基于实验室指标的风险评分模型预测COVID-19住院患者死亡率的开发与验证

本研究针对COVID-19患者预后评估工具不足的问题，通过分析33项生化与血液学指标，开发了基于肌酐、钠、碳酸氢盐等6项关键实验室指标的风险评分模型。结果显示，该模型在训练集和验证集中预测死亡率准确率达80%，尤其发现低碳酸氢盐水平与酸-碱失衡显著相关，为临床快速分层提供了客观工具。论文发表于《LabMed Discovery》。

　　

新冠病毒感染（COVID-19）患者的临床结局存在高度异质性，从无症状到多器官衰竭均可能发生。尽管年龄和基础疾病等风险因素已被广泛研究，但如何利用入院时的实验室数据快速预测患者死亡风险仍是临床难题。现有风险评分模型多依赖临床症状或影像学特征，而基于常规生化指标的自动化预测工具仍显不足。更棘手的是，不同研究中与疾病严重度相关的生物标志物（如肌酐、CRP、D-二聚体）存在不一致性，且加拿大人群缺乏本土化预测模型。

为填补这一空白，由Mackenzie Scott和Olga Vishnyakova领衔的研究团队开展了一项多中心回顾性研究。他们从多伦多地区三家医院纳入324名COVID-19住院患者，采集入院时33项实验室指标（涵盖血常规、凝血功能、肝肾功能等），通过机器学习方法构建了两套风险评分模型。这项发表在《LabMed Discovery》的研究首次在加拿大人群中证实，基于碳酸氢盐等酸碱平衡指标的模型可实现对死亡风险的精准预警。

关键技术方法

研究团队采用病例对照设计，从2020年1月至2022年2月期间电子病历中提取数据。通过Python进行数据清洗后，使用R Studio进行逻辑回归分析。首先筛选检测率>60%的指标进行单变量分析，再通过逐步回归构建多变量模型。采用80%/20%比例随机划分训练集与验证集，通过受试者工作特征曲线（ROC）评估模型性能，并计算约登指数确定风险阈值。

主要研究结果

3.1 患者特征与结局

队列中62%为男性，平均年龄67岁，死亡率达47%。死亡组平均年龄显著高于存活组（76岁 vs 60岁），且ICU入住率更高（37% vs 19%）。值得注意的是，13例再入院患者中有8例最终死亡，提示这部分人群需特别关注。

3.2 风险标志物鉴定

单变量分析发现6项显著指标：肌酐升高（OR=2.97）、乳酸升高（OR=2.82）、碳酸氢盐降低（OR=5.69）、碱剩余降低（OR=4.27）、pH值降低（OR=2.94）及钠离子异常。其中低碳酸氢盐水平与死亡风险关联最强，这与COVID-19患者常见的代谢性酸中毒病理机制相符。

3.3 模型构建与比较

多变量模型中，仅低碳酸氢盐保持显著相关性（OR=4.43）。引人注目的是，两种模型在验证集的AUC均达0.80，但单变量模型敏感性更高（90% vs 85%），而多变量模型特异性更优（81% vs 66%）。风险阈值分析显示，多变量模型需要更高分数（5.29分）才能判定高风险，这可能与其纳入更多交互因素有关。

3.4 风险评分表现

小提琴图直观显示死亡组风险评分显著高于存活组。特别值得关注的是，基于单变量模型的验证集表现出优异阴性预测值（NPV），说明其尤其适合用于排除低风险患者，这对急诊分诊具有重要实践意义。

结论与展望

这项研究创新性地揭示了酸碱平衡指标（特别是碳酸氢盐）在COVID-19预后评估中的核心价值。所开发的两种风险评分模型虽性能相近，但各有侧重：单变量模型更适合快速筛查，而多变量模型对确诊高风险患者更具特异性。

研究存在样本量较小（n=324）和外部验证不足的局限。未来可在三方面深化：扩大队列纳入更多实验室指标（如LDH、白蛋白）；探索与临床症状的协同预测效应；开发电子病历自动评分系统。值得强调的是，该模型无需复杂检测，仅用常规生化项目即可实现80%预测准确率，这对医疗资源紧张地区尤具推广价值。

从机制角度看，碳酸氢盐与pH值的显著关联提示COVID-19重症患者可能存在"隐匿性酸中毒"，这为探索肾小管酸中毒等并发症提供了新思路。研究团队建议临床关注入院患者的酸碱平衡状态，这可能是干预时间窗的重要指标。随着病毒变异株更替，该模型的普适性需持续验证，但其方法论框架为其他传染病的风险预测提供了重要范式。