首页 > 论文范文 > 医药卫生论文 > 消化内科疾病论文 > 胰腺炎论文 > 急性胰腺炎患者院内病死风险预测模型的建立与评价

急性胰腺炎患者院内病死风险预测模型的建立与评价

2024-10-09 151 上传者：管理员

摘要：目的：探讨重症监护室急性胰腺炎患者的院内病死的相关因素，构建列线图死亡风险预测模型。方法：从美国重症监护医学信息数据库IV中提取520例重症监护室的急性胰腺炎患者，按7∶3的比例随机分成训练集（n=364）和验证集（n=156）。训练集中男性210例（57.7%），女性154例（42.3%），年龄M (P25,P75)为57.9 （45.9,72.4）岁；验证集中男性87例（55.8%），女性69例（44.2%），年龄为54.6 （42.0,70.3）岁。利用logistic回归分析筛选急性胰腺炎患者院内病死的相关因素，构建列线图预测模型。通过受试者工作特征曲线下面积（area under curve,AUC）评估模型的区分度。采用Hosmer-Lemeshow检验及校准曲线评估模型的校准度。采用决策曲线分析法评估预测模型的临床适用性。结果：共筛选出7个预测因素，包括年龄（OR=1.057,95%CI:1.024～1.091）、心肌梗死（OR=4.152,95%CI:1.576～10.937）、严重肝病（OR=11.73,95%CI:3.291～42.190）、脓毒血症（OR=14.354,95%CI:4.612～44.675）、白细胞计数（OR=1.056,95%CI:1.006～1.108）、红细胞体积分布宽度（OR=1.258,95%CI:1.002～1.579）、活化部分凝血活酶时间（OR=1.031,95%CI:1.013～1.050）为急性胰腺炎患者院内病死的相关因素。基于以上7个预测因子构建列线图模型。受试者工作特征曲线显示该列线图模型预测训练集和验证集院内病死的AUC值分别为0.916和0.891，均大于简明急性生理学评分Ⅱ、急性生理学评分Ⅲ及牛津急性疾病严重程度评分的AUC值（分别为0.838和0.857,0.808和0.831,0.776和0.759）。表明该列线图模型的区分度较好，预测性能优于简明急性生理学评分Ⅱ、急性生理学评分Ⅲ和牛津急性疾病严重程度评分。校准曲线显示该列线图模型预测院内病死在训练集和验证集中都与实际结果具有较好的一致性。决策曲线表明，当阈值概率为20%～78%时，使用该列线图模型预测急性胰腺炎患者院内病死比简明急性生理学评分Ⅱ等能提供更大的净获益。结论：基于年龄、心肌梗死、严重肝病、脓毒血症、白细胞计数、红细胞体积分布宽度、活化部分凝血活酶时间构建的列线图模型可以有效预测急性胰腺炎患者的院内病死，具有较好的临床实用性。

关键词：
急性胰腺炎
病死率
组织损伤
美国重症监护医学信息数据库IV
院内病死
加入收藏

急性胰腺炎（acute pancreatitis,AP）是一种与组织损伤和坏死相关的外分泌胰腺炎症性疾病，随着疾病进展可引起全身炎症反应综合征甚至器官衰竭[1]。全球AP发病率约为34/10万，且呈上升趋势[2]。AP患者总病死率为3%～10%，重症患者的病死率为36%～50%[3]。在过去的10多年里，AP的治疗和危重症护理方面有所改善，但重症急性胰腺炎（severe acute pancreatitis,SAP）仍然是高病死率[4]。因此，对AP患者的病死风险进行准确评估将有助于早期医疗干预和护理资源的合理分配。与Ranson评分、Glasgow评分、急性胰腺炎严重程度床旁指数和中国简易评分系统比较，胰腺炎活动性评分系统对AP死亡率的预测性能更好，但由于包含主观项目，使其在严重程度预测方面不如其他评分[5]。胰腺炎活动性评分系统对AP结局预测能力尚无统一定论。本研究探讨重症监护室（intensive care unit,ICU) AP患者院内病死的相关危险因素，构建列线图死亡风险预测模型，为AP患者预后判断及临床诊疗提供依据。

1、资料与方法

1.1数据来源

本研究的数据均来自美国重症监护医学信息数据库IV (Medical Information Mart for Intensive Care-IV,MIMIC-IV）。该数据库收集了2008—2019年贝斯以色列女执事医疗中心收治的所有患者的数据，包括患者的住院时间、生命体征、实验室检查、药物治疗、出院后1年内随访等信息。本研究所纳入的患者住院时间均<120 d。

