A-VIVO评分：一种用于预测脓毒症患者病死率的新型预后工具

《Irish Journal of Medical Science (1971 -)》：The A-VIVO score: a novel prognostic tool for predicting mortality in patients with sepsis

　　

背景：脓毒症是与重症监护病房收治患者高发病率和高病死率相关的危及生命的临床综合征。早期预测病死风险对于及时干预及重症监护资源的优化使用至关重要。尽管已有多种预后评分系统可供应用，但其中许多系统较为复杂，或难以在日常临床实践中便捷使用。因此，临床上需要简便且可靠的早期风险分层工具。

目的：本研究旨在评估A-VIVO评分在预测脓毒症患者早期死亡中的预后效能。

方法：本研究为回顾性、单中心、观察性研究，回顾审查了2020年1月至2025年1月期间依据Sepsis-3标准诊断为脓毒症并收入重症监护病房的成年患者电子病历。纳入年龄≥18岁且监测时间至少48 h的患者；排除数据缺失或死亡结局不可获得的患者。依据30 d病死情况将患者分为存活组和死亡组。A-VIVO评分基于8项临床和实验室参数计算，每项赋分0～2分。

结果：共纳入683例患者。其中，400例患者（58.6%）在30 d内死亡，283例患者（41.4%）存活。死亡患者的A-VIVO评分显著更高，且该评分与病死率呈强相关。

结论：A-VIVO评分是预测脓毒症患者病死率的简便且实用的工具，可能有助于支持早期临床决策。

该文发表于《Irish Journal of Medical Science (1971 -)》，聚焦脓毒症患者30 d病死风险的早期识别问题。研究背景在于，脓毒症属于宿主对感染失调反应所致的危及生命的器官功能障碍，在重症监护病房（ICU，重症监护病房）中具有极高的致残率和病死率。现行Sepsis-3标准强调器官功能障碍在脓毒症早期识别与预后判断中的核心地位。尽管急性生理与慢性健康状况评价^II（APACHE ^II）、序贯器官衰竭评估（SOFA）及简化急性生理评分^II（SAPS ^II）等传统评分工具已广泛用于病死率预测，但这些工具往往依赖较多生理和实验室变量，需要较完整的24 h数据，计算相对繁琐，在高负荷、资源受限的ICU环境中应用存在现实障碍。正因如此，研究人员试图建立一种基于常规可得指标、计算简化且具有临床可操作性的预后工具，用于脓毒症早期风险分层。

围绕这一目标，研究人员开展了一项回顾性单中心观察性研究，评估A-VIVO评分对脓毒症患者30 d病死率的预测性能。A-VIVO名称来源于其所整合的关键维度，即年龄、生命体征、炎症、通气支持及器官功能。研究结果显示，该评分在死亡患者中显著升高，并与病死风险密切相关。其受试者工作特征（ROC）曲线下面积（AUC）达到0.763，提示具有可接受的区分能力；与SAPS ^II相比无显著差异，与APACHE ^II和SOFA相比虽略低，但整体表现接近。研究还确定A-VIVO评分≥9为较优截断值，可较好地区分高风险患者。总体而言，该研究提示，A-VIVO评分有望作为临床早期快速评估脓毒症病死风险的实用工具，对优化监护强度、促进及时干预和改善资源配置具有潜在意义。

在研究方法方面，研究人员回顾了2020年1月至2025年1月期间单中心ICU内依据Sepsis-3标准诊断的成年脓毒症患者电子病历，纳入年龄≥18岁且监测至少48 h者，若存在多次ICU住院，仅分析首次入院。根据30 d结局分为存活组与死亡组。A-VIVO评分由8项常规参数构成：年龄、平均动脉压（MAP，反映组织灌注的血流动力学指标）、格拉斯哥昏迷评分（GCS，中枢神经系统状态评估）、呼吸支持需求、中性粒细胞/淋巴细胞比值（NLR，炎症指标）、肌酐、总胆红素和乳酸。研究采用ROC曲线、DeLong检验、Youden指数、单因素Logistic回归及Spearman相关分析评价其预测效能；样本队列来源为单中心ICU电子病历数据库。

在研究结果部分，论文首先以患者基线特征与结局差异为切入点，说明A-VIVO评分构建所依据的临床与病理生理基础。研究共纳入683例脓毒症患者，其中400例于30 d内死亡，283例存活。人口学、临床、实验室及疾病严重程度指标比较显示，死亡组与存活组年龄差异无统计学意义，但男性在存活组中比例更高。更重要的是，A-VIVO评分以及APACHE ^II、SOFA、SAPS ^II、NEWS评分在死亡组均显著高于存活组，提示较高疾病负荷与不良结局密切相关。与此同时，糖尿病、高血压、脑血管疾病、慢性呼吸系统疾病、心血管疾病及慢性肾脏病等合并症在死亡组更常见；MAP和GCS更差；肌酐、白蛋白、总胆红素、C反应蛋白（CRP）、CRP/白蛋白比值（CAR）、乳酸、NLR及多项血液学参数也明显恶化。这部分结果说明，血流动力学失稳、意识障碍、全身炎症反应及多器官功能障碍共同构成脓毒症死亡风险升高的临床图景，也为A-VIVO评分纳入相关指标提供了实证支持。

