比较决策树与logistic回归模型对老年股骨粗隆间骨折患者术后脑梗死风险的预测效能

doi:10.3969/j.issn.1006-5725.2026.08.023

实用医学杂志 ›› 2026, Vol. 42 ›› Issue (8): 1471-1478.doi: 10.3969/j.issn.1006-5725.2026.08.023

• 论著·临床实践 • 上一篇

比较决策树与logistic回归模型对老年股骨粗隆间骨折患者术后脑梗死风险的预测效能

吴红玉^1,²,吴昱芃¹,黄少娟^1,³(),黄素珍^1,²,侯英杰^1,²,杨毅^1,²,张志荣^1,²,李庆锡^1,⁴,吴智鑫^1,⁵

^1.广州中医药大学第八临床医学院（广东佛山 528000）
^2.佛山市中医院手术中心
^3.佛山市中医院护理部
^4.佛山市中医院病案室
^5.佛山市中医院神经重症监护病房（广东佛山 528000 ）

收稿日期:2025-12-05 出版日期:2026-04-25 发布日期:2026-04-28
通讯作者: 黄少娟 E-mail:flamewu@163.com
基金资助:
广东省中医药局科研项目(20241307);广东省基础与应用基础研究基金项目（粤佛地区培育项目）(2022A1515140060)

Risk prediction of postoperative cerebral infarction in elderly patients with intertrochanteric femoral fracture： A comparative study of decision tree and logistic regression model

Hongyu WU^1,²,Yupeng WU¹,Shaojuan HUANG^1,³(),Suzhen HUANG^1,²,Yingjie HOU^1,²,Yi YANG^1,²,Zhirong ZHANG^1,²,Qingxi LI^1,⁴,Zhixin WU^1,⁵

^1.The Eighth Clinical Medical College，Guangzhou University of Chinese Medicine，Foshan 528000，Guangdong，China
^2.Surgery Center，Foshan Hospital of Traditional Chinese Medicine，Foshan 528000，Guangdong，China
^3.Nursing Department，Foshan Hospital of Traditional Chinese Medicine，Foshan 528000，Guangdong，China
^4.Medical Records Room，Foshan Hospital of Traditional Chinese Medicine，Foshan 528000，Guangdong，China
^5.Neuro?Intensive Care Unit，Foshan Hospital of Traditional Chinese Medicine，Foshan 528000，Guangdong，China

Received:2025-12-05 Online:2026-04-25 Published:2026-04-28
Contact: Shaojuan HUANG E-mail:flamewu@163.com

摘要/Abstract

摘要：

目的对老年股骨粗隆间骨折（intertrochanteric fracture of the femur，IFF）术后合并脑梗死的危险因素进行分析，并建立决策树风险预测模型，为临床医务人员制定针对性的防治方案提供科学的理论依据。方法回顾性选取2017年11月至2023年12月佛山市中医院收治的215例行股骨粗隆骨折手术治疗的老年患者临床相关资料，根据术后是否发生脑梗死，将其分为脑梗死组和非脑梗死组，采用单因素及多因素logistic回归分析筛选出影响老年IFF患者术后并发脑梗死的危险因素，采用决策树模型与logistic回归构建其风险预测模型，并比较两种模型对老年IFF患者术后并发脑梗死的预测价值。结果 215例手术治疗的老年IFF患者，术后共有61例发生脑梗死，其发生率为28.37%；多因素logistic回归分析结果显示，高血压、糖尿病、住院卧床时间、同型半胱氨酸（Hcy）以及D-二聚体（D-D）为老年IFF患者术后合并脑梗死的危险因素，优质护理为其保护因素（P < 0.05）；根据危险因素生成决策树模型，模型选择了糖尿病、住院卧床时间、Hcy、D-D以及优质护理等5个解释变量，合计4层，共15个节点，其中住院卧床时间为老年IFF患者术后合并脑梗死最为重要的影响因素；老年IFF患者术后合并脑梗死的决策树模型曲线下面积（AUC）值为0.964（95%CI：0.930 ~ 0.985），logistic回归模型AUC值为0.896（95%CI：0.847 ~ 0.933），两种模型的delong检验结果为Z = 3.401，P = 0.000 7。结论高血压、糖尿病、住院卧床时间、Hcy以及D-D为老年IFF患者术后合并脑梗死的危险因素，优质护理为其保护因素，根据危险因素构建的决策树风险预测模型，其预测效能显著高于logistic回归模型。

