L'objectif est d'explorer les facteurs de risque du syndrome d'accumulation interne de toxines troubles dans la gastrite atrophique chronique (CAG) et d'établir un modèle prédictif. Des données cliniques de 180 patients atteints de CAG ont été collectées à l'hôpital de médecine traditionnelle du Hebei entre juillet 2021 et mars 2022, participant à l'étude clinique sur les granulés Xianglian Huozhuo pour bloquer la transformation inflammatoire et cancéreuse de la gastrite atrophique chronique. Après appariement selon le score de propension pour contrôler les facteurs de confusion, les patients ont été divisés en un ensemble d'entraînement (ensemble d’entraînement, dev) et un ensemble de validation (ensemble de validation, vad) au ratio 7∶3. Une analyse univariée de régression logistique et une régression Lasso ont été utilisées pour identifier les facteurs de risque du syndrome d'accumulation interne de toxines troubles dans l'ensemble d'entraînement. Ensuite, un modèle (model 1se) a été construit avec les données d'entraînement pour prédire ces facteurs. L'exactitude du modèle a été évaluée par la courbe ROC, le test Hosmer-Lemeshow (H-L), le graphique de calibration et l'analyse de la courbe décisionnelle (DCA). Les résultats ont révélé que « l'âge, l'IMC, les antécédents familiaux de cancer, la satisfaction au travail et dans la vie, la langue jaune et grasse avec un pouls glissant, la sensation de lourdeur corporelle » sont des facteurs de risque indépendants du modèle. Ce modèle prédictif a montré une bonne valeur prédictive dans les ensembles d'entraînement et de validation. Conclusion : le modèle prédictif de risque de syndrome d'accumulation interne de toxines troubles dans la gastrite atrophique chronique développé dans cette étude présente une excellente discrimination et une bonne calibration, fournissant une bonne base clinique pour le diagnostic de la maladie et le traitement individualisé des patients.

gastrite atrophique chronique;syndrome d'accumulation interne de toxines troubles;facteurs de risque;modèle prédictif