PPIs与重症缺血性脑卒中患者短期、长期死亡风险的关联:基于MIMIC-Ⅲ数据库的回顾性队列研究

目的 研究质子泵抑制剂(PPIs)的使用与重症缺血性脑卒中患者短期、长期死亡风险的关联。方法 基于美国重症监护医学信息数据库Ⅲ(MIMIC-Ⅲ),纳入年龄≥18岁、首次入住重症监护病房(ICU)并诊断为缺血性脑卒中的患者。根据住院期间是否使用过PPIs(泮托拉唑、兰索拉唑和奥美拉唑),将患者分为PPIs组和非PPIs组。对比2组基线数据后,采用Kaplan-Meier生存曲线和Cox比例风险回归模型分析使用PPIs与重症缺血性脑卒中患者ICU死亡风险、30 d死亡风险、90 d死亡风险的关联。结果 共纳入1 015例患者,其中PPIs组402例,非PPIs组613例。基线资料显示,重症缺血性脑卒中患者的ICU死亡率、30 d死亡率、90 d死亡率分别为15.37%,13.60%,20.10%。Kaplan-Meier生存曲线表明,相对于非PPIs组,PPIs组的ICU死亡风险较低(P=0.002)。Cox比例风险回归模型在调整多个变量后的结果显示,PPIs组相对于非PPIs组的ICU死亡风险比为0.671 9 [95%CI(0.478 8,0.942 8),P=0.021],但2组患者30 d和90 d的死亡风险差异均无统计学意义(P> 0.05)。结论 重症缺血性脑卒中患者中,使用PPIs可能会有效降低患者的ICU死亡风险,但对患者的30 d死亡风险和90 d死亡风险没有改善作用。

基于重症监护医学信息数据库-Ⅲ建立预测心脏术后再次转入重症监护室风险的模型

目的确定接受心脏手术后的患者再次转入重症监护室(intensive care unit, ICU)的独立预测因素。方法从重症监护医学信息数据库-Ⅲ(Medical Information Mark for Intensive Care Ⅲ,MIMIC-Ⅲ)中提取研究所需的患者数据;根据"再次转入ICU"的定义将其分为对照组与病例组。主要结果采用最小绝对收缩与选择算子(The least absolute shrinkage and selection operator, LASSO)回归、单因素以及多因素Logistic回归分析确定术后再次转入ICU的独立预测因素,并在此基础上构建列线图模型。结果最终共纳入4 420例接受心脏手术后的患者进行回顾性分析,其分为对照组(n=4 183,占94.6%)与病例组(n=237,占5.4%)。多因素logistic回归分析显示术前并发心律失常(OR=0.723,95%CI:0.546-0.958,P<0.05),外周血管疾病(OR=0.658,95%CI:0.465-0.930,P<0.05),肾功能不全(OR=0.649,95%CI:0.428-0.983,P<0.05),电解质紊乱(OR=0.549,95%CI:0.380-0.792,P<0.01),充血性心力衰竭(OR=0.476,95%CI:0.358-0.633,P<0.01),药物滥用(OR=0.453,95%CI:0.206-0.992,P<0.05),酗酒(OR=0.402,95%CI:0.206-0.786,P<0.01),失血性贫血(OR=0.260,95%CI:0.085-0.796,P<0.05),由急诊手术入院(OR=2.906,95%CI:2.118-3.986,P<0.01),术后并发重症脓毒症(OR=0.304,95%CI:0.095-0.974,P<0.05)为心脏术后患者再次转入ICU的独立预测因素。并且,该模型具有良好的区分能力。结论本研究建立的预测心脏术后再次转入ICU风险的列线图模型可能有助于ICU医生识别高风险患者。然而,在模型推荐用于临床实践之前,该模型需要进一步的外部验证。

