基于外周血炎癥指標的重癥成人社區獲得性肺炎預測模型的構建與驗證*

陳 雙,雷海科,唐鑫怡,2,汪 姣,劉 玲,胡維波,黃裕林,胡建娥,邢祥菊,楊再林△

1.重慶大學附屬腫瘤醫院血液腫瘤中心,重慶 400030;2.重慶大學醫學院,重慶400044;3.重慶市人民醫院醫學檢驗科,重慶401121;4.重慶市兩江新區人民醫院醫學檢驗科,重慶401121;5.重慶市榮昌區人民醫院醫學檢驗科,重慶402460;6.重慶市開州區人民醫院醫學檢驗科,重慶405499;7.重慶大學附屬三峽醫院醫學檢驗科,重慶404000;8.重慶醫科大學附屬第三醫院呼吸內科,重慶401120

成人社區獲得性肺炎是一種常見的病原體感染后導致的肺部炎癥性疾病[1]。重癥肺炎是最危重的成人社區獲得性肺炎類型,會引起呼吸衰竭、全身炎癥反應、感染性休克或多器官功能障礙等癥狀,嚴重者可危及生命[2]。大多數患者診斷為重癥肺炎時疾病處于中、重度階段,生存率為24%～50%[3]。因此準確評估成人社區獲得性肺炎的嚴重程度、早期預測肺炎重癥轉化的風險、對高風險患者及時干預,對降低患者和社會的經濟負擔、降低重癥患者病死率至關重要。外周血的炎癥指標檢測,因其取材方便、報告周期短、經濟成本低,是臨床上評估成人社區獲得性肺炎嚴重程度的常用方法。有研究發現,C反應蛋白(CRP)、白細胞計數(WBC)、中性粒細胞與淋巴細胞比值(NLR)可以作為肺炎的潛在預后因素[4]。外周血細胞因子水平如白細胞介素(IL)-4、干擾素γ(IFN-γ)、IL-6、IL-10水平等作為新興的炎癥生物標志物,通過評價機體促炎因子和抑炎因子的平衡來反映機體免疫狀態,在感染性疾病中應用十分廣泛[5-6]。T淋巴細胞亞群計數、HLA-DR陰性的單核細胞計數(mHLA-DR-)和中性粒細胞CD64(nCD64)指數等感染相關指標在新型冠狀病毒感染[4]、結核病[7]、錐蟲病[8]等感染性疾病中均有報道,但這些指標對重癥肺炎的早期預測價值仍不清楚,臨床上尚無統一的基于炎癥指標的評估工具和共識。本研究通過分析重癥肺炎和非重癥肺炎患者外周血炎癥標志物、細胞因子譜等免疫學指標,篩選出差異性因子并建立列線圖預測模型,并對模型進行驗證,以期為臨床上對重癥成人社區獲得性肺炎的早期預測及診治提供更多參考依據。

1 資料與方法

1.1一般資料 收集2021年4月至2022年8月重慶大學附屬腫瘤醫院、重慶市人民醫院、重慶市兩江新區人民醫院、重慶市榮昌區人民醫院、重慶市開州區人民醫院、重慶大學附屬三峽醫院、重慶醫科大學附屬第三醫院這7家醫院204例確診的成人社區獲得性肺炎患者的臨床資料及外周血樣本。成人社區獲得性肺炎患者根據臨床結局分為重癥成人社區獲得性肺炎患者(簡稱重癥肺炎)100 例和非重癥成人社區獲得性肺炎(簡稱非重癥肺炎)104例。按照入院時間將2021年4月至2022年3月入院的患者納入訓練集,2022年4-8月入院的患者納入驗證集。訓練集共有153例患者,其中重癥肺炎患者77例,非重癥肺炎患者76例。驗證集共有51例患者,其中重癥肺炎患者23例,非重癥肺炎患者28例。納入標準:(1)年齡≥18周歲;(2)符合《中國成人社區獲得性肺炎診斷和治療指南(2016 年版)》[9]的重癥肺炎和非重癥肺炎診斷標準。排除標準:(1)患者在過去28 d內使用過激素、粒細胞集落刺激因子、環磷酰胺、環孢素、干擾素、腫瘤壞死因子-α拮抗劑;(2)人類免疫缺陷病毒感染、腫瘤、器官移植;(3)肺部分切除或近期進行過大手術治療;(4)嚴重神經精神障礙;(5)資料不完整;(6)24 h內死亡。本研究經重慶大學附屬腫瘤醫院倫理委員會批準(批準號:CZLS2022022-A)。

