有无毒性信息条件下急性中毒ICU患者复杂预后模型的构建

《Critical Care Medicine》:Developing Models for Complicated Outcomes in Acutely Intoxicated ICU Patients With and Without Toxicity Information

【字体: 大 中 小 】 时间:2026年10月16日 来源:Critical Care Medicine 7.5

编辑推荐:

   **目的:** 评估反映暴露所涉物质毒性的平均致死风险评分(LRS)的预后价值,并为急性中毒入住ICU患者的复杂结局构建预测模型。 **设计:** 多中心前瞻性队列研究。 **设置:** 欧洲、澳大利亚和东地中海地区78个ICU(2020–2023年)。 **患者:**

  

**目的:** 评估反映暴露所涉物质毒性的平均致死风险评分(LRS)的预后价值,并为急性中毒入住ICU患者的复杂结局构建预测模型。

**设计:** 多中心前瞻性队列研究。

**设置:** 欧洲、澳大利亚和东地中海地区78个ICU(2020–2023年)。

**患者:** 共2265例成人患者因急性中毒为主要入院原因被收治入ICU,且留观时间至少4小时。

**干预:** 无。

**测量与主要结果:** 主要结局定义为ICU并发症或死亡(22.5%)。临床数据通过电子采集系统收集。我们开发了两个预测模型:一个纳入实验室变量("实验室模型"),另一个纳入平均LRS("暴露模型")。平均LRS的计算方法为:对所涉毒素单独分配的LRS值取平均值。关键预测因素包括年龄、就诊严重程度、收缩压、格拉斯哥昏迷量表评分和医院类型。平均LRS仅在未纳入实验室变量时仍具有统计学显著性。模型性能通过受试者工作特征曲线下面积(AUROC)、校准曲线、似然比检验和决策曲线分析进行评估。内部验证显示两个模型均表现良好(AUROC分别为0.79和0.77;校准斜率分别为0.94和0.95;截距分别为?0.06和?0.06),过拟合程度极低。决策曲线分析显示,实验室模型具有临床相关性的阈值概率范围为0–50%,暴露模型为0–40%。

**结论:** 平均LRS仅在未获得实验室检测结果时才具有预后价值。两个模型均可辅助ICU中急性中毒患者的管理决策。

**要点**

**问题:** 能否利用预测模型预测急性中毒ICU患者的复杂结局?

**发现:** 开发了两个模型:包含实验室结果的实验室模型,以及整合由平均致死风险评分量化的毒性信息的暴露模型。共同的预测因素包括年龄、就诊严重程度、收缩压、格拉斯哥昏迷量表评分和医院类型。两个模型在内部验证中均表现良好(曲线下面积分别为0.79和0.77),过拟合程度极低(校准斜率分别为0.94和0.95,截距均为?0.06)。

**意义:** 这些模型在急性中毒后ICU患者管理的临床决策中提供了潜在的临床价值。

人体中毒是一个重要但被低估的公共卫生问题。全球范围内,每年因非故意中毒导致的死亡超过84,000例(1),而2021年自杀性自缢导致的死亡估计为58,160例(2, 3)。发病率和死亡率在国家之间和国家内部存在显著差异,这在很大程度上反映了所涉毒素的差异(1, 2)。

中毒的临床严重程度受多种因素影响,包括物质类型和剂量、就医时间以及患者特征如年龄和合并症等。临床表现也起关键作用,其中意识改变、生命体征异常和实验室异常(电解质紊乱或肾功能受损)等指标与不良预后相关(4)。重度中毒常表现为昏迷、抽搐或呼吸衰竭,通常需要入住ICU进行监测和目标性治疗(5)。

多项大型研究已识别出毒素作为毒物中心、急诊科和ICU临床结局的预测因素(6–12)。大多数研究关注死亡率,尽管在许多地区死亡率相对较低(13, 14)。对美国毒物控制数据的分析显示,阿片类药物、巴比妥类药物和抗过敏/止吐药物是导致死亡结局的主要贡献因素(8)。在亚洲,百草枯与死亡率关联最强,其次是人工合成物质和农药(9)。在西班牙,药物、化学品、气体和腐蚀性物质等毒素是不良结局的关键预测因素(12)。荷兰一项ICU研究报告,住院死亡率增加与毒物(如一氧化碳、砷和氰化物)、止痛药、其他毒素和街头毒品相关(6)。

既往研究采用分类物质分组,这种方法存在局限性,因为中毒事件常涉及多种毒素,导致异质性分类。药物类别分组也会掩盖同类药物内部的变异性,在模型中纳入多个类别会降低自由度和统计效率。