经鼻高流量氧疗对AECOPD患者预后的影响——基于MIMIC-Ⅲ数据库的回顾性队列研究

目的 观察经鼻高流量氧疗(HFNC)对慢性阻塞性肺疾病急性加重(AECOPD)患者预后的影响.方法 采用回顾性队列研究.从美国重症监护医学信息数据库-Ⅲ(MIMIC-Ⅲ)中提取首次入住重症监护病房(ICU)且ICU住院时间>24 h的成年AECOPD患者,收集患者的基本信息、合并症、疾病严重程度评分、24h内生命体征平均值、24h内实验室指标平均值、ICU住院期间血管活性药物使用情况等基线数据.按接受HFNC或无创机械通气(NIV)治疗将患者分为HFNC组和NIV组.将两组患者的基本资料进行倾向性评分匹配(PSM),绘制Kaplan-Meier生存曲线,比较PSM前后两组患者气管插管/气管切开率、全因ICU病死率、全因院内病死率、全因 28d病死率的差异.结果 最终筛选出符合纳入标准的AECOPD患者 246 例,其中HFNC组 102 例,NIV组 144 例.与HFNC组比较,NIV组女性占比较高(P<0.05),序贯器官衰竭评分(SOFA)、血乳酸(Lac)、离子间隙(AG)、血小板计数(PLT)、白细胞计数(WBC)和ICU住院期间血管活性药物的使用率均明显降低(均P<0.05),动脉血二氧化碳分压(PaCO_(2))和碳酸氢根(HCO3-)水平均明显升高(均P<0.05).Kaplan-Meier生存曲线分析显示:两组患者气管插管/气管切开率、全因ICU住院病死率比较差异均无统计学意义(Log-Rank检验:χ^(2) 值分别为 2.450 和 1.210,P值分别为 0.117 和 0.271),HFNC组全因住院病死率和全因 28d病死率均明显高于NIV组(Log-Rank检验:χ^(2) 值分别为 4.970 和 3.990,P值分别为 0.026 和 0.046).纳入氧疗方式和单因素分析差异有统计学意义的性别、SOFA评分、Lac、AG、PaCO_(2)、HCO_(3)^(-)、PLT、WBC、血管加压素使用、去氧肾上腺素使用、去甲肾上腺素使用变量,构建Cox比例风险模型,结果显示,HFNC组气管插管/气管切开风险较NIV组降低 72.6%[风险比(HR)=0.274,95%可信区间(95%CI)为 0.112~0.669,P=0.004];而HFNC组和NIV组全因ICU病死率(11.76%比 7.64%)、全因住院病死率(20.59%比 10.42%)、全因 28d病死率(24.51%比14.58%)比较差异均无统计学意义(HR分别为1.141、1.352,1.415,95%CI分别为0.452~2.879、0.641~2.853、0.726~2.757,P分别为 0.780、0.428、0.307).PSM匹配后得到HFNC组患者与NIV组各 73 例.两组基线特征数据比较差异均无统计学意义.Kaplan-Meier生存曲线分析显示:HFNC组气管插管/气管切开率明显低于NIV组(Log-Rank检验:χ^(2)=7.640,P=0.006);两组全因ICU住院病死率、全因住院病死率、全因 28d病死率比较差异均无统计学意义.PSM匹配后Cox比例风险模型结果与PSM匹配前一致:HFNC组患者气管插管/气管切开风险比NIV组降低 76.1%(HR=0.239,95%CI为 0.079~0.721,P=0.011);而HFNC组全因ICU病死率、全因住院病死率、全因 28d病死率与NIV组比较差异无统计学意义(HR分别为 0.996、1.358、1.505,95%CI分别为 0.321~3.090、0.572~3.223、0.699~3.244,P值分别为 0.995、0.488、0.296).结论 HFNC治疗可降低AECOPD患者气管插管/气管切开率的同时也不会增加病死率,可以考虑作为NIV的替代方案.但仍需要开展更高质量、更全面的研究来验证HFNC的确切疗效.

基于MIMIC-Ⅲ数据库探寻脓毒症患者脉搏血氧饱和度的目标区间

目的利用美国重症监护医学信息数据库Ⅲ(MIMIC-Ⅲ)数据,探寻和验证脓毒症患者脉搏血氧饱和度(pulse oximeters,SpO_(2))的目标区间。方法提取MIMIC-Ⅲ数据库中2001年至2012年符合脓毒症标准的病历资料,构建以院内死亡为应变量,SpO_(2)中位数为自变量,年龄、性别、转移瘤、血培养、机械通气及时间、共病指数、序贯器官衰竭评分(sequential organ failure assessment,SOFA)、简化急性生理学评分(simplified acute physiology score,SAPS)Ⅱ为协变量的广义相加模型(generalized additive model,GAM),绘制院内病死率与SpO_(2)中位数的关系图,得到SpO_(2)目标区间。计算每例患者SpO_(2)处于目标区间内外的时间占比,拟合院内死亡与时间占比的关系图,验证SpO_(2)目标区间。结果共计纳入病例14203例,其中男性占比56.0%,年龄中位数68(55,79)岁,SpO_(2)中位数97%(96%,99%),院内病死率14.5%。当SpO_(2)处于95%~98%区间,脓毒症患者病死率最低,且随着SpO_(2)处于此区间时间越久,脓毒症患者病死率越低。结论脓毒症患者SpO_(2)目标区间为95%~98%。

