Kalça kırığı sonrası erken kas baldır venöz trombozunu tahmin etmek için bir nomogramın geliştirilmesi ve iç doğrulaması

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

doi:10.3791/71963

Araştırma makalesi

Kalça kırığı sonrası erken kas baldır venöz trombozunu tahmin etmek için bir nomogramın geliştirilmesi ve iç doğrulaması

DOI:

10.3791/71963

⸱

7 Ağustos 2026

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

Bu makalede

Özet

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

Bu retrospektif çalışma, kalça kırığından 48 saat içinde erken kas baldır ven trombozu riskini tahmin etmek için altı değişkenli bir nomogram geliştirdi ve iç doğruladı. Model, doğrusal olmayan trigliserit etkilerini hesaba katıyor ve dış doğrulama beklenirken risk farkındalığını destekleyebilir.

Özet

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

Yaralanmadan 48 saat içinde tespit edilen erken kas baldır ven trombozu (MCVT), kalça kırığı olan hastalarda perioperatif yönetimi etkileyebilir. Bu çalışma, bu popülasyonda erken MCVT riskini tahmin etmek için bir nomogram geliştirmek ve iç doğrulamayı amaçladı. Bu çalışma, 2021 ile 2024 yılları arasında kabul edilen kalça kırığı hastalarını geriye dönük olarak taradı. Hastalar, yaralanmadan 48 saat içinde yapılan kabul ultrasonuna göre MCVT ve MCVT dışı gruplara ayrıldı. Özellik seçimi için En Küçük Mutlak Küçülme ve Seçim Operatörü (LASSO) regresyonu, doğrusal olmayan ilişkileri değerlendirmek için ise kısıtlı kübik spline'lar (RCS) kullanıldı. Çok değişkenli bir lojistik regresyon modeli oluşturuldu ve nomogram olarak görselleştirildi. Model performansı, ayrımcılık (alıcı çalışma karakteristik eğrisinin altındaki alan, AUC), kalibrasyon (Brier puanı) ve klinik fayda (karar eğrisi analizi, DCA) ile değerlendirildi; dahili doğrulama ile 1.000 bootstrap yeniden örnekleme kullanılarak değerlendirildi; bu doğrulama Bireysel Prognoz veya Tanı Ve Tanı Plus Yapay Zeka (TRIPOD + AI) rehberliğine göre çok değişkenli bir tahmin modeli ile sağlandı. Dahil edilen 665 hastadan 44'ü (%6,6) erken MCVT geçirdi. Nihai tahmin modelinde altı değişken korundu: yaralanmadan yatışa kadar süre (TFIA), trigliseritler (TG), toplam kolesterol (TC), aktif kısmi tromboplastin süresi (APTT), nötrofil-lenfosit oranı (NLR) ve trombosit-lenfosit oranı (PLR). RCS analizi, TG ve MCVT riski arasında anlamlı doğrusal olmayan bir ilişki ortaya koydu (doğrusal olmayan için p-değeri <0.001). Model iyi ayrım (AUC: 0.894; %95 GA: 0.829–0.941) ve kabul edilebilir kalibrasyon (Brier puanı: 0.041) gösterdi. İyimserlik düzeltilmiş C-endeksi 0,884 idi. DCA, ilgili eşik olasılıkları arasında potansiyel klinik net fayda önerdi. Sonuç olarak, geliştirilen nomogram erken risk tabakalaşmasına yardımcı olabilir, ancak klinik uygulamadan önce bağımsız kohortlarda dış doğrulama gereklidir.

Giriş

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

Yaşlı yetişkinlerde kalça kırıkları, önemli bir küresel halk sağlığı sorunu oluşturur ve sıklıkla yüksek hastalık, ölüm oranı ve önemli sağlık harcamalarıyla^{ilişkilidir 1}. Mevcut klinik yönergeler, ağrıyı hafifletmek, erken mobilizasyonu kolaylaştırmak ve hayati tehlike doğuran komplikasyonları azaltmak için ideal olarak yatıştan sonra 48 saat içinde hızlandırılmış cerrahi müdahaleyi güçlü bir şekilde^{savunmaktadır} ^2,3. Ancak, ameliyat öncesi derin ven trombozu (DVT), zamanında ameliyat için büyük bir engel olmaya devam etmektedir. Kas baldır ven trombozu (MCVT), distal DVT'nin spesifik bir alt tipi olup, baldır kaslarının venöz pleksuslarında, özellikle soleus ve gastroknemius kaslarında trombus oluşumunu içerir⁴. Sıklıkla semptomatik ve tarihsel olarak proksimal DVT'ye göre daha az klinik olarak anlamlı algılanmasına rağmen, ortaya çıkan kanıtlar MCVT'nin sefaladı proksimal venlere yayabileceğini veya pulmoner embolizmi (PE) tetikleyebileceğini, böylece hasta güvenliğini tehlikeye^{atabileceğini göstermektedir} ^5,6. Sonuç olarak, yaralanmadan erken tespit edilen MCVT, cerrahi ertelemeyi gerektirebilir, hastanede kalmayı uzatabilir ve antikoagülan köprüleme veya inferior vena kava filtresi yerleştirilmesi gerektirerek perioperatif yönetimi zorlaştırabilir. Bu nedenle, kabul ultrasonunda tespit edilen erken MCVT riski yüksek olan kalça kırığı hastalarını tespit etmek için sağlam bir araç, cerrahi yolları optimize etmek ve hasta sonuçlarını iyileştirmek için klinik olarak önemlidir.

Rutin ultrason taramasına rağmen, kalça kırığı hastalarında akut MCVT için erken risk stratifikasyonu klinik olarak zorlayıcı olmaya devam etmektedir. Önceki araştırmalar, perioperatif tromboz için risk faktörlerini belirlemeye çalışmıştır; ancak çoğu, izole demografik özelliklere veya geleneksel pıhtılaşma^{parametrelerine odaklanmıştır} ^4,7. Bu çalışmalar genellikle doğrusal regresyon modellerinin doğasında olan sınırlamalarla sınırlanır; bu modeller, travma kaynaklı trombo-inflamatuar yanıtın karmaşık, doğrusal olmayan dinamiklerini ve karmaşık etkileşimini yakalayamayabilir. Patofizyolojik açıdan bakıldığında, akut kırıklar inflamatuar sitokinlerin yoğun bir salınımını tetikler ve bu da ardından pıhtılaşma^kaskadı ^8,9'u aktive eder. Nötrofil-lenfosit oranı (NLR) ve trombosit-lenfosit oranı (PLR) gibi yeni bileşik inflamatuar indeksler kardiyovasküler ve cerrahi alanlarda önemli prognostik değer göstermiş olsa da, erken faza MCVT'yi tahmin etmedeki faydaları büyük ölçüde keşfedilmemiştir^10,11.

Bu araştırma boşluğunu kapatmak için çok boyutlu ve bireyselleştirilmiş bir tahmin aracına ihtiyaç vardır. Bu çalışma, yaralanmadan 48 saat içinde kabul edilen kalça kırığı hastalarının iyi tanımlanmış bir kohortunda erken MCVT tahmin edicilerini araştırmayı amaçladı. Özellik seçimi için En Küçük Mutlak Küçülme ve Seçim Operatörü (LASSO) regresyonunu ve karmaşık doğrusal olmayan ilişkileri karakterize etmek için kısıtlı kübik splinlar (RCS) kullanarak, bu çalışma klinik olarak yorumlanabilir bir nomogram geliştirmeyi ve dahilini doğrulamayı amaçladı. Bu çalışma, sistemik inflamatuar belirteçler ve metabolik profillerin entegrasyonunun erken risk tabakalaşmasını iyileştireceğini ve kalça kırığı bakımının akut evresinde gözetim planlamasını destekleyeceğini öne sürdü.

