心力衰竭病人90 d內(nèi)再入院的交互式列線圖模型建立與驗(yàn)證

摘要 目的：基于交互式列線圖建立心力衰竭病人90 d內(nèi)再入院的預(yù)測(cè)模型并進(jìn)行內(nèi)部驗(yàn)證。方法：回顧性連續(xù)納入2016年12月—2019年6月在四川省自貢市第四人民醫(yī)院住院的心力衰竭病人1 532例，按7∶3比例隨機(jī)分為建模組和驗(yàn)證組，使用Lasso回歸和共線性篩查篩選建模變量，應(yīng)用廣義線性回歸及R的regplot和shiny包建立單機(jī)版和網(wǎng)頁版心力衰竭病人90 d內(nèi)再入院的交互式列線圖模型。在建模組和驗(yàn)證組進(jìn)行模型性能評(píng)價(jià)，內(nèi)容包括校準(zhǔn)度（校準(zhǔn)曲線）、區(qū)分度（受試者工作特征曲線下面積）和有效性（決策曲線分析）評(píng)價(jià)。結(jié)果：篩選的建模變量為收縮壓（SBP）、舒張壓（DBP）、心力衰竭類型（左心衰竭、右心衰竭和全心衰竭）、紅細(xì)胞平均血紅蛋白濃度（MCHC）和總膽固醇（TC），Logit（y）＝－14.641＋0.011×SBP（mmHg）＋0.014×DBP（mmHg）－1.114（右心衰竭）－0.928（全心衰竭）＋0.025×MCHC（g/L）＋0.866×TC（mmol/L），建立的交互式列線圖包括單機(jī)版和網(wǎng)頁版，其中網(wǎng)頁版通過訪問網(wǎng)頁https：//shengsong.shinyapps.io/readmission_at_3_months_in_HF_patient獲取。建模組和驗(yàn)證組模型經(jīng)校準(zhǔn)度、區(qū)分度和有效性評(píng)價(jià)性能良好。結(jié)論：建立的預(yù)測(cè)模型有助于評(píng)估心力衰竭病人90 d內(nèi)再入院風(fēng)險(xiǎn)和早期識(shí)別高危病人，且模型有良好的預(yù)測(cè)性能。

關(guān)鍵詞 心力衰竭；90 d再入院；預(yù)測(cè)模型；交互式列線圖；網(wǎng)頁計(jì)算器

doi：10.12102/j.issn.1672-1349.2023.16.002

Establishment and Validation of the Interactive Nomogram Model for All-cause Readmission within 90-days in Patients with Heart Failure

SHENG Song， HUANG Ye

Xiyuan Hospital， China Academy of Chinese Medical Sciences， Beijing 100091， China

Corresponding Author HUANG Ye， E-mail： yellow_926@163.com

Abstract Objective：To develop predictive modeling and internal validation of all-cause readmission within 90-days in patients with heart failure based on interactive Nomogram.Methods：A total of 1 532 patients with heart failure were randomly divided into the modeling group and the validation group with ratio of 7∶3.Lasso regression and covariance screening were used to identify modeling variables，and generalized linear regression as well as the regplot and shiny packages for R were applied to model interactive column-line plots of readmission within 90 days in stand-alone and web-based versions of heart failure patients.The model performance evaluation was performed in the modeling group and validation group，which included evaluation of calibration（calibration curves），discrimination（receiver operating characteristic area under the curves），and validity（decision curve analysis）.Results：The modeling variables screened were systolic blood pressure（SBP），diastolic blood pressure（DBP），type of heart failure（left heart failure，right heart failure，and whole heart failure），mean corpuscular hemoglobin concentration of red blood cells（MCHC），and total cholesterol（TC）.Logit（y）＝－14.641＋0.011×SBP（mmHg）＋0.014×DBP（mmHg）－1.114（right heart failure）－0.928（whole heart failure）＋0.025×MCHC（g/L）＋0.866×TC（mmol/L）.The interactive nomogram included the stand-alone and web-based version，and the web version could be obtained by visiting the" web page https：//shengsong.shinyapps.io/readmission_at_3_months_in_HF_patient.The model performance of calibration，discrimination and validity were evaluated in the modeling group and the validation group.Conclusion：The established predictive model was developed to help assess the risk of all-cause readmission within 90-days in patients with heart failure and early identification of high-risk patients，with better predictive performance.

