基于LASSO回归构建营养风险评估模型预测择期腹部手术患者术后并发症

　　本研究针对择期腹部手术患者术后并发症预测难题，来自三级甲等医院的研究团队通过前瞻性队列研究，运用最小绝对值收敛选择算子(LASSO)回归构建两种营养风险评估模型。模型1整合NRS 2002、SGA、手术特征及多重生物标志物（白蛋白、前白蛋白、转铁蛋白、CRP、IGF1等），模型2则排除特异性生物标志物。结果显示：模型1的AUC达0.9437（灵敏度87.30%，特异度86.08%），模型2的AUC为0.9294（灵敏度88.89%，特异度82.47%）。该研究为术前营养干预提供精准预测工具，对降低术后并发症具有重要意义。

　　

通过前瞻性队列研究，开发了基于最小绝对值收敛选择算子(Least Absolute Shrinkage Selection Operator, LASSO)回归的营养风险评估模型，用于预测接受择期腹部手术患者的术后并发症。营养不良是影响术后并发症的关键因素之一。研究纳入18岁及以上连续收治的择期腹部手术患者，主要结局采用Clavien-Dindo分级评估直至出院期间的术后并发症发生情况。

研究评估了两种LASSO回归模型的效能：模型1包含社会人口学、人体测量学、临床变量、营养风险评估工具（营养风险筛查2002(NRS 2002)和主观全面评估(SGA)）、常规及特异性生物标志物。经LASSO筛选后，模型1最终变量包括NRS 2002、SGA、手术类型、手术范围、血清白蛋白、总蛋白、前白蛋白、转铁蛋白、C反应蛋白(CRP)和胰岛素样生长因子1(IGF₁)。模型2则排除特异性生物标志物，入选变量为NRS 2002、SGA、病理学特征、手术类型、手术范围、血清白蛋白和总蛋白。

采用模型列线图评分对样本进行评估，绘制受试者工作特征曲线(ROC)。模型1在 cutoff 值20.3时，曲线下面积(AUC)为0.9437，灵敏度达87.30%，特异度为86.08%；模型2在 cutoff 值10.5时，AUC为0.9294，灵敏度为88.89%，特异度为82.47%。该研究表明LASSO回归模型可有效预测择期腹部手术患者的术后并发症，有助于临床医生开展术前纠正性干预，从而降低术后并发症风险。