Protokol

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

Çalışma protokolü hastanenin Kurumsal İnceleme Kurulu (IRB) tarafından onaylandı ([2025B], IIT Etik Onay No. 0407).

Çalışma tasarımı ve katılımcılar

Bu tek merkezli retrospektif kohort çalışması, Zhejiang Üniversitesi Tıp Fakültesi'nin Birinci Bağlı Hastanesi'nde gerçekleştirildi. Bu çalışma, Ocak 2021 ile Aralık 2024 arasında kalça kırığı ile yatırılan hastaların klinik kayıtlarını ardışık olarak taradı. Bu geriye dönük bir çalışma olduğundan, katılımcılardan bilgilendirilmiş onay muafiyeti talep edildi ve kabul edildi. Acil yatışta yapılan rutin renkli Doppler ultrason bulgularına dayanarak, hastalar MCVT veya MCVT dışı gruplara ayrıldı.

Kalça kırıkları, proksimal femur (femoral boynu, intertroşanserik ve subtrokanterik bölgeler dahil) kırıkları olarak tanımlanırken, pelvik kırıklar hariç tutulur. Çalışma popülasyonunun saflığını sağlamak için dahil etme kriterleri şu şekilde sıkı bir şekilde tanımlandı: (1) röntgen veya bilgisayarlı tomografi ile doğrulanmış primer kapalı kalça kırığı; (2) yaralanmadan hastaneye (TFIA) 48 saat içinde geçen süre; (3) Hastaneye kabul sırasında iki taraflı alt ekstremite derin venöz renkli Doppler ultrasonunun tamamlanması (genellikle kalça kırığının radyografik onayından 2 saat içinde ve antikoagülan tedaviye başlamadan önce); ve (4) planlı cerrahi müdahale. Hastalar aşağıdaki kriterlere göre dışlandı: (1) çoklu travmalar (örneğin, eşzamanlı kranioserebral, torasik veya karın yaralanmaları); (2) patolojik kırıklar (örneğin, kemik metastazı); (3) yatıştan 30 gün önce DVT veya PE veya antikoagülant/antitrombosit tedavisi ≥ öyküsü; (4) pıhtılaşma faktörünün sentezini veya metabolizmasını önemli ölçüde bozan şiddetli karaciğer veya böbrek disfonksiyonu; (5) eşzamanlı kötü huylu tümörler; (6) birincil klinik veya laboratuvar değişkenleriyle ilgili önemli eksik veriler; ve (7) giriş ultrasonunda tespit edilen proksimal DVT (örneğin, popliteal, femoral, ortak femoral veya iliak damarları içeren tromboz).

Veri toplama ve aday tahmincileri

Tüm aday tahmin ediciler kurumsal elektronik tıbbi kayıt (EMR) sisteminden geriye dönük olarak çıkarıldı. Veri doğruluğunu ve bütünlüğünü sağlamak için, çıkarma işlemi iki araştırmacı tarafından bağımsız olarak gerçekleştirildi ve tutarsızlıklar uzlaşı veya kıdemli bir doktorla görüşerek çözüldü. Toplanan veriler aşağıdaki alanlara ayrılmıştır: (1) Demografik Özellikler: Yaş, cinsiyet ve vücut kitle indeksi (BMI) dahil. (2) Klinik ve Yaralanma Ile İlgili Değişkenler: TFIA (saat cinsinden ölçülüyordu) tam olarak belgelendi. Ayrıca, başlangıç komorbiditeleri Charlson Komorbidite İndeksi (CCI) kullanılarak nicele edildi. (3) Laboratuvar Biyobelirteçleri: Laboratuvar parametreleri, kabul edildikten sonraki 24 saat içinde toplanan ilk venöz kan örneklerinden alındı. Bunlar tam kan sayısını (CBC), karaciğer ve böbrek fonksiyon testlerini ve pıhtılaşma profillerini kapsıyordu. Ayrıca, özellikle NLR ve PLR olmak üzere bileşik sistemik inflamatuar indeksler kabul CBC sonuçlarından hesaplandı.

Sonuç tanımı ve tanı kriterleri

Bu çalışmanın birincil son noktası, kabul sırasında ilk değerlendirmede tespit edilen tromboz olarak tanımlanan erken MCVT oluşumuydu. Dahil edilen tüm hastalar, herhangi bir antikoagülan tedaviye başlamadan önce, yatışta iki taraflı alt ekstremite Doppler ultrasonu uygulandı. Sınav EPIQ-5 ve eL18-4 kullanılarak gerçekleştirildi. Hastalar, tolere edilen pozisyona göre sırtüstü ve/veya yan pozisyonda muayene edildi. Tanı, rutin iki taraflı alt ekstremite renkli Doppler ultrasonu ile belirlendi. Akut faz için belirlenmiş sonografik kriterlere göre, MCVT pozitif tanısı aşağıdaki belirtilere^{dayanarak doğrulandı 12}: (1) baldır kas venöz lümenlerinin belirgin genişliği ve burkülülüğü; (2) enine kesitlerde birden fazla dairesel veya oval kütleler olarak görünen intraluminal flokulent veya uniform hipoekoik yankıların varlığı; (3) veinin dönüştürücü baskısı altında tamamen sıkıştırılmaması; (4) distal uzuv artırma sırasında bile algılanabilir bir akış olmayan spontan veya fazik kan akışı sinyallerinin olmaması (manuel kompresyon); ve (5) trombozlu segment ile bitişik kas dokusu arasında belirgin bir sınır. İki taraflı alt ekstremite Doppler ultrasonu, kabul sırasında sertifikalı ultrason doktorları tarafından standart kurumsal protokol kullanılarak gerçekleştirilmiştir. Belirsiz vakalar kıdemli bir ultrason hekimi tarafından incelendi.

İstatistiksel analiz

Tüm istatistiksel analizler R yazılımı (sürüm 4.5.2) kullanılarak gerçekleştirildi. Sürekli değişkenlerin normalliği Shapiro-Wilk testi kullanılarak değerlendirildi. Sürekli veriler, uygun ± ortalama standart sapmalar (SD) veya interquartil aralıklı medyanlar (IQR) olarak sunuldu. Kategorik değişkenler sıklık ve yüzdeler olarak ifade edildi.

Tek değişkenli analizde p-değeri < 0.01 olan ve klinik olarak önemli sayılan değişkenler LASSO regresyonuna girildi. Aday tahminciler, klinik önem ve kabul durumundaki erişilebilirlik temelinde seçildi. Sürekli değişkenler LASSO regresyonundan önce standartlaştırıldı. LASSO prosedüründe dokuz sürekli değişken ve kırığın tipi için iki sahte değişkenden oluşan on bir aday özellik değerlendirildi. Son çok değişkenli model için boyutluluk ve ekran değişkenlerini azaltmak amacıyla 10 kat çapraz doğrulama ile LASSO lojistik regresyonu kullanıldı. lambda.min ve lambda.1se değerleri incelendi ve nihai değişken tutma cezalandırılmış seçim, klinik önem ve sonraki RCS değerlendirmesi kullanılarak belirlendi. Tahminciler ile MCVT arasındaki ilişkiler, olasılık oranları (OR) ve karşılık gelen %95 güven aralıkları (CI) kullanılarak nicele edildi.

