糖尿病足感染病原微生物特征分析及风险预测模型的构建与应用

本研究针对糖尿病足感染(DFIs)的高致残率和抗生素滥用问题，河南大学淮河医院团队通过136例患者队列分析病原谱特征，发现革兰阳性球菌(54.65%)为主要致病菌，其中金黄色葡萄球菌占34.88%。研究创新性构建包含年龄、C反应蛋白(CRP)、Wagner分级等5因子的列线图模型(AUC=0.803)，为临床早期筛查提供量化工具，对指导精准抗感染治疗具有重要意义。

　　

糖尿病足感染(DFIs)作为糖尿病患者最严重的并发症之一，其高截肢率和复杂的病原微生物谱一直是临床治疗的难点。随着抗生素滥用问题日益严重，多药耐药菌(MDRB)的涌现更让治疗雪上加霜。据统计，全球约15-25%的糖尿病患者会发展为DFIs，其中20%最终需要截肢。这种状况不仅给患者带来巨大痛苦，也造成了沉重的医疗负担。面对这一严峻形势，准确掌握病原体分布特征和建立早期预警系统成为破局关键。

河南大学淮河医院内分泌科团队在《Scientific Reports》发表的研究，通过系统分析136例糖尿病足患者的临床数据，揭示了令人警惕的微生物分布格局：在86例感染患者中，革兰阳性球菌占比54.65%，其中金黄色葡萄球菌(Staphylococcus aureus)独占34.88%，而耐甲氧西林金黄色葡萄球菌(MRSA)也达到3.49%。革兰阴性杆菌则以43.02%的比例紧随其后，其中大肠埃希菌(Escherichia coli)占20.93%，更值得注意的是，10.47%的感染由多药耐药革兰阴性菌引起。这些数据为临床经验性用药提供了重要参考。

研究团队采用LASSO回归和多元logistic回归分析，从18项临床指标中筛选出5个关键预测因子：年龄、CRP、Wagner分级、下肢动脉疾病(LEAD)和周围神经病变(PN)。基于这些因子构建的列线图模型展现出优异的预测性能，受试者工作特征曲线下面积(AUC)达0.803，内部验证AUC为0.804。模型在决策曲线分析中显示出良好的临床净获益，当截断值为0.63时，敏感性和特异性分别为74%和72%。

主要技术方法
研究采用回顾性队列设计，纳入2020-2024年住院的糖尿病足患者。通过电子病历系统收集伤口培养结果和实验室数据，严格遵循WHO糖尿病诊断标准和IWGDF/IDSA指南。病原学检测采用标准化培养流程，依据CLSI标准进行药敏试验。统计建模使用R 4.2.1软件，采用LASSO回归筛选变量，通过ROC曲线和Hosmer-Lemeshow检验评估模型性能。

研究结果

General characteristics
感染组与非感染组比较显示，年龄(65.5±10.9 vs 70.1±9.6岁,p=0.015)、WBC(11.4±5.8 vs 8.7±3.6×10⁹/L,p=0.003)和CRP[52.2(11.6,130.7) vs 15.6(4.8,44.8)mg/L,p<0.001]存在显著差异。Wagner分级4-5级的患者感染风险显著增高(p=0.012)。

Risk prediction nomogram development
最终模型公式为：Logit(P)=2.342-0.051年龄+0.012CRP+1.386*(Wagner 2级)+2.454*(Wagner 3级)+1.744*(Wagner 4级)+2.325*(Wagner 5级)+1.312*(PN=是)-1.699*(LEAD=是)。

Performance and validation of the nomogram
校准曲线显示预测概率与实际观察值高度一致(Hosmer-Lemeshow检验p=0.756)，决策曲线分析证实模型在0.2-0.8风险阈值范围内具有临床实用性。

结论与意义
该研究首次系统揭示了河南地区DFIs的病原微生物分布特征，证实金黄色葡萄球菌仍是首要致病菌，但多药耐药革兰阴性菌的威胁不容忽视。创新性构建的风险预测模型通过整合易获取的临床指标，实现了感染风险的量化评估，其优势在于：①突破传统依赖单一微生物检测的局限；②较指南推荐方法更具客观性和全面性；③操作简便适合基层推广。研究结果为临床早期识别高风险患者、合理选择抗生素提供了重要决策依据，对减少不必要的抗生素使用、延缓耐药菌产生具有积极意义。未来需通过多中心研究进一步验证模型的普适性，并探索结合耐药基因检测的优化方案。