (11.40-12.50)	12.27 (11.70-12.80)	0.064^d
D-다이머 (μg/L)	7186.00 (4,447.25-17,346.75)	4780.90 (1,980.00-12,140.00)	0.017^d
데이터는 SD, 중앙값(IQR), 또는 n(%)± 기준으로 제시됩니다. ^a웰치 t-검정; ^b윌콕슨 랭크 합 검정; ^c카이제곱 검정; ^dFiisher의 정확 검정(Fisher-Freeman-Halton 정확 검정은 기대 셀 수가 작을 때 다중 범주 변수에 대해 사용됨).

표 2: MCVT 유무 환자의 기초 특성. 연속 변수는 적절히 표준 편차± 평균 또는 4분위 범위의 중앙값으로 제시됩니다. 범주 변수는 숫자와 백분율로 제시됩니다. 최종 분석 코호트에는 후보 예측 변수나 결과 변수에 대한 누락값이 없었으며; 12명의 선별 환자들은 핵심 임상 또는 실험실 데이터가 누락되어 제외되었습니다.

가변	노트 (10, 50, 90백분위수)	비선형 p-값	전체 p-값
TC	2.61, 3.77, 4.92	0.369	<0.001
NLR	0.708, 3.35, 8.68	0.058	<0.001
TG	0.62, 1.03, 1.64	<0.001	<0.001
TFIA	2, 12, 48	0.327	0.072
APTT	25.5, 28.9, 33.9	0.554	0.003
PLR	74, 134, 250	0.923	0.163

표 3: RCS 분석으로 평가된 비선형 연관성. 표는 선택된 예측 변수에 대한 매듭 위치, 전체 p-값, 비선형 p-값을 제시합니다. RCS 모델은 각 예측 분포의 10분, 50분위수, 90분위에 3개의 노트를 배치했습니다.

변수들	또는	CI-로어	CI-upper	p-값
TFIA	1.026	1.004	1.049	0.021
TC	0.244	0.146	0.406	<0.001
APTT	0.856	0.764	0.959	0.007
NLR	1.189	1.103	1.28	<0.001
PLR	1.004	1	1.008	0.068
TG (RCS로 모델링)	-	-	-	<0.001

표 4: 초기 MCVT를 위한 다변수 로지스틱 회귀 모델. 선형 항에 대해 OR, 95% CI, p-값이 표시됩니다. TG는 RCS를 사용해 모델링되었기 때문에 단일 수술과 95% 신뢰구간은 보고되지 않았습니다. 조정된 선량-반응 관계는 그림 3에 나타있으며, 스플라인 계수와 매듭 위치는 표 1에 제공된다.

예측 변수	정의	부대	타이밍
TFIA	부상부터 입학까지의 시간	운영 시간	입원 혈액 검사
TG	중성지방	mmol/L	입원 혈액 검사
TC	총 콜레스테롤	mmol/L	입원 혈액 검사
APTT	활성화 부분 트롬보플라스틴 시간	초당	입원 혈액 검사
NLR	호중구 수치 / 림프구 수	비율	입원 혈액 검사
PLR	혈소판 수치 / 림프구 수치	비율	입원 혈액 검사

표 5: 예측 모델 변수의 정의. 이 표는 최종 모델에 포함된 예측 인자와 그 정의, 측정 단위, 그리고 해당되는 경우 임상 해석을 요약합니다.

보조 파일 1: 완료된 TRIPOD+AI 보고 체크리스트. 이 파일에는 예측 모델 연구 보고 권고사항 준수 여부를 문서화한 '개인 예후 또는 진단에 대한 투명 예측 모델 보고서 포함 TRIPOD+AI' 체크리스트가 완성되어 있습니다. 이 파일을 다운로드하려면 여기를 클릭해 주세요.

보조 파일 2: 예측 모델 개발 및 검증을 위한 통계 분석 산출물. 이 워크북에는 모델 개발 및 검증 과정에서 생성된 통계 분석 결과물, 단변량 분석, LASSO 회귀 결과, 제한 입방 스플라인 분석, 다변수 로지스틱 회귀 계수, 모델 성능 지표, 보정 분석, Hosmer-Lemeshow 적합 우수성 검사 결과, 결정곡선 분석 및 관련 요약표 등이 포함되어 있습니다. 이 파일을 다운로드하려면 여기를 클릭해 주세요.