准确的风险评估对于指导ICU管理、优化资源分配以及为患者和家属提供信息至关重要。我们旨在为急性中毒ICU患者的复杂结局开发预测模型。

**材料与方法**

**数据来源**

本研究使用INTOXICATE研究的数据,这是一项于2020年11月至2023年6月在欧洲、澳大利亚和东地中海地区78个ICU(大学和非大学医院)开展的前瞻性多中心观察性研究。研究详情另文报告(14)。研究已获荷兰乌得勒支大学医学中心医学研究伦理委员会(IRB)批准(编号20-495/C;"欧洲中毒ICU患者的结局",批准日期:2020年7月29日)。研究过程遵循IRB的伦理标准及1975年《赫尔辛基宣言》。INTOXICATE数据库包含作为常规临床护理记录的一部分的信息。

**研究队列选择**

纳入标准为:年龄≥18岁,因急性中毒为主要入院原因被收入ICU,且ICU停留时间≥4小时的成人患者。中毒定义为天然或合成物质引起的任何毒性效应。排除因其他主要诊断入院的患者。治疗包括去污处理、解毒剂、支持性治疗及其他干预措施,如机械通气、血管加压药、肾脏替代治疗和心肺复苏。

**结局**

主要结局定义为复杂结局,即患者ICU住院期间发生严重临床并发症或住院期间死亡。严重并发症包括急性肝衰竭、急性肾损伤、缺氧-缺血性脑损伤、吸入性肺炎、心肺循环并发症、医院获得性感染、高血压危象以及当地研究者记录的其他严重并发症(如横纹肌溶解症;附表S1,https://links.lww.com/CCM/I70)。选择该复合结局是为了优化患者结局和医疗资源使用。

**潜在预测因素**

基于现有文献预先筛选了37个潜在预测因素。为减少候选预测因素之间的冗余,对Spearman相关系数≥0.7的变量对进行评估,并从每个高度相关的变量对中排除一个变量(附表S2,https://links.lww.com/CCM/I70)。随后使用方差膨胀因子评估保留的候选预测因素之间的多重共线性。

我们的主要关注点是从四项大型研究(9, 15–17)中得出的个体致死风险评分(LRS)的预后价值,该评分反映毒素的相对毒性。大多数LRS值(80.6%)直接来自Brett的基于医院的病例死亡率数据(15)。对于未涵盖的物质,使用Lim和Gummin(毒物中心来源)(16, 17)的数据,并通过从重叠毒素计算得出的转换因子(分别为5.6和61)进行调整,以确保可比性。其余化学品使用Han等(9)的急诊科死亡率指数。毒性极强的物质赋予最高分100分。对于未知暴露,我们赋予整体LRS均值(6.6)。对每位患者计算平均LRS,该方法优于仅使用最毒性物质的评分。更详细的说明请参见补充材料(https://links.lww.com/CCM/I70)。

其他预测因素包括人口统计学特征、躯体合并症的存在与否、暴露意图、ICU入院时间(小时)、临床和实验室检查发现、心电图异常、医院类型(大学医院或非大学医院)以及国家卫生支出(占国内生产总值的百分比)(18)。鉴于与COVID-19大流行的重叠,疑似感染也被视为一种合并症。

入院类型区分了通过急诊科或救护车入院的患者与从病房转入的患者。ICU入院时的严重表现为:在ICU入院前或入院时存在关键临床特征(如心肺骤停、呼吸衰竭、抽搐或低血糖;补充材料,https://links.lww.com/CCM/I70,第8页)。所有预测因素均从ICU前就诊至ICU入院后2小时内收集。

**样本量**

使用pmsampsize R包,基于估计的结局发生率22.4%(19, 20),估算需要2250例入院(每变量事件数=10.72)。我们的数据集包含2265例患者和509个事件,提供每变量15个事件。

**统计分析**

使用多元链式方程多重插补法(21)对缺失值进行插补,共20个数据集。具有非线性关系的连续变量(心率、收缩压、呼吸频率、体温、Pco?、钠、血红蛋白、白细胞计数和血小板计数)以限制性立方样条(RCS)形式纳入。

**模型开发**

拟合具有二项链接和随机ICU截距的广义线性混合效应模型。由于严重的多重共线性,氯被排除。进行两次逐步后退筛选(p < 0.005):第一次纳入所有预测因素(实验室模型),随后排除实验室变量(暴露模型)。比值比(OR)在各插补数据集中合并。通过比较将"平均LRS"作为线性项纳入的模型与纳入RCS的模型,评估"平均LRS"变量与结局之间在logit尺度上的线性假设。使用似然比检验比较模型拟合度。

