脓毒症患者死亡风险nomogram模型的构建与验证

《Scientific Reports》：Construction and verification of a nomogram model for the risk of death in sepsis patients

　　

脓毒症患者死亡风险列线图模型的构建与验证：为临床决策提供精准指引

在当今医学领域，脓毒症严重威胁人类生命健康，给社会和家庭带来沉重医疗负担。在此背景下，新疆昌吉回族自治州人民医院护理部等多单位的研究人员开展了一项极具价值的研究。该研究成果以 “Construction and verification of a nomogram model for the risk of death in sepsis patients” 为题，发表于Scientific Reports期刊。此研究构建并验证了预测脓毒症患者 28 天死亡风险的列线图模型，对提高脓毒症患者的诊疗水平意义重大，为临床医生早期识别高危患者、制定精准治疗方案提供了关键依据。

一、研究背景

脓毒症是由感染引起的危及生命的器官功能障碍，全球发病率和死亡率居高不下。据 2020 年发表于The Lancet的研究显示，2017 年脓毒症及相关死亡占全球死亡率的 19.7% 。目前，脓毒症缺乏特效治疗方案，早期对预后不良患者实施防治策略对提高生存率至关重要。

此前，脓毒症患者预后列线图模型的研究虽有成果，但存在研究对象和样本量的局限。随着危重症公共数据库发展和研究算法进步，新的预测模型不断涌现，但脓毒症患者预后研究仍缺乏足够证据。而且多数基于危重症公共数据库的研究聚焦国外数据，其在本地临床实践的适用性有待探索，这为进一步研究指明了方向。

二、研究材料与方法

（一）研究对象

研究人员回顾性收集了 2018 年 1 月至 2022 年 6 月新疆某三级医院 ICU 收治的脓毒症患者临床数据集作为训练集，前瞻性纳入 2023 年 1 月至 2024 年 6 月新疆某 prefecture - level 三级医院 ICU 收治的脓毒症患者临床数据集作为验证集。所有研究严格遵循Nature Portfolio期刊的指南和规定。

（二）纳入与排除标准

纳入标准为符合 Sepsis 3.0 定义和诊断标准且年龄≥18 岁的患者。排除标准包括妊娠和哺乳期患者、ICU 住院时间 < 24 小时的患者、晚期恶性肿瘤或其他终末期疾病患者以及临床数据收集不完整的患者。该研究获得医院医学伦理委员会批准，回顾性队列研究经伦理委员会豁免知情同意，前瞻性验证队列则获得所有研究对象或其法定监护人的知情同意。

（三）主要临床特征收集

研究人员通过文献回顾和专家咨询设计了通用信息表，由 4 名经过培训和评估的研究生利用医院电子病历系统收集数据。收集的数据涵盖 58 项常规临床特征，包括患者一般信息（年龄、性别、感染部位、合并症）、相关实验室指标（血气分析、生命体征、血常规、肝肾功能、凝血功能等）、治疗措施（ICU 住院期间是否使用机械通气、血管活性药物、手术）以及器官功能状态评分。研究的主要结局变量为二元变量，即脓毒症患者是否在 28 天内死亡。所有数据经两人交叉核对，缺失值采用多重填补法处理。

（四）统计方法

研究运用 SPSS 25.0 统计软件进行数据分析。一般信息中的计数数据以频率和百分比表示，组间比较采用检验或 Fisher 精确概率法；符合正态分布的计量数据以均数 ± 标准差表示，两组间比较采用独立样本 t 检验；不符合正态分布的计量数据用中位数（四分位数）[M (P25, P75)] 描述，组间比较采用 Mann - Whitney U 检验。将具有统计学意义的变量纳入多变量分析，运用多变量逻辑回归筛选独立预后风险因素构建预测模型，并通过列线图模型进行可视化分析。同时，绘制受试者工作特征（ROC）曲线和校准曲线评估模型性能。

三、研究结果

（一）不同组脓毒症患者的基本特征

依据纳入和排除标准，研究共纳入 822 例脓毒症患者，其中训练集 580 例，验证集 242 例。根据患者 28 天内是否死亡分为生存组和死亡组，对比两组基线数据发现，在年龄、心血管疾病、机械通气、血管活性药物使用、CRRT、舒张压、、PH、Lac、、CRP、NEUT、WBC、HB、INR、APTT、BNP、BUN、SCr、AST/ALT、CHE、BA、APACHEII、SOFA、GCS 等特征上存在显著差异。

