联合超早期生命体征和血乳酸水平构建脓毒症患者预后模型的验证评价

doi:10.3877/cma.j.issn.2095-5820.2020.03.004

目的

建立和验证脓毒症患者预后评价的列线图评分系统，对患者的预后进行评估，以判断患者的严重程度。

方法

利用重症大数据库的临床资料，根据临床应用场景，选取脓毒症患者入住ICU后1 h内可以获得的临床指标，包括年龄和性别，生命体征资料，是否需要使用血管活性药物以及一小时内检测的血乳酸为预测因子，30天病死率为研究结局。使用logistic回归分析建立以列线图表示的临床预测模型，使用重复抽样法进行内部验证。

结果

建立了脓毒症30天死亡率预测的列线图模型，该模型的区分度C指数为0.759(95% CI：0.725~0.794)，使用重复抽样方法的验证的区分度C指数为0.762(95% CI：0.728~0.797)。

结论

本研究利用建立的列线图模型对超早期判断脓毒症预后和严重程度有一定的临床参考意义。然而，模型仍需进一步验证。

关键词: 脓毒症, 预后模型, 生命体征, 血乳酸

Objective

To establish and validate a nomogram scoring system to evaluate the severity of the sepsis patient.

Methods

Clinical application scenarios clinical data available within 1 hour of admission to the ICU was used to establish the nomogram scoring system. Clinical predictors included age, sex, vital signs, vasopressor use and lactate level within 1 hour. 30-day mortality as an outcome. Logistic regression analysis model was used to determine independent risk factors and a nomogram was established to predict 30-day mortality.The validation was performed using repeated sampling method.

Results

A nomogram of 30-day mortality was established in sepsis patients with a C-index of 0.759 (95% CI: 0.725~0.794) and a validated discriminant C-index of 0.762 (95% CI: 0.728~0.797) using repeated sampling methods.

Conclusion

Nomogram model will clinically be relevant for ultra-early determination of prognosis and severity of sepsis and has clinical significance. However, this model needs to be further validated.

Key words: Sepsis, Prognostic model, Vital signs, Lactate

表1 纳入患者的基线特征

特征	总人群(1721人)	存活组(1333人)	死亡组(388人)	T值或卡方值	P值
年龄(岁)	65±17	64±17	70±16	-7.854	<0.001
性别(男%)	965(56.07%)	753(56.49%)	212(54.64%)	0.684	0.518
心率(次/分)	111.95±22.10	110.08±21.36	118.37±23.39	-3.763	<0.001
收缩压(mmHg)	84.19±17.41	86.50±15.65	76.32±20.56	2.908	<0.001
呼吸频率(次/分)	29.03±6.95	28.42±6.56	31.09±7.83	-4.373	<0.001
体温(℃)	37.72±0.93	37.77±0.86	37.55±1.11	2.753	<0.001
血氧饱和度(%)	89.21±12.17	90.71±9.30	84.03±18.09	5.928	<0.001
乳酸(mmol/L)	2.30(1.40-3.70)	2.10(1.40-3.40)	3.00(1.80-5.70)	-1.642	<0.001
使用血管活性药(%)	687(39.92%)	465(34.88%)	222(57.22%)	59.654	<0.001

表1 纳入患者的基线特征

特征	总人群(1721人)	存活组(1333人)	死亡组(388人)	T值或卡方值	P值
年龄(岁)	65±17	64±17	70±16	-7.854	<0.001
性别(男%)	965(56.07%)	753(56.49%)	212(54.64%)	0.684	0.518
心率(次/分)	111.95±22.10	110.08±21.36	118.37±23.39	-3.763	<0.001
收缩压(mmHg)	84.19±17.41	86.50±15.65	76.32±20.56	2.908	<0.001
呼吸频率(次/分)	29.03±6.95	28.42±6.56	31.09±7.83	-4.373	<0.001
体温(℃)	37.72±0.93	37.77±0.86	37.55±1.11	2.753	<0.001
血氧饱和度(%)	89.21±12.17	90.71±9.30	84.03±18.09	5.928	<0.001
乳酸(mmol/L)	2.30(1.40-3.70)	2.10(1.40-3.40)	3.00(1.80-5.70)	-1.642	<0.001
使用血管活性药(%)	687(39.92%)	465(34.88%)	222(57.22%)	59.654	<0.001

表2 各个预测因子和30天病死率的单因素logistic回归和多元logistic回归分析

变量	单因素Logistic回归		多因素Logistic回归
变量	OR (95%CI)	P值	OR (95%CI)	P值
年龄(岁)	1.01 (1.00, 1.02)	0.0078	1.01 (1.00, 1.02)	0.0428
性别(男%)	0.92 (0.72, 1.18)	0.5222	?	?
心率(次/分)	1.02 (1.02, 1.03)	<0.0001	1.01 (1.01, 1.02)	0.0001
收缩压(mmHg)	0.96 (0.95, 0.96)	<0.0001	0.98 (0.97, 0.99)	<0.0001
呼吸频率(次/分)	1.06 (1.04, 1.08)	<0.0001	1.07 (1.04, 1.09)	<0.0001
体温(℃)	0.82 (0.71, 0.94)	0.0045	0.72 (0.61, 0.84)	<0.0001
血氧饱和度	0.95 (0.94, 0.96)	<0.0001	0.97 (0.96, 0.98)	<0.0001
乳酸(mmol/L)	1.26 (0.72,1.32)	<0.0001	1.16 (1.10,1.23)	<0.0001
使用血管活性药物(%)	3.66 (2.81, 4.77)	<0.0001	2.10 (1.53, 2.87)	<0.0001