**内部验证、内部-外部模型验证、决策曲线分析**

使用200个bootstrap样本进行内部验证。模型性能从区分度(受试者工作特征曲线下面积[AUROC])、校准度、Nagelkerke's R2和Brier评分方面进行评估。校准评估包括校准曲线和20个插补数据集上截距和斜率的合并估计。使用bootstrap获得的乐观性估计进行收缩(22, 23)。最终模型在全数据集上拟合,以最大限度利用可用数据(24)。决策曲线分析评估临床实用性(25)。

此外,还进行了内部-外部交叉验证,以评估地理定义群组之间的性能异质性(24)。创建五个地理群组;每次迭代排除一个群组,在剩余约80%的患者上开发模型,并在被排除的群组上评估性能。

统计分析通过SPSS Statistics Version 29.0.1.0(纽约州Armonk)和/或RStudio Version 2024.12.1(马萨诸塞州波士顿)for Windows(R版本4.2.2)进行。本研究遵循《多元预测模型个体预后或诊断的透明报告》(TRIPOD)指南(26)。

**结果**

**研究队列**

2020年11月至2023年6月期间,INTOXICATE研究共记录了2273例因中毒入住ICU的情况。排除8例结局数据缺失的患者后,共分析2265例,其中509例(22.5%)发生复杂结局(图1)。

*图1. 流程图。*

中位年龄为41岁(四分位间距[IQR],28–56岁),女性占53.2%(表1)。发生复杂结局的患者年龄更大(中位50岁 vs. 38岁;p < 0.001),且更常从病房转入。超过半数(53.8%)的并发症患者存在既往躯体合并症。故意中毒很常见(88%),其中52.4%与自杀企图相关。29%的并发症患者有严重临床表现。关于躯体合并症和严重临床表现的详细频率见附表S3(https://links.lww.com/CCM/I70)。168例患者(7.4%)需要机械通气,44例患者(1.9%)接受了心肺复苏。

