预测培养阴性腹膜透析相关性腹膜炎治疗失败的列线图模型开发与验证：一项多中心研究

《Clinical Kidney Journal》：Development and Validation of a Nomogram for Predicting Treatment Failure in Culture-Negative Peritoneal Dialysis-Associated Peritonitis

语 为解决培养阴性腹膜透析相关性腹膜炎（CNPDP）缺乏个体化预后预测工具的临床难题，研究团队开展多中心回顾性研究，开发并验证了整合腹透液第3天白细胞计数（Eff_WBC_D3）、白蛋白（ALB）、总胆固醇（TC）、镁（Mg）、磷（P）5项指标的列线图模型。该模型在训练集（AUC=0.897）、内部验证集（AUC=0.861）和外部验证集（AUC=0.849）均展现优异区分度，并通过交互式网页工具（https://liuliangmianhua.shinyapps.io/dynnomapp/）实现床旁实时风险评估，为CNPDP的早期干预提供了精准决策支持。

　　

腹膜透析（Peritoneal Dialysis, PD）作为终末期肾病（End-Stage Renal Disease, ESRD）的重要肾脏替代治疗方式，虽能更好地保护残余肾功能并提升患者自主性，但其主要并发症——腹膜透析相关性腹膜炎（Peritoneal Dialysis-Associated Peritonitis, PDAP）仍是导致技术失败、住院甚至死亡的关键因素。尤为棘手的是，临床中13.4%-40%的PDAP病例为培养阴性腹膜透析相关性腹膜炎（Culture-Negative Peritoneal Dialysis-Associated Peritonitis, CNPDP），由于无法明确病原体，经验性抗感染治疗常面临疗程延长、导管拔除和死亡风险升高等挑战。既往针对PDAP的预后模型多基于培养阳性队列构建，忽视了CNPDP以宿主炎症反应和营养状态为主导的独特病理生理过程，缺乏专门针对CNPDP的个体化风险预测工具。

为填补这一空白，济宁医科大学附属医院牛玲玲、窦盼等研究团队联合枣庄市立医院、菏泽市立医院开展多中心研究，开发并验证了全球首个专注于CNPDP治疗失败的预测模型。该研究发表于《Clinical Kidney Journal》，通过整合动态炎症指标与基础代谢参数，构建了临床可操作的列线图，并部署为在线工具，为CNPDP的早期风险分层提供了新策略。

研究采用回顾性队列设计，从三家三级医院筛选2013-2023年间的462例CNPDP患者，最终纳入355例符合国际腹膜透析学会（International Society for Peritoneal Dialysis, ISPD）2022年诊断标准的成人患者。开发队列（济宁中心，n=288）随机分为训练集（n=173）和内部验证集（n=115），外部验证集（枣庄/菏泽中心，n=103）用于评估模型泛化能力。主要终点为30天内复合治疗失败（导管拔除或腹膜炎相关死亡）。研究通过随机森林（Random Forest）算法对缺失值＜30%的变量进行插补，再采用LASSO（Least Absolute Shrinkage and Selection Operator）回归从32项候选预测因子中筛选关键变量，最终通过多因素Logistic回归构建模型并可视化呈现为列线图。

关键技术方法

研究基于多中心医疗记录，采用结构化查询语言（SQL）提取数据并经肾内科医师双人核查。通过机器学习（随机森林）处理缺失值，使用LASSO回归筛选预测因子，以多变量Logistic回归建立模型。模型性能通过受试者工作特征曲线下面积（Area Under the Curve, AUC）、校准曲线和决策曲线分析（Decision Curve Analysis, DCA）评估，并利用R语言Shiny框架开发在线预测工具。

研究结果

1. 预测因子筛选与模型构建

LASSO回归从人口学特征、临床评分、实验室指标等变量中筛选出5个独立预测因子：腹透液第3天白细胞计数（Effluent White Blood Cell Count on Day 3, Eff_WBC_D3）、血清白蛋白（Albumin, ALB）、总胆固醇（Total Cholesterol, TC）、镁（Magnesium, Mg）、磷（Phosphate, P）。多因素Logistic回归显示，Eff_WBC_D3（OR=1.32/100μL）、P（OR=6.97）与治疗失败风险正相关，Mg（OR=0.00）与风险负相关，ALB与TC虽无统计学显著性但仍被纳入模型以提升整体预测效能。

2. 预测因子单变量效能分析

单变量ROC曲线显示，Eff_WBC_D3区分度最优（AUC=0.830），ALB（AUC=0.704）和Mg（AUC=0.672）次之，TC（AUC=0.638）与P（AUC=0.548）预测能力有限，但多变量组合后显著提升模型整体性能。

3. 列线图性能验证

训练集、内部验证集和外部验证集的AUC分别为0.897、0.861和0.849，模型乐观度低（△AUC=0.036），校准曲线贴近理想对角线（Hosmer-Lemeshow检验p=0.32）。决策曲线分析表明，在5%-50%阈值范围内，模型较"全干预"或"无干预"策略具有更高净收益。

结论与意义

该研究首创了针对CNPDP治疗失败的预测模型，突破传统静态评估局限，通过动态指标Eff_WBC_D3实时反映治疗反应，结合营养（ALB、TC）与矿物质代谢（Mg、P）指标全面评估患者状态。模型兼具优异区分度与临床实用性，其在线工具（https://liuliangmianhua.shinyapps.io/dynnomapp/）可辅助床旁快速风险评估，为高危患者早期强化干预提供依据。值得注意的是，镁的负相关性提示低镁血症可能通过促进炎症（如IL-6升高）和氧化应激加剧结局风险，而高磷血症则与血管钙化、继发性甲状旁腺功能亢进及蛋白能量消耗相关，二者均为潜在可干预靶点。未来需在更广泛人群中验证模型效能，并探索动态生物标志物轨迹的增量价值。