Keywords heart failure; readmission within 90-days; predictive model; interactive Nomogram; web calculator

心力衰竭是我國(guó)常見的心血管疾病之一，一項(xiàng)心力衰竭流行病學(xué)調(diào)查顯示，我國(guó)現(xiàn)有心力衰竭病人890萬例［1-2］，與2000年相比患病人數(shù)增加了500萬例［3］。目前我國(guó)心力衰竭病人規(guī)范化診療水平較2015年有所提高［4-5］，但心力衰竭病人預(yù)后仍較差，其90 d內(nèi)再入院率高達(dá)24.8%［4，6］，由此帶來的心力衰竭病人人均年住院治療費(fèi)用高達(dá)2萬元［7］，心力衰竭已成為影響我國(guó)居民健康和加重社會(huì)經(jīng)濟(jì)負(fù)擔(dān)的重要公共衛(wèi)生問題。因此，準(zhǔn)確評(píng)估心力衰竭病人預(yù)后，早期識(shí)別高危病人并給予重點(diǎn)關(guān)注和干預(yù)以減少再入院是加強(qiáng)心力衰竭病人管理和醫(yī)?？刭M(fèi)的關(guān)鍵環(huán)節(jié)?，F(xiàn)有的心力衰竭病人再入院預(yù)測(cè)模型80%以上來源于北美洲和歐洲［8］，其中多數(shù)未經(jīng)過外部驗(yàn)證，這些模型在我國(guó)心力衰竭人群中的適用性受限。

本研究回顧性分析1 532例心力衰竭住院病人臨床資料，基于我國(guó)人群建立心力衰竭病人90 d內(nèi)再入院的交互式列線圖模型（包括單機(jī)版和網(wǎng)頁版），旨在為評(píng)估心力衰竭病人再入院風(fēng)險(xiǎn)提供便捷的評(píng)估預(yù)測(cè)工具，及早對(duì)高危病人實(shí)施干預(yù)措施以減少再入院事件。

1 資料與方法

1.1 研究人群

分析數(shù)據(jù)源自Research Resource for Complex Physiologic Signals（PhysioNet）數(shù)據(jù)庫中一個(gè)回顧性心力衰竭隊(duì)列（https：//physionet.org/content/heart-failure-zigong/1.2/）［6］。根據(jù)網(wǎng)站協(xié)議通過倫理考核后，可自由下載和使用數(shù)據(jù)［9］。該心力衰竭隊(duì)列回顧性連續(xù)納入四川省自貢市第四人民醫(yī)院2016年12月—2019年6月住院的2 008例心力衰竭病人的電子病歷，心力衰竭住院病人的識(shí)別基于國(guó)際疾病分類（ICD）-9編碼，診斷標(biāo)準(zhǔn)參照2016年歐洲心臟病學(xué)會(huì)（ESC）心力衰竭診治指南［10］。本研究排除存在數(shù)據(jù)缺失的心力衰竭病人，最終納入1 532例。

1.2 臨床資料收集

入院時(shí)納入一般人口學(xué)和臨床資料，包括性別、年齡、體質(zhì)指數(shù)、入院方式（急診/非急診）、體溫、脈搏、呼吸、收縮壓（SBP）、舒張壓（DBP）、查爾森共病指數(shù)、心力衰竭類型（左心衰竭、右心衰竭和全心衰竭）、紐約心臟病協(xié)會(huì)（NYHA）心功能分級(jí)、Killip心功能分級(jí)、格拉斯哥昏迷量表評(píng)分和吸氧濃度；入院時(shí)實(shí)驗(yàn)室檢查指標(biāo)包括血肌酐、尿酸、腎小球?yàn)V過率、胱抑素C、白細(xì)胞計(jì)數(shù)、紅細(xì)胞分布寬度變異系數(shù)、紅細(xì)胞分布寬度標(biāo)準(zhǔn)差、淋巴細(xì)胞計(jì)數(shù)、平均紅細(xì)胞血紅蛋白含量、紅細(xì)胞平均血紅蛋白濃度（MCHC）、平均血小板容積、嗜堿性粒細(xì)胞計(jì)數(shù)、嗜酸性粒細(xì)胞計(jì)數(shù)、血紅蛋白、血小板計(jì)數(shù)、血小板分布寬度、血小板比容、中性粒細(xì)胞計(jì)數(shù)、D-二聚體、超敏肌鈣蛋白T、腦鈉肽、清蛋白、總膽固醇（TC）、低密度脂蛋白膽固醇、三酰甘油和高密度脂蛋白膽固醇［6］。研究結(jié)局事件為入院索引日期90 d內(nèi)全因再入院。

