老年COVID-19患者合并感染的早期识别：新型列线图模型的开发与验证

本研究针对老年COVID-19患者合并感染诊断难题，开发了基于糖尿病史、侵入性操作史和降钙素原(PCT)水平的列线图模型。该模型在训练集(AUC=0.86)和外部验证集(AUC=0.83)中均表现出优异性能，通过设定6.65%和27.79%双阈值实现感染风险分层，为临床抗菌药物精准使用提供决策支持。

　　

随着全球COVID-19大流行的持续，老年患者作为高危人群面临严峻挑战。这个特殊群体不仅病毒感染后病情更重，还常伴随细菌、真菌等病原体的混合感染。然而临床诊断面临三重困境：老年人免疫衰老导致症状不典型，传统微生物检测耗时长效率低，抗生素滥用又加剧了多重耐药菌(MDROs)的威胁。中国在2022年底调整防疫政策后，医疗机构迫切需要能快速识别合并感染的工具，以实现精准治疗和抗菌药物管理。

中南大学湘雅医院联合江西省人民医院等四家医疗中心，开展了一项两阶段前瞻性队列研究。研究人员收集了916例COVID-19住院患者临床数据，重点分析620例≥65岁老年患者，通过LASSO回归筛选出糖尿病、侵入性操作和PCT三个关键指标，构建了可视化列线图模型。该成果发表于《Virology Journal》，为老年COVID-19患者的感染管理提供了重要工具。

研究采用多中心前瞻性设计，通过随机分组建立训练集(n=465)和内部验证集(n=155)，并收集独立外部验证集(n=306)。主要技术包括：1)基于微生物培养和PCR的合并感染确诊标准；2)LASSO回归结合多变量logistic分析的变量筛选；3)受试者工作特征曲线(ROC)和决策曲线分析(DCA)验证模型性能；4)开发静态/动态列线图在线工具。所有数据均来自中国四家三甲医院的住院患者队列。

研究结果
临床特征比较
老年组(79.0岁)较非老年组(54.0岁)合并感染率显著更高(26.61% vs 16.22%)，且肺部感染占比达85.5%。Gram阴性菌(48%)和真菌(38%)是主要病原体，其中鲍曼不动杆菌(Acinetobacter baumanii)和白色念珠菌(Candida albicans)最常见。合并感染患者ICU入住率(30.9% vs 14.6%)和死亡率(40% vs 22.9%)显著升高。

模型构建
LASSO回归筛选出糖尿病(OR=5)、侵入性操作(OR=5.17)和PCT(OR=3.48)三个预测因子。动态列线图工具(https://elderly-covid19.shinyapps.io/DynNomapp/)可实时计算感染风险，将患者分为低危(≤6.65%)、中危和高危(≥27.79%)三组。

验证性能
模型在训练集(AUC=0.86)、内部验证集(AUC=0.82)和外部验证集(AUC=0.83)中均保持稳定。校准曲线显示预测与观察结果高度一致(P>0.05)，DCA证实其临床净收益优于经验性治疗策略。

讨论与意义
该研究首次针对老年COVID-19群体开发的合并感染预测模型，解决了三个关键临床问题：1)通过客观指标弥补老年人症状不典型的诊断短板；2)较单一PCT或CRP具有更高准确性；3)双阈值设计既避免漏诊(灵敏度90%)又减少过度治疗(特异度90%)。局限性包括未区分社区获得性和医疗相关感染，以及外部验证仅限中国人群。未来需在更广泛人群中验证，并探索与快速病原检测技术的联合应用。

这项创新性工具为全球老龄化背景下的感染防控提供了重要参考，其在线应用特性尤其适合资源有限地区的临床推广，对促进抗菌药物合理使用、改善老年COVID-19预后具有重要实践价值。