编辑推荐：
为解决细菌性血流感染（BSI）早期准确诊断难题，研究人员基于 195 例患者数据，通过单因素 Logistic、LASSO 回归及随机森林算法筛选风险因素，构建列线图模型。结果显示模型 AUC 达 0.836（训练集）和 0.871（验证集），为 BSI 个体化诊疗提供新工具。
血流感染如同隐藏在人体内的 “silent killer”，作为全球致死率极高的重症感染，其 30-90 天死亡率可达 35.9%，念珠菌血流感染甚至高达 50%。临床依赖的血培养 “金标准” 需 24-48 小时才能出结果，且存在病原体载量低、易污染等问题，导致抗生素滥用和医疗成本增加。如何突破现有诊断瓶颈，实现早期精准识别，成为亟待解决的医学难题。
南昌大学第一附属医院的研究团队针对这一困境，开展了细菌性血流感染风险预测的创新性研究。他们通过构建列线图模型，首次整合多维度临床指标与免疫炎症因子，为感染患者的个体化风险评估提供了新范式。该研究成果发表在《European Journal of Medical Research》，为临床早期干预提供了关键工具。
研究采用回顾性队列研究设计，纳入 2023 年 4 月至 9 月该院 204 例微生物培养阳性患者，经排除标准筛选后最终纳入 195 例，随机分为 70% 训练集（n=136）和 30% 验证集（n=59）。主要技术方法包括：利用 R 软件 “mice” 包填补缺失数据，通过单因素 Logistic 回归、最小绝对收缩和选择算子（LASSO）回归及随机森林算法筛选潜在风险因素，再经多因素 Logistic 回归确定独立风险因素，最后使用 “regplot” 包构建列线图，并通过受试者工作特征曲线（ROC）、校准曲线和决策曲线分析（DCA）评估模型性能。
患者特征与风险因素筛选
训练集与验证集在 IL-12p70 水平存在显著差异（p<0.05），其余基线特征均衡。BSI 组较局灶感染组表现出更高的炎症指标（CRP、nCD64 指数、ESR、PCT、IL-6 等）和更低的淋巴细胞、T/B/NK 细胞计数，且急性生理学与慢性健康评估 II（APACHEII）评分更高（p 均 < 0.05）。单因素分析筛选出 15 个潜在风险因素，LASSO 回归进一步锁定 6 个变量，最终多因素 Logistic 回归确定 5 个独立风险因素：性别、APACHEII 评分、nCD64 指数、IL-6、IL-4。
列线图模型性能评估
构建的列线图模型在训练集和验证集均表现出优异的判别能力，ROC 曲线下面积（AUC）分别为 0.836（95% CI 0.716-0.847）和 0.871（95% CI 0.627-0.855）。校准曲线显示预测概率与实际观察高度一致，决策曲线分析证实其临床净获益显著优于 “全治疗” 或 “全不治疗” 策略，提示模型具有良好的临床实用性。
讨论与意义
研究发现 nCD64 指数作为中性粒细胞表面 Fcγ 受体，其高表达与感染严重程度正相关，与既往 sepsis 研究一致。IL-6 和 IL-4 分别通过促炎和免疫调节机制参与发病，过度表达可能加剧炎症损伤。APACHEII 评分反映病情严重程度，男性患者更高的感染率可能与免疫差异及有创操作暴露相关。该列线图通过整合上述指标，仅需入院时静脉血检测即可快速计算感染风险，当概率 > 0.331 时提示需进一步侵入性检查，为临床分流患者提供了客观依据。
尽管存在单中心样本量有限、缺乏外部验证等局限性，该研究首次建立了基于多因子的 BSI 预测模型，为早期识别高危患者、优化抗生素使用策略奠定了基础。未来需扩大样本量并开展前瞻性验证，以推动列线图的临床转化，最终实现 “精准医疗” 目标，降低血流感染的死亡率和医疗负担。
