建立可視化列線圖預測腹腔感染的預后*

谷興麗 唐丹丹 楊春波 于朝霞

(1.新疆醫科大學第一附屬醫院重癥醫學中心，新疆 烏魯木齊 830054；2.新疆醫科大學，新疆 烏魯木齊 830054)

腹腔感染(Intra-abdominal infections，IAI)。病死率高達10%～40%是ICU中第二大致死性病因，其預后極差，最終會導致多器官功能障礙綜合征(multiple organ dysfunction syndrome，MODS)。早期診斷感染，早期識別危險因素并及時治療是影響疾病轉歸的關鍵[1]。近幾年研究表明，初始乳酸水平、PCT、APACHEⅡ、SOFA評分、血糖波動幅度等是評估預后的危險因素[2-7]，入院時的初始乳酸水平與APACHEⅡ、SOFA評分呈正相關,若聯合APACHEⅡ和SOFA評分,則評估預后效果更好[2]。國外最近的研究表明，腹內壓是預測腹腔感染死亡率的危險因素[8]。PCT和C反應蛋白血清CRP和PCT的升高，有助于早期發現吻合口漏[9]。若能發現新的指標可以更早期、精準的評估預后，則可結合初始乳酸水平、APACHEⅡ、SOFA評分等指標[10]，更精準的評估腹腔感染的預后，在疾病初期有的放矢的制定治療方案，從而改善預后。本研究通過對腹腔感染患者一般資料和實驗室資料進行統計分析，并運用統計方法建立統計模型和簡便又可靠的列線圖，納入簡單、易獲得的臨床指標,較短時間內即可預測IAI的預后，現報告如下。

1 資料與方法

1.1 一般資料 選取 2017年6月～2020年1月在新疆醫科大學第一附屬醫院接受治療的105 例腹腔感染患者為研究對象。納入標準：符合腹腔感染的診斷標準[11]，且年齡大于18歲。排除標準：急性胰腺炎患者。根據患者預后狀態將患者分為惡化組28例和好轉組77例。該研究獲得倫理委員會批準。腹腔感染需要滿足中華人民共和國衛生部批準的醫院感染診斷標準中三條中的任意一條[11-12]。

1.2 方法 收集 105 例腹腔感染患者的一般臨床資料和實驗室指標，收集的內容主要包括性別、年齡、族別、糖尿病史、手術史、是否機械通氣、是否MODS、是否休克、是否發熱。收集腹腔感染后第1天、第7天的靜脈血的WBC、NE、PLT、PCT、PDW、AST、ALT、UREA、TBIL、UCB、ALB、CRE、CysC等值。通過Logistic逐步回歸分析獲得邏輯回歸模型,并用 R 語言獲取逐步回歸模型的列線圖；繪制預測惡化因素的受試者工作特征曲線(receiver operating characteristic curve,ROC),計算曲線下面積(area under ROC,AUC),獲取最佳臨界值,計算預測惡化的靈敏度和特異度。

1.3 統計學分析 采用R-3.6.2軟件進行數據分析。非正態計量數據用“Median(IQR)”表示，組間比較采用wilcox秩和檢驗。計數資料采用例數及百分比表示，組間比較采用卡方檢驗。P<0.05為差異有統計學意義。

2 結果

2.1 基本資料比較 105例患者中男性 76例，女性 29例，好轉77例,惡化28 例。UCB7、ALB1、CRE1、CRE7、UREA1、UREA7、NE1、NE7、PLT1、PLT7、pct1、pct7、PDW1、PDW7、AST1、AST7、CysC1、CysC7、年齡屬于非正態分布，TBIL1、TBIL7屬于正態分布。好轉組與惡化組患者的性別、民族、手術史、糖尿病史、WBC1和WBC7、ALT1和ALT7、UCB1、ALB7的差異均無統計學意義(P>0.05)。年齡、是否機械通氣、是否MODS、是否休克、是否發熱、NE1和NE7、PLT1和PLT7、pct1和pct7、PDW1和PDW7、AST1和AST7、UREA1和UREA7、TBIL1和TBIL7、UCB7、ALB1、CRE1和CRE7、CysC1和CysC7的差異均有統計學意義(P<0.05)，見表1。