表2 各个预测因子和30天病死率的单因素logistic回归和多元logistic回归分析

变量	单因素Logistic回归		多因素Logistic回归
变量	OR (95%CI)	P值	OR (95%CI)	P值
年龄(岁)	1.01 (1.00, 1.02)	0.0078	1.01 (1.00, 1.02)	0.0428
性别(男%)	0.92 (0.72, 1.18)	0.5222	?	?
心率(次/分)	1.02 (1.02, 1.03)	<0.0001	1.01 (1.01, 1.02)	0.0001
收缩压(mmHg)	0.96 (0.95, 0.96)	<0.0001	0.98 (0.97, 0.99)	<0.0001
呼吸频率(次/分)	1.06 (1.04, 1.08)	<0.0001	1.07 (1.04, 1.09)	<0.0001
体温(℃)	0.82 (0.71, 0.94)	0.0045	0.72 (0.61, 0.84)	<0.0001
血氧饱和度	0.95 (0.94, 0.96)	<0.0001	0.97 (0.96, 0.98)	<0.0001
乳酸(mmol/L)	1.26 (0.72,1.32)	<0.0001	1.16 (1.10,1.23)	<0.0001
使用血管活性药物(%)	3.66 (2.81, 4.77)	<0.0001	2.10 (1.53, 2.87)	<0.0001

图1 脓毒症患者ICU病死率的ROC曲线以及采用bootstrap方法的验证ROC曲线

图2 脓毒症预后模型的列线图

图3 预测模型实际30天病死率和预测30天病死率的比较(纵坐标为病死率百分比，横坐标为预测30天病死率10等分组)

[1]	穆红，杨磊. 脓毒症相关微小RNA标志物功能机制研究进展与诊疗价值[J]. 中华检验医学杂志, 2019, 42(12):1007-1013.
[2]	Singer M, Deutschman CS, Seymour CW, et al. The third international consensus definitions for sepsis and septic shock(sepsis-3) [J]. JAMA, 2016,315(8):801-810.
[3]	Adhikari NKJ, Fowler RA, Bhagwanjee S, et al. Critical care and the global burden of critical illness in adults[J]. Lancet, 2010, 376(9749):1339-1346.
[4]	Levy MM, Evans LE, Rhodes A. The surviving sepsis campaign bundle[J]. Crit Care Med, 2018,46(6):997-1000.
[5]	Delawder J, Hulton L. An interdisciplinary code sepsis team to improve sepsis-bundle compliance: a quality improvement project[J]. J Emerg Nurs, 2019,46(1):91-98.
[6]	Dellinger RP, Levy MM, Rhodes A, et al. Surviving sepsis campaign: international guidelines for management of severe sepsis and septic shock, 2012[J]. Intensive Care Med, 2013,39(2):165-228.
[7]	Komorowski M, Celi LA, Badavi O, et al. The artificial intelligence clinician learns optimal treatment strategies for sepsis in intensive care[J]. Nat Med, 2018,24(11):1716-1720.
[8]	Angus DC, Linde-Zwirble WT, Lidicker J, et al. Epidemiology of severe sepsis in the United States: Analysis of incidence, outcome, and associated costs of care[J]. Crit Care Med, 2001,29(7):1303-1310.
[9]	Collins GS, Reitsma JB, Altman DG, et al. Transparent reporting of a multivariable prediction model for Individual Prognosis Or Diagnosis (TRIPOD): the TRIPOD Statement[J]. Brit J Surg, 2015,102(3):148-158.
[10]	赵梦雅，段美丽. 血乳酸和乳酸清除率与降钙素原联合检测对脓毒症患者病情严重程度及预后评估的临床意义[J]. 中华危重病急救医学, 2020,32(4):449-453.
[11]	王俊峰，章仲恒，周支瑞, 等. 临床预测模型:模型的验证[J]. 中国循证心血管医学杂志, 2019,11(2):141-144.
[12]	朱梦莉，彭丽清，袁光新, 等. SIRS标准与SOFA和qSOFA评分对急诊疑似感染患者的预后预测价值[J]. 中华医院感染学杂志, 2019,29(19):2894-2898.
[13]	高兰，李昊，刘红娟, 等. 离子间隙联合APACHEⅡ评分在脓毒症患者短期预后中的应用[J]. 中国急救医学, 2019,39(12):1176-1180.
[14]	熊洁，赖昕，杨蓉. ICNSS评分、APACHEⅡ评分与SAPSⅡ评分系统对急诊患者治疗状况的评价比较[J]. 实用临床医药杂志, 2016, 20(22):21-23.
[15]	张玉江，张巧，任之栋, 等. PSI、APACHEⅡ和SOFA三种评分对医院获得性肺炎预后的评估价值[J]. 中华肺部疾病杂志(电子版), 2019,12(3):285-288.
[16]	李健，徐钰，席雯, 等. APACHE Ⅱ和SOFA评分对不同原因休克预后评估的临床意义[J]. 中国实验诊断学, 2019,23(6):959-962.
[17]	温艺超，谢富华，张振辉. APACHEⅡ评分联合PCT在脓毒症患者预后评价中的应用效果[J]. 中国急救医学, 2016,36(z1):91-92.
[18]	陈清，林素涵，黄跃跃, 等. 预测首次发作急性胰腺炎病情严重程度列线图的建立[J]. 中华胰腺病杂志, 2019,19(6):420-424.