Çok değişkenli lojistik regresyonda belirlenen öngörücülere dayanarak, erken MCVT riskinin bireysel olarak tahmin edilmesini kolaylaştırmak için klinik bir nomogram oluşturuldu. Nomogramın öngörücü performansı, ayrımcılık, kalibrasyon ve klinik fayda olmak üzere üç boyutta kapsamlı şekilde değerlendirildi. Ayırtıcılık, alıcı çalışma karakteristik eğrisinin (AUC) altındaki alan kullanılarak nicel olarak ölçüldü. Kalibrasyon, tahmin edilen olasılıklar ile gözlemlenen sonuçlar arasındaki uyumu değerlendirmek için 1.000 bootstrap örneğiyle kalibrasyon grafikleri kullanılarak değerlendirildi; Brier puanı ayrıca genel tahmin doğruluğunu ölçmek için hesaplandı. Son olarak, modelin klinik net faydasını çok çeşitli eşik olasılıkları arasında belirlemek için Karar Eğrisi Analizi (DCA) gerçekleştirildi. Tüm istatistiksel analizler iki taraflıydı ve p-değerleri < 0.05 istatistiksel olarak anlamlı olarak kabul edildi.

Retrospektif tasarımla tutarlı olarak, örneklem büyüklüğü dört yıllık çalışma dönemi boyunca ardışık hasta verilerinin mevcut olmasıyla belirlendi; öncelikli güç hesaplaması değil. Pozitif MCVT olaylarının nispeten düşük insidansı (n = 44) göz önüne alındığında, tüm veri seti model geliştirmede istitistiksel gücü korumak için ayrı eğitim ve doğrulama setlerine bölünmeden kullanılmıştır. Bu olay oranıyla ilişkili aşırı uyum riskini azaltmak için, özellik seçimi ve küçülme düzenlemesi için LASSO regresyonu kullanılmıştır. Son modelde altı tahminci vardı ancak kesişim hariç olarak yedi regresyon parametresi vardı; çünkü TG iki spline terimiyle temsil ediliyordu; bu nedenle, parametre tabanlı EPV yaklaşık 6.3'tü. Model, artık mutlak bir kriter yerine kaba bir rehber olarak kabul edilen geleneksel olay başına olay (EPV) ≥10 sezgörü standartını karşılamadı. Bu nedenle, bu çalışma ayrıca bootstrap düzeltilmiş performans tahminleri ve kalibrasyon eğimi kullanılarak aşırı uyumu değerlendirdi. Dahili doğrulama, iyimser önyargıyı tahmin etmek ve ayarlamak için 1.000 bootstrap yeniden örneği kullanılarak gerçekleştirildi. Bu çalışma, TRIPOD+AI raporlama^{rehberi 13'e} uygun olarak gerçekleştirilmiştir.

Bağımsız doğrulama ve uygulamayı kolaylaştırmak için, kesişme, regresyon katsayıları, trigliserid (TG) spline katsayıları ve RCS düğüm konumları dahil olmak üzere tüm model denklemi Tablo 1'de sunulmuştur. Erken MCVT'nin tahmin edilen olasılığı P = 1 / [1 + exp(-LP)] olarak hesaplandı; burada LP doğrusal tahmincidir.

Sonuçlar

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

Demografik veriler

Toplamda 665 kalça kırığı olan hasta dahil etme kriterlerini karşıladı ve bu çalışmaya dahil edildi (Şekil 1). Bunlar arasında, 44 hasta (%6,6) yaralanmadan 48 saat içinde giriş ultrasonunda erken MCVT teşhisi kondu. MCVT ile MCVT dışı gruplar arasındaki demografik ve klinik özelliklerin ayrıntılı bir karşılaştırması Tablo 2'de özetlenmiştir.

LASSO regresyonu ve RCS sonuçları

Tek değişkenli analizde istatistiksel olarak anlamlı olarak tanımlanan aday değişkenler (p-değeri < 0.01) ve klinik olarak ilgili parametreler, LASSO regresyonu kullanılarak daha fazla taranmıştır (Şekil 2). Dokuz sürekli değişken ve iki kırık tipi dummy değişken dahil olmak üzere on bir aday özellik değerlendirildi. Son tahmin modeli TFIA, toplam kolesterol (TC), Aktif Kısmi Tromboplastin Zamanı (APTT), NLR, PLR ve TG'yi korudu. PLR, çok değişkenli modelde sınırda istatistiksel anlamlılık gösterdi (p-değeri = 0.068) ancak LASSO taraması ve klinik olasılık temelinde korundu. Doğrusal varsayımını gevşetmek için, altı sürekli tahminci için RCS analizi yapıldı ve diğer tanımlanan değişkenler için ayarlandı (Tablo 3). TG ile MCVT riski arasında anlamlı doğrusal olmayan doz-yanıt ilişkisi gözlemlendi (genel p-değeri < 0.001). Şekil 3'te gösterildiği gibi, MCVT riski alt-orta TG değerleri arasında keskin bir şekilde arttı ve ardından daha yüksek TG seviyelerinde daha geniş belirsizlikle birlikte daha yavaş yükseldi. RCS analizi 3 knot hızında gerçekleştirildi. TG için düğümler 0,62 mmol/L, 1,03 mmol/L ve 1,64 mmol/L olarak yerleştirildi; bu da TG dağılımının 10., 50. ve 90. pertillerine karşılık gelir. 1.03-1.04 mmol/L civarındaki görünür referans noktası, doğrulanmış bir klinik sınır yerine keşif amaçlı değerlendirilmelidir.

Çok değişkenli lojistik regresyon analizi

LASSO ve RCS analizleriyle belirlenen değişkenler dahil edilerek, nihai çok değişkenli lojistik regresyon modeli oluşturuldu. Bu modelde TFIA, TC, APTT, NLR ve PLR doğrusal terimler olarak dahil edilirken, TG doğrusal olmayan etkisini açıklamak için kısıtlı kübik spline olarak dahil edilmiştir (Tablo 4). Nihai tahmin modelinde altı değişken korundu: TFIA (OR = 1.026, %95 GA: 1.004–1.049, p-değeri = 0.021), TC (OR = 0.244, %95 GA: 0.146–0.406, p-değeri < 0.001), APTT (OR = 0.856, %95 CI: 0.764–0.959, p-değeri = 0.007), NLR (OR = 1.189, %95 CI: 1.103–1.280, p-değeri <0.001), PLR (OR = 1.004, %95 GA: 1.000–1.008, p-değeri = 0.068) ve RCS ile modellenen TG. Modeldeki TG'nin genel etkisi son derece anlamlıydı (p-değeri < 0.001). Bu değişkenlere dayanarak, bireysel risk tahminini kolaylaştırmak için klinik bir nomogram geliştirilmiştir (Şekil 4). Tam regresyon katsayıları, model kesişimi, TG spline katsayıları ve düğüm konumları Tablo 1'de sunulmuştur. Tahminci tanımlar Tablo 5'te özetlenmiştir.