數(shù)據(jù)庫建立和信息采集經(jīng)自貢市第四人民醫(yī)院倫理委員會(huì)批準(zhǔn)（審批號(hào)：2020-010）。由于本研究中所有分析均是匿名進(jìn)行，因此無需病人二次知情同意［11-12］。

1.3 數(shù)據(jù)分析

采用R 4.0.3（https：//www.r-project.org/，The R Foundation）進(jìn)行數(shù)據(jù)分析。符合正態(tài)分布的連續(xù)變量、偏態(tài)分布的連續(xù)變量和分類變量分別以均數(shù)±標(biāo)準(zhǔn)差（x±s）、中位數(shù)、四分位數(shù)［M（P25，P75）］和例數(shù)、百分比（%）表示。研究數(shù)據(jù)按7∶3的比例隨機(jī)分為建模組和驗(yàn)證組，建模組和驗(yàn)證組比較按照上述變量類型順序分別采用獨(dú)立t檢驗(yàn)、Mann-Whitney U檢驗(yàn)和χ2檢驗(yàn)。建模組篩選變量方法采用Lasso回歸，使用10折交叉驗(yàn)證法選取最佳lambda值，選取標(biāo)準(zhǔn)為10次交叉驗(yàn)證得到的錯(cuò)誤均值在最小值1個(gè)標(biāo)準(zhǔn)差范圍內(nèi)對(duì)應(yīng)的最大lambda值（lambda.1se）［13］。在建模前再對(duì)篩選到的變量進(jìn)行共線性篩查，剔除方差膨脹系數(shù)（VIF）＞10的變量。在建模組中采用廣義線性建模（GLM）得到每個(gè)建模變量的回歸系數(shù)、比值比（OR）和95%置信區(qū)間（CI），分別應(yīng)用R的regplot和shiny包建立單機(jī)版和網(wǎng)頁版的交互線段式動(dòng)態(tài)列線圖［14-15］。

在建模組和驗(yàn)證組中分別評(píng)價(jià)模型性能，包括校準(zhǔn)度、區(qū)分度和有效性。模型校準(zhǔn)度評(píng)價(jià)采用校準(zhǔn)曲線［16］；模型區(qū)分度評(píng)價(jià)采用受試者工作特征（ROC）曲線下面積（AUC），一般認(rèn)為AUC在0.70～0.80區(qū)分度為中等，AUC＞0.80區(qū)分度較高［17］；模型有效性評(píng)價(jià)采用決策曲線法（DCA）［18］。

2 結(jié) 果

2.1 兩組臨床資料比較

共納入心力衰竭住院病人1 532例，其中23.37%的病人在90 d內(nèi)再入院，其中建模組1 068例，驗(yàn)證組464例。建模組經(jīng)急診入院比例、紅細(xì)胞分布寬度變異系數(shù)、MCHC和D-二聚體低于驗(yàn)證組，清蛋白高于驗(yàn)證組，差異有統(tǒng)計(jì)學(xué)意義（P＜0.05）。詳見表1。

2.2 變量篩選和回歸模型構(gòu)建

建模組通過Lasso回歸篩選得到的變量為SBP、DBP、心力衰竭類型、MCHC和TC，此時(shí)對(duì)應(yīng)的最佳lambda＝0.04（log lambda＝－3.21）。經(jīng)共線性篩查保留上述全部變量后建立簡(jiǎn)化模型（見表2），模型赤池信息準(zhǔn)則（AIC）＝963.44，Logit（y）＝－14.641＋0.011×SBP（mmHg）＋0.014×DBP（mmHg）－1.114（右心衰竭）－0.928（全心衰竭）＋0.025×MCHC（g/L）＋0.866×TC（mmol/L）。應(yīng)用regplot包建立單機(jī)版的交互式列線圖（已聯(lián)系作者獲?。斎隩C＝5.81 mmol/L、MCHC＝295 g/L、左心衰竭、DBP＝109 mmHg、SBP＝160 mmHg，自動(dòng)計(jì)算出90 d內(nèi)再入院概率為0.736，95%CI［0.580，0.849］。詳見圖1。基于shiny包的網(wǎng)頁版交互式列線圖通過訪問網(wǎng)頁https：//shengsong.shinyapps.io/readmission_at_3_months_in_HF_patient自動(dòng)計(jì)算心力衰竭病人的90 d內(nèi)再入院概率，病人SBP＝131 mmHg、DBP＝77 mmHg、左心衰竭、MCHC＝325 g/L、TC＝4 mmol/L，點(diǎn)擊“predict”自動(dòng)計(jì)算90 d內(nèi)再入院概率為0.378，95%CI［0.330，0.427］。詳見圖2。