（二）多变量逻辑回归分析识别独立风险因素并构建风险预测模型

将训练集中 25 个有显著差异的变量纳入多变量逻辑回归分析，结果表明年龄、SOFA 评分、CRP、机械通气和血管活性药物是脓毒症患者 28 天死亡的独立风险因素（均）。由此得出逻辑回归方程：（Vasoactive Drugs），并将该模型以列线图形式呈现。通过列线图，可根据患者各指标投影到评分轴的得分计算总分，进而对应脓毒症患者 28 天内死亡概率。同时，研究绘制了 SHAP 值总结图，直观展示各风险因素对模型输出的影响。

（三）预测模型的内部和外部验证及评估

训练集和验证集的 ROC 曲线显示，预测模型的曲线下面积（AUC）分别为 0.849（95% CI 0.818 - 0.880）和 0.837（95% CI 0.787 - 0.886），表明模型具有良好的区分度。校准曲线显示模型预测结果与观察结果一致性良好；训练集和验证集校准曲线的 Brier 评分分别为 0.157 和 0.163，Hosmer - Lemeshow 检验的 P 值分别为 0.057 和 0.260，均无显著差异。决策曲线分析（DCA）表明，该预测模型比 “全治疗” 和 “不治疗” 策略具有更大的净收益。累积发病率曲线（CIC）显示，模型预测的高风险患者数量与实际死亡的高风险患者数量高度匹配。

四、研究结论与讨论

（一）研究结论

本研究明确年龄、SOFA 评分、CRP、机械通气和血管活性药物是脓毒症患者死亡的独立风险因素。基于这些因素构建的列线图模型在训练集和外部验证集中准确性高，能有效预警脓毒症患者的不良预后，评估死亡风险。针对预测模型中的风险因素改进治疗策略，对改善患者预后具有积极意义。

（二）讨论

脓毒症病情进展迅速、危害极大，早期识别和评估对治疗至关重要。本研究全面收集脓毒症患者临床特征，筛选出独立风险因素并构建列线图模型，为早期识别预后不良患者和临床决策提供了依据。

在预测模型的发展与应用方面，多数研究停留在理论层面，临床实际应用效果不佳。逻辑回归模型简单高效、成本低，列线图模型能将复杂统计模型直观化，整合多临床特征实现个体化风险评估，提高模型可信度。本研究构建的列线图模型 AUC 较高，DCA 曲线和 CIC 曲线也证实其临床实用性，表明模型可靠，有助于临床医生评估脓毒症患者病情进展和预后。

与以往研究相比，本研究基于 Sepsis 3.0 定义和诊断标准，数据源于临床病历，获取简便，且训练集和验证集来自不同中心，增强了模型的泛化能力，研究结果可能更适用于本地区脓毒症患者的预后评估，但仍需大规模研究进一步验证模型的稳定性和泛化能力。

模型纳入的年龄、SOFA 评分、CRP、机械通气和血管活性药物等指标在临床中易于获取且意义重大。年龄增长使免疫功能下降，增加感染风险和死亡率；SOFA 评分可评估器官功能障碍程度，预测患者预后；CRP 反映早期脓毒症感染严重程度；机械通气和血管活性药物的使用与脓毒症预后密切相关。此外，研究还发现高血压患者在脓毒症死亡组中的死亡率较高，虽未达统计学意义，但提示临床应关注高血压对脓毒症患者预后的影响。

（三）研究意义

本研究成果为脓毒症患者的临床诊疗提供了重要参考。列线图模型可帮助临床医生快速、准确识别高风险患者，以便及时采取针对性治疗措施，如优化抗感染治疗、加强器官功能支持等，从而改善患者预后，降低死亡率。同时，该模型有助于合理分配医疗资源，避免对低风险患者过度治疗，对高风险患者重点关注和干预，提高医疗效率。未来，若能通过大规模多中心研究进一步验证和完善该模型，有望在临床广泛应用，为全球脓毒症防治工作做出重要贡献。

本研究也存在一定局限性，训练集为回顾性研究，可能存在混杂因素，数据收集时间跨度长，易受临床治疗进展影响。后续需开展多中心、前瞻性队列研究，进一步优化模型，提高其对脓毒症患者病情评估和死亡率预测的准确性，推动脓毒症诊疗水平的持续提升。