在“预测效能”这一结果层面，研究通过ROC曲线比较了A-VIVO评分与传统评分体系在30 d病死率预测中的表现。结果显示，A-VIVO评分的AUC为0.763，95%置信区间为0.727–0.799，表明其具备可接受的判别能力。APACHE ^II和SOFA的AUC统计学上高于A-VIVO，而A-VIVO与SAPS ^II之间无显著差异。这一结果的核心意义在于，A-VIVO虽然使用的变量数量更少、计算更为简单，但总体预测表现可达到与SAPS ^II相近的水平，并接近APACHE ^II与SOFA，体现出较高的临床实用价值。

在“截断值与诊断准确性”部分，研究利用Youden指数确定A-VIVO评分预测病死率的最优截断值为≥9。以此作为阈值时，A-VIVO评分的敏感度为62.8%，特异度为81.6%，阳性预测值为82.8%，阴性预测值为60.8%，阳性似然比和阴性似然比分别为3.42和0.46。该结果提示，A-VIVO评分在识别高病死风险患者方面具有较好的特异性，即较高分值对死亡高风险状态有较强提示作用，适合用于床旁早期筛查与风险警示。

在“回归分析”部分，研究通过单因素Logistic回归进一步量化A-VIVO评分与病死风险的关系。结果显示，A-VIVO评分每增加1分，病死风险约增加40%，比值比（OR）为1.40，95%置信区间为1.32–1.49，且p＜0.001。该发现证明，A-VIVO评分不仅能够区分高低风险组，而且其分值本身与病死风险之间呈明确递增关系，说明评分系统内部各组成部分对预后具有累积性的临床意义。

在“风险分层”部分，研究参照APACHE ^II式的分层思路，依据A-VIVO评分区间构建风险分类。结果显示，随着A-VIVO评分升高，病死率呈逐级上升趋势：当评分为0–4分时，观察到的病死率为31.0%；当评分为10–16分时，病死率升至87%。同时，Logistic回归模型推算的预测病死率与实际观察病死率之间具有一致性。这表明A-VIVO评分不仅可作为连续变量使用，也可在临床上转化为分层风险工具，帮助医师快速识别不同病情层级的患者并实施差异化监测与治疗策略。

在“与传统评分相关性”部分，研究采用Spearman相关分析评估A-VIVO评分与APACHE ^II之间的关系。结果显示两者存在中等程度正相关，Spearman r=0.45，p＜0.001。该结果说明，A-VIVO与APACHE ^II在一定程度上反映了相似的疾病严重程度负荷，但A-VIVO基于常规临床数据即可完成计算，操作更简便，因此更适合作为时间受限或数据获取受限场景下的补充性早期评估工具。

讨论部分主要围绕A-VIVO评分的临床定位、理论依据、优势与局限展开。研究人员指出，A-VIVO评分显著关联脓毒症30 d病死率，且区分效能可接受，与SAPS ^II相当，并接近APACHE ^II和SOFA。这意味着，在减少参数数量、简化计算流程的前提下，A-VIVO仍保留了较好的预后评估能力。研究人员认为，该评分的构建逻辑根植于脓毒症的基本病理生理过程：年龄代表基础脆弱性；MAP反映血流动力学稳定性与组织灌注；GCS反映神经系统受累及总体病情；NLR提示炎症与免疫反应失衡；呼吸支持需求体现呼吸衰竭及疾病严重度；肌酐、总胆红素和乳酸分别反映肾功能障碍、肝功能障碍及组织低灌注/代谢应激。正因为这些指标均来自ICU常规评估，A-VIVO具有低额外成本、易获得、便于床旁应用的特点。

研究同时也坦陈其局限性。首先，本研究为回顾性、单中心设计，结论的普遍适用性仍有限。其次，选择偏倚及缺失数据可能影响结果稳定性。再次，为增强简便性，评分中各变量采用等权重赋分，但未依据回归系数进行数据驱动加权，这可能限制模型预测性能。此外，该评分在同一队列中完成建立与评估，未进行自助法（bootstrapping）或交叉验证等内部验证，因此存在过拟合风险。研究人员据此强调，仍需在独立、前瞻性外部队列中进一步验证该评分的泛化能力。

研究结论可译为：总之，A-VIVO评分已被证明与脓毒症患者病死率显著相关，其构成基于对血流动力学状态、意识水平、炎症及器官功能障碍的合理整合。尽管所需参数更少，但其预后预测性能可与SAPS ^II相当，并接近APACHE ^II和SOFA，因此A-VIVO可作为临床实践中一种简便、快速且具有可应用性的风险评估工具。