보조 파일 3: 데이터 처리 및 통계 분석을 위한 R 스크립트. 이 파일에는 데이터 전처리, 변수 선택, 모델 개발, 내부 검증, 교정, 판별 분석, 의사결정곡선 분석 및 본 연구에서 보고된 통계적 출력 생성에 사용되는 완전한 R 스크립트가 포함되어 있습니다. 이 파일을 다운로드하려면 여기를 클릭해 주세요.

토론

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

고관절 골절 후에는 하지의 움직임이 제한되면 복근 펌프 기능과 정맥 혈류 속도가 저하될 수 있습니다. 직경이 비교적 작고 판막이 적기 때문에 근육질 종아리 정맥은 혈액 정지에 취약하며, 혈전 발견의 초기 부위가 될 수 있습니다. Zhao 등의 이전 연구에서는 고관절 골^{절 환자에서} 수술 전 MCVT 발생률이 23.5%로 보고되었습니다. 반면, 코호트 발생률은 6.6%로 더 낮았습니다. 이 불일치는 급성 외상 후 창에 초점을 맞추기 위해 엄격한 포함 및 제외 기준 때문일 수 있습니다. 구체적으로, 본 연구는 이전 정맥색전증이나 항응고제 및 항혈소판제 장기 사용 등 교란 전 외상 인자가 있는 환자들을 배제하여, 손상 후 조기에 발견된 MCVT에 대한 보다 집중적인 평가를 제공하였습니다.

이 연구는 TFIA, 전신 염증 지표(NLR, PLR), 지질 대사(TG, TC) 간의 유의미한 상호작용이 초기 MCVT 예측에 있음을 확인했습니다. 장기간 TFIA는 고정으로 인한 정맥 정체 위험을 악화시킬 뿐만 아니라, 중요한 외상 후 단계^15,16 동안 급성 스트레스 창을 연장시킵니다. 단변량 분석 결과, MCVT 그룹에서 N 수(N) 수(N) 수(N count)가 증가하고 L 카운티가 감소하는 양방향 변화가 나타나 NLR의 유의한 증가를 이끌었습니다. N 카운트의 모집은 외상 후 급성 염증 연쇄 반응이 활성화되는 것을 반영합니다; 특히, 호중구 세포외 트랩(NET)의 방출은 피브린 침착과 혈전 형성을 직접적으로 촉진하는 전혈전 비계를 제공하는 것으로 밝혀졌습니다¹⁷. 반대로, 지속적인 외상 스트레스 하에서 관찰되는 림프감소는 전신 염증 반응 증후군(SIRS)과 보상성 항염증 반응 증후군(CARS) 간의 복잡한 상호작용을 강조합니다. 이 현상은 주로 시상하부-뇌하수체-부신(HPA) 축의 외상 유발 활성화에 의해 유발되며, 내인성 글루코코르티코이드의 급증이 L 세포의 세포자멸사를 가속화합니다. "염증 강도"와 "면역 기능 장애"를 통합함으로써, NLR은 LASSO 회귀 분석에서 강력한 독립 예측인자로 강력하게 선택되었습니다(OR = 1.189, p-값 < 0.001). 더욱이, 모델에 PLR이 포함된 것은 혈소판 과반응성과 스트레스 하 림프감소 간의 시너지 불균형을 반영합니다. PLR은 다변수 모델에서 기존의 통계적 유의성에 도달하지는 못했지만, LASSO 회귀분석을 통해 선택되었고 혈소판 관련 염증 활동을 반영하여 잠재적인 예측 변수로 유지되었습니다. 따라서 PLR은 독립적으로 유의미한 위험 요인이 아니라 예측 모델의 한 구성 요소로 해석되어야 합니다.