1.2儀器與試劑 儀器:DXFLEX型流式細胞儀為貝克曼庫爾特有限公司產品;試劑:細胞因子12項檢測試劑盒為青島瑞斯凱爾生物科技有限公司產品,流式抗體為北京同生時代生物科技有限公司產品。

1.3方法

1.3.1標本及資料收集 留取患者經血常規和CRP檢測后的靜脈血(乙二胺四乙酸二鉀抗凝),并同步收集患者臨床資料。

1.3.2指標檢測 采用流式細胞術檢測全血的T淋巴細胞亞群(抗體組合:CD3、CD4、CD8、CD45)、nCD64指數和mHLA-DR-細胞水平(抗體組合:CD64、CD14、HLA-DR、CD45)。通過流式細胞術檢測血漿中的細胞因子水平。實驗操作嚴格按照試劑盒說明書及實驗室標準操作程序進行。

1.4統計學處理 采用SPSS21.0和R語言Medcalc(19.5.6)軟件進行數據分析。非正態分布的計量資料以M(P25,P75)表示,組間比較采用Mann-WhitneyU檢驗分析。計數資料采用百分率表示,組間比較采用χ2檢驗。先對訓練集采用單因素和多因素Logistic回歸分析篩選出重癥肺炎的特征性指標,Logistic回歸分析的結果以比值比(OR)、95%置信區間(CI)和P值表示。根據訓練集篩選出的特征性指標建立列線圖預測模型,并采用驗證集對該模型進行驗證。分別繪制訓練集和驗證集的受試者工作特征(ROC)曲線、校準曲線和決策曲線,以評估模型的效能。確定約登指數最大值為連續變量的最佳截斷值。P<0.05表示差異有統計學意義。

2 結 果

2.1訓練集和驗證集患者臨床資料比較 本研究共收集了221例患者,但17例因標本質量不合格、臨床資料不完整等因素被排除,最終納入204例患者,其中男106例,女98例,中位年齡69歲,按照入院時間先后順序納入訓練集和驗證集。訓練集153例患者,驗證集51例患者。訓練集和驗證集患者臨床資料比較見表1。

表1 訓練集和驗證集患者臨床資料比較[M(P25,P75)或n(%)]

2.2訓練集重癥肺炎與非重癥肺炎患者單因素分析 訓練集單因素Logistic回歸分析結果顯示,患者的年齡、CRP、WBC和IL-6/IL-10比值與重癥肺炎的發生呈正相關(OR>1,P<0.05),而IL-4/IFN-γ比值與重癥肺炎發生呈負相關(OR<1,P<0.05)。見表2。

表2 訓練集重癥肺炎和非重癥肺炎患者的單因素Logistic回歸分析

2.3訓練集重癥肺炎與非重癥肺炎患者多因素分析 將訓練集單因素分析有統計學意義的指標進行多因素Logistic回歸分析。結果顯示,患者的年齡、CRP、WBC、IL-4/IFN-γ比值和IL-6/IL-10比值是重癥肺炎的獨立危險因素(P<0.05)。見表3。

