目的:使用套锁(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，旨在探索方便临床使用和解释的重症急性胰腺炎(severe acute pancreatitis，SAP)早期预模型，为早期识别高危人群，指导临床治疗，改善预后提供科学依据。方法:回顾性分析2020年11月至 2023年9月安徽某三甲医院两个院区的急诊科和消化内科收治的585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，描述变量间相互作用并评价、比较模型的预测效能。结果：585名研究对象中，SAP发病率为15.38%(n=90)，LASSO回归筛选出12个与急性胰腺炎严重程度显著相关的变量，包括：高血压、入院时呼吸频率、入院疼痛评分、胸腔积液、红细胞分布宽度变异系数（RDW-CV）、纤维蛋白降解物（FDP）、C反应蛋白（CRP）、血尿素氮（BUN）、血肌酐（Cr）、估计肾小球过滤率（eGFR）、血清钙（Ca）、血清白蛋白（Alb）；Logistic回归模型筛选出5个变量：胸腔积液、入院时疼痛评分、入院呼吸频率、CRP、Alb。在训练集中：模型准确度0.910（95%CI:0.878-0.936），受试者工作曲线下面积(AUC)= 0.918（95%CI:0.876-0.959）；在测试集中，模型准确度0.884(95%CI: 0.827-0.928），受试者工作曲线下面积(AUC)= 0.901（95%CI: 0.849-0.953）决策树模型构建了包含3个分支，4个终端节点的树模型，显示胸腔积液，入院呼吸频率和Alb可以有效预测SAP发生：模型准确度0.915(95%CI: 0.884-0.940），受试者工作曲线下面积(AUC)=0.863（95%CI:0.808-0.919）；在测试集中，模型准确度0.867（95%CI: 0.807-0.914），受试者工作曲线下面积(AUC)= 0.64（95%CI: 0.790-0.939）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=0.575)；在测试集中，三者之间AUC的差异均无统计学意义。结论：Logistic回归模型和决策树模型对SAP均有较好的预测价值，两种模型可以联合使用，对临床实践具有指导作用。

王梅1 夏瑜2 武长美1 马良慧1 陈艳艳1 朱文俊1 王兴宇1. 重症急性胰腺炎早期预测模型的建立与评价[J]. 中华急诊医学杂志, 2024,33(10): 1398-1406.
DOI号:

基金项目：安徽省临床重点专科（急危重症护理专科) 建设项目（皖卫传[2019] 91号）
伦理审批号：安徽医科大学第一附属医院临床医学研究伦理委员会（PJ2022-03-16）

关键词： 急性胰腺炎 LASSO 回归 Logistic回归 决策树 预测模型