表1 好轉組與惡化組患者臨床資料比較[n(×10-2)]Table 1 Comparison of clinical indicators between the improvement group and the deterioration group

2.2 Logistic逐步回歸模型分析 將上述第1天與第7天差異有統計學意義的臨床指標納入Logistic逐步回歸模型分析,結果顯示,好轉組和惡化組休克OR 值為40.52(95%CI：6.27～492.01),PLT7 OR 值為0.98(95%CI：0.96～0.99),NE7 OR 值為1.12(95%CI：1.03～1.26),UREA7 OR 值為1.22(95%CI：1.04～1.54)，差異均有統計學意義(均P<0.05)。經Logistic逐步回歸分析，得出回歸方程式：Y=-10.988+3.702×休克-0.021×PLT7+0.202×UREA1+0.116×NE7。利用R語言軟件可視化處理逐步回歸模型(LR)得到列線圖(圖1),根據列線圖,總分超過106分,有發生惡化的可能;總分超過150分,則發生惡化可能將高達99%以上。

圖1 逐步回歸模型的列線圖Figure 1 The nomogram of a stepwise regression model

2.3 ROC曲線分析驗證 本研究建立的逐步回歸模型以及NE1和NE7、PLT1和PLT7、pct1和pct7、PDW1和PDW7、AST1和AST7、UREA1和UREA7、TBIL1和TBIL7、CRE1和CRE7、CysC1和CysC7的AUC 面積(圖2)，逐步回歸模型的AUC為0.983(靈敏度0.948,特異度0.964)，明顯高于其他指標：NE的AUC為0.717，PLT的AUC為0.664，UREA的AUC為0.87，PCT的AUC為0.64，PDW的AUC為0.648，AST的AUC為0.666，TBIL的AUC為0.669，CRE的AUC為0.817，CysC的AUC為0.759,逐步回歸模型預測惡化發生的靈敏度及特異度均優于其他指標。

圖2 逐步回歸模型、NE、PLT、pct、AST、UREA、TBIL、CRE、CysC等指標的ROC曲線Figure 2 ROC curve of Stepwise regression model，NE,PLT,PCT,AST,TBIL,CRE,CysC

3 討論

IAI的發生與腹腔內空腔臟器穿孔或破裂直接相關，導致感染源侵入腹腔內、腹膜后和腹腔臟器，多發生于消化道穿孔、破裂及腸吻合口破裂合并的繼發性腹膜炎，也可能是發生在原發性或繼發性腹膜炎治療失敗后的復發性腹膜炎或持續性腹膜炎[13-17]。

相關研究證明,一旦腹腔感染診斷明確，要立即充分清除感染灶，否則會迅速進展為膿毒癥、膿毒性休克，增加死亡風險[18-19]，初始抗菌藥物治療不足、不充分的感染源控制是腹腔感染患者死亡的可靠預測因素[20],所以早期識別可以預測腹腔感染預后的臨床表現和實驗室指標,早期對腹腔感染患者疾病嚴重程度評估，才能早期制定合理了抗感染方案。

本研究建立了評估腹腔感染預后的Logistic逐步回歸模型，納入差異有統計學意義的臨床資料和實驗室指標，經Logistic逐步回歸分析(LR)，得出回歸方程式：Y=-10.988+3.702×休克-0.021×PLT7+0.202×UREA1+0.116×NE7，并得出列線圖。該Logistic逐步回歸模型的AUC明顯大于NE1和NE7、PLT1和PLT7、PCT1和PCT7、PDW1和PDW7、AST1和AST7、UREA1和UREA7、TBIL1和TBIL7、CRE1和CRE7、CysC1和CysC7，預測腹腔感染病情嚴重程度也高于這些指標。

例如一腹腔感染患者,若發生休克、PLT7為90×109/L、NE7為85%,UREA1 為10.88mmol/L,根據列線圖,分別記作18、90、23、11分,總分142分,有88.9% 發生惡化的可能。以上所有指標都出自臨床資料和實驗室指標,對照列線圖,1分鐘內即可獲得惡化發生概率。

4 結論

本列線圖可能是預測腹腔感染預后的有效臨床工具，逐步回歸模型比各指標單獨預測腹腔感染病情嚴重程度的靈敏度、特異度更優。