关键词: 决策树模型, logistic回归模型, 老年股骨粗隆间骨折, 脑梗死, 影响因素

Abstract:

Objective To analyze the risk factors for cerebral infarction after surgery for intertrochanteric fracture of the femur （IFF） among elderly patients and establish a decision-tree risk prediction model， so as to provide a scientific theoretical basis for clinical medical staff to formulate targeted prevention and treatment plans. Methods Clinical data of 215 elderly patients who underwent surgery for IFF at our hospital from November 2017 to December 2023 were retrospectively selected. The patients were divided into the cerebral infarction group and the non-cerebral infarction group according to the postoperative occurrence of cerebral infarction. Univariate and multivariate logistic regression analyses were conducted to identify the risk factors for cerebral infarction after IFF surgery in elderly patients. A decision tree model and logistic regression were utilized to construct a risk prediction model， and the predictive values of both models for cerebral infarction after IFF surgery were compared. Results Among the 215 elderly patients who underwent surgery for IFF， 61 suffered from cerebral infarction post-operatively， with an incidence rate of 28.37%. Multivariate logistic regression analysis indicated that hypertension， diabetes， the duration of hospital bed rest， homocysteine， and D-dimer were risk factors for cerebral infarction after IFF surgery in elderly patients， while quality nursing was identified as a protective factor （P < 0.05）. A decision tree model was constructed based on these risk factors， with diabetes， the duration of hospital bed rest， Hcy， D-D， and quality nursing selected as explanatory variables. The model had a total of 4 layers and 15 nodes. The duration of hospital bed rest was the most significant influencing factor for cerebral infarction after IFF surgery in elderly patients. The area under the curve （AUC） value of the decision tree model for cerebral infarction after IFF surgery in elderly patients was 0.964 （95%CI： 0.930 - 0.985）， whereas the AUC value of the logistic regression model was 0.896 （95%CI： 0.847 - 0.933）. The DeLong test result for the two models was Z = 3.401， P = 0.000 7. Conclusions Hypertension， diabetes， the duration of hospital bed rest， Hcy， and D-D are identified as risk factors for cerebral infarction after IFF surgery in elderly patients， while quality nursing is recognized as a protective factor. The decision tree risk prediction model constructed based on these risk factors demonstrates significantly higher predictive efficacy compared to the logistic regression model.

Key words: decision tree model, logistic regression model, elderly intertrochanteric femoral fracture, cerebral infarction, influencing factors

中图分类号:

R473.6

吴红玉,吴昱芃,黄少娟,黄素珍,侯英杰,杨毅,张志荣,李庆锡,吴智鑫. 比较决策树与logistic回归模型对老年股骨粗隆间骨折患者术后脑梗死风险的预测效能[J]. 实用医学杂志, 2026, 42(8): 1471-1478.

Hongyu WU,Yupeng WU,Shaojuan HUANG,Suzhen HUANG,Yingjie HOU,Yi YANG,Zhirong ZHANG,Qingxi LI,Zhixin WU. Risk prediction of postoperative cerebral infarction in elderly patients with intertrochanteric femoral fracture： A comparative study of decision tree and logistic regression model[J]. The Journal of Practical Medicine, 2026, 42(8): 1471-1478.