1.2患者选择

在MIMIC-IV数据库中通过国际疾病分类-9代码（577.0）和国际疾病分类-10代码（K85-K85.92）提取诊断为AP的患者，共5 889例。排除标准：（1）年龄<18岁；（2）未入住ICU;(3）入住ICU时间<24 h;(4）基线数据缺失；（5）恶性肿瘤或艾滋病。对于多次入住ICU的患者，仅纳入第一次住院数据。最后共纳入520例入住ICU的AP患者，按7∶3的比例随机分成训练集（n=364）和验证集（n=156）。

1.3数据提取

使用结构化查询语言提取AP患者的数据：（1）年龄、性别等人口统计学特征；（2）心肌梗死、充血性心力衰竭、高血压、慢性肺脏疾病、严重肝病（包括肝硬化的并发症及肝衰竭）、慢性肾脏病、糖尿病、脓毒血症等合并症；（3）白细胞计数（white blood cell count,WBC）、红细胞计数（red blood cell count,RBC）、红细胞体积分布宽度（red cell volume distribution width,RDW）、国际标准化比值（international normalized ratio,INR）、凝血酶原时间（prothrombin time,PT）、活化部分凝血活酶时间（activated partial thromboplastin time,APTT）等实验室检验指标；（4）急性生理学评分Ⅲ（acute physiology scoreⅢ，APSⅢ）、简明急性生理学评分Ⅱ（simplified acute physiology scoreⅡ，SAPSⅡ）、牛津急性疾病严重程度评分（Oxford acute severity of illness score,OASIS）。所有实验室指标均为入住ICU后第一次数据。本研究结局是院内病死率。

1.4统计学分析

采用SPSS 27.0和R 4.3.3软件对数据进行分析。正态分布的计量资料以表示，组间比较采用独立样本t检验。偏态分布的计量资料以M(P25,P75）表示，组间比较采用Mann-Whitney U检验。计数资料以频数及百分比表示，组间比较采用χ2检验。对训练集数据进行单因素logistic回归分析，将P<0.05及方差膨胀因子<10的变量纳入二元多因素logistic回归分析，探讨院内病死的相关因素，构建病死预测模型及绘制列线图。通过受试者工作特征（receiver operating characteristic,ROC）曲线下面积（area under curve,AUC）评估模型的区分度。采用Hosmer-Lemeshow检验及校准曲线评估模型的校准度。采用决策曲线分析法评估预测模型的临床适用性。均为双侧检验，检验水准α=0.05。

2、结果

2.1 AP患者基线特征

本研究的520例AP患者，院内病死率为12.7%(66/520）。训练集364例，其中男性210例（57.7%），女性154例（42.3%），年龄57.9(45.9,72.4）岁；验证集156例，其中男性87例（55.8%），女性69例（44.2%），年龄54.6 (42.0,70.3）岁。训练集间和验证集的基线数据（RDW除外）差异无统计学意义（P>0.05，表1）。

表1 AP患者基线特征

2.2 AP患者病死预测模型的建立

单因素logistic回归分析结果见表2。将年龄、心肌梗死、严重肝病、脓毒血症、WBC、RDW、APTT、白蛋白、尿素氮、总胆红素等10个变量（P<0.05，方差膨胀因子<10）作为自变量，以是否病死作为因变量，进行多因素logistic回归分析，结果显示年龄、心肌梗死、严重肝病、脓毒血症、WBC、RDW、APTT是AP患者院内病死的预后因素（表3）。基于以上7个预测因子构建AP患者院内病死风险列线图模型（图1）。

表2 AP患者院内病死的单因素logistic回归分析

AP：急性胰腺炎；WBC：白细胞计数；RDW：红细胞体积分布宽度；PT：凝血酶原时间；APTT：活化部分凝血活酶时间；APSIII：急性生理学评分III;SAPSII：简明急性生理学评分II;OASIS：牛津急性疾病严重程度评分。

表3 AP患者院内病死的多因素logistic回归分析

图1预测AP患者院内病死的列线图模型

2.3 AP患者病死预测模型的评价

ROC曲线显示该列线图模型预测训练集和验证集院内病死的AUC值分别为0.916和0.891，均大于SAPSII、APSIII及OASIS评分对应的AUC值（分别为0.838和0.857,0.808和0.831及0.776和0.759）。预测模型的区分度较好，预测性能优于SAPSII、APSIII和OASIS评分（图2和表4）。校准曲线显示该列线图模型预测院内病死在训练集和验证集中都与实际结果具有较好的一致性（图3）。决策曲线表明，当阈值概率为20%～78%时，使用预测模型预测AP患者院内病死比APSIII、OASIS及SAPSII评分提供更大的净获益（图4）。

