目的探究发热伴血小板减少综合征(severe fever with thrombocytopenia syndrome,SFTS)患者预后的影响因素,构建列线图预测模型并验证评价。方法回顾性分析2019年4月至2024年5月于安徽医科大学第二附属医院住院治疗SFTS成人患者的临床资...目的探究发热伴血小板减少综合征(severe fever with thrombocytopenia syndrome,SFTS)患者预后的影响因素,构建列线图预测模型并验证评价。方法回顾性分析2019年4月至2024年5月于安徽医科大学第二附属医院住院治疗SFTS成人患者的临床资料,根据院内生存情况分为生存组和死亡组。采用二元Logistic回归分析确定SFTS患者预后不良的独立危险因素并构建列线图预测模型,使用Bootstrap法重复抽样1000次进行验证,采用受试者工作特征(receiver operating characteristic,ROC)曲线及其曲线下面积(area under curve,AUC)、校准曲线和决策曲线评估列线图模型的区分度、校准度和临床适用性。结果共纳入271例SFTS患者,其中生存组215例,死亡组56例。二元Logistic回归分析显示年龄[OR=1.089,95%CI(1.018,1.166)]、病毒载量[OR=2.047,95%CI(1.192,3.514)]、消化道出血[OR=5.368,95%CI(1.635,17.625)]、肺部真菌感染[OR=6.446,95%CI(2.115,19.645)]、血清铁蛋白[OR=8.198,95%CI(1.850,36.340)]是SFTS患者院内死亡的影响因素。列线图预测模型AUC值为0.936[95%CI(0.906,0.965)],Bootstrap法重复抽样1000次后的AUC为0.928[95%CI(0.898,0.960)],校准曲线、决策曲线显示模型具有较好的一致性和净收益。结论年龄、病毒载量、消化道出血、肺部真菌感染、血清铁蛋白是SFTS院内死亡的影响因素,本研究构建的SFTS患者院内死亡风险的列线图预测模型可辅助临床识别高危患者,具有一定的临床使用价值。展开更多
文摘目的探究发热伴血小板减少综合征(severe fever with thrombocytopenia syndrome,SFTS)患者预后的影响因素,构建列线图预测模型并验证评价。方法回顾性分析2019年4月至2024年5月于安徽医科大学第二附属医院住院治疗SFTS成人患者的临床资料,根据院内生存情况分为生存组和死亡组。采用二元Logistic回归分析确定SFTS患者预后不良的独立危险因素并构建列线图预测模型,使用Bootstrap法重复抽样1000次进行验证,采用受试者工作特征(receiver operating characteristic,ROC)曲线及其曲线下面积(area under curve,AUC)、校准曲线和决策曲线评估列线图模型的区分度、校准度和临床适用性。结果共纳入271例SFTS患者,其中生存组215例,死亡组56例。二元Logistic回归分析显示年龄[OR=1.089,95%CI(1.018,1.166)]、病毒载量[OR=2.047,95%CI(1.192,3.514)]、消化道出血[OR=5.368,95%CI(1.635,17.625)]、肺部真菌感染[OR=6.446,95%CI(2.115,19.645)]、血清铁蛋白[OR=8.198,95%CI(1.850,36.340)]是SFTS患者院内死亡的影响因素。列线图预测模型AUC值为0.936[95%CI(0.906,0.965)],Bootstrap法重复抽样1000次后的AUC为0.928[95%CI(0.898,0.960)],校准曲线、决策曲线显示模型具有较好的一致性和净收益。结论年龄、病毒载量、消化道出血、肺部真菌感染、血清铁蛋白是SFTS院内死亡的影响因素,本研究构建的SFTS患者院内死亡风险的列线图预测模型可辅助临床识别高危患者,具有一定的临床使用价值。