图/表 9

表1

表2

表3

图1

图2

图3

图4

图5

表4

参考文献 28

[1]	KIM K， WOO S， KIM S H， et al. The prediction model of non-suicidal self-injury in psychiatric patients using decision tree analysis［J］. Yonsei Med J， 2024， 65（3）： 137-147. doi：10.3349/ymj.2023.0129 . doi: 10.3349/ymj.2023.0129
[2]	POLAT G， BAYRAM S， GÖKÇEOĞLU Y S， et al. The effect of bone morphology on fracture type and treatment result in patients with intertrochanteric femur fracture aged over 65 year［J］. Ulus Travma Acil Cerrahi Derg， 2022， 28（12）： 1731-1738. doi：10.14744/tjtes.2022.57400 . doi: 10.14744/tjtes.2022.57400
[3]	MENG Y， LIU Y， FU M， et al. Clinical characteristics of elderly hip fracture patients with chronic cerebrovascular disease and construction of a clinical predictive model for perioperative pneumonia［J］. Orthop Traumatol Surg Res， 2024， 110（3）： 103821. doi：10.1016/j.otsr.2024.103821 . doi: 10.1016/j.otsr.2024.103821
[4]	COSTA A， PAIS M， LOUREIRO J， et al. Decision tree-based classification as a support to diagnosis in the Alzheimer's disease continuum using cerebrospinal fluid biomarkers： Insights from automated analysis［J］. Braz J Psychiatry， 2022， 44（4）： 370-377. doi：10.47626/1516-4446-2021-2277 . doi: 10.47626/1516-4446-2021-2277
[5]	TOYODA H， TERAI H， YAMADA K， et al. A decision tree analysis to predict clinical outcome of minimally invasive lumbar decompression surgery for lumbar spinal stenosis with and without coexisting spondylolisthesis and scoliosis［J］. Spine J， 2023， 23（7）： 973-981. doi：10.1016/j.spinee.2023.01.023 . doi: 10.1016/j.spinee.2023.01.023
[6]	PEDUZZI P， CONCATO J， KEMPER E， et al. A simulation study of the number of events per variable in logistic regression analysis［J］. J Clin Epidemiol， 1996， 49（12）： 1373-1379. doi：10.1016/s0895-4356（96）00236-3 . doi: 10.1016/s0895-4356（96）00236-3
[7]	LIU L， LI Z， ZHOU H， et al. Chinese Stroke Association guidelines for clinical management of ischaemic cerebrovascular diseases： Executive summary and 2023 update［J］. Stroke Vasc Neurol， 2023， 8（6）： e3. doi：10.1136/svn-2023-002998 . doi: 10.1136/svn-2023-002998
[8]	ZHANG T， ZHAO Y N， NIU Z X， et al. Analysis of risk factors for readmission in elderly patients with hip fractures undergoing hip hemiarthroplasty［J］. China J Orthop Traumatol， 2022， 35（5）： 460-463. doi：10.12200/j.issn.1003-0034.2022.05.010 . doi: 10.12200/j.issn.1003-0034.2022.05.010
[9]	YUAN J， ZHU G， ZHAO Y， et al. Effect of hip fracture on prognosis of acute cerebral infarction［J］. Clinics， 2021， 76： e3059. doi：10.6061/clinics/2021/e3059 . doi: 10.6061/clinics/2021/e3059
[10]	ZHANG Y， FU M， GUO J， et al. Characteristics and perioperative complications of hip fracture in the elderly with acute ischemic stroke： A cross-sectional study［J］. BMC Musculoskelet Disord， 2022， 23（1）： 642. doi：10.1186/s12891-022-05585-2 . doi: 10.1186/s12891-022-05585-2
[11]	RAJEEV V， FANN D Y， DINH Q N， et al. Pathophysiology of blood brain barrier dysfunction during chronic cerebral hypoperfusion in vascular cognitive impairment［J］. Theranostics， 2022， 12（4）： 1639-1658. doi：10.7150/thno.68304 . doi: 10.7150/thno.68304
[12]	KHANDELWAL S， LANE N E. Osteoporosis： Review of etiology， mechanisms， and approach to management in the aging population［J］. Endocrinol Metab Clin North Am， 2023， 52（2）： 259-275. doi：10.1016/j.ecl.2022.10.009 . doi: 10.1016/j.ecl.2022.10.009