더욱이, 이 혈전염증 과정은 외상으로 인한 지질 대사 조절 이상으로 인해 악화됩니다. TC와 초기 MCVT 간의 역상관성은 신중한 해석이 필요합니다. 전통적으로 콜레스테롤 상승은 동맥 동맥경화증과 관련이 있지만, 급성 외상 후 정맥혈전증은 염증, 정맥정체, 내피 손상, 외상으로 인한 응고 활성화 등 뚜렷한 메커니즘을 포함합니다. 본 코호트에서 MCVT 그룹은 TC는 낮으나 TG 수치가 높았으며, 이는 기존의 만성 지질이상 혈증 패턴이 아닌 급성기 지질 반응을 시사합니다. 이전 증거에 따르면 염증과 감염은 TC, LDL-C, HDL-C 수치를 감소시키는 반면 TG 수치는 증가시킬 수 있으며, 이러한 지질 변화의 크기는 질병의 중증도와 상관관계가 있을 수 있습니다¹⁸. 따라서 TC 감소는 노령 고관절 골절 환자에서 혈전증을 직접 유발하기보다는 전신 염증 스트레스, 이화작용 상태 또는 허약함을 더 크게 반영할 수 있습니다. 이 발견은 가설 생성으로 간주되어야 하며, 외부의 검증이 필요합니다. 관찰된 TG 상승과 MCVT 그룹 내 TC 감소는 독특한 "대사 재형성" 프로파일을 특징짓는다. 고중성지방혈증은 전신 염증 연쇄 반응과 산화 스트레스를 유발할 뿐만 아니라, 내피 세포가 응고 인자를 분비하도록 자극하여 심각한 내피 기능 장애를 유발합니다¹⁹. 반대로, TC 감소는 인터루킨-6와 같은 염증성 사이토카인의 급증과 자주 연관되어 세포막 안정성 저하와 대사 소진 가속화를 시그널링합니다. 전신 염증과 대사 장애 사이의 복잡한 상호작용은 혈관 내피가 '혈전저항성 표현형'에서 '응고성 표현형'으로 중요한 병리학적 전환을 촉진합니다. 이 내피 표현형 변화는 고관절 골절 이후 초기 단계 MCVT 형성의 근본적인 생물학적 기초를 형성합니다²⁰. 약 1.03 mmol/L 정도의 명백한 TG 기준점은 신중하게 해석해야 합니다. 이 값은 현재 데이터셋에서 도출되었으며 스플라인 사양, 매듭 배치, TG 값 분포에 의해 영향을 받을 수 있으므로 명확한 임상 기준으로 간주되어서는 안 됩니다. 임상 의사결정에 대해 어떤 TG 임계치를 권고하기 전에 추가적인 민감도 분석과 외부 검증이 필요합니다. 단변수 분석에서 MCVT 환자에서 피브리노겐(Fbg) 수치가 낮았으나, 최종 예측 모델에서는 Fbg가 유지되지 않았습니다. 이는 MCVT와의 연관성이 모델에 포함된 다른 염증, 응고, 대사 변수들에 의해 부분적으로 설명될 수 있음을 시사합니다. Fbg 감소는 전통적으로 출혈 증상으로 해석될 수 있지만, 급성 정형외과 외상의 임상적 맥락에서는 오히려 소모성 응고장애의 시작을 의미할 가능성이 큽니다²¹. 고관절 골절 후 고급성기 동안, 전신 방출된 응고 촉진 인자가 외인성 응고 연쇄 반응을 유발합니다. 섬유 가교의 기본 기질인 Fbg는 손상되거나 정체된 정맥 내강에 침착되는 불용성 섬유 고분자로 전환되어 대량으로 소비됩니다²²^,²³. 이 현상은 외상 유발 응고장애(TIC) 연구와 일치하는데, TIC에서는 순환 Fbg의 국소적 감소가 광범위한 국소성 혈전 활동의 대리 지표 역할을 합니다²¹. 더불어, 모델에서 관찰된 APTT의 약간 단축은 내인성 응고 경로의 사전 활성화를 뒷받침하며, 항상성 안정성에서 전혈전 상태로 전신적으로 전환하는 과정을 반영합니다. APTT의 단축과 Fbg의 감소는 일관된 과응고-소비 논리를 형성합니다: 내인성 경로 활성화가 섬유 생성을 가속화하여 순환 Fbg 저장분의 보상적 감소를 초래합니다. 이 결과는 응고 매개변수의 동적 하락 추세를 모니터링하는 것이 초기 외상 후 창기 동안 기존의 고응고 임계값에만 의존하는 것보다 MCVT에 대해 더 우수한 예측 가치를 제공할 수 있음을 시사합니다.