Model performansı

Modelin ayırıcı performansı, alıcı çalışma karakteristikleri (ROC) analizi kullanılarak değerlendirildi (Şekil 5) ve 0,894 AUC (%95 GA: 0,829–0,941) olarak sonuçlandı. Kalibrasyon eğrisi, tahmin edilen olasılıklar ile gözlemlenen sonuçlar arasında genel uyum sağladı (Şekil 6), Brier puanı 0.041 (bootstrap %95 CI: 0.031–0.053) ile desteklendi. DCA, modelin kullanılmasının, eşik olasılıklar aralığında hem "hepsini ödüllendir" hem de "hiç ödül verme" stratejilerinden daha yüksek net fayda sağlayabileceğini öne sürmüştür (Şekil 7). Ek kalibrasyon metrikleri hesaplandı. Görünür kalibrasyon kesintisi yaklaşık 0, görünür kalibrasyon eğimi 1.000 ve kalibrasyon genel olarak yaklaşık 0 idi. Bootstrap düzeltilmiş kalibrasyon eğimi 0.896 idi, bu da iç doğrulamadan sonra mütevazı bir iyimserlik gösteriyor. 1.000 bootstrap yeniden örnekleme ile yapılan iç doğrulama, iyimserlik düzeltilmiş C-indeksi 0.884 (bootstrap %95 CI: 0.837-0.946) olarak görülen 0.894 ile karşılaştırıldığında sınırlı iyimserlik gösterdi. Önyargılı kalibrasyon eğrisi, ideal çizgiyi yaklaşık olarak 0.013 ortalama mutlak hatayla eşleştirdi. DCA net fayda tahminleri için %95 güven aralıkları Şekil 7'de gösterilmiştir. Hosmer-Lemeshow uygunluk testi χ² = 21.77, df = 8, p-değeri = 0.005 gösterdi; bu da risk decilleri arasında tahmin edilen ve gözlemlenen olasılıklar arasında bazı farklılıklar olduğunu düşündürdü. Bu nedenle, kalibrasyon dikkatli yorumlanmalı ve dış kohortlarda yeniden değerlendirilmelidir.

Veri Erişilebilirliği:

Kimliği silinmiş bireysel katılımcı veri seti, tamamlanan TRIPOD+AI kontrol listesi ve veri işleme, model geliştirme, doğrulama ve performans değerlendirmesi için kullanılan tam R istatistiksel analiz kodu, Ek Dosyalar 1–3 olarak sunulmaktadır. Bu materyaller, bu çalışmada bildirilen bulguları yeniden üretebilmek için gerekli tüm veri ve analitik kaynakları içermektedir.

figure-results-1
Şekil 1: Katılımcı akış diyagramı. Bu akış diyagramı, hasta taraması, dahil etme ve dışlama kriterlerini ve model geliştirme için kullanılan son çalışma kohortunu özetlemektedir. Bu figürün daha büyük bir versiyonunu görmek için lütfen buraya tıklayın.

figure-results-2
Şekil 2: Tahminci seçimi için LASSO regresyonu. Grafik, 10 katlı çapraz doğrulamada log(lambda)'nın bir fonksiyonu olarak çapraz doğrulanmış binomial sapmayı gösterir. Dokuz sürekli değişken ve iki kırık tipi dummy değişkenden oluşan on bir aday özellik değerlendirildi. Üstteki sayılar, her lambda değerindeki sıfır olmayan katsayıların sayısını gösterir. Hata çubukları standart hataları gösterir. Dikey kesik çizgiler lambda.min (0.00526) ve lambda.1se (0.02558) anlamına gelir. Kısaltmalar: CCI = Charlson Komorbidite Endeksi; TFIA = Sakatlıktan hastaneye geçiş süresi; WBC = Beyaz kan hücresi; N = Nötrofil; L = Lenfosit; M = Monosit; HB = Hemoglobin; HCT = Hematokrit; PLT = Trombosit; NLR = Nötrofil-lenfosit oranı; PLR = Trombosit-lenfosit oranı; TP = Toplam protein; Alb = Albümin; Tbil = Toplam bilirubin; Crea = Kreatinin ; TC = Toplam kolesterol; GFR = Glomerüler filtrasyon hızı; IP = İnorganik fosfat; INR = Uluslararası normalize oran; Fbg = Fibrinogen; APTT = Aktif kısmi tromboplastin süresi; TT = Trombin Zamanı; PT = Protrombin Zamanı. Bu figürün daha büyük bir versiyonunu görmek için lütfen buraya tıklayın.

figure-results-3
Şekil 3: TG ve erken MCVT'nin RCS analizi. Eğri, erken MCVT için TG seviyesine (mmol/L) göre ayarlanmış OR'ları gösterir. Model, TC, NLR, TFIA, APTT ve PLR için ayarlandı ve 0.62 mmol/L, 1.03 mmol/L ve 1.64 mmol/L olarak 3 knot hız kullandı. Referans değeri medyan TG seviyesiydi (1,03 mmol/L). Gölgeli alan %95 yer güzergahını temsil eder. TG, sürekli doğrusal olmayan bir tahminci olarak modellenmiştir ve eğri, doğrulanmış bir klinik kesim noktası olarak yorumlanmamalıdır. Bu figürün daha büyük bir versiyonunu görmek için lütfen buraya tıklayın.

figure-results-4
Şekil 4: Yaralanmadan 48 saat içinde tespit edilen erken MCVT'yi tahmin etmek için nomogram. Nomogram, erken MCVT'nin tahmin edilen olasılığını TFIA (h), TG (mmol/L), TC (mmol/L), APTT (saniye), NLR ve PLR kullanarak tahmin eder. Tahmin tanımları ve ölçüm birimleri Tablo 5'te verilmiştir. Bu figürün daha büyük bir versiyonunu görmek için lütfen buraya tıklayın.

figure-results-5
Şekil 5: Son tahmin modelinin ROC eğrisi. ROC eğrisi, erken MCVT için tahmin modelinin ayırt etme yeteneğini gösterir. AUC 0.894 (%95 GA: 0.829-0.941) idi. Bu figürün daha büyük bir versiyonunu görmek için lütfen buraya tıklayın.

figure-results-6
Şekil 6: Son tahmin modelinin kalibrasyon eğrisi. Kalibrasyon grafiki, erken MCVT'nin tahmin edilen ve gözlemlenen olasılıklarını karşılaştırır. İdeal çizgi mükemmel kalibrasyonu temsil eder; Görünür eğri, geliştirme veri setindeki model performansını temsil eder; ve önyargılı eğri, 1.000 yeniden örneklemeden sonra bootstrap düzeltilmiş kalibrasyonu temsil eder. Brier puanı 0.041, görünür kalibrasyon kesintisi yaklaşık 0, görünür kalibrasyon eğimi 1.000 ve bootstrap düzeltilmiş kalibrasyon eğimi 0.896 idi. Bu figürün daha büyük bir versiyonunu görmek için lütfen buraya tıklayın.

figure-results-7
Şekil 7: Nihai tahmin modelinin DCA'sı. DCA, nomogramın eşik olasılıkları üzerindeki net faydasını gösterir. Model eğrisi, nomogramın kullanımının net faydasını temsil eder; her şeyi tedavi etme çizgisi tüm hastaların MCVT geliştirdiğini varsayar; ve tedavi-yok çizgisi ise hastaların MCVT geliştirmediğini varsayıyor. Eğri, yalnızca dahili doğrulama sırasında potansiyel klinik faydanın kanıtı olarak yorumlanmalıdır, çünkü doğrulanmış bir tedavi eşiği belirlenmemiştir. Bu figürün daha büyük bir versiyonunu görmek için lütfen buraya tıklayın.