[13]	CZERWINSKI E， CARDONA J， PLEBANSKI R， et al. The efficacy and safety of abaloparatide-SC in men with osteoporosis： A randomized clinical trial［J］. J Bone Miner Res， 2022， 37（12）： 2435-2442. doi：10.1002/jbmr.4719 . doi: 10.1002/jbmr.4719
[14]	钟智荣，俞志茹，钟智华，等. 股骨粗隆间骨折患者术后并发心脑血管疾病风险因素分析［J］. 当代护士（上旬刊）， 2023， 30（1）： 66-69. doi：10.19791/j.cnki.1006-6411.2023.01.018 . doi: 10.19791/j.cnki.1006-6411.2023.01.018
[15]	应金萍，蔡根莲，项雪佳，等. 维持性血液透析患者并发脑梗死的危险因素分析［J/OL］. 中华危重症医学杂志（电子版）， 2021， 14（3）： 206-212. doi：10.3877/cma.j.issn.1674-6880.2021.03.006 . doi: 10.3877/cma.j.issn.1674-6880.2021.03.006
[16]	牛稳，邱晓晖，刘艺超. 颈动脉粥样硬化狭窄的血管周围脂肪密度与脑梗死之间的关系［J］. 实用医学杂志， 2023， 39（1）： 103-108.doi：10.3969/j.issn.1006-5725.2023.01.018 . doi: 10.3969/j.issn.1006-5725.2023.01.018
[17]	黄慧，苏金虎，吴冰. 不同降压水平对老年高血压患者复合心血管事件的影响［J］. 实用医学杂志， 2023， 39（17）： 2225-2229. doi：10.3969/j.issn.1006-5725.2023.17.013 . doi: 10.3969/j.issn.1006-5725.2023.17.013
[18]	JIA H， HUANG B， KANG L， et al. Preoperative and intraoperative risk factors of postoperative stroke in total aortic arch replacement and stent elephant trunk implantation［J］. EClinicalMedicine， 2022， 47： 101416. doi：10.1016/j.eclinm.2022.101416 . doi: 10.1016/j.eclinm.2022.101416
[19]	孔静渊，郭巧云. 急性脑梗塞发病的危险因素及急性脑梗塞与凝血酶激活纤溶抑制物的相关性分析［J］. 血栓与止血学， 2022， 28（2）： 230-232. doi：10.3969/j.issn.1009-6213.2022.02.022 . doi: 10.3969/j.issn.1009-6213.2022.02.022
[20]	LAURETTA M P， MELOTTI R M， SANGERMANO C， et al. Homocysteine plasmatic concentration in brain-injured neurocritical care patients： Systematic review of clinical evidence［J］. J Clin Med， 2022， 11（2）： 394. doi：10.3390/jcm11020394 . doi: 10.3390/jcm11020394
[21]	蒋兴亮，刘素兰，易婷婷. 高同型半胱氨酸血症患者氧化应激指标的研究［J］. 检验医学， 2014， 29（2）： 125-129. doi：10.3969/j.issn.1673-8640.2014.02.009 . doi: 10.3969/j.issn.1673-8640.2014.02.009
[22]	范文慧. 急性Stanford A型主动脉夹层术后并发脑梗死相关因素分析［D］. 石家庄：河北医科大学， 2023.
[23]	周有婷，李志鹏，王嘉鹏. 急性脑梗死患者血清CTRP-3、D-二聚体、sTREM2水平及相关临床特征与溶栓后出血性转化的关系［J］. 中国现代医学杂志， 2023， 33（24）： 60-66. doi：10.3969/j.issn.1005-8982.2023.24.011 . doi: 10.3969/j.issn.1005-8982.2023.24.011
[24]	KONISHI T， INOKUCHI H， SASABUCHI Y， et al. Association between care-need level after discharge and long-term outcomes in 7491 patients requiring rehabilitation for stroke［J］. JMA J， 2024， 7（1）： 52-59. doi：10.31662/jmaj.2023-0094 . doi: 10.31662/jmaj.2023-0094
[25]	李莹，陈杰，沙培，等. 个性化康复训练结合循证护理在老年股骨粗隆间骨折患者术后康复中的应用［J］. 中西医结合护理（中英文）， 2024， 10（2）： 112-114. doi：10.11997/nitcwm.202402033 . doi: 10.11997/nitcwm.202402033
[26]	DU P， WU X， LIU X， et al. The application of decision tree model based on clinicopathological risk factors and pre-operative MRI radiomics for predicting short-term recurrence of glioblastoma after total resection： A retrospective cohort study［J］. Am J Cancer Res， 2023， 13（8）： 3449-3462.
[27]	TANAKA S， JUNG H， YAMASHINA S， et al. Clinical prediction rule for locomotive syndrome in older adults： A decision tree model［J］. J Orthop Sci， 2023， 28（4）： 886-894. doi：10.1016/j.jos.2022.04.008 . doi: 10.1016/j.jos.2022.04.008
[28]	HEINRICH M， WOIKE J K， SPIES C D， et al. Forecasting postoperative delirium in older adult patients with fast-and-frugal decision trees［J］. J Clin Med， 2022， 11（19）： 5629. doi：10.3390/jcm11195629 . doi: 10.3390/jcm11195629

