基于泛免疫炎症值（PIV）的列线图模型预测慢性阻塞性肺疾病急性加重期患者不良临床结局

《Journal of Inflammation Research》：Construction of a Nomogram Model Based on the Pan-Immune-Inflammation Value for Prediction of Adverse Clinical Outcomes in Patients with Acute Exacerbation of Chronic Obstructive Pulmonary Disease

本研究首次探讨了泛免疫炎症值（PIV）对慢性阻塞性肺疾病急性加重（AECOPD）患者不良临床结局的预测价值，并构建了整合年龄、血清白蛋白（ALB）、二氧化碳分压（PaCO2）和PIV的列线图预测模型。模型在训练与验证队列中均表现出中等预测效能（AUC分别为0.720和0.733），校准曲线与决策曲线分析（DCA）证实其具有良好的准确度与临床实用性，为AECOPD患者的早期风险分层提供了便捷工具。

　　

研究设计与人群

本研究是一项回顾性单中心研究，旨在评估泛免疫炎症值（PIV）对慢性阻塞性肺疾病急性加重（AECOPD）患者不良临床结局的预测价值，并开发一个整合PIV的列线图预测模型。研究数据来源于2017年1月至2022年11月期间厦门海沧医院呼吸内科收治的AECOPD患者。最终共522例符合纳入和排除标准的患者被纳入分析，并按7:3的比例随机分为训练队列（365例）和验证队列（157例）。不良临床结局定义为需要高级呼吸支持（无创或有创机械通气）、转入重症监护病房（ICU）、住院时间超过14天或院内死亡。

PIV与临床特征的相关性

研究首先通过受试者工作特征（ROC）曲线确定了PIV预测不良结局的最佳截断值为2515.027。根据此截断值，将训练队列分为高PIV组（PIV > 2515.027）和低PIV组（PIV ≤ 2515.027）。分析显示，PIV水平与患者年龄、不良临床结局发生率、呼吸频率、中性粒细胞（NEU）计数、淋巴细胞（LYM）计数、单核细胞（MON）计数、嗜酸性粒细胞（EOS）计数、血小板（PLT）计数、C反应蛋白（CRP）水平、D-二聚体（D-D）水平、血清白蛋白（ALB）水平和二氧化碳分压（PaCO₂）水平均显著相关。值得注意的是，高PIV组的不良结局发生率为48.1%，显著高于低PIV组的20.9%。

影响不良临床结局的独立因素

通过单因素逻辑回归分析，发现年龄、心率、呼吸频率、NEU计数、LYM计数、MON计数、PLT计数、CRP水平、D-D水平、ALB水平、PaCO₂水平和PIV均是显著相关因素。在排除用于计算PIV的细胞计数指标（NEU, LYM, MON, PLT）以避免多重共线性后，多因素逻辑回归分析最终确定年龄（比值比[OR]: 1.033）、ALB水平（OR: 0.906）、PaCO₂水平（OR: 1.032）和高PIV（OR: 2.132）是AECOPD患者不良临床结局的独立预测因素。

列线图预测模型的构建与评估

基于上述四个独立预测因子，研究构建了一个列线图模型。该模型通过给每个变量分配分数，总分对应不良结局的预测概率。在训练队列中，该列线图预测不良结局的曲线下面积（AUC）为0.720（95%置信区间[CI]: 0.658–0.783），灵敏度为0.593，特异度为0.770。校准曲线显示模型预测概率与实际概率高度一致（Hosmer-Lemeshow检验: P = 0.690）。决策曲线分析（DCA）表明，在0.2至0.8的阈值概率范围内，该模型具有良好的临床净获益。

列线图模型的验证

使用验证队列对模型进行内部验证，结果显示其预测效能与训练队列相似，AUC为0.733（95% CI: 0.626–0.840），灵敏度为0.541，特异度为0.917。校准曲线（Hosmer-Lemeshow检验: P = 0.479）和DCA曲线（在0.2至0.6阈值范围内有净获益）进一步证实了模型具有良好的校准度和临床适用性。

讨论

本研究首次证实高PIV是AECOPD患者不良临床结局的独立危险因素。PIV整合了中性粒细胞、淋巴细胞、单核细胞和血小板这四种关键炎症与免疫细胞的计数，能更全面地反映机体的系统炎症和免疫激活状态。研究结果与既往发现年龄、低ALB水平和高PaCO₂是AECOPD不良预后的风险因素的研究一致。年龄增长与肺老化、功能下降相关；低ALB水平反映了营养不良和炎症状态；高PaCO₂则提示呼吸衰竭的严重程度。尽管本研究构建的列线图模型仅具有中等预测性能（AUC约0.72），但其优势在于所纳入的变量均在患者入院早期即可便捷获取，有利于快速风险分层。研究的局限性包括其回顾性设计、单中心数据、仅进行了内部验证，以及可能因排除缺失率较高的变量而遗漏其他重要预测因子。

结论

综上所述，泛免疫炎症值（PIV）可作为预测AECOPD患者不良临床结局的新型炎症标志物。整合了年龄、ALB、PaCO₂和PIV的列线图模型为临床医生早期识别高危患者、及时调整治疗策略提供了实用工具。未来需要多中心、前瞻性研究进一步优化和验证该模型，以提升其预测性能并推动临床转化应用。