图2预测模型、SAPSII、APS III、OASIS评分预测AP患者院内病死的ROC曲线

表4预测模型、SAPSII、APS III、OASIS评分预测AP患者院内病死的ROC曲线分析结果

图3预测模型预测AP患者院内病死的校准曲线

3、讨论

AP本质是胰腺自消化，既有局部炎症反应，也有全身炎症损伤，其发病病理机制尚不清楚[3]。此外，关于AP最佳治疗方法仍存在许多问题[4]。因此，降低AP病死率的关键是在早期准确评估其严重程度，以避免过度治疗，减轻患者经济负担。

已有的预测AP严重程度的多因素评分系统和生化标志物均存在一定不足。Ranson评分是第一个针对AP的多因素评分系统，但需48 h才能完成评估，缺少潜在有价值的早期治疗窗口[3]。Glasgow评分是很好的AP死亡率预后工具，但也需48 h才能完成。APACHE-II评分需14个参数，需24 h才能确定AP严重程度，在临床实践中难以使用[3]。BISAP评分在入院后24 h内评估，包括5个参数，虽易于执行，但临床实用性不好[3]。C反应蛋白水平高与胰腺坏死发生和AP病程相关[6]，但C反应蛋白达到峰值较晚（48～72 h），其作为AP非特异性标志物，可受到其他炎症影响。降钙素原是检测胰腺感染最敏感的实验室指标，低水平似乎是感染性坏死的强阴性预测因子[7]，但降钙素原检测成本高。因此，有必要建立一个比传统AP评分系统易于使用且准确的预后模型。

图4预测模型预测AP患者院内病死的决策曲线

年龄与AP的严重程度和死亡率之间的关系已得到广泛研究。一些公认的预测模型将年龄纳入预测AP严重程度或死亡率[8]。感染可能是AP和心血管疾病之间的潜在联系之一。一项前瞻性研究显示，因感染住院会增加心血管事件（心肌梗死、心源性死亡、致死性或非致死性卒中）的风险[9]。感染是AP常见的并发症，与死亡率增加相关[10]。本研究发现严重肝病与AP病死率之间存在关联，与Hidalgo等[11]的研究类似。在肝硬化等肝病患者中，AP的预后较差，可能是因为它们表现为炎症综合征，伴有动脉血管舒张和促炎细胞因子释放，从而增加AP严重程度[12]。Luthra等[13]报道，脓毒血症是胆汁性AP死亡的预测因素。Kim等[14]的研究显示脓毒血症与SAP死亡率密切相关。

WBC作为与全身炎症反应相关的生物标志物，被确定为SAP的独立危险因素，对SAP有较好的预测价值[15]。Huang等[16]的研究显示WBC是预测AP严重程度和预后的重要指标。RDW是一种新的预后标志物，可能反映潜在的炎症状态[17]。Zhou等[18]的研究表明RDW是方便可靠的指标，不仅可以预测SAP，还可以预测死亡率。APTT是筛查内源性凝血障碍最常见的检查，APTT延长与入住ICU患者的死亡风险较高有关[19]。Yang等[20]的研究表明AP患者的APTT时间延长可能会增加短期死亡的风险。

列线图通过简单直观的图表形式，有助于临床医生为患者及其家属提供有关风险的有效咨询，使他们能做出客观决策。本研究所构建的列线图是对入住ICU的AP患者进行病死预测简便准确的预测模型，能够为ICU医生评估AP患者预后提供客观参考依据。

本研究存在一些局限性。首先，这是一项回顾性队列研究，可能存在选择或混淆偏倚。其次，本研究样本少于基于EPV法所估计的样本量，因此，我们先进行单因素分析后进行多因素logistic回归分析。第三，作为一项单中心研究，结果尚未进行外部验证，未来需基于多中心及大规模的前瞻性研究进行外部验证，以确定列线图的准确性和适用性。

综上所述，本研究发现年龄、心肌梗死、严重肝病、脓毒血症、WBC、RDW、APTT是AP患者院内病死的独立预测因子，基于上述指标构建的列线图模型预测AP患者院内病死的预测性能较好。在临床工作中应用该列线图有助于ICU医生做出相关治疗和管理决策。

基金资助:汕头大学医学院第一附属医院英才计划基金(YCTJ-2023-07);

文章来源:陈春露,杨晓寰,吴晓佳,等.急性胰腺炎患者院内病死风险预测模型的建立与评价[J].汕头大学医学院学报,2024,37(03):129-135.