因素	脑梗死组（n = 61）	非脑梗死组（n = 154）	t/χ²值	P值
性别			0.040	0.842
男	33	81
女	28	73
年龄（x ± s）/岁	72.43 ± 3.51	73.06 ± 3.54	1.179	0.240
BMI ≤ 24 kg/m²	42	93	1.339	0.247
饮酒（是）	26	51	1.718	0.190
吸烟（是）	23	45	1.454	0.228
高血压（有）	41	67	9.822	0.002
糖尿病（有）	37	57	9.926	0.002
手术时间≥ 2 h	40	65	9.547	0.002
术中输血（有）	19	33	2.251	0.134
深静脉血栓（有）	11	24	0.192	0.661
肺部感染（有）	16	28	1.739	0.187
尿路感染（有）	13	22	1.582	0.208
压疮（有）	25	57	0.292	0.589
住院卧床时间（x ± s）/d	9.57 ± 2.31	6.95 ± 1.47	9.946	0.000
人血白蛋白（x ± s）/（U/L）	41.17 ± 3.69	40.92 ± 3.52	0.463	0.644
甘油三酯（x ± s）/（mmol/L）	2.51 ± 0.49	2.48 ± 0.47	0.417	0.677
总胆固醇（x ± s）/（mmol/L）	5.96 ± 1.32	5.83 ± 1.17	0.708	0.480
Hcy（x ± s）/（μmol/L）	22.65 ± 2.97	18.43 ± 2.79	9.816	0.000
C反应蛋白（x ± s）/（mg/L）	13.27 ± 3.49	12.65 ± 3.16	1.259	0.210
血肌酐（x ± s）/（μmol/L）	330.14 ± 35.62	328.52 ± 32.75	0.319	0.750
甲状旁腺激素（x ± s）/（mIU/L）	3.15 ± 0.57	3.06 ± 0.52	1.113	0.267
D-D（x ± s）/（mg/L）	2.08 ± 0.42	1.54 ± 0.37	9.277	0.000
优质护理（是）	21	89	9.547	0.002

变量	赋值
IFF术后合并脑梗死	脑梗死组=“1”；非脑梗死组=“0”
高血压	有=“1”；无=“0”
糖尿病	有=“1”；无=“0”
手术时间	≥ 2 = “1”；< 2 = “0”
住院卧床时间	原值载入
Hcy	原值载入
D-D	原值载入
优质护理	有=“1”；无=“0”

自变量	β	S.E.	Wald值	P值	OR	95%CI
自变量	β	S.E.	Wald值	P值	OR	下限	上限
高血压	1.120	0.585	3.668	0.049	3.063	0.974	9.633
糖尿病	1.108	0.555	3.984	0.046	3.028	1.020	8.991
住院卧床时间	0.712	0.173	16.846	< 0.001	2.038	1.451	2.863
Hcy	0.450	0.102	19.379	< 0.001	1.569	1.284	1.917
D-D	3.091	0.798	15.003	< 0.001	21.991	4.603	105.063
优质护理	-1.616	0.586	7.599	0.006	0.199	0.063	0.627
常量	-22.120	3.389	42.611	< 0.001	0.000	-	-

比较决策树与logistic回归模型对老年股骨粗隆间骨折患者术后脑梗死风险的预测效能

Risk prediction of postoperative cerebral infarction in elderly patients with intertrochanteric femoral fracture： A comparative study of decision tree and logistic regression model