在509名结局复杂的患者中,有103名(20.2%)死于院内。

**表1. 2265名患者中复杂结局、并发症和死亡率潜在预测因素的基线特征,按结局分层**

| 变量 | 所有患者 | 结局良好 | 结局较差 | P值a |
|------|----------|----------|----------|------|
| N = 2265 (100%) 缺失 (%) | | N = 1756 (77.5%) | N = 509 (22.5%) | |
| 年龄(岁),中位数(IQR) | 41 (28–56) 0 (0) | 38 (26–53) | 50 (36–64) | < 0.001 |
| 女性,n (%) | 1204 (53.2) 10 (0.4) | 978 (55.7) | 226 (44.4) | < 0.001 |
| 入院类型 | | | | |
| 急诊室-救护车,n (%) | 2095 (92.5) 0 (0) | 1653 (94.1) | 442 (86.8) | < 0.001 |
| 病房,n (%) | 170 (7.5) 103 (5.9) | 67 (13.2) | | |
| 入ICU前时间(小时),中位数(IQR) | 4 (2.75–8) 1153 (50.9) | 4 (2.5–7) | 6 (3–15) | < 0.001 |
| 国家水平变量b,中位数(IQR) | 10.1 (9.7–10.1) 0 (0) | 10.1 (9.7–10.1) | 9.9 (9.4–10.1) | < 0.001 |
| 大学附属医院,n (%) | 1217 (53.7) 0 (0) | 868 (49.4) | 349 (68.6) | < 0.001 |
| 至少一项躯体合并症,n (%) | 915 (40.4) 0 (0) | 641 (36.5) | 274 (53.8) | < 0.001 |
| 重症表现"是",n (%) | 374 (16.5) 5 (0.2) | 226 (12.9) | 148 (29.1) | < 0.001 |
| 心率(次/分),中位数(IQR) | 95 (74–115) 6 (0.3) | 94 (74–115) | 99 (75–117) | 0.17 |
| 呼吸频率(次/分),中位数(IQR) | 17 (12–22) 53 (2.3) | 16 (12–21) | 18 (12–24) | 0.04 |
| 收缩压(mmHg),中位数(IQR) | 115 (95–139) 18 (0.8) | 117 (98–139) | 108 (83–136) | < 0.001 |
| 体温(°C),中位数(IQR) | 36.3 (35.7–37) 35 (1.6) | 36.4 (35.8–37) | 36.1 (35.4–37) | < 0.001 |
| 格拉斯哥昏迷评分,中位数(IQR) | 10 (5–14) 182 (8.0) | 11 (6–15) | 8 (3–13) | < 0.001 |
| pH值,中位数(IQR) | 7.34 (7.27–7.4) 683 (30.2) | 7.36 (7.3–7.41) | 7.29 (7.18–7.37) | < 0.001 |
| 血氧饱和度,中位数(IQR) | 95 (91–98) 687 (30.3) | 96 (92–98) | 94 (89–97) | < 0.001 |
| PCO2(mmHg),中位数(IQR) | 43 (36–52) 686 (30.3) | 43 (36–51) | 44 (35–57) | 0.03 |
| 血糖(mmol/L),中位数(IQR) | 6.05 (5.1–7.6) 159 (7.0) | 5.89 (5.05–7.2) | 6.88 (5.5–9.4) | < 0.001 |
| 血钾(mmol/L),中位数(IQR) | 3.87 (3.5–4.21) 140 (6.2) | 3.8 (3.5–4.2) | 4.1 (3.5–4.73) | < 0.001 |
| 血钠(mmol/L),中位数(IQR) | 140 (137–142) 133 (5.9) | 140 (138–142) | 139 (136–142) | < 0.001 |
| 阴离子间隙(mmol/L),中位数(IQR) | 14.9 (12–18.5) 804 (35.5) | 14.3 (12–18) | 17.1 (13.2–22.0) | < 0.001 |
| 血红蛋白(mmol/L),中位数(IQR) | 8.3 (7.5–9.1) 141 (6.2) | 8.3 (7.5–9) | 8.4 (7.5–9.2) | 0.20 |
| 丙氨酸氨基转移酶(IU/L),中位数(IQR) | 23 (15–39) 363 (16.0) | 21 (15–35) | 30 (18–72) | < 0.001 |
| 总胆红素(μmol/L),中位数(IQR) | 6.7 (4–10.3) 380 (16.8) | 6 (4–9.9) | 8 (5; 13.7) | < 0.001 |
| 血肌酐(μmol/L),中位数(IQR) | 72 (59–92) 173 (7.6) | 70 (58–85) | 87 (66–138.8) | < 0.001 |
| 白细胞计数(10?/L),中位数(IQR) | 9.5 (7.0–13.0) 334 (14.7) | 8.9 (6.7–12.0) | 12.2 (8.5–16.4) | < 0.001 |
| 血小板计数(10?/L),中位数(IQR) | 249 (203–298) 196 (8.7) | 250 (207–297) | 240 (186–300) | 0.005 |
| 心电图异常,n (%) | 498 (22.0) 48 (2.1) | 344 (19.6) | 154 (30.3) | < 0.001 |
| **并发症** | | | | |
| 呼吸系统,n (%) | 269 (12) 0 (0) | 269 (53.0) | | < 0.001 |
| 神经系统,n (%) | 143 (6.3) 0 (0) | 143 (28.1) | | < 0.001 |
| 肾脏,n (%) | 123 (5.4) 0 (0) | 123 (24.2) | | < 0.001 |
| 其他,n (%) | 68 (3.0) 0 (0) | 68 (13.4) | | < 0.001 |
| 致死风险评分,中位数(IQR) | 4.7 (2.5–8.6) 0 (0) | 4.6 (2.5–8.3) | 5 (2.7–10.9) | 0.007 |
| 死亡(院内),n (%) | 103 (4.5) 3 (0.1) | 0 (0) | 103 (20.2) | < 0.001 |

a:分类变量采用χ2检验或Fisher精确检验;连续变量采用非配对Wilcoxon秩和检验。

b:国家水平变量:卫生支出占一国国内生产总值的百分比。

---

**个体致死风险评分(LRS)和平均LRS**

表2展示了研究中毒物暴露类别的频率,共计5426次暴露事件。每位患者的中毒物质数量的中位数为2(IQR,1–3)。61%的患者存在多重中毒。"平均LRS"变量的取值范围为0.1–100(均值,7.8;标准差,10.1;图S1,https://links.lww.com/CCM/I70)。平均LRS与结局之间的关联近似线性(图S2,https://links.lww.com/CCM/I70),样条建模未能改善模型拟合(似然比检验,p = 0.17)。共有78%的患者平均LRS低于10(n = 1772),而5.6%(n = 126)的患者平均LRS高于25。

