急性 - on - 慢性肝衰竭患者侵袭性真菌感染风险的早期预测：构建精准模型，助力临床诊疗

为解决 ACLF 患者 IFI 早期诊断难题，研究人员构建预测模型，发现多个风险因素，有助于早期干预。

　　在医学的广阔领域中，肝脏疾病一直是备受关注的重点。急性 - on - 慢性肝衰竭（ACLF）是一种极为严重的临床综合征，如同潜伏在患者身体里的 “定时炸弹”，严重威胁着患者的生命健康。患有 ACLF 的患者，身体的免疫功能往往严重受损，就像一座失去了坚固城墙防御的城市，使得各种病原体有了可乘之机，其中真菌的感染尤为突出。侵袭性真菌感染（IFI）不仅可能成为 ACLF 发作的导火索，还会显著加重患者的病情，导致死亡率大幅上升。据相关研究表明，ACLF 患者一旦发生 IFI，死亡率远高于细菌感染患者，其生存时间也会明显缩短。

然而，目前 IFI 的诊断过程却困难重重。复杂的诊断标准、有限的检测手段，使得许多患者无法及时得到准确诊断，从而延误了最佳治疗时机。为了打破这一困境，来自重庆医科大学附属第二医院的研究人员挺身而出，开展了一项极具意义的研究。他们希望通过深入探究，找出 IFI 的高风险因素，并构建出早期预测模型，为临床医生提供有力的诊断工具，从而改善患者的预后情况。最终，他们的研究成果发表在《BMC Microbiology》杂志上。

在本次研究中，研究人员运用了多种关键技术方法。首先，进行回顾性研究，收集了 2019 年 1 月 1 日至 2023 年 10 月 31 日期间重庆医科大学附属第二医院感染与肝病中心的 753 例 ACLF 患者的数据。经过严格筛选，排除不符合标准的 48 例患者后，最终 705 例患者纳入研究，并将其随机分为训练队列（493 例）和验证队列（212 例） 。其次，利用 IBM SPSS Statistics 和 R 统计软件，对数据进行全面的统计分析。采用 LASSO 回归进行特征选择，结合多变量逻辑回归分析确定独立风险因素，进而构建预测模型。最后，通过多种评估方法，如受试者工作特征曲线（ROC）、Hosmer-Lemeshow 检验、校准图和决策曲线分析（DCA），对模型的性能进行全面评估。

研究结果主要体现在以下几个方面：

1. 患者基线特征：研究共纳入 705 例 ACLF 患者，其中 117 例感染真菌。IFI 患者肝性脑病（HE）、腹水、胃肠道出血（GIB）、细菌感染的发生频率更高。实验室数据显示，IFI 患者的转氨酶（AST）、血清总胆红素（Tbil）等多项指标与未感染患者存在显著差异。同时，IFI 患者在 Child-Turcotte-Pugh（CTP）评分和终末期肝病模型（MELD）评分更高，意味着肝脏损伤更严重12。
2. IFI 患者预后：通过 Kaplan-Meier 方法分析生存数据发现，IFI 患者的中位生存时间比未感染患者显著缩短 68 天。在不同时间点的死亡率比较中，90 天、180 天和 360 天的死亡率，IFI 患者均显著高于未感染患者，但 28 天死亡率差异不显著。进一步的多因素分析确定了 6 个与 IFI 患者 90 天死亡率相关的因素，其中高血压和降钙素原（PCT）为保护因素。此外，研究还发现有效的抗真菌治疗和较长的抗真菌药物使用时间与 IFI 患者更高的生存率相关345。
3. 预测模型构建：运用 LASSO 回归从 35 个基线变量中筛选出 7 个特征变量，经多变量逻辑回归分析，确定天冬氨酸转氨酶（AST）、凝血酶原活动度（PTA）、血红蛋白（HGB）、中性粒细胞与淋巴细胞比值（NLR）和总胆红素（Tbil）为独立风险因素，并据此构建了 Nomogram 预测模型。该模型可根据患者各因素得分计算总分，进而评估 IFI 发生风险67。
4. 模型验证：通过制定风险评分方程，对模型进行验证。结果显示，在训练队列和验证队列中，决策曲线分析（DCA）表明 Nomogram 在广泛的阈值概率范围内提供净收益；校准曲线显示预测概率与实际发生率一致性良好；ROC 曲线下面积（AUC）在训练队列中为 0.78（95% 置信区间 [CI]：0.72 - 0.84），在验证队列中为 0.79（95% CI：0.70 - 0.87），证明模型具有良好的判别能力8910。

综上所述，该研究成功识别出 ACLF 患者发生 IFI 的多个风险因素，包括 AST、PTA、HGB、NLR 和 TBIL。在此基础上构建的 Nomogram 预测模型展现出强大的预测能力，能够帮助临床医生在患者入院时快速、准确地评估 IFI 风险，从而及时启动针对性治疗，改善患者预后。这一研究成果为 ACLF 合并 IFI 的临床诊疗提供了重要的参考依据，具有显著的临床应用价值。不过，研究也存在一定局限性，如单中心回顾性研究可能存在偏倚、缺乏外部验证、样本量有限等。未来还需要更大规模、多中心的研究进一步验证和完善该模型，为 ACLF 患者的临床管理提供更坚实的支持，推动肝病领域诊疗技术的不断进步。