表3 訓練集重癥肺炎與非重癥肺炎患者的多因素Logistic回歸分析

2.4重癥肺炎預測模型的建立 根據上述多因素分析篩選出的5個風險因素變量,利用R軟件,建立重癥成人社區獲得性肺炎列線圖預測模型,見圖1。圖中每個變量的值對應一個最上方軸上的分值,將患者5個變量所對應的分值相加得到總分,總分對應最下方軸上的值即為患者轉化為重癥肺炎的風險概率。

圖1 重癥成人社區獲得性肺炎列線圖預測模型

2.5重癥肺炎列線圖預測模型的驗證 ROC曲線分析結果提示,訓練集列線圖模型的ROC曲線的曲線下面積(AUC)為0.893(95%CI:0.844～0.941),且列線圖模型的AUC高于單個指標(圖2A),也高于聯合指標(圖2B),其靈敏度為74.026%,特異度為92.105%(表4)。驗證集列線圖模型ROC曲線的AUC為0.880(95%CI:0.788～0.973),同樣列線圖模型的AUC高于單個指標(圖2C),也高于聯合指標(圖2D),其靈敏度為91.304%,特異度為78.571%(表4),提示該模型對肺炎的重癥轉化有良好的鑒別能力。校準曲線分析結果顯示,該模型的校準曲線接近理想曲線,擬合度較好,提示該模型預測概率與實際概率較一致,說明該模型對肺炎的重癥轉化預測的準確度高。見圖3。決策曲線分析(DCA)結果顯示,該模型在訓練集和驗證集中臨床決策的凈收益優于“所有”(假設所有患者都診斷為重癥肺炎)和“無”(假設所有患者都不診斷為重癥肺炎),提示該列線圖模型的臨床決策對患者是有利的,說明該模型對肺炎的重癥轉化預測有較好的臨床實用性。見圖4。

注:A為訓練集中列線圖模型和單個指標的ROC曲線;B為訓練集中列線圖模型和聯合指標的ROC曲線;C為驗證集中列線圖模型和單個指標的ROC曲線;D為驗證集中列線圖模型和聯合指標的ROC曲線。

注:A為訓練集中列線圖模型的校準曲線,B為驗證集中列線圖模型的校準曲線。

注:A為訓練集中列線圖模型的決策曲線,B為驗證集中列線圖模型的決策曲線。

表4 訓練集與驗證集不同指標組合模式下ROC曲線的參數比較

3 討 論

成人社區獲得性肺炎是一種常見的呼吸系統疾病,部分患者可進展為重癥,并在短時間內出現呼吸衰竭,嚴重危害患者生命。重癥肺炎具有預后較差、病死率高等特點,在治療上也與普通肺炎存在差異。CURB-65評分和肺炎嚴重指數(PSI)評分是目前臨床上主要使用的肺炎風險分層評分工具,但這些評分工具主要從患者臨床表征和臟器損害程度進行評估,相關檢查成本較高,且對重癥肺炎的早期預測具有一定的局限性[10]。近年來,越來越多的證據表明,炎癥程度與呼吸系統疾病的風險程度密切相關,可以將炎癥相關指標作為預測肺炎發展的生物標志物[11]。因此,如何科學地利用簡單快捷的外周血炎癥指標,對成人社區獲得性肺炎的重癥轉化進行早期預測,為治療提供依據,是臨床工作中亟待解決的問題。