최근 몇 년간 고관절 골절 환자의 정맥 혈전증 예측 모델이 탐구되고 있습니다. Jiang 등은 388명의 노인 환자 데이터를 사용하여 MCVT 노모그램 모델을 개발하여 AUC 0.805를 달성^{했습니다.} 마찬가지로 Pan 등은 419명의 환자 코호트에서 성별, TFIA, ASA 등급, C-반응성 단백질, D-다이머를 예측 인자로 확인했으며, 모델 AUC는 0.794²⁵명이었습니다. 또 다른 최근 노모그램에서는 정맥정혈, 응고, 면역염증 등 다섯 가지 위험 요인을 통합하여 수술 전 DVT를 예측하려 했습니다²⁶. 이 모델들은 응고량 지표, 인구통계학적 특성, 영양 상태에 초점을 맞췄지만, 예측 기간은 종종 수술 전 기간으로 넓게 정의되었습니다. 그러나 임상 실무에서는 외상 후 48시간 이내에 수술이 이루어지거나 동반 질환으로 인해 크게 지연될 수 있습니다. 이 연구는 특히 부상 후 48시간 이내에 검출된 MCVT에 초점을 맞췄으며, 이는 급성 의사결정 시기와 더 관련이 있을 수 있습니다. 카프리니 위험 평가 척도는 VTE 선별^{검사 27}에 널리 사용되지만, 노인 고관절 골절 환자에 대한 응급 상황에서의 적용은 상세한 병력에 의존하는 여러 요소를 포함하기 때문에 어려울 수 있습니다. 반면, 현재의 노모그램은 일상적으로 이용 가능한 입원 변수를 사용합니다. 그러나 이 모델은 치료에 대한 결정적인 지침이 아니라 내부적으로 검증된 위험 추정 도구로 해석되어야 합니다. RCS 분석은 TG와 MCVT 위험 사이에 비선형적 연관성이 있음을 시사했으며, 중앙값 TG 수준 주변에서 기울기가 변화하는 것으로 나타났습니다. 이 패턴은 스플라인 사양, 매듭 위치, 현재 데이터셋 내 TG 값 분포에 따라 달라질 수 있으므로 탐색적 패턴으로 간주되어야 합니다. 임상 의사결정에 대해 어떤 TG 임계치를 권고하기 전에 외부의 검증이 필요합니다.

흡연 이력은 주로 데이터 신뢰도와 특정 집단 특성 고려 때문에 초기 데이터 수집에서 제외되었습니다. 코호트의 인구통계학적 프로필이 주로 활동적 흡연 유병률이 매우 낮은 고령 여성으로 구성되어 있을 때, 이 변수는 예측 모델에 의미 있게 기여할 만큼 충분한 통계적 분산이 부족할 것입니다. 따라서 노모그램의 객관성과 임상적 유용성을 뒷받침하기 위해 본 연구는 입원 시 얻은 표준화된 실험실 바이오마커를 우선시하였습니다. 이러한 객관적 지표는 만성 생활습관 요인과 비교했을 때, 부상 후 48시간 이내에 급성 병태생리학적 전환이 전혈전성 상태로 전환되는 현상을 더 정확히 반영할 수 있습니다. 나이, 성별, 골절 유형, 동반 질환, D-다이머, Fbg 등 임상적으로 중요한 일부 변수는 최종 모델에 포함되지 않았습니다. 이것이 반드시 이러한 요인들이 임상적으로 무관하다는 의미는 아닙니다. 오히려 페널티가 있는 선택 후, 이 데이터셋에서 TFIA, TG, TC, APTT, NLR, PLR 외에 충분한 독립적 예측 정보를 추가하지 않았습니다. 특히 D-다이머와 Fbg는 다른 응고 및 염증 관련 변수들과 부분적으로 겹칠 수 있습니다. MCVT 사건의 수가 제한적이었기 때문에 과적합을 줄이기 위해 간결한 모델이 선호되었다.