Tahminci/terim	Dönüşüm / tanım	Katsayı beta
Kesinti	Model kesişmesi	-1.621145541
TFIA	Linear; Sakatlıktan hastaneye kadar saatler	0.025977241
NLR	Linear; Nötrofil-lenfosit oranı	0.172703853
PLR	Linear; Trombosit-lenfosit oranı	0.004034446
TG_linear	RCS doğrusal terim; TG in mmol/L	6.24150855
TG_rcs1	RCS doğrusal olmayan terim; düğümler 0.62, 1.03, 1.64 mmol/L	-4.814103739
TC	Linear; toplam kolesterol mmol/L cinsinden	-1.411933879
APTT	Linear; saniyeler	-0.155260603
TG RCS düğümleri	0.62, 1.03, 1.64 mmol/L
Tahmin edilen olasılık	P = 1 / (1 + exp(-LP))

TABLO 1: Tahmin modelinin tam spesifikasyonu. Bu tablo, kesişme noktası, regresyon katsayıları, TG için kısıtlı kübik spline katsayıları ve model uygulaması ile bağımsız doğrulama için gereken düğüm konumlarını içeren tam tahmin modelini sunmaktadır.

Değişken	MCVT grubu	MCVT dışı grup	*p değeri*
Ortalama ± SD veya n (%)	(n = 44)	(n = 621)	*p değeri*
Cinsiyet (erkek/kadın)	15/29 (34.1/65.9)	224/397 (36.1/63.9)	0.872^a
Yaş	79.68 ± 12.03	75.66 ± 15.65	0.041^b
BMI	22.05 ± 2.74	21.94 ± 3.12	0.796^b
Hipertansiyon (evet/hayır)	15/29 (34.1/65.9)	196/425 (31.6/68.4)	0.739^a
Diyabet (evet/hayır)	6/38 (13.6/86.4)	91/530 (14.7/85.3)	1.000^a
Koroner hastalık (evet/hayır)	1/43 (2.3/97.3)	29/592 (4.7/95.3)	0.713^a
Kırık tipi (femoral boynu/intertrokanterik/subtrokanterik)	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 (saatler)	25.58 ± 18.89	16.22 ± 14.60	0.002^b
Beyaz Kürek sayısı (x 10⁹/L)	9.19 ± 2.92	8.90 ± 3.18	0.529^b
N sayısı (*10⁹/L)	7.48 ± 2.99	4.20 ± 3.11	<0.001^b
L sayısı (x 10⁹/L)	0.99 (0.78-1.21)	1.15 (0.92-1.52)	0.003^d
M sayısı (*10⁹/L)	0.57 (0.44-0.71)	0.59 (0.43-0.75)	0.941^d
HB sayısı (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 sayısı (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
Alb (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
Crea (μmol/L)	70.50 (58.80-89.50)	67.00 (57.47-82.00)	0.280^d
Urea (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 (ikinci)	28.16 ± 3.23	29.48 ± 3.88	0.012^b
TT (ikinci)	15.95 (15.30-16.95)	16.10 (15.60-16.80)	0.533^d
PT (ikinci)	11.90 (11.40-12.50)	12.27 (11.70-12.80)	0.064^d
D-Dimer (μg/L)	7186.00 (4,447.25-17,346.75)	4780.90 (1,980.00-12,140.00)	0.017^d
Veriler ortalama SD, medyan (IQR) veya uygun ± n (%) olarak sunulur. ^aWelch'in t-testi; ^bWilcoxon sıralama toplamı testi; ^cKi-kare testi; ^dFiisher'ın kesin testi (Fisher-Freeman-Halton kesin testi, beklenen hücre sayısı düşük olduğunda çok kategorili değişkenler için kullanıldı).

TABLO 2: MCVT'li ve olmayan hastaların başlangıç özellikleri. Sürekli değişkenler, uygun ± ortalama standart sapma veya orta aralıklı medyan olarak sunulur. Kategorik değişkenler sayı ve yüzdeler olarak sunulur. Son analitik kohortta, aday tahmin ediciler veya sonuç değişkenleri için eksik değerler bulunmamıştır; Taramadan geçen 12 hasta, önemli klinik veya laboratuvar verilerinin eksikliği nedeniyle hariç tutuldu.

Değişken	Knots (10., 50., 90. yüzde yüzdelikler)	Doğrusal olmayan p-değeri	Genel p-değeri
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

TABLO 3: RCS analiziyle değerlendirilen doğrusal olmayan ilişkiler. Tablo, seçilmiş tahmin ediciler için düğüm konumlarını, genel p-değerleri ve doğrusal olmayan p-değerleri sunar. RCS modelleri, her tahminci dağılımının 10., 50. ve 90. perdeliklerine yerleştirilen 3 knot kullandı.

Değişkenler	VEYA	CI-lower	CI-upper	*p-değeri*
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 (RCS ile modellenmiş)	-	-	-	<0.001

TABLO 4: Erken MCVT için çok değişkenli lojistik regresyon modeli. Doğrusal terimler için OR'lar, %95 CI ve p-değerleri gösterilir. TG RCS kullanılarak modellendiği için tek bir OR ve %95 CI rapor edilmedi. Ayarlanmış doz-yanıt ilişkisi Şekil 3'te gösterilmekte olup, spline katsayıları ve düğüm konumları Tablo 1'de verilmiştir.

Tahminci	Tanım	Birim	Zamanlama
TFIA	Yaralanmadan hastaneye kabul edilene kadar olan süre	Saatler	Kabul kan testi
TG	Trigliseritler	mmol/L	Kabul kan testi
TC	Toplam kolesterol	mmol/L	Kabul kan testi
APTT	Aktif kısmi tromboplastin zamanı	saniyeler	Kabul kan testi
NLR	Nötrofil sayısı / lenfosit sayısı	oranı	Kabul kan testi
PLR	Trombosit sayısı / lenfosit sayısı	oranı	Kabul kan testi

TABLO 5: Tahmin modeli değişkenlerinin tanımları. Bu tablo, nihai modelde yer alan tahmincileri, tanımları, ölçüm birimleri ve uygun olduğunda klinik yorumlarıyla birlikte özetler.

Ek Dosya 1: TRIPOD+AI raporlama kontrol listesini tamamladı. Bu dosya, Bireysel Prognoz veya Tanı Ve Yapay Zeka (TRIPOD+AI) için Çok Değişkenli Tahmin Modelinin Şeffaf Raporlaması (TRIPOD+AI) kontrol listesini içerir ve tahmin modeli çalışmaları için raporlama önerilerine uyumu belgeler. Bu dosyayı indirmek için lütfen buraya tıklayın.

Ek Dosya 2: Tahmin modeli geliştirme ve doğrulama için istatistiksel analiz çıktıları. Bu çalışma kitabı, model geliştirme ve doğrulama sırasında üretilen istatistiksel analiz çıktılarını içerir; bu çıktılar arasında tek değişkenli analizler, LASSO regresyon sonuçları, sınırlı kübik spline analizleri, çok değişkenli lojistik regresyon katsayıları, model performans metrikleri, kalibrasyon analizleri, Hosmer-Lemeshow uygunluk testi sonuçları, karar eğrisi analizi ve ilgili özet tablolar yer alır. Bu dosyayı indirmek için lütfen buraya tıklayın.