平均动脉压变异度与重症患者短期预后的关系:基于大型临床数据库MIMIC-Ⅲ的回顾性分析

目的探讨平均动脉压(mean arterial pressure,MAP)变异度与重症患者的重症医学科(intensive care unit,ICU)病死率之间的关系。方法回顾性分析重症监护医学信息数据库(Medical Information Mart for Intensive Care,MIMIC)-Ⅲ中38852例入ICU的重症患者的临床资料,计算入ICU后24 h内记录的MAP的变异系数作为MAP变异度,采用一般线性回归观察入ICU 24 h内MAP变异度与重症患者ICU病死率之间的相关性,并采用受试者工作特征(receiver operating characteristic,ROC)曲线下面积(area under curve,AUC)评估MAP变异度预测重症患者ICU病死率的能力。结果入ICU 24 h的MAP变异度与ICU病死率之间有很好的相关性(R2=0.860,P<0.001),MAP变异度越大,ICU病死率越高。24h的MAP变异程度预测ICU病死率的AUC为0.61。结论重症患者入ICU 24 h内的MAP变异度与ICU病死率有很好的相关性,MAP变异度越大,ICU病死率越高;MAP变异度能够为简单快速预测危重患者的ICU病死率提供一定的信息。

危急重症监护数据库MIMIC-Ⅲ疾病谱分析

目的深度解析重症监护医学信息数据库（MIMIC-）患者疾病谱，为基于MIMIC-数据库解决临床科研问题的临床医生及工程师提供相关数据参考。 方法利用探索性数据分析方法，探究MIMIC-数据库中各年龄层患者（不包括新生儿）疾病及急症分布特点；基于相同方法，分析新生儿孕周、体重、重症加强治疗病房（ICU）住院时间等数据的分布特点。结果MIMIC-数据库中首次入院46-428例患者，49？214例次ICU记录。其中男性26-076例，女性20？352例；中位年龄为60.5（38.6，75.6）岁；分布在61-80岁的患者最多。疾病谱分析中，第一诊断以循环系统疾病患者占比最大（占32%），其次为损伤和中毒（占14%）、消化系统疾病（占8%）、肿瘤（占7%）、呼吸系统疾病（占6%）等。循环系统疾病中缺血性心脏病患者占比最大（占42%），患者比例随年龄增加到60-70岁达最大值后逐渐下降；而脑血管疾病患者比例则随年龄增长呈先下降后升高趋势，并且是循环系统疾病死亡的主要原因（占22.5%）。损伤和中毒患者随年龄增加比例呈明显下降趋势。消化系统疾病较总人群分布偏年轻化（50-60岁者最多），非感染性肠炎和结肠炎是其主要死亡原因（ICU病死率18.3%）。在感染患者中以呼吸系统感染为主（占34%），但循环系统感染是其主要死亡原因（ICU病死率25.6%）。监护室新生儿中早产儿占82%，随孕龄增加，ICU住院时间减少，且病死率下降。 结论通过对MIMIC-数据库患者疾病谱进行深度解析，能为相关领域研究者提供一定数据参考，利于先期掌握研究目标对象的体量和分布概况以及开展下一步研究，同时可了解探索性数据分析技术在医疗数据分析领域的重要作用，为利用电子健康档案进行数据研究提供便利。