모델 구성과 관련해, 제한된 이벤트 수(n = 44)로 인해 TG 스플라인 항을 별도로 집계했을 때 약 7.3의 기존 예측기 기반 EPV와 약 6.3의 매개변수 기반 EPV가 나왔습니다. 최종 모델이 전통적인 EPV ≥10 휴리스틱을 충족하지는 못했지만, 이 규칙이 절대적인 기준은 아닙니다. 따라서 본 연구는 부트스트랩 내부 검증을 사용하여 낙관주의와 보정을 평가하였습니다. 그럼에도 불구하고, 제한된 이벤트 수는 과적합 위험을 높일 수 있으므로 외부 검증이 필요합니다. 첫째, 전통적인 단계별 선택에만 의존하는 대신, 변수 선별을 지원하고 모델 복잡도를 줄이기 위해 LASSO 회귀분석을 사용했습니다. 둘째, 이전 방법론 연구에 따르면 모델 성능과 보정이 신중히 평가된다면 예측^{모델링에서} 10의 법칙이 때때로 완화될 수 있음을 시사합니다. 셋째, 1,000회 반복 부트스트랩 내부 검증은 식별력과 전반적인 보정 지표에 대한 낙관주의가 제한적이었으나, 중요한 Hosmer-Lemeshow 검정은 보정을 신중하게 해석하고 외부 코호트에서 재평가해야 함을 시사합니다.

이 모델은 급성 고관절 골절 치료에 관여하는 의사 및 간호 전문가를 대상으로 합니다. 사용자는 일상적으로 이용 가능한 6개의 입학 변수를 올바른 단위로 입력해야 합니다; 노모그램이나 계산기가 도입되면 통계적 전문 지식은 필요 없지만, 임상 해석은 훈련된 임상의가 수행해야 합니다. 모델을 적용하기 위해 임상의는 입원 시 TFIA, TG, TC, APTT, NLR, PLR을 수집해야 합니다. 선형 예측 변수는 전체 회귀 방정식을 사용하여 계산되며, 예측 확률은 P = 1/[1+exp(-LP)]로 얻어집니다. 교차 계수, 회귀 계수, TG 스플라인 계수, RCS 매듭 위치를 포함한 전체 모델 명세는 표 1에 제공되어 있습니다. 상세한 예측 변수 정의는 표 5에 제공되어 있습니다. 예측 확률은 단지 추정된 위험으로만 해석되어야 합니다. 현재 검증된 개입 임계값은 없습니다. 고위험군으로 예측되는 환자에게는 노모그램이 치료를 직접적으로 결정하기보다는 임상적 경계심을 높이는 잠재적 가치를 가질 수 있습니다. 잠재적 관리 전략으로는 임상적으로 필요할 경우 조기 또는 반복 도플러 초음파 평가, 혈전성 및 출혈 위험에 대한 신중한 재평가, 불필요한 수술 지연 회피, 조기 동원, 적절한 수분 섭취, 금기사항이 없을 경우 가이드라인 기반 VTE 예방 제때 시행 등이 포함됩니다. 본 연구에서 검증된 위험 범주나 치료 임계값이 설정되지 않았기 때문에, 이 모델은 항응고 결정의 독립적인 기반이 아니라 위험 인식 및 감시 계획 도구로 간주되어야 합니다. 보정 곡선과 브라이어 점수는 전반적인 보정 수준을 시사했으나, 호스머-레메쇼 검정은 통계적으로 유의했습니다. 이 결과는 부분적으로 검사의 그룹 민감도와 낮은 사건 발생률을 반영할 수 있지만, 보정은 신중하게 해석되어야 하며 외부 검증이 필요함을 시사합니다.