Ek Dosya 3: Veri işleme ve istatistiksel analiz için R beti. Bu dosya, veri ön işlemesi, değişken seçimi, model geliştirme, iç doğrulama, kalibrasyon, ayırt edici analiz, karar eğrisi analizi ve bu çalışmada bildirilen istatistiksel çıktıların üretimi için kullanılan tam R betiklerini içerir. Bu dosyayı indirmek için lütfen buraya tıklayın.

Tartışma

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

Kalça kırığı sonrası, alt uzuv hareketliliğinin kısıtlanması gastroknemius pompa fonksiyonunu ve venöz kan akış hızını düşürebilir. Görece küçük çapları ve valf eksikliği nedeniyle, kas baldır damarları kan stazisine hassastır ve trombus tespit için erken bir yer olabilir. Zhao ve ark. tarafından yapılan önceki bir çalışma, kalça kırığı hastalarında ameliyat öncesi MCVT insidansının %23,5 olduğunu^{bildirdi 14}. Buna karşılık, kohort sisidansı %6,6 ile daha düşüktü. Bu tutarsızlık, akut travma sonrası döneme odaklanmak için tasarlanmış katı dahil etme ve dışlama kriterlerinden kaynaklanabilir. Özellikle, bu çalışma önceki venöz tromboembolizm veya antikoagülan ve antitrombosit ilaçların uzun süreli kullanımı gibi karmaşık pre-travma faktörleri olan hastaları dışlamış, böylece yaralanmadan sonra erken tespit edilen MCVT'nin daha odaklı bir değerlendirmesini sağlamıştır.

Bu çalışma, erken MCVT'yi tahmin etmekte TFIA, sistemik inflamatuar indeksler (NLR, PLR) ve lipid metabolizması (TG, TC) arasında önemli bir sinerjik etkileşim olduğunu ortaya koymuştur. Uzun süren TFIA, sadece immobilizasyon nedeniyle venöz stazis riskini artırmakla kalmaz, aynı zamanda kritik post-travmatik^faz ^15,16 sırasında akut stres penceresini uzatır. Tek değişkenli analiz, MCVT grubunda yüksek N sayısı ve azalmış L sayısı ile karakterize edilen çift yönlü bir değişim ortaya koydu ve bu da NLR'de anlamlı artışa yol açtı. N sayısının toplanması, travma sonrası akut inflamatuar kaskadın aktivasyonunu yansıtır; özellikle, nötrofil ekstrasellüler tuzaklarının (NET'ler) salınımının fibrin birikimini ve pıhtı oluşumunu doğrudan kolaylaştıran protrombotik bir iskele sağladığı^{gösterilmiştir 17}. Buna karşılık, sürekli travmatik stres altında gözlemlenen lenfopeni, sistemik inflamatuar yanıt sendromu (SIRS) ile telafi edici anti-inflamatuar yanıt sendromu (CARS) arasındaki karmaşık etkileşimi vurgular. Bu olgu, öncelikle hipotalamus-hipofiz-adrenal (HPA) ekseninin travma kaynaklı aktivasyonu tarafından yönlendirilir; bu durumda endojen glukokortikoidlerdeki artış L hücresi apoptozunu hızlandırır. Hem "inflamatuar yoğunluk" hem de "bağışıklık fonksiyon bozukluğu" entegre edilerek, NLR LASSO regresyonuyla güçlü bağımsız bir öngörücü olarak sağlam bir şekilde seçildi (OR = 1.189, p-değeri < 0.001). Ayrıca, PLR'nin modele dahil edilmesi, trombosit hiperreaktivite ile stres altındaki lenfopeni arasındaki sinerjistik dengesizliği yansıtmaktadır. PLR, çok değişkenli modelde geleneksel istatistiksel anlamlılığa ulaşmasa da, LASSO regresyonuyla seçildiği ve trombositle ilişkili inflamatuar aktiviteyi yansıttığı için potansiyel bir öngörücü değişken olarak korundu. Bu nedenle, PLR bağımsız olarak anlamlı bir risk faktörü olarak değil, tahmin modelinin bir bileşeni olarak yorumlanmalıdır.

Ayrıca, bu trombo-inflamatuar süreç, travma kaynaklı lipid metabolizmasında düzensizlikle daha da kötüleşir. TC ile erken MCVT arasındaki ters ilişki dikkatli bir şekilde yorumlanmayı hak eder. Yükselen kolesterol geleneksel olarak arterial aterosklerotik hastalıkla ilişkilendirilse de, akut travma sonrası venöz tromboz iltihap, venöz stazis, endotel hasarı ve travma kaynaklı pıhtılaşma aktivasyonu gibi farklı mekanizmaları içerir. Mevcut kohortta, MCVT grubunda daha düşük TC ancak daha yüksek TG seviyeleri görüldü; bu da geleneksel kronik dislipidemi deseninden ziyade akut faz lipid yanıtı olduğunu düşündürdü. Önceki kanıtlar, iltihap ve enfeksiyonun TC, LDL-C ve HDL-C seviyelerini düşürürken TG seviyelerini artırabileceğini ve bu lipid değişikliklerinin büyüklüğünün hastalığın şiddetiyle ilişkili olabileceğini gösteriyor¹⁸. Bu nedenle, düşük TC, yaşlı kalça kırığı hastalarında doğrudan tromboza neden olmaktan ziyade daha yüksek sistemik inflamatuar stres, katabolik durum veya kırılganlığı yansıtabilir. Bu bulgu hipotez üreten bir yapım olarak değerlendirilmeli ve dış doğrulama gerektirmelidir. MCVT grubunda gözlemlenen TG yükselmesi ve eşlik eden TC azalması, belirgin bir "metabolik yeniden modellenme" profilini karakterize eder. Hipertrigliseridemi sadece sistemik inflamatuar zincirlemeleri ve oksidatif stresi tetiklemekle kalmaz, aynı zamanda endotel hücrelerini prokoagülant faktörler salgılamaya teşvik eder ve böylece derin endotel işlev bozukluğuna yol açar¹⁹. Buna karşılık, TC azalması sıklıkla Interleukin-6 gibi pro-inflamatuar sitokinlerdeki artışla ilişkilidir; bu da hücre zarının stabilitesinin bozulduğunu ve metabolik tükenmenin hızlanmasını işaret eder. Sistemik iltihap ile metabolik bozukluk arasındaki karmaşık etkileşim, damar endotelinin "trombo-dirençli fenotipten" "prokoagülant fenotipe" kritik patolojik geçişini tetikler. Bu endotel fenotipik kayma, kalça kırıkları sonrası erken faza MCVT oluşumu için temel biyolojik zemini oluşturur²⁰. Görünüşte 1.03 mmol/L civarındaki TG referans noktası dikkatli yorumlanmalıdır. Bu değer mevcut veri setinden türetildiği ve spline spline spetsifikasyonu, düğüm yerleşimi ile TG değerlerinin dağılımı tarafından etkilenebileceği için, kesin bir klinik kesme noktası olarak kabul edilmemelidir. Herhangi bir TG eşiğinin klinik karar alma için önerilebilmesinden önce daha fazla hassasiyet analizi ve dış doğrulama gereklidir. Tek değişkenli analizde MCVT hastalarında Fibrinogen (Fbg) seviyeleri daha düşük olsa da, nihai öngörücü modelde Fbg korunmadı. Bu, MCVT ile ilişkisinin modelde yer alan diğer iltihaplayıcı, pıhtılaşma ve metabolik değişkenlerle kısmen açıklanabileceğini göstermektedir. Fbg azalması geleneksel olarak kanama diyatezi olarak yorumlanabilirken, akut ortopedik travmanın klinik bağlamında bu daha çok tüketim koagulopatisinin başlangıcını işaret eder²¹. Kalça kırığını takip eden hiperakut fazda, prokoagülan faktörlerin sistemik salınımı, dışsal pıhtılaşma zincirini tetikler. Fibrin çapraz bağlamasının temel substratı olan Fbg, hasarlı veya durgun venöz lümenlerde biriken çözünmeyen fibrin polimerlerine dönüştürüldüğü için büyük miktarlarda tüketilir²²^,²³. Bu olgu, dolaşımdaki Fbg'de lokal bir azalmanın, yaygın fokal trombotik aktivite için bir vekil işaret olarak hizmet verdiği travma kaynaklı koagulopati (TIC) üzerine yapılan önceki araştırmalarla örtüşmektedir²¹. Ayrıca, modelde gözlemlenen APTT'nin hafif kısaltması, endogen pıhtılaşma yolunun önceden aktivasyonunu doğrular; bu da homeostatik stabiliteden protrombotik duruma sistemik bir geçişi yansıtır. APTT'nin kısaltılması ve Fbg'nin azalması, tutarlı bir hiperkoagülasyon-tüketim mantığı oluşturur: endojen yol aktivasyonu fibrin oluşumunu hızlandırır ve dolaşımdaki Fbg rezervlerinde telafi edici bir azalma gerektirir. Bu bulgular, pıhtılaşma parametrelerinin dinamik aşağı yönlü eğilimini izlemenin, erken travma sonrası dönemde yalnızca geleneksel hiperkoagulasyon eşiklerine güvenmekten daha iyi öngörü değeri sağlayabileceğini göstermektedir.

