研究背景与问题

放射性肺炎（RP）是胸部放疗后常见的并发症之一，对患者的生活质量和预后产生重大影响。继发性感染是RP患者面临的主要风险之一，其发生率较高，严重时可能导致死亡。目前，对RP继发感染风险的评价主要依赖于临床医生的直觉和经验，缺乏客观、量化的预测模型。因此，本研究旨在探讨基于放射性肺炎患者的临床资料、放疗剂量学参数及炎症指标构建RP继发感染风险的贝叶斯Logistic回归（BLR）预测模型的可行性，为临床医生提供客观、有效的风险评估工具。

研究方法

本研究选取了2021年6月至2024年8月在西安国际医学中心接受胸部放疗的放射性肺炎患者作为研究对象。通过收集患者的临床资料、放疗剂量学参数和炎症指标，建立BLR预测模型。具体方法包括：首先，对收集到的数据进行分析，筛选出与RP继发感染风险相关的变量；其次，应用BLR模型进行变量筛选和回归分析，构建RP继发感染风险的预测模型；最后，通过交叉验证和ROC曲线分析评估模型的判别效能与临床应用价值。

核心结果

本研究共纳入放射性肺炎患者100例，其中继发感染患者30例。通过BLR模型分析，我们筛选出年龄、放疗剂量、淋巴细胞计数、C反应蛋白和降钙素原等5个与RP继发感染风险相关的变量。构建的BLR预测模型在交叉验证中的AUC值为0.85，表明该模型具有良好的判别效能。进一步分析显示，模型预测的感染风险与实际感染情况具有较高的一致性，具有良好的临床应用价值。

结论与意义

本研究结果表明，基于贝叶斯Logistic回归的放射性肺炎继发感染风险预测模型具有良好的可行性、判别效能和临床应用价值。该模型能够有效预测放射性肺炎患者的继发感染风险，为临床医生提供客观、量化的风险评估工具，有助于早期识别高风险患者，采取针对性的预防和治疗措施，从而降低患者死亡率，提高临床治疗效果。此外，该研究为放射性肺炎继发感染风险的预测提供了新的思路和方法，为临床实践提供了重要的参考依据。