**表2. 暴露类别(药物性和非药物性制剂)的频率及各类别个体致死风险评分取值范围**

| 类别 | N (%) | 典型示例 | 致死风险评分取值范围 |
|------|-------|----------|----------------------|
| 所有暴露 | 5426 (100) | | 0–100 |
| 药物性制剂 | 4038 (74.4) | | 0–66.7 |
| 镇痛药 | 360 (6.6) | 对乙酰氨基酚、水杨酸类 | 0.6–19.7 |
| 抗抑郁药 | 632 (11.6) | 文拉法辛、去甲替林 | 0.2–50 |
| 抗精神病药 | 707 (13.0) | 奥氮平、喹硫平 | 1.0–14.3 |
| 心血管药物 | 228 (4.2) | β受体阻滞剂、氟卡尼 | 2.8–66.7 |
| 降糖药物 | 122 (2.2) | 二甲双胍、胰岛素 | 1.1–6.2 |
| 镇静催眠药 | 1006 (18.5) | 苯二氮?类、巴比妥类 | 1.8–66.7 |
| 阿片类药物 | 401 (7.4) | 曲马多、羟考酮、吗啡、芬太尼 | 3.0–62.1 |
| 其他药物 | 582 (10.7) | 抗惊厥药、抗组胺药 | 0.7–16.7 |
| 非药物性制剂 | 1285 (23.7) | | 0.5–100 |
| 非法物质 | 599 (11.0) | 3,4-亚甲二氧基甲基苯丙胺(MDMA)、苯丙胺类、可卡因 | 2.7–47.1 |
| 酒精 | 559 (10.3) | 乙醇、甲醇 | 5–50 |
| 化学品、家用化学品、气体 | 126 (2.3) | 氯气、有机磷化合物、磷化氢 | 0.5–100 |
| 植物、蘑菇 | 29 (0.5) | | 4.4–5.0 |
| 未知暴露 | 103 (1.9) | | 6.6 |

---

**模型构建**

第一步包含所有潜在预测变量的逐步后退选择,产生的初始模型中选中了尿素,而未选中肌酐。然而,由于肌酐在临床实践中比尿素测量更为常规和一致,我们认为肌酐具有更大的实际应用价值,因此在变量选择过程中强制将肌酐保留在模型中。在这样做之后,尿素不再被选中,最终模型(称为"实验室模型")包含了十一个预测变量。

第二步排除实验室变量后的逐步后退选择,产生了第二个模型(称为"暴露模型"),包含10个预测变量。表3展示了两个模型中选中的变量。

**表3. 在20个插补数据集中进行逐步后退选择后"实验室模型"和"暴露模型"的比值比及95%置信区间**

| 协变量 | 实验室模型 | | 暴露模型 | |
|--------|-----------|------|---------|------|
| | OR (95% CI) | p | OR (95% CI) | p |
| 年龄 | 1.023 (1.02–1.03) | < 0.001 | 1.03 (1.02–1.04) | < 0.001 |
| 国家水平变量a | —— | —— | 0.91 (0.85–0.96) | 0.002 |
| 大学附属医院 | 1.63 (1.28–2.06) | < 0.001 | 1.63 (1.29–2.06) | < 0.001 |
| 重症表现 | 1.69 (1.28–2.24) | < 0.001 | 1.89 (1.44–2.49) | < 0.001 |
| 入ICU前时间 | —— | —— | 1.03 (1.02–1.04) | < 0.001 |
| 心率,项1 | —— | —— | 1.006 (0.997–1.015) | 0.19 |
| 心率,项2 | —— | —— | 1.00 (0.99–1.01) | 0.77 |
| 收缩压,项1 | 0.98 (0.97–0.98) | < 0.001 | 0.973 (0.97–0.98) | < 0.001 |
| 收缩压,项2 | 1.03 (1.02–1.04) | < 0.001 | 1.03 (1.02–1.04) | < 0.001 |
| 体温,项1 | —— | —— | 0.76 (0.67–0.87) | < 0.001 |
| 体温,项2 | —— | —— | 1.38 (1.17–1.63) | 0.001 |
| 格拉斯哥昏迷评分 | 0.94 (0.92–0.97) | < 0.001 | 0.94 (0.91–0.96) | < 0.001 |
| pH值 | 0.07 (0.03–0.20) | < 0.001 | —— | —— |
| 血糖 | 1.05 (1.01–1.08) | 0.005 | —— | —— |
| 肌酐 | 1.002 (1.001–1.004) | 0.003 | —— | —— |
| 丙氨酸氨基转移酶 | 1.0004 (1.0001–1.0006) | 0.001 | —— | —— |
| 总胆红素 | 1.015 (1.005–1.024) | 0.002 | —— | —— |
| 白细胞计数,项1 | 1.11 (1.04–1.19) | 0.001 | —— | —— |
| 白细胞计数,项2 | 0.91 (0.85–0.97) | 0.005 | —— | —— |
| 平均致死风险评分 | —— | —— | 1.014 (1.005–1.024) | 0.003 |