Son yıllarda, kalça kırığı olan hastalarda venöz tromboz için öngörücü modeller araştırılmıştır. Jiang ve ark., 388 yaşlı hastadan alınan verileri kullanarak bir MCVT nomogram modeli geliştirmiş ve 0.805²⁴ AUC elde etmiştir. Benzer şekilde, Pan ve ark. 419 hastalık bir kohortta cinsiyet, TFIA, ASA derecesi, C-reaktif protein ve D-dimeri tahmin ediciler olarak tanımladı ve model AUC 0.794^25'tir. Başka bir yakın zamanda yapılan nomogram, venöz stazis, pıhtılaşma ve bağışıklık iltihabı gibi alanlarda beş risk faktörünü entegre ederek ameliyat öncesi DVT'yi tahmin etmeyi^amaçladı. Bu modeller pıhtılaşma parametrelerine, demografik yapıya ve beslenme durumuna odaklansa da, öngörü pencereleri genellikle genel olarak ameliyat öncesi dönem olarak tanımlanıyordu. Ancak klinik uygulamada, ameliyat travmadan 48 saat içinde gerçekleşebilir veya eş zamanlı hastalıklar nedeniyle önemli ölçüde gecikebilir. Bu çalışma, özellikle yaralanmadan 48 saat içinde tespit edilen MCVT'ye odaklandı ve bu durum akut karar verme penceresi için daha önemli olabilir. Caprini risk değerlendirme ölçeği, VTE taraması²⁷ için yaygın olarak kullanılır, ancak acil durumlarda yaşlı kalça kırığı hastaları için uygulanması karmaşık olabilir çünkü ayrıntılı tıbbi geçmişe dayanan birçok faktörü içerir. Buna karşılık, mevcut nomogram rutin olarak kullanılabilir kabul değişkenlerini kullanır. Ancak, model kesin bir tedavi rehberi yerine içsel olarak doğrulanmış bir risk tahmini aracı olarak yorumlanmalıdır. RCS analizi, TG ve MCVT riski arasında doğrusal olmayan bir ilişki ve medyan TG seviyesi etrafında eğim değişikliği olduğunu öne sürdü. Bu desen, spline spesifikasyonu, düğüm yerleşimi ve mevcut veri setindeki TG değerlerinin dağılımı gibi nedenlerle keşif amaçlı olarak değerlendirilmelidir. Herhangi bir TG eşiğinin klinik karar alma için önerilmesinden önce dış doğrulama gereklidir.

Sigara geçmişi, öncelikle veri güvenilirliği ve spesifik popülasyon özellikleri nedeniyle ilk veri toplamadan çıkarıldı. Kohortun demografik profili göz önüne alındığında, ki bu değişken çoğunlukla aktif sigara içme oranı oldukça düşük olan yaşlı kadınlardan oluşuyordu; bu değişken öngörücü modele anlamlı katkı sağlayacak yeterli istatistiksel varyansa sahip olmazdı. Sonuç olarak, nomogramın nesnelliğini ve klinik faydasını desteklemek için, bu çalışma kabul sırasında elde edilen standart laboratuvar biyobelirteçlerine öncelik verdi. Bu nesnel göstergeler, yaralanma sonrası 48 saat içinde protrombotik duruma doğru akut patofizyolojik kaymayı kendi bildirimlerine göre daha doğru yansıtabilir. Yaş, cinsiyet, kırık tipi, eş hastalıklar, D-dimer ve Fbg gibi bazı klinik açıdan önemli değişkenler nihai modelde tutulmadı. Bu, bu faktörlerin klinik olarak önemsiz olduğunu mutlaka göstermez. Bunun yerine, cezalandırılmış seçimden sonra, bu veri setine TFIA, TG, TC, APTT, NLR ve PLR dışında yeterli bağımsız öngörü bilgisi eklemediler. Özellikle, D-dimer ve Fbg kısmen diğer pıhtılaşma ve iltihaplanma ile ilgili değişkenlerle örtüşebilir. MCVT etkinliğinin sınırlı sayısı göz önüne alındığında, aşırı uyumu azaltmak için sade bir model tercih edildi.

Model yapımına bağlı, sınırlı sayıda olay (n = 44) TG spline terimleri ayrı sayıldığında yaklaşık 7.3 olan geleneksel tahminci tabanlı EPV ve yaklaşık 6.3 parametre tabanlı EPV vermiştir. Son model geleneksel EPV ≥10 sezgörü standartını karşılamasa da, bu kural mutlak bir kriter değildir. Bu nedenle bu çalışma, iyimserlik ve kalibrasyonu değerlendirmek için bootstrap iç doğrulama kullandı. Buna rağmen, sınırlı sayıda etkinlik aşırı uyum riskini artırabilir ve dış doğrulama gereklidir. İlk olarak, yalnızca geleneksel adımlı seçime dayanmak yerine, değişken taramayı desteklemek ve model karmaşıklığını azaltmak için LASSO regresyonu kullanılmıştır. İkincisi, önceki metodolojik çalışmalar, model performansı ve kalibrasyonun dikkatlice değerlendirilmesi koşuluyla öngörücü modelleme^28'de on kuralının bazen gevşetilebileceğini göstermektedir. Üçüncü olarak, 1.000 tekrarlık bootstrap iç doğrulama, ayrımcılık ve kabul edilebilir genel kalibrasyon metriklerinde sınırlı iyimserlik gösterdi, ancak önemli Hosmer-Lemeshow testi kalibrasyonun dikkatli yorumlanması ve dış kohortlarda yeniden değerlendirilmesi gerektiğini gösteriyor.

