呼吸系统住院患者多重耐药下呼吸道感染风险预测模型的建立与验证

《BMC Microbiology》：Development and validation of a predictive nomogram for hospitalized patients with multidrug-resistant pathogen-associated lower respiratory infections

　　

摘要

目的

抗菌素耐药性（AMR）对全球健康构成威胁。多重耐药病原体引起的下呼吸道感染（MDR-LRIs）会导致较差的临床结局。现有的模型缺乏普遍适用性。本研究开发并验证了一个基于临床数据的呼吸系统住院患者风险预测模型，以指导早期筛查和合理使用抗生素治疗。

方法

这项回顾性研究收集了2024年1月至2026年5月期间中国西南部一家大型三级综合医院中3186份支气管肺泡灌洗液样本。最终共有333名下呼吸道感染患者被纳入研究，其中156例为多重耐药病例，177例为敏感病例。收集的数据包括人口统计特征、合并症、侵入性操作、抗生素使用史以及实验室检查结果。采用Lasso回归方法筛选关键预测因子，并通过逻辑回归构建预测模型。模型性能通过ROC曲线分析、校准测试和自助法验证进行评估。

结果

在多重耐药细菌病例中，铜绿假单胞菌（28.84%）、肺炎克雷伯菌（23.08%）和鲍曼不动杆菌（18.59%）占比较高。确定了8个权重最高的独立风险因素：年龄、侵入性操作、非侵入性呼吸机支持、神经系统疾病、两种或更多种抗生素联合使用、联合抗真菌治疗、血红蛋白和血清白蛋白。该模型具有良好的预测准确性，在训练集和验证集的AUC值分别为0.885（95%置信区间 [CI]: 0.8407–0.9293）和0.870（95% CI: 0.8009–0.9389）。校准分析显示模型的一致性良好（Hosmer-Lemeshow检验，P = 0.2974）。

结论

本研究开发并验证的临床预测模型纳入了医源性干预和抗生素暴露因素，能够早期识别出高风险的患者，减少感染发生率，并为医院感染控制和公共卫生政策提供基于证据的支持。