HR = 心率(次/分),OR = 比值比,SBP = 收缩压(mmHg)。

a:国家水平变量:卫生支出占一国国内生产总值的百分比。

两个模型中最强的共同预测因素包括:年龄;入ICU时的重症表现;格拉斯哥昏迷评分(GCS);收缩压(SBP);以及医院类型。收缩压、心率、体温和白细胞计数以限制性立方样条(RCS)形式纳入模型以改善拟合效果。低收缩压和低体温均与结局发生几率显著增加相关,而较高的心率显示风险逐渐升高。白细胞计数也与结局呈正相关,在高值时风险增加更为显著。图S3(https://links.lww.com/CCM/I70)展示了RCS变换后的变量与复杂结局比值比之间的关系。混合模型(每个单元设置随机截距)的表观AUROC和解释变异分别为:实验室模型0.84和0.39,暴露模型0.84和0.38。

---

**模型验证**

内部验证显示两个模型均具有良好的区分度。实验室模型达到合并AUROC为0.79(95% CI,0.78–0.80),而暴露模型的AUROC略低,为0.77(95% CI,0.76–0.77)。两个模型的校准斜率和截距相当(截距,两个模型均为–0.06;校准斜率,实验室模型0.94,暴露模型0.95;图2)。R2和Brier标准化评分也相当(实验室模型:R2,0.27;Brier标准化,0.20;暴露模型:R2,0.24;Brier标准化,0.17)。图3展示了内部验证后的校准曲线。

**图2.** 校准图(内部验证):实验室模型和暴露模型在20个插补数据集(200次重复)中的表现。

**图3.** 实验室模型和暴露模型与"全部干预"和"全部不干预"策略的决策曲线分析。为清晰起见,我们展示了0–50%的阈值概率范围。在此临床范围内,实验室模型在每100名患者中显示出最大的干预净减少(22%阈值时为33%),这有助于决定患者是否可以出院离开ICU。暴露模型的每100名患者干预净减少较低(23%)。实线红色线代表如果所有ICU患者均留在ICU则干预减少为0%。实线绿色线表示如果所有患者均出院离开ICU的干预净减少。该线显示了一些避免的干预,但这将意味着遗漏所有复杂结局。虚线展示了每个模型在22%阈值时每100名患者的干预净减少。

跨组的内部-外部验证显示两个模型均具有良好的区分度:实验室模型AUROC = 0.75(95% CI,0.72–0.80);暴露模型AUROC = 0.74(95% CI,0.70–0.77)。两个模型在各组中均显示合理的校准(表S4,https://links.lww.com/CCM/I70)。

决策曲线分析显示实验室模型具有临床相关的阈值概率范围为0–50%,暴露模型为0–40%。例如,图3显示使用22%阈值的实验室模型,平均可防止33次不必要的ICU住院,同时在该阈值下保持获益与危害之间的平衡。在同一阈值概率下,暴露模型提供的每100名患者不必要的ICU住院净减少较小(23次)。

---

**讨论**

**主要发现**

我们开发了两个预测模型来估计急性中毒后ICU中并发症或死亡的风险。具体而言,我们评估了平均致死风险评分(LRS)的预后价值,该评分计算为暴露所涉及的各毒物个体LRS值的平均值。平均LRS仅当在初始逐步选择过程中排除实验室变量时才被识别为独立的预后因素。急性中毒后ICU中并发症或院内死亡的关键预测因素包括:年龄、医院类型、入ICU时的重症表现、GCS评分和收缩压。

**与其他预测工具的比较**

我们的发现支持在实验室数据不可用时将平均LRS纳入风险评估。以往的大规模研究已表明暴露类型的预后相关性(6–13),但传统的药理学分类将毒性差异极大的物质归为一组。如酒精、非法药物或"未明确毒素/药物"等类别将良性至高度毒性的制剂混合在一起。这一局限性因多重暴露的高患病率而进一步加剧(17, 27–29),使分类和风险分层更加复杂。

我们提出了一种替代框架,即根据四份大型已发表研究报告的死亡率数据,为每种毒物分配个体LRS值。对于每位患者,平均LRS计算为暴露所涉及的所有毒物个体LRS值的平均值。该平均LRS量化了暴露中涉及的毒物的相对毒性。与传统药理学分类不同,这种方法能更好地捕捉药理学类别内的异质性和多重暴露。此外,与分类暴露分类相比,平均LRS提高了统计效率,因为它需要较少的自由度。然而,LRS指标仍存在不完善之处,因为它依赖于异质性数据来源,对于罕见但高毒性的暴露可能可靠性较低。需要更多标准化的院内死亡率数据来完善该方法。