몇 가지 한계점을 인정해야 합니다. 첫째, 이 연구는 부트스트랩 내부 검증만을 가진 단일 기관 후향적 연구였으며; 따라서 노모그램의 일반화 가능성과 임상 적용 가능성은 다기관 외부 검증이 필요합니다. 하위 그룹별 성과 공정성은 MCVT 사건 수가 제한적이어서 공식적으로 평가할 수 없었습니다. 둘째, 부상 전 초음파 데이터가 없었기 때문에, 결과는 명확한 신발성 혈전증이 아니라 부상 후 48시간 이내에 MCVT가 발견된 것으로 해석되어야 합니다. 셋째, 검증된 위험 범주나 개입 임계값이 설정되지 않았으며; 따라서 노모그램은 항응고 결정의 단독 근거가 아니라 위험 인식, 면밀한 모니터링, 적시에 대한 초음파 평가를 지원해야 합니다. 넷째, 초음파 진단에 대한 관찰자 간 신뢰도는 공식적으로 평가되지 않아 진단 변동성을 초래했을 수 있습니다. 마지막으로, 모델 개발 전 단변 스크리닝을 사용하면서 나이, D-다이머, Fbg, 골절 유형, 동반 질환 등 임상적으로 중요한 변수들이 제외되었을 수 있습니다. 앞으로 더 크고 외부 검증된 연구들이 이러한 한계를 다룰 것입니다.

결론:

이 연구는 고관절 골절 환자의 초기 MCVT 위험을 추정하기 위해 6가지 쉽게 이용 가능한 바이오마커를 포함하는 노모그램을 개발하고 내부적으로 검증하였습니다. 이 모델은 우수한 판별 성능, 내부 검증 후 수용 가능한 전반적인 보정, 그리고 내부 부트스트랩 검증에서 잠재적 임상 순이익을 보여주었습니다. 또한, TG 수치와 MCVT 위험 간의 비선형 연관성은 이 집단에서 위험 모델링에 추가적인 통찰을 제공합니다. 이 내부 검증된 모델은 고관절 골절 환자의 초기 위험 계층화 도중에 도움이 될 수 있습니다. 그러나 회고적 단일 센터 설계와 외부 검증의 부재를 고려할 때, 이 결과는 탐색적 것으로 간주되어야 합니다. 추가로 모델의 일반화 가능성을 평가하고 임상 적용 전에 잠재적 유용성을 판단하기 위해 다기관 전향적 연구가 필요합니다.

공개 사항

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

저자들은 이해 상충을 선언할 필요가 없습니다.

감사의 글

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

모든 부서의 귀중한 지원에 진심으로 감사드립니다.

재료

```html

이 논문에 사용된 재료 목록
이름	회사	카탈로그 번호	댓글
컬러 도플러 초음파 시스템	필립스	EPIQ-5 with eL18-4	MCVT의 검출 및 진단
응고 분석기	Stago	STAR MAX (https://www.stago-cn.com)	APTT 측정
혈액학 분석기	코바스	8000 (https://www.cobase.com/)	혈구 수 및 NLR, PLR
실험실 생화학 분석기	시스멕스	BC7500 (https://www.sysmex.com.cn/)	TG 및 TC 측정
마이크로소프트 엑셀	마이크로소프트	2023 (https://www.microsoft.com)	데이터 정리
R 소프트웨어	R 재단	https://www.r-project.org/	통계 분석
R 패키지 glmnet	CRAN	https://cran.r-project.org/web/packages/glmnet/index.html	LASSO 회귀
R 패키지 rms	CRAN	https://cran.r-project.org/web/packages/rms/index.html	RCS, 나무형 도표, 보정
R 패키지 pROC	CRAN	https://cran.r-project.org/web/packages/pROC/index.html	ROC 분석
R 패키지 rmda / dcurves	CRAN	https://cran.r-project.org/web/packages/dcurves/index.html	결정 곡선 분석

```

재인쇄 및 허가

이 JoVE 논문의 텍스트 또는 그림 재사용 허가 요청

허가 요청

고관절 골절 후 조기 근종아리정맥혈전증을 예측하기 위한 노모그램 개발 및 내부 검증

이 논문에서

요약

초록

서론

프로토콜

결과

토론

공개 사항

감사의 글

재료

재인쇄 및 허가

태그

관련 논문