Page 92 - 《中国药房》2026年4期

2.4 建模组患者用药偏差发生风险的多因素 Logistic 1.0 1.0
0.130（0.607，0.970）
回归分析结果 0.8 0.8 0.190（0.721，0.808）
以不存在多重共线性的8个预测因子作为自变量并 0.6 0.6
完成赋值，以用药偏差作为因变量（赋值规则：存在偏 灵敏度 0.4 AUC：0.870 灵敏度 0.4 AUC：0.787
差＝“1”，无偏差＝“2”），开展多因素Logistic回归分析。 0.2 0.2
结果显示，年龄、药品种类、服药依从性、合理服药自我
0 0
效能是初治冠心病患者用药偏差发生的预测因子（P＜ 0 0.2 0.4 0.6 0.8 1.0 0 0.2 0.4 0.6 0.8 1.0
1－特异度
1－特异度
0.05），详见表2。冠心病患者用药偏差风险的预测模型 A.建模组 B.内部验证组
方程为：logitP＝ln[P/（1－P）]＝1.321+1.732×年龄+4.091× 图2 风险预测模型的ROC曲线图
药品种类－4.360×服药依从性－3.081×合理服药自我
效能。方程中的系数1.732、4.091、－4.360、－3.081分别 （2）校准度评价：校准曲线结果（图 3）显示，建模组
体现了年龄、药品种类、服药依从性与合理服药自我效 与内部验证组患者的模型校准曲线均围绕对角线分布。
2
能对用药偏差风险的影响效应。 建 模 组 Hosmer-Lemeshow 检 验 的 χ 值 为 3.764（P＝
2
表2 初治冠心病患者用药偏差发生风险的多因素 Lo‐ 0.439），内部验证组的χ 值为14.721（P＝0.065）。
gistic回归分析结果 1.0 1.0
变量 赋值 β SE Wald χ 2 OR（95%CI） P 0.8 0.8
年龄 60～70岁＝“1”；＞70岁＝“2” 1.732 0.736 5.538 5.653（1.336～23.923） 0.019 0.6 0.6
有无照顾者 有＝“1”；无＝“0” －0.835 1.037 0.648 0.434（0.057～3.313） 0.421 实际观察概率 实际观察概率
婚姻状况 已婚＝“1”；离异或丧偶＝“2” －0.451 1.023 0.194 0.637（0.086～4.733） 0.660 0.4 0.4
药品种类 ＜5种＝“1”；≥5种＝“2” 4.091 1.017 16.183 59.791（8.148～438.759）＜0.001 0.2 未校正模型 0.2 未校正模型
偏倚校正后模型 偏倚校正后模型
是否服用高风险药品 是＝“1”；否＝“0” 1.089 0.688 2.506 2.971（0.772～11.440） 0.113 0 理想曲线 0 理想曲线
罹患疾病数 ＜5种＝“1”；≥5种＝“2” 0.795 0.847 0.882 2.216（0.421～11.651） 0.348
0 0.2 0.4 0.6 0.8 1.0 0 0.2 0.4 0.6 0.8 1.0
服药依从性 差＝“1”；好＝“2” －4.360 0.875 22.822 0.013（0.002～0.071） ＜0.001 预测概率 预测概率
合理服药自我效能 差＝“1”；好＝“2” －3.081 0.745 17.119 0.046（0.011～0.198） ＜0.001 A.建模组 B.内部验证组
常量 1.321 1.589 0.691 3.746 0.406 图3 风险预测模型的校准曲线
2.5 用药偏差风险预测模型构建与预测效能评估 （3）临床适用性评价：临床决策曲线分析结果显示，
2.5.1 风险预测模型的构建与可视化展示
当阈值概率处于0～0.6时，与“不干预”和“全干预”策略
初治冠心病患者在医院-家庭过渡期的用药偏差风
相比，运用该模型预测初治冠心病患者在医院-家庭过
险预测模型的可视化结果显示，该列线图的总分为 350
渡期的用药偏差风险能够获得更高的净收益。结果
分，当取最佳截断值时对应的分数为110分，即当患者总分
见图4。
≥110分时，属于高风险人群，需及时进行干预。结果
0.6
见图1。
0 10 20 30 40 50 60 70 80 90 100 0.4
分数/分
2 净获益 建模组模型
年龄 内部验证组模型
1 2 0.2 全干预
药品种类 不干预
1 1
服药依从性
2 1 0
合理服药自我效能
2
总分/分 0 0.2 0.4 0.6 0.8
0 50 100 150 200 250 300 350
预测概率 高风险阈值
0.01 0.05 0.2 0.5 0.9 0.99
图4 风险预测模型的临床决策曲线分析图
图1 风险预测模型的列线图
2.5.3 风险预测模型外部预测效能的验证
2.5.2 风险预测模型的预测效能评估
ROC 曲线分析结果显示，外部验证组患者的 AUC
（1）区分度评价：ROC曲线分析结果显示，在建模组
为 0.802，表明该模型在独立样本中依然具有良好的区
患者中，风险预测模型的受试者工作特征曲线下面积
分度。当模型的最佳截断值为 0.548 时，约登指数达到
（area under the curve，AUC）为 0.870。当预测模型的最
佳截断值为 0.130 时，约登指数达到最大（为 0.577），此 最大（0.485），此时该模型的灵敏度为 0.633，特异度为
时该模型的灵敏度为0.970，特异度为0.607（图2A）。在 0.852，阳性预测值为 82.6%，阴性预测值为 67.6%，预测
内部验证组患者中，该模型依旧具有较好的区分度， 准确率为 73.7%。上述结果表明，该预测模型在外部数
AUC为0.787。当其最佳截断值为0.190时，约登指数达 据中仍具有较好的判别性能和临床适用性，具备一定
到最大（为 0.529），对应的灵敏度和特异度分别为 0.808 的应用潜力。风险预测模型的外部验证ROC曲线图可
和 0.721（图 2B），阳性预测值为 81.2%，阴性预测值为 扫 描 本 文 首 页 二 维 码 ，进 入“ 增 强 出 版 ”页 面 查 看
72.4%，预测准确率为77.6%。 附图1。

· 494 · China Pharmacy 2026 Vol. 37 No. 4 中国药房 2026年第37卷第4期