2.3 模型性能驗(yàn)證與評(píng)價(jià)

2.3.1 模型校準(zhǔn)度評(píng)價(jià)

校準(zhǔn)曲線圖橫坐標(biāo)代表預(yù)測(cè)值，縱坐標(biāo)代表實(shí)際值，圖中對(duì)角線為參考線（ideaL），代表預(yù)測(cè)值＝實(shí)際值。在建模組和驗(yàn)證組中校準(zhǔn)曲線（logistic calibration）均與參考線重合或接近時(shí)，說明建模組和驗(yàn)證組實(shí)際值和預(yù)測(cè)值接近，模型校準(zhǔn)度良好。詳見圖3。

2.3.2 模型區(qū)分度評(píng)價(jià)

ROC曲線分析顯示，建模組AUC＝0.785，95%CI［0.755，0.816］，敏感度為0.579，特異度為0.815；驗(yàn)證組AUC＝0.706，95%CI［0.625，0.760］，敏感度為0.564，特異度為0.721。建模組和驗(yàn)證組AUC在0.70～0.80，模型區(qū)分度為中等。詳見圖4。

2.4 模型有效性評(píng)價(jià)

DCA圖中橫坐標(biāo)為閾概率（threshold probability），縱坐標(biāo)是凈獲益率（net benefit，NB）。None和All兩條線代表2種極端情況，其中None代表所有病人結(jié)局判定為陰性，所有人均未干預(yù)，NB為0；All表示所有病人結(jié)局判定為陽性，所有人均接受干預(yù)，其NB是個(gè)斜率為負(fù)值的反斜線。本研究DCA表明建模組90 d內(nèi)再入院概率為0%～75%，驗(yàn)證組為0%～70%，模型應(yīng)用準(zhǔn)確性和凈獲益最高，超出該范圍模型準(zhǔn)確性有限，凈獲益明顯下降。詳見圖5。

3 討 論近20年來，隨著心力衰竭病人發(fā)病率不斷升高［1-3］，高再入院率受到越來越多的關(guān)注，準(zhǔn)確評(píng)估再入院風(fēng)險(xiǎn)成為降低心力衰竭病人再入院率、改善其健康結(jié)局的重要前提。

由于種族、基本國(guó)情和診療環(huán)境的差異，歐美國(guó)家開發(fā)的心力衰竭預(yù)測(cè)工具適用性可能有限，由于各種原因?qū)е挛覈?guó)心力衰竭病人短期內(nèi)（30 d）傾向于不入院除非癥狀嚴(yán)重不能耐受，相較于30 d，出院后90 d可能對(duì)我國(guó)心力衰竭病人再入院評(píng)估更有價(jià)值［6，19］。心力衰竭病人出院后90 d由于血流動(dòng)力學(xué)惡化和出院時(shí)治療不充分，住院治療時(shí)間過短，合并癥控制不佳，病人依從性差等，導(dǎo)致出院時(shí)有充血癥狀，病人死亡率和再入院率顯著升高，這一特殊時(shí)期定義為“心力衰竭易損期”［20-21］。本研究選擇90 d再入院作為時(shí)間點(diǎn)建立心力衰竭病人再入院預(yù)測(cè)模型，旨在為“易損期”心力衰竭病人提供可早期識(shí)別和干預(yù)再入院風(fēng)險(xiǎn)評(píng)估的工具。