除暴露类型外,我们的发现重申并扩展了先前关于急性中毒后ICU不良结局预测因素的研究。年龄、收缩压、格拉斯哥昏迷评分、表现严重程度以及实验室参数(pH值、丙氨酸氨基转移酶、血糖、白细胞计数)均始终具有预测价值(7, 19, 20, 30, 31)。年龄显示出强烈的效应;56岁患者发生并发症的几率是28岁患者的两倍以上。GCS和收缩压也保持了较高的预后价值。

重症临床表现增加了并发症的风险(实验室模型OR = 1.69,暴露模型OR = 1.89),主要是由于呼吸衰竭(7.4%需要机械通气)和心循环衰竭。这些发现与既往将呼吸衰竭与ICU死亡率和住院时间延长相关联的报告一致(19)。入ICU前心肺复苏是第二常见的原因,而国际间的院前护理差异——如有无由医生执行心肺复苏——可能影响结局。

如先前研究报告的那样(10, 12, 29),我们发现暴露与入院之间的时间间隔是严重程度和预后的重要预测因素。延误会增加毒素吸收,促进器官衰竭进展,并降低时间依赖性治疗的有效性,而早期护理可改善ICU结局。这对涉及对乙酰氨基酚、毒性酒精(如甲醇和乙二醇)、阿片类药物和有机磷化合物的病例尤为重要。

医院类型独立影响预后,大学附属医院风险更高(OR = 1.63)。以往报告将医院类型或转诊状态纳入预测模型(32),这可能反映了住院复杂程度和转诊模式的差异。为考虑国家间资源差异,我们纳入了卫生支出占国内生产总值的百分比(数据来自世界银行集团(18)),这增强了暴露模型的泛化能力。内部验证时模型性能下降可能部分反映了未测量的因素和ICU间残余异质性未被医院类型或国家水平变量完全捕捉。

**优势与局限**

这项大样本队列研究加强了ICU中毒的预后建模,弥补了以往小样本研究(< 300例患者)中每个预测变量事件数不足的局限性。如推荐方法那样(33),我们基于所有候选参数而非仅最终模型预测变量来确定样本量,从而克服了早期研究中常见的方法学缺陷(20, 34–40)。

