编辑推荐：
急性胰腺炎（AP）致死率高且缺乏精准预后工具。本研究针对 AP 患者 30 天 mortality 风险，利用 LASSO logistic regression 筛选出年龄、APTT、DBIL 等 6 个独立预测因子，构建 nomogram 模型（AUC=0.862），经 DCA 验证具临床价值，为早期风险分层提供新工具。
急性胰腺炎（Acute Pancreatitis, AP）是一种常见的消化系统急症，因胰腺酶异常激活引发局部组织损伤和多器官功能障碍。其发病率逐年上升，全球每 10 万人中约有 5-30 例，总体死亡率约 5%，而重症急性胰腺炎（Severe Acute Pancreatitis, SAP）死亡率可高达 36%-50%。目前临床面临的核心问题是缺乏简便、精准的早期预后评估工具，难以快速识别高风险患者并及时干预。传统评分系统如 APACHE II、RANSON 等虽被广泛应用，但依赖多项临床指标组合，且对特定人群的预测效能有限。因此，开发基于常规实验室参数的个性化预测模型，对优化资源分配、改善患者预后具有重要临床意义。
为解决这一难题，南京医科大学第一附属医院的研究团队开展了一项回顾性队列研究。他们收集了 2017 年 1 月至 2019 年 12 月期间收治的 965 例成年 AP 患者数据，旨在通过机器学习算法筛选关键风险因子，构建预测 AP 患者 30 天死亡率的列线图（Nomogram）模型，并验证其临床应用价值。该研究成果发表于《Scientific Reports》。
研究采用的主要技术方法包括：
- 数据采集与特征筛选：纳入 78 项基线指标（含人口学特征、生命体征、实验室参数等），通过 LASSO（Least Absolute Shrinkage and Selection Operator）回归算法进行变量降维，筛选出与 30 天死亡率显著相关的 10 项指标。
- 模型构建与验证：基于 LASSO 筛选结果，利用多因素 Logistic 回归建立预测模型，通过受试者工作特征曲线（ROC）评估区分度（AUC），采用校准曲线（Calibration Curve）验证预测值与实际结果的一致性，并通过 Bootstrap 法（1000 次重采样）进行内部验证。
- 临床效能评估：运用决策曲线分析（Decision Curve Analysis, DCA）评价模型的净获益，结合 Kaplan-Meier 生存分析验证模型对高风险人群的识别能力。
研究结果
1. 基线特征与风险因子筛选
- 队列概况：965 例患者中，43 例（4.46%）在 30 天内死亡。非存活组年龄显著高于存活组（67 vs. 49 岁，p<0.001），且在慢性肾功能衰竭、生命体征异常（心率、呼吸频率升高，血压降低）、胰腺坏死、胸腔积液、需吸氧治疗等指标上差异显著。
- 实验室参数对比：非存活组的 CRP、WBC、NE 计数、APTT、LDH、DBIL、UREA 等指标显著升高，而 TP、ALB、LY 计数等降低（均p<0.05）。
2. 列线图模型的构建与性能
- 关键预测因子：通过 LASSO 和多因素 Logistic 回归，确定 6 个独立风险因子：年龄（HR=1.043, p<0.001）、活化部分凝血活酶时间（APTT, HR=1.044, p=0.002）、乳酸脱氢酶（LDH, HR=1.001, p<0.001）、直接胆红素（DBIL, HR=1.013, p=0.001）、总蛋白（TP, HR=0.935, p=0.004）、血尿素氮（UREA, HR=1.038, p=0.043）。
- 模型效能：ROC 曲线显示 AUC 为 0.862（95% CI 0.806-0.918），灵敏度 77.4%，特异度 87.1%；校准曲线显示预测值与实际死亡率高度吻合；DCA 表明模型在临床决策中的净获益显著优于 “全治疗” 或 “不治疗” 策略。
3. 模型验证与临床应用
- 生存分析：Kaplan-Meier 曲线显示，模型预测值 > 0.0679 的患者 30 天死亡率显著更高（p<0.001），且与传统评分系统（APACHE II、RANSON、Marshall）呈正相关（r=0.493-0.435, p<0.001）。
- 临床价值：该模型仅需常规血液检测参数，无需额外影像学或特殊检查，可快速计算个体死亡风险，有助于早期识别高危患者并启动强化治疗。
结论与讨论
本研究构建的列线图模型整合了年龄、凝血功能（APTT）、肝肾功能（LDH、DBIL、UREA）及营养状态（TP）等关键指标，通过机器学习和统计建模实现了对 AP 患者 30 天死亡率的精准预测。其优势在于：
- 简便性：基于常规实验室数据，易于在各级医院推广；
- 准确性：AUC 达 0.862，优于部分单一生物标志物或传统评分；
- 临床实用性：DCA 和生存分析证实其能有效指导临床决策，降低医疗资源浪费。
尽管研究存在单中心、回顾性设计的局限性，但为 AP 预后评估提供了新的视角和工具。未来需通过多中心前瞻性研究进一步验证模型的普适性，并探索动态监测指标（如 UREA、LDH 的变化趋势）对预测效能的提升作用。该研究成果有望推动 AP 个性化诊疗的发展，为降低重症患者死亡率、优化临床管理策略提供科学依据。