本研究結果發現,患者的年齡、CRP、WBC、IL-4/IFN-γ比值和IL-6/IL-10比值是重癥肺炎的獨立危險因素(P<0.05)。高齡患者的肺功能衰減,是臨床上公認的重癥肺炎患者中病死率較高的人群[12]。WBC和CRP水平與機體炎癥程度密切相關[13]。高炎癥狀態是導致重癥肺炎患者全身多處器官功能障礙的主要原因[2]。CRP和NLR可能是預測肺炎進展的潛在指標,NLR可以反映全身炎癥和免疫反應失衡的程度,可作為肺炎的預后指標[14]。故監測肺炎患者WBC、NLR、CRP水平對預測疾病進展、提高治療效果、降低病死率有重要價值。本研究中,訓練集的單因素Logistic回歸分析結果顯示,NLR與重癥肺炎的發生無顯著的關聯性(P>0.05),可能是因為NLR對重癥肺炎和非重癥肺炎的鑒別價值低于CRP和WBC。細胞因子作為評估患者炎癥狀態的指標,近年來備受關注。郭佳林等[15]的研究比較了普通感染患者和重癥肺炎患者的外周血細胞因子水平,發現重癥肺炎患者細胞因子IL-6、IL-8、IFN-γ、IL-1β和IL-4水平高于普通感染患者。相關研究表明,IL-6是導致機體“炎癥因子風暴”的主要促炎因子[16]。而IL-10作為一種抑炎因子,在疾病后期可顯著增加,以抑制促炎因子過度分泌[17]。本研究結果發現,與非重癥肺炎患者比較,重癥肺炎患者IL-6/IL-10比值更高,這可能是患者炎癥增加,加速疾病進展的重要原因。IL-4和IFN-γ被認為是輔助T細胞主要分泌的細胞因子,其水平可間接反應Th1和Th2之間的免疫反應失衡[18]。有研究表明,IFN-γ增高與肺部炎癥和廣泛的肺損傷有關,是患者病情惡化的標志[19]。本研究結果顯示,訓練集中IL-4/IFN-γ比值與重癥肺炎發生呈負相關。故動態監測IL-6/IL-10比值、IL-4/IFN-γ比值,有助于早期識別肺炎重癥轉化。

基于外周血檢測的相關指標因其檢測時間快,結果易獲得等優點,在感染性疾病中應用廣泛。最近,ZHENG等[20]基于外周血的血常規、CRP和降鈣素原等指標提出WBC聯合單核細胞復雜度分布寬度(Mon-XW)對重癥肺炎和非重癥肺炎具有較高的鑒別效能,其AUC為0.842。劉曉萍等[21]利用列線圖模型用于預測兒童重癥肺炎的轉化,該模型納入了年齡、中性粒細胞百分比、CRP、白蛋白、乳酸脫氫酶和丙氨酸氨基轉移酶等指標,但未展示AUC結果。此外,列線圖模型還多被應用于預測重癥肺炎患者病死率的研究[22]。本研究基于年齡、CRP、WBC、IL-4/IFN-γ比值和IL-6/IL-10比值,建立了一個預測成人重癥肺炎的轉化風險的列線圖模型。該模型在訓練集的AUC為0.893(95%CI:0.844～0.941),在驗證集的AUC為0.880(95%CI:0.788～0.973)。且無論在訓練集還是驗證集,該列線圖模型相較于年齡、CRP、WBC的聯合預測模式及年齡、IL-4/IFN-γ比值、IL-6/IL-10比值聯合預測模式都具有更好的診斷效能。進一步通過對模型的校準曲線和DCA分析,列線圖模型表現出了良好的準確性、有效性和臨床實用性。

本研究基于臨床多中心的患者數據建立的列線圖模型具有較高的可靠性。但也存在一定的局限性。首先,本研究標本量較小,需要更大規模的研究數據來驗證。其次,本研究因多中心原因的限制,無法詳盡的收集患者臨床特征信息。最后,本研究構建的模型未與臨床目前常用的CURB-65評分和PSI評分系統進行比較,若能聯合使用,可能具有更好的臨床價值。

綜上所述,CRP、WBC、IL-4/IFN-γ比值和IL-6/IL-10比值是重癥肺炎的早期篩查、診斷和治療的潛在生物標志物。本研究基于患者年齡及臨床上簡單的外周血的炎癥標志物構建的重癥成人社區獲得性肺炎列線圖預測模型,有較好的準確度、靈敏度、區分度和臨床實用性,可為臨床醫生早期啟動重癥肺炎的預防策略及優化的治療方案提供參考,但還需要在更多研究中得到證實。