急诊滞留时间与需要入住ICU的脓毒症患者的预后分析:一项基于大型数据库的回顾性队列研究

目的评价急诊滞留时间(Emergency Department Length of Stay,ED-LOS)与需要入住重症监护病房(Intensive Care Unit,ICU)的脓毒症患者预后之间的关系。方法此回顾性队列研究从重症监护医学信息数据库(Medical Information Mark for Intensive Care,MIMIC Ⅲ)提取出需要从急诊科(Emergency Department,ED)直接转入ICU的脓毒症患者的相关信息,以ED-LOS是否大于4 h将研究人群分成两组,比较两组患者结局指标的差异。倾向性评分匹配(Propensity Score Matching,PSM)用于平衡两组间的基线特征。多因素logistic回归分析探讨不同变量对院内死亡率、机械通气及肾脏替代治疗等临床结局的影响;绘制两组患者的28天Kaplan-Meier生存曲线,并进行log-rank检验。结果共有4 918例患者纳入分析,进行1:1 PSM后,两组均有1 895例患者,两组患者的院内死亡率及总住院时间无统计学差异。而与ED-LOS≤4 h组患者相比,>4 h组有更多的患者需要进行机械通气(29.4%vs. 39.9%,P <0.001)以及肾脏替代治疗(8.6%vs.9.8%,P=0.022)。多因素logistic回归分析提示:ED-LOS并未增加或降低院内死亡率(OR=1.016,95%CI:0.988-1.045,P=0.258);而ED-LOS降低了患者需要进行机械通气(机械通气:OR=0.912,95%CI:0.888-0.936,P=0.000)及肾脏替代治疗(OR=0.963,95%CI:0.954-0.972,P=0.021)的风险。结论 ED-LOS与脓毒症患者的院内死亡率及总住院时间并不存在相关性;但ED-LOS的延长,使得更多的脓毒症患者需要进行呼吸支持及肾脏支持治疗。

基于血压及心率变异度预测重症患者院内死亡风险

目的 利用入住重症监护病房(intensive care unit, ICU)时的血压变异度(CV-MAP)及心率变异度(CV-HR)构建预测模型,预测ICU患者院内死亡的风险。方法 回顾性分析在美国重症监护医学信息数据库Ⅲ(medical information mart for intensive care, MIMICⅢ)中年龄≥18岁,且首次入住ICU患者的临床资料。通过多因素Logistic分析筛选危险因素并构建评分系统,采用受试者工作特征(receiver operator characteristic, ROC)曲线和校准曲线评估模型区分度和校准度,采用临床决策曲线评估模型实际应用价值。结果 共筛选符合标准的患者38 824例,院内死亡患者4075例(住院病死率为10.5%)。从危险因素中选择年龄、是否合并肝脏疾病、是否合并血液系统恶性肿瘤、是否合并转移癌、住院类型、24 h心率变异系数、24 h血压变异系数、是否使用血管活性药、是否接受镇痛治疗、是否接受镇静治疗、是否接受有创机械通气构建简化预测模型。模型预测院内死亡的ROC曲线下面积(AUC)为0.743(95%CI 0.735~0.750,P<0.001),Hosmer-Lemeshow检验χ^(2)=4.978,P=0.083。使用Bootstrap法进行1000次重复采样进行内部验证,校正曲线判断预测值与实际值一致性较好。决策曲线分析提示,在高阈值风险0.1~0.6时,预测模型具有较高的实用价值。结论 基于CV-MAP及CV-HR建立ICU患者院内死亡风险预测模型具有较好的临床预测价值,有助于识别高危患者。

8类重症评分预测ICU心脏骤停患者28 d死亡风险的预测价值

目的探讨入住重症监护病房(ICU)心脏骤停(CA)患者的基本特征及入ICU首日8类重症患者疾病严重程度常用评分对28 d死亡风险的预测价值。方法提取美国重症监护医学信息数据库Ⅳ2.0(MIMIC-Ⅳ2.0)中2008至2019年重症患者的一般资料、疾病严重程度评分[急性生理学评分Ⅲ(APSⅢ)、牛津急性疾病严重程度评分(OASIS)、查尔森合并症指数(CCI)、Logistic器官功能障碍评分(LODS)、简化急性生理学评分Ⅱ(SAPSⅡ)、全身炎症反应综合征(SIRS)评分、序贯器官衰竭评分(SOFA)、终末期肝病模型评分系统(MELD)]及预后等指标。绘制8类重症评分预测患者28 d死亡风险的受试者工作特征(ROC)曲线,并计算ROC曲线下面积(AUC),使用最大约登指数定义最佳临界值,采用Delong法对各类评分的AUC进行两两验证。结果本研究共纳入2376例患者,其中生存组875例,早期死亡(28 d内)组873例,晚期死亡(>28 d)组628例。早期[70.75(57.63,81.83)岁]及晚期死亡组[70.10(60.32,79.30)岁]年龄明显高于生存组[63.67(52.88,72.90)岁],差异有统计学意义(均P<0.05),但两组差异无统计学意义(P>0.05)。三组第1天内实验室指标如血肌酐、尿素氮、血白细胞计数、国际标准化比值(INR)、血浆凝血酶原时间(PT)、活化部分凝血活酶时间(APTT)、肌酸激酶同工酶(CK-MB)、碱性磷酸酶(ALP)、天门冬氨酸氨基转移酶(AST)、丙氨酸氨基转移酶