埃塞俄比亚低资源环境下新生儿败血症诊断预测模型的开发与验证：提升早期诊断精准度的创新工具

《Journal of Epidemiology and Global Health》：Development and Validation of a Diagnostic Prediction Model for Neonatal Sepsis in a Low-Resource Setting, Ethiopia

本研究针对埃塞俄比亚低资源地区新生儿败血症诊断难题，开发并内部验证了一种基于常规临床指标的诊断预测模型。研究团队通过LASSO回归和多元逻辑回归分析，筛选出母体贫血、发热等9个关键预测因子，构建的模型曲线下面积(AUROC)达0.87，灵敏度86.8%，特异性71.1%。该模型具有良好的鉴别能力和校准度，决策曲线分析显示其临床净获益优于"全治疗"或"不治疗"策略，为低资源环境下新生儿败血症的早期识别提供了实用工具。

　　

在埃塞俄比亚这样的低资源环境中，新生儿败血症(neonatal sepsis)仍然是导致可预防新生儿死亡的主要原因之一。这种威胁生命的血流感染在新生儿（出生28天内）中尤为危险，通常根据发病时间分为早发型（出生后前三天）和晚发型（出生三天后）。尽管全球在降低新生儿死亡率方面取得了进展，但败血症仍是新生儿死亡的第三大原因，占全球新生儿死亡总数的11%-19%。在埃塞俄比亚，这一情况更为严峻，全国败血症相关新生儿死亡率估计高达16.3%，而在贡德尔大学综合专科医院，败血症甚至占到了新生儿死亡病例的30%。

诊断新生儿败血症在低资源环境中面临巨大挑战。非特异性的临床表现常与其他非感染性疾病重叠，而缺乏先进的实验室资源使得准确诊断变得困难。血培养(blood culture)作为诊断败血症的金标准方法，需要复杂的实验室设备和技术，在资源有限的环境中往往不可及，且处理时间漫长。研究表明，血培养处理时间每延迟一小时，死亡率就会增加8%。在低资源环境中，未诊断和未治疗的败血症死亡风险高达50%。因此，在这些地区，败血症管理往往依赖于经验性治疗方法，但这又导致了抗菌药物耐药性(AMR)的增加、医疗费用上升以及药物不良反应风险。

早期检测新生儿败血症可以显著改善新生儿健康结局，这一目标可以通过临床预测模型(CPM)等可及的诊断方法实现。临床预测模型通过结合患者和母亲病史、体格检查结果和常规护理实验室数据来估计特定健康结局的概率，从而实现早期检测和适当管理。尽管在高收入国家已经开发出多种新生儿败血症预测模型，如凯撒永久新生儿败血症风险计算器(AUROC 0.85)和新生儿早发型败血症计算器，但这些模型在低资源环境中的适用性有限，因为它们依赖于在低收入环境中不一致可获得的一些实验室检查，且流行病学特征与当地情况存在差异。

贡德尔大学的研究团队认识到缺乏本地验证的临床预测模型严重影响了医疗保健提供者及时准确检测新生儿败血症的能力，进而增加了新生儿死亡率。这一迫切需求促使他们开展了一项研究，旨在开发和验证一个整合了关键情境特异性母体产时变量（如发热、产前抗生素暴露、贫血）与基本新生儿临床和实验室标志物（如白细胞和血小板异常）的诊断预测模型，为埃塞俄比亚低资源环境下的新生儿败血症早期准确诊断提供实用工具。

研究方法概述

研究团队在贡德尔大学综合专科医院新生儿重症监护室进行了一项基于机构的横断面研究，回顾性分析了2022年1月至2024年12月期间收治的607例疑似败血症新生儿的医疗记录。通过最小绝对收缩和选择算子(LASSO)回归进行预测因子筛选，然后采用多元逻辑回归构建预测模型。使用十折交叉验证评估模型的内部有效性，并通过决策曲线分析(DCA)评估临床效用。模型性能通过区分度（AUROC）和校准度进行评估。

研究结果

患者特征与败血症发生率

研究共纳入607例疑似败血症新生儿，其中219例(36.1%)经血培养确诊为败血症。革兰阴性菌占分离菌株的71.2%，最常见的是肺炎克雷伯菌(28.8%)、凝固酶阴性葡萄球菌(11.4%)和大肠埃希菌(8.2%)。确诊败血症的新生儿与未确诊者在多项临床特征上存在显著差异。

预测模型开发与关键预测因子

通过LASSO回归筛选出12个非零系数预测因子，最终模型中保留了9个与血培养确诊新生儿败血症显著相关(p<0.05)的预测因子：母体贫血、母体发热、母体产前抗生素使用、温度异常、感染灶存在、入院前有创操作、白细胞增多、白细胞减少和血小板减少。这些预测因子在常规护理中均易于获取，使模型在低资源环境中具有高度可行性。

模型性能评估

最终模型表现出优秀的区分能力，AUROC为0.87(95% CI: 0.84, 0.90)，属于良好的临床实用区分度。霍斯默-莱梅肖拟合优度检验显示模型校准良好(χ2=6.35，p=0.499)。模型灵敏度为86.8%，特异性为71.1%，阴性预测值高达90.5%，阳性似然比为3.0。这些指标表明该模型在排除新生儿败血症方面具有特别价值。

模型内部验证与稳定性

十折交叉验证显示平均AUROC为0.86(95% CI: 0.80, 0.91)，校准斜率为0.97，与原始模型性能高度一致。亚组分析表明，模型在不同胎龄（足月与早产）新生儿中的性能无显著差异，证明了其在各种临床新生儿人群中的普适性。

风险评分系统与临床效用

研究团队开发了一套加权风险评分系统，通过将每个预测因子的系数除以最小系数并四舍五入到最接近的整数，创建了一个实用风险评分工具。决策曲线分析表明，在0.05至0.95的阈值概率范围内，该模型的净获益始终高于"全治疗"和"不治疗"策略，显示出显著的临床实用性。

研究结论与意义

这项研究成功开发了埃塞俄比亚首个内部验证的新生儿败血症诊断预测模型，使用常规可得的预测因子实现了强大的区分能力和校准度。该模型的高灵敏度(86.8%)和高阴性预测值(90.5%)使其成为排除新生儿败血症的优秀工具，有助于减少不必要的抗生素处方，对抗菌药物耐药性的控制具有重要意义。

在低资源环境中，该模型具有重要的实践意义。它可以整合到当地新生儿护理协议、国家指南和培训课程中，促进诊断标准化、抗生素管理和早期干预，从而提高新生儿存活率。研究团队已将该模型设计为基于网络的计算器，便于临床整合和使用，建议将其嵌入电子医疗记录系统，以自动化数据输入并最大限度减少对患者护理的中断。

尽管该模型表现出优越性能，但研究存在一些局限性，包括未进行外部验证、回顾性设计可能引入偏倚、部分预测因子缺失数据率较高以及结果评估未采用盲法等。未来研究应进行前瞻性外部验证，并考虑纳入其他重要的床旁检测指标，如血沉和C反应蛋白，以进一步提升模型性能。

这项研究为低资源环境下新生儿败血症的早期诊断提供了实用工具，是降低新生儿死亡率、控制抗菌药物耐药性和优化医疗资源使用的重要一步。该模型在实现"每个新生儿行动计划"目标和改善新生儿健康结局方面具有潜在的重大贡献。