一項(xiàng)回顧性研究收集了湖南省人民醫(yī)院350例心力衰竭病人電子病歷，采用Logistic回歸建立了心力衰竭病人90 d再入院風(fēng)險(xiǎn)的預(yù)測(cè)模型，模型中的納入變量包括N末端腦鈉肽前體（NT-proBNP）、紅細(xì)胞分布寬度變異系數(shù)和查爾森共病指數(shù)［22］，這是一項(xiàng)基于我國(guó)心力衰竭人群的90 d再入院風(fēng)險(xiǎn)預(yù)測(cè)模型，但由于模型納入研究對(duì)象的樣本量有限，未進(jìn)行廣泛的臨床驗(yàn)證，準(zhǔn)確性有待進(jìn)一步確認(rèn)。相較于Tan等［22］構(gòu)建的預(yù)測(cè)模型，本研究建立的90 d再入院預(yù)測(cè)模型進(jìn)一步擴(kuò)大了樣本量，納入的心力衰竭住院病人1 532例，其次本研究基于R的regplot和shiny包開發(fā)了單機(jī)版和網(wǎng)頁版的交互式列線圖替代傳統(tǒng)列線圖，可自動(dòng)計(jì)算結(jié)果，因此，臨床應(yīng)用方便快捷，有利于模型的進(jìn)一步推廣和驗(yàn)證。本研究建立的模型中包含的所有變量在臨床是常規(guī)進(jìn)行測(cè)量且易進(jìn)行評(píng)估，在臨床實(shí)踐中方便實(shí)用。與既往不同再入院時(shí)間截點(diǎn)的心力衰竭預(yù)測(cè)模型相比，本研究中建立的預(yù)測(cè)模型除了納入SBP、DBP、TC這些常規(guī)的預(yù)測(cè)因子外，首次納入了MCHC和心力衰竭類型。心力衰竭病人長(zhǎng)期組織缺氧，血液中促紅細(xì)胞生成素增多導(dǎo)致血液中血紅蛋白量代償性增加，引起MCHC升高。MCHC與心力衰竭病人再入院是否存在關(guān)聯(lián)尚未明確；不同類型的心力衰竭是否對(duì)再入院有獨(dú)立作用目前無相關(guān)文獻(xiàn)支持，需進(jìn)一步研究驗(yàn)證。

本研究存在一定局限性：1）模型預(yù)測(cè)數(shù)據(jù)來源于單中心，雖然內(nèi)部驗(yàn)證和模型性能評(píng)價(jià)良好，但能否外推到其他地域人群或其他場(chǎng)景未可知，仍需進(jìn)一步多中心外部驗(yàn)證。2）本研究基于回顧性研究數(shù)據(jù)，數(shù)據(jù)記錄的完整性、同質(zhì)性均不如前瞻性研究，可能存在暴露、懷疑、偏倚等固有偏倚影響結(jié)果的可靠性［23］。3）原始隊(duì)列中所屬病人隨訪時(shí)間存在缺失，因此，不能使用比例風(fēng)險(xiǎn)回歸模型，未關(guān)注結(jié)局基礎(chǔ)上隨訪時(shí)間對(duì)結(jié)局的影響。

本研究建立的預(yù)測(cè)模型有助于評(píng)估心力衰竭病人90 d內(nèi)再入院風(fēng)險(xiǎn)和早期識(shí)別高危病人，且模型具有良好的預(yù)測(cè)性能。

參考文獻(xiàn)：

［1］METRA M，LUCIOLI P.Corrigendum to ′Prevalence of heart failure and left ventricular dysfunction in China：the China Hypertension Survey，2012-2015′［Eur J Heart Fail 2019;21：1329-1337］［J］.European Journal of Heart Failure，2020，22（4）：759.

［2］HAO G，WANG X，CHEN Z，et al.Prevalence of heart failure and left ventricular dysfunction in China：the China Hypertension Survey，2012-2015［J］.European Journal of Heart Failure，2019，21（11）：1329-1337.

［3］顧東風(fēng)，黃廣勇，吳錫桂，等.中國(guó)心力衰竭流行病學(xué)調(diào)查及其患病率［J］.中華心血管病雜志，2003，31（1）：3-6.

［4］國(guó)家心血管病醫(yī)療質(zhì)量控制中心專家委員會(huì)心力衰竭專家工作組.2020 中國(guó)心力衰竭醫(yī)療質(zhì)量控制報(bào)告［J］.中國(guó)循環(huán)雜志，2021，36（3）：221-238.

［5］ZHANG Y H，ZHANG J，BUTLER J，et al.Contemporary epidemiology，management，and outcomes of patients hospitalized for heart failure in China：results from the China heart failure（China-HF） registry［J］.Journal of Cardiac Failure，2017，23（12）：868-875.

［6］ZHANG Z H，CAO L H，CHEN R G，et al.Electronic healthcare records and external outcome data for hospitalized patients with heart failure［J］.Scientific Data，2021，8（1）：46.