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 9

参考文献 28

相关文章 15

编辑推荐

Metrics

本文评价

模型	AUC	标准误	P值	95%CI
logistic回归	0.896	0.022 5	< 0.05	0.847 ~ 0.933
决策树模型	0.964	0.011 2	< 0.05	0.930 ~ 0.985

[1]	龚维,高天乐,王金. 基于脊柱-骨盆矢状面参数、临床特征分析骨质疏松性椎体压缩骨折患者经皮椎体后凸成形术后邻近椎体继发骨折的影响因素[J]. 实用医学杂志, 2026, 42(6): 1088-1096.
[2]	李劲松,华森鑫,黄璐丹,苏清. 急性脑梗死患者血清NRG-1、CHIT1、Cx43、MECP2水平变化及其与病情严重程度、预后的关系[J]. 实用医学杂志, 2026, 42(4): 691-697.
[3]	李鹏政,程保国,刘金展,李卫星. CT灌注成像参数及血清癌胚抗原和甲胎蛋白在监测原发性肝癌TACE术后复发中的应用[J]. 实用医学杂志, 2026, 42(2): 176-184.
[4]	谢伊代·阿卜迪米吉提,宋向新,迪丽热巴·艾则孜,哈斯也提·依不来音. 血清铁死亡相关特定指标与阿尔茨海默病的相关性[J]. 实用医学杂志, 2026, 42(1): 94-100.
[5]	周禹鑫,张立新,巴方,周晓兰. 重复经颅磁刺激联合水凝胶摄食训练治疗亚急性脑梗死后吞咽障碍的疗效及对吞咽功能的影响[J]. 实用医学杂志, 2025, 41(9): 1339-1344.
[6]	陈英道,李海宁,李育英,张岐平,梁炳松,李国辉. 血清微小RNA-143-3p、微小RNA-188-5p水平对急性脑梗死患者静脉溶栓后预后不良的预测价值[J]. 实用医学杂志, 2025, 41(8): 1117-1122.
[7]	庄云婷,宋瑶,陈茜,肖燕璇,谭天,李文慧,白瑞岩,林泽珊,王志坚. 单胎重度子痫前期孕妇产后出血的危险因素及预测指标[J]. 实用医学杂志, 2025, 41(8): 1155-1160.
[8]	. 基于“原络配穴”针刺联合艾灸治疗脑梗死相关失眠的疗效及对血清下丘脑泌素-1、5羟色胺和脑电慢波的影响[J]. 实用医学杂志, 2025, 41(8): 1253-1258.
[9]	刘冬丽,全梓林,钟灵秀,陈琦琦,蔡文巧,庄森培,魏莹,潘惠仪,林雅文. 儿童先天性心脏病术后抗生素相关性腹泻预测模型的构建与验证[J]. 实用医学杂志, 2025, 41(5): 683-690.
[10]	贾睿奕,张勃,于国云,强佳伟,王新宇,庞桂芬. 慢性阻塞性肺疾病合并高血压对心血管事件的影响[J]. 实用医学杂志, 2025, 41(21): 3358-3364.
[11]	郑妍敏,王晴晴,李生浩,李叶,张露. 肝硬化腹水患者高动力循环相关指标的影响因素分析[J]. 实用医学杂志, 2025, 41(20): 3228-3234.
[12]	赖敏华,林燕珊,邹芳亮,张扬,龙婧,夏华安,林丽红,邓运芝,陈锐芸,杨健华,徐瑶,彭天文. 非梗阻性无精子症患者的阴茎勃起硬度现状及其影响因素[J]. 实用医学杂志, 2025, 41(20): 3276-3282.
[13]	贾燕燕,孙翊嘉,赵迪,宋彦. 老年急性进展性脑梗死患者血清磷脂酶A2、S100钙结合蛋白B水平与颈动脉斑块的联系[J]. 实用医学杂志, 2025, 41(2): 244-249.
[14]	芦苇,张盼,覃玉术. CT灌注成像联合人工智能评估脑梗死后再灌注损伤的临床意义[J]. 实用医学杂志, 2025, 41(2): 264-270.
[15]	陈肖依,汪超,聂燕. 结肠镜诊治肠道准备质量及轻微不良事件的预测模型构建[J]. 实用医学杂志, 2025, 41(19): 3016-3025.