Model, akut kalça kırığı bakımında çalışan hekimler ve hemşirelik profesyonelleri için tasarlanmıştır. Kullanıcılar, rutin olarak mevcut altı kabul değişkenini doğru birimlerle girmelidir; Nomogram veya hesaplayıcı uygulandıktan sonra istatistiksel uzmanlık gerekmez, ancak klinik yorumlama eğitimli klinisyenler tarafından yapılmalıdır. Modeli uygulamak için klinisyenlerin başvuruda TFIA, TG, TC, APTT, NLR ve PLR dosyalarını toplaması gerekir. Doğrusal tahminci, tam regresyon denklemi kullanılarak hesaplanır ve tahmin edilen olasılık P = 1/[1+exp(-LP)] olarak elde edilir. Kesişme, regresyon katsayıları, TG spline katsayıları ve RCS düğüm konumları dahil olmak üzere tam model spesifikasyonu Tablo 1'de sunulmaktadır. Ayrıntılı tahmin tanımları Tablo 5'te verilmiştir. Tahmin edilen olasılık yalnızca tahmini bir risk olarak yorumlanmalıdır. Şu anda doğrulanmış bir müdahale eşiği mevcut değildir. Yüksek risk olduğu öngörülen hastalar için, nomogram tedaviyi doğrudan yönlendirmek yerine klinik tetikte olma potansiyeline sahip olabilir. Potansiyel yönetim stratejileri arasında, klinik olarak belirtilmediğinde erken veya tekrarlanan Doppler ultrason değerlendirmesi, hem trombotik hem de kanama risklerinin dikkatli yeniden değerlendirilmesi, gereksiz ameliyat gecikmesinin önlenmesi, erken mobilizasyon, yeterli su içme ve kontrendikasyon olmadıklarında rehber tabanlı VTE profilaktisinin zamanında başlatılması yer alır. Bu çalışmada doğrulanmış risk kategorileri veya tedavi eşikleri belirlenmediği için, model antikoagülasyon kararları için bağımsız bir temel değil, risk farkındalığı ve gözetim planlaması için bir araç olarak değerlendirilmelidir. Kalibrasyon eğrisi ve Brier puanı genel kalibrasyonun kabul edilebilir olduğunu gösterse de, Hosmer-Lemeshow testi istatistiksel olarak anlamlıydı. Bu bulgu, testin gruplama hassasiyetini ve düşük olay oranını kısmen yansıtabilir, ancak kalibrasyonun dikkatli yorumlanması gerektiğini ve harici doğrulama gerektirdiğini de göstermektedir.

Birkaç sınırlama kabul edilmelidir. İlk olarak, bu sadece bootstrap iç doğrulama ile tek merkezli retrospektif bir çalışmaydı; Bu nedenle, nomogramın genellenebilirliği ve klinik uygulanabilirliği, prospektif çok merkezli dış doğrulama gerektirir. Alt grup özgül performans ve adalet, MCVT olaylarının sınırlı sayısı nedeniyle resmi olarak değerlendirilemedi. İkinci olarak, yaralanma öncesi ultrason verileri mevcut olmadığından, sonuç MCVT'nin yaralanmadan 48 saat içinde tespit edilmesi olarak yorumlanmalıdır; kesin olarak yeni başlayan tromboz olarak değil. Üçüncüsü, doğrulanmış risk kategorileri veya müdahale eşikleri belirlenmemiştir; Bu nedenle, nomogram risk farkındalığı, daha yakın izleme ve zamanında ultrason değerlendirmesini desteklemelidir; antikoagülasyon kararları için bağımsız bir temel olarak hizmet etmek yerine. Dördüncü olarak, ultrason tanısı için gözlemciler arası güvenilirlik resmi olarak değerlendirilmemiş olup, bu da tanısal değişkenlik getirmiş olabilir. Son olarak, model geliştirmeden önce tek değişkenli taramanın kullanılması, yaş, D-dimer, Fbg, kırık tipi ve eş hastalıkları gibi klinik olarak ilgili değişkenleri dışlamış olabilir. Gelecekteki daha büyük, dışsal doğrulanmış çalışmalar bu sınırlamaları ele almalıdır.

Sonuç:

Bu çalışma, kalça kırığı olan hastalarda MCVT riskini erken tahmin etmek için altı kolayca erişilebilen biyobelirteç içeren bir nomogram geliştirdi ve iç doğrulamayı sağladı. Model, iyi ayırtıcı performans, iç doğrulama sonrası kabul edilebilir genel kalibrasyon ve dahili bootstrap doğrulamasında potansiyel klinik net fayda gösterdi. Ayrıca, TG seviyeleri ile MCVT riski arasındaki doğrusal olmayan ilişki, bu popülasyondaki risk modellemesi hakkında ek bilgiler sağlar. Bu iç doğrulanmış model, kalça kırığı olan hastaların erken risk tabakalanmasına yardımcı olabilir. Ancak, geriye dönük tek merkezli tasarım ve dış doğrulamanın olmaması göz önüne alındığında, bulgular keşif amaçlı değerlendirilmelidir. Modelin genellenebilirliğini değerlendirmek ve klinik uygulamadan önce potansiyel klinik faydasını belirlemek için çok merkezli, prospektif çalışmalar gereklidir.

Açıklamalar

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

Yazarların beyan edecek çıkar çatışmaları yoktur.

Teşekkürler

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

Tüm departmanlara değerli yardımları için içtenlikle teşekkür ederiz.

Malzemeler

Bu makalede kullanılan malzemelerin listesi
Ad	Şirket	Katalog numarası	Yorumlar
Renk Doppler ultrason sistemi	Philips	EPIQ-5 with eL18-4	MCVT'nin tespiti ve teşhisi
Pıhtılaşma analizörü	Stago	STAR MAX (https://www.stago-cn.com)	APTT ölçümü
Hematoloji analizörü	Cobas	8000 (https://www.cobase.com/)	Kan hücresi sayımları, NLR, PLR
Laboratuvar biyokimya analizörü	Sysmex	BC7500 (https://www.sysmex.com.cn/)	TG ve TC ölçümü
Microsoft Excel	Microsoft	2023 (https://www.microsoft.com)	Veri organizasyonu
R yazılımı	R Foundation	https://www.r-project.org/	İstatistiksel analiz
R paketi glmnet	CRAN	https://cran.r-project.org/web/packages/glmnet/index.html	LASSO regresyon
R paketi rms	CRAN	https://cran.r-project.org/web/packages/rms/index.html	RCS, nomogram, kalibrasyon
R paketi pROC	CRAN	https://cran.r-project.org/web/packages/pROC/index.html	ROC analizi
R paketi rmda / dcurves	CRAN	https://cran.r-project.org/web/packages/dcurves/index.html	Karar eğrisi analizi

Yeniden basım ve izinler

Bu JoVE makalesinin metnini veya şekillerini yeniden kullanmak için izin iste

İzin iste

Etiketler

T p Say 234 Say 234 Bo De er Say Musk ler calf ven trombozu MCVT Prediktif Model

Kalça kırığı sonrası erken kas baldır venöz trombozunu tahmin etmek için bir nomogramın geliştirilmesi ve iç doğrulaması

Bu makalede

Özet

Özet

Giriş

Protokol

Sonuçlar

Tartışma

Açıklamalar

Teşekkürler

Malzemeler

Yeniden basım ve izinler

Etiketler

İlgili makaleler