［7］HUANG J，YIN H J，ZHANG M L，et al.Understanding the economic burden of heart failure in China：impact on disease management and resource utilization［J］.Journal of Medical Economics，2017，20（5）：549-553.

［8］SUN Z J，DONG W，SHI H R，et al.Comparing machine learning models and statistical models for predicting heart failure events：a systematic review and meta-analysis［J］.Frontiers in Cardiovascular Medicine，2022，9：812276.

［9］GOLDBERGER A L，AMARAL L A，GLASS L，et al.PhysioBank，PhysioToolkit，and PhysioNet：components of a new research resource for complex physiologic signals［J］.Circulation，2000，101（23）：E215-E220.

［10］PONIKOWSKI P，VOORS A A，ANKER S D，et al.2016 ESC guidelines for the diagnosis and treatment of acute and chronic heart failure：the task force for the diagnosis and treatment of acute and chronic heart failure of the European Society of Cardiology（ESC）.Developed with the special contribution of the Heart Failure Association（HFA） of the ESC［J］.European Journal of Heart Failure，2016，18（8）：891-975.

［11］BANGALORE S，GUO Y，SAMADASHVILI Z，et al.Everolimus-eluting stents or bypass surgery for multivessel coronary disease［J］.The New England Journal of Medicine，2015，372（13）：1213-1222.

［12］FILION K B，AZOULAY L，PLATT R W，et al.A multicenter observational study of incretin-based drugs and heart failure［J］.The New England Journal of Medicine，2016，374（12）：1145-1154.

［13］張瀝今，魏夏琰，陸嘉琦，等.Lasso回歸：從解釋到預(yù)測(cè)［J］.心理科學(xué)進(jìn)展，2020，28（10）：1777-1791.

［14］WOJCIECHOWSKI J，HOPKINS A，UPTON R.Interactive pharmacometric applications using R and the shiny package［J］.CPT：Pharmacometrics amp; Systems Pharmacology，2015，4（3）：146-159.

［15］ZHANG Z H，CORTESE G，COMBESCURE C，et al.Overview of model validation for survival regression model with competing risks using melanoma study data［J］.Annals of Translational Medicine，2018，6（16）：325.

［16］KIM Y，MARGONIS G A，PRESCOTT J D，et al.Nomograms to predict recurrence-free and overall survival after curative resection of adrenocortical carcinoma［J］.JAMA Surgery，2016，151（4）：365-373.

［17］ROBBA C，CARDIM D，TAJSIC T，et al.Ultrasound non-invasive measurement of intracranial pressure in neurointensive care：a prospective observational study［J］.PLoS Medicine，2017，14（7）：e1002356.

［18］VICKERS A J，VAN CALSTER B，STEYERBERG E W.A simple，step-by-step guide to interpreting decision curve analysis［J］.Diagnostic and Prognostic Research，2019，3：18.

［19］RIESTER M，MCAULIFFE L，COLLINS C，et al.Development and validation of the tool for pharmacists to predict 30-day hospital readmission in patients with heart failure（ToPP-HF）［J］.Am J Health Syst Pharm，2021，78（18）：1691-1700.

［20］黃峻.心力衰竭“易損期”及其心率管理的新認(rèn)識(shí)新理念［J］.中華心力衰竭和心肌病雜志（中英文），2018，2（2）：111-113.

［21］石珂，賈永平.心力衰竭易損期再入院率和死亡評(píng)估新進(jìn)展［J］.中西醫(yī)結(jié)合心腦血管病雜志，2019，17（18）：2783-2786.

［22］TAN B Y，GU J Y，WEI H Y，et al.Electronic medical record-based model to predict the risk of 90-day readmission for patients with heart failure［J］.BMC Medical Informatics and Decision Making，2019，19（1）：193.

［23］EUSER A M，ZOCCALI C，JAGER K J，et al.Cohort studies：prospective versus retrospective［J］.Nephron Clinical Practice，2009，113（3）：c214-c217.

（收稿日期：2022-07-18）

（本文編輯薛妮）

基金項(xiàng)目 2019年國(guó)家中醫(yī)藥管理局全國(guó)中醫(yī)藥創(chuàng)新骨干人才項(xiàng)目（No.010100003）

通訊作者 黃燁，E-mail：yellow_926@163.com

引用信息 盛松，黃燁.心力衰竭病人90 d內(nèi)再入院的交互式列線圖模型建立與驗(yàn)證［J］.中西醫(yī)結(jié)合心腦血管病雜志，2023，21（16）：2909-2915.