[1]	杨瑾, 刘雪克, 张媛媛, 金钧, 韦瑶. 肠道微生物来源石胆酸对脓毒症相关肝损伤的保护作用[J]. 中华危重症医学杂志(电子版), 2024, 17(04): 265-274.
[2]	张霞, 张瑞, 郑志波, 张勤. 紫草素调控乳酸化修饰和线粒体功能改善脓毒症心肌病小鼠的预后[J]. 中华危重症医学杂志(电子版), 2024, 17(04): 275-284.
[3]	张婧琦, 江洋, 孙佳璐, 唐兴喆, 赵宇飞, 崔颖, 李信响, 戴景月, 傅琳, 彭新桂. 基于肾周CT特征结合血清肌酐水平探讨脓毒症伴急性肾损伤的早期识别[J]. 中华危重症医学杂志(电子版), 2024, 17(04): 285-292.
[4]	李振翮, 魏长青, 甄国栋, 李振富. 脓毒症并发急性呼吸窘迫综合征患者血清S1P、Wnt5a变化及其临床意义[J]. 中华危重症医学杂志(电子版), 2024, 17(04): 293-300.
[5]	樊恒, 孙敏, 朱建华. 红景天苷通过抑制PI3K/AKT/mTOR信号通路对大鼠脓毒症急性肾损伤的保护作用[J]. 中华危重症医学杂志(电子版), 2024, 17(03): 188-195.
[6]	贾亚娟, 蒙钰铭, 高志伟, 高素敏, 张劲松, 孙虹. 血小板与淋巴细胞比值、降钙素原和白细胞介素6联合检测对脓毒症患者预后价值的研究[J]. 中华危重症医学杂志(电子版), 2024, 17(02): 118-123.
[7]	冯芳, 陈宇, 杨静, 满珂, 蔡红燕, 李群. ω-3鱼油脂肪乳注射液在脓毒症患者中的应用：前瞻性、随机对照、先导试验[J]. 中华危重症医学杂志(电子版), 2024, 17(02): 136-139.
[8]	顾晓凌, 吴冠楠, 宋勇. 核因子E2相关因子2(Nrf2)与铁死亡在脓毒症相关急性肺损伤中的研究进展[J]. 中华肺部疾病杂志(电子版), 2024, 17(02): 324-328.
[9]	胡梓菡, 彭菲, 孙骎, 杨毅. 细胞外囊泡在脓毒症血管内皮损伤作用中的研究进展[J]. 中华重症医学电子杂志, 2024, 10(03): 265-270.
[10]	刘娟丽, 马四清, 乌仁塔娜. 髓源性抑制细胞在脓毒症中的研究进展[J]. 中华重症医学电子杂志, 2024, 10(03): 271-278.
[11]	苏生林, 马金兰, 于弘明, 杨晓军. 单细胞测序技术在脓毒症免疫研究中的应用进展[J]. 中华重症医学电子杂志, 2024, 10(03): 279-286.
[12]	李莉, 张丽娜, 钱招昕. 亚甲蓝——脓毒症休克的“魔法锦囊”？[J]. 中华重症医学电子杂志, 2024, 10(02): 136-142.
[13]	张引, 李国强. 亚甲蓝治疗脓毒症休克的研究进展[J]. 中华重症医学电子杂志, 2024, 10(02): 143-147.
[14]	庞明敏, 闫美辰, 刘光凤, 宫继斌, 许娜娜, 郑玥, 范少华, 王昊. 脓毒症液体复苏治疗策略的研究进展[J]. 中华重症医学电子杂志, 2024, 10(02): 189-195.
[15]	陈惠英, 邱敏珊, 邵汉权. 脓毒症诱发肠黏膜屏障功能损伤的风险因素模型构建与应用效果[J]. 中华消化病与影像杂志(电子版), 2024, 14(05): 448-452.

阅读次数

全文

摘要

选择文件类型/文献管理软件名称

选择包含的内容

Establish and validate the prognosis model of sepsis patients by ultra-early vital signs and lactate level

模态框（Modal）标题

选择文件类型/文献管理软件名称

选择包含的内容

Establish and validate the prognosis model of sepsis patients by ultra-early vital signs and lactate level