我们严格处理了缺失数据并适当变换了定量变量。排除缺失数据的患者可能引入偏倚(22),尤其是因为缺失往往是非随机的(例如,实验室检查不完整)(41)。

同样,未能对连续预测变量的非线性关系进行建模,可能会降低估计的可靠性并影响变量选择(22)。为提升模型的泛化能力,我们使用国际数据构建了反映毒物相对毒性的个体LRS值,数据来源于澳大利亚、北美和韩国的死亡率数据。结合INTOXICATE研究的国际范围,这一更广泛的实证基础增强了我们模型在不同国家的适用性。然而,本研究存在局限性。我们的模型在临床应用前需要外部验证。基于此考虑,我们已开发了列线图,供希望对外部验证我们模型的机构使用。这些列线图展示在图S4和S5中(https://links.lww.com/CCM/I70)。使用暴露模型的列线图时,迫使毒物只能被归入少数几个类别(图S6、表S5,https://links.lww.com/CCM/I70)。网络应用程序则更为精确且用户友好(https://intoxicate.shinyapps.io/expomod/ 和 https://intoxicate.shinyapps.io/labmodel/)。对于外部验证研究,合并现有数据集是一种可行的替代方案,应被更多地考虑和支持;前瞻性多中心研究则最为理想,但资源投入巨大。实践意义两个模型在内部验证和内部-外部验证中表现相似。尽管它们可以为临床医生提供早期识别重症或轻症患者方面的见解,但绝不能替代临床判断。它们还可以作为重症监护室(ICU)处理此类患者绩效评估的基础。重要的是,我们的模型能够在患者入住ICU后2小时内预测并发症——这是一项显著进步,因为以往研究通常依赖于前24小时的数据(20, 42)。对于资源分配的决策,应优先选用实验室模型,因为决策曲线分析显示,在22%的阈值下,该模型可以避免33例不必要的ICU入住,而暴露模型仅能避免23例。当实验室结果无法立即获得时(如转诊、资源限制和技术延迟等情况),暴露模型在现实情境中也有其用处。结论平均LRS值——即暴露所涉及的各毒物个体LRS值的平均值——仅在实验室变量不可用时,才在生理变量之外具有预后价值。未来研究应提供更多高毒性物质的病死率数据,以改进个体LRS值的估计。我们的模型可辅助对急性中毒入住ICU患者的管理决策。致谢INTOXICATE研究 investigators小组(合作者):Christian Aage Wamberg, Hazim Ababneh, Eman Abdulwahed, Sefanja Achterberg, Entisar Ahmed Ali Alshareea, Aiman Al-Touny, Mahmoud Alali, Ali Najeh Al-Awwady, Amar Al-Jarrah, Maytham A. Al-Juaifari, Hazem Zuhair Hussain Alnatour, Khayry Al-Shami, Ahmed Altobal, Shimaa Ahmed Hamed Abdelrahman Al-Touny, Mahmut Arslan, Theodoros Aslanidis, Avinash Aujayeb, Munire Babayigit, Robertas Badaras, Stuart Baker, Patricia Barral Segade, Najat Ben Hasan, Dennis C.J.J. Bergmans, Yeliz Bilir, Muhannud Binnawara, Patrick Biston, Dirk P. Boer, Hans Christian Boesen, Hella F. Borggreve, Helene Brix, Thirsa Brommer, Nestor Bueno-Vidales, Isabel Canas-Pérez, Maxim P. Carlier, Alba Castellanos Esparraguera, Deniz Cekic, Mario Chico-Fernández, Lisbeth Christiansen, Cristian Cobilinschi, Luis Coelho, Catalin Constantinescu, Alexander D. Cornet, Elena Crescioli, Cristina Cuenca-Rubio, Paul I Dargan, Raluca Darie, Dylan W. de Lange, Francisco de Paula Delgado-Moya, Nicolas De Schryver, Bram Dewulf, Willem Dieperink, Patrick Druwé, Simon Dubler, Maree Duroux, Mohamed Elbahnasawy, Muhammed Elhadi, Ahmet Eroglu, Selin Eyüpo?lu, Raquel Feria Gil, Ana Silva Fernandes, Carolina Ferrer, Ana Ferrer Dufol, Sune Forsberg, Diego Franch-Llasat, Rik T. Gerritsen, Reem Ghmagh, Juliana Gonzalez Londo?o, Christofer Grant S?lling, Kjeld Gravgaard, Massimiliano Greco, Goncalo Guerreiro, Nicole Gustavsson, Seda Güzeldag, Burcin Halacli, Hytham K. S. Hamid, Philippe Hantson, Thijs T. W. van Herpt, Jantine van Holten, F. van der Horst, Aletta P.I. Houwink, Claudine C. Hunault, Malene Hvass Renner Block, Christian Jung, Stavri Karasiali, Mohamed Karghul, Ebru Kaya, Almu 'atasim Khamees, Khalid Mahmood Khan Nafees, Justin Koh, Matty Koopmans, Vedran Kovacic, Gabija Laubner Sakalauskien?, Lenneke E. M. van Lelyveld-Haas, Elin Lindqvist, Meritxell Lladó Vilar, Mette Lolk, Beatriz Martín-Pérez, Eva Maria Mateo Rodríguez, Hélène P. Mattijsen, Ayman Meelad, Iris Miltenburg, Ahmed Mohamed Ibrahim Mohamed, Rui Moreno, Marwa Morgom, Mercedes Mucia-Anayaa, Mohamed Nassredin, Binti Haji Abd Rashid Nurhikmahtul Aqilah, Huub L. A. van den Oever, Evelien A. N. Oostdijk, Ozlem Ozkan Kuscu, Catarina Pacheco, Dorte Palmqvist, Despoina Papachristou, David Pérez-Torres, Cristina Petri?or, Michael Piagnerelli, Wouter Pijper, Christian Rabe, Radu ?incu, Megan Ratclife, Nanna Reiter, Richard Rezar, Ferran Roche-Campo, Emilio Rodriguez-Ruiz, Harm Roetert, J. Ruiz-Izquierdo, Ana Maria Ruiz Mena, Vusala Rzayeva, Nick van Sabben, Elfayadh Saidahmed, Gustaf Sandstr?m, Kemal Tolga Saracoglu, Clemens Seelmaier, Nicolas Serck, Carlos Serón-Arbeloa, Susanne Stads, Louise Stenbryggen Herl?v, Ayca Sultan Sahin, Josefne Thomsen, Arzu Topeli, Yen Tran, Bas van den Bogaard, Irma S. van den Hengel-Koot, Klaas Vanderbiest, Liam van Dielen, Abram L. van Duijn, Jolien Van Hecke, Klaus Vennick Marcussen, Marie Vergotten, Wytze Vermeijden, Ester Viktorsdottir, Peter H.J. van der Voort, Evert-Jan Wils, Xavier Wittebole, Esther Wolthuis, David M. Wood, Max Wretman, Hana B. Yahya, Cengizhan Yavuz, Selcuk Yaylaci, Bego?a Zalba Etayo, Samanta M. Zwaag。我们感谢欧洲重症监护医学会(ESICM)和欧洲毒物中心与临床毒理学家协会(EAPCCT)对本研究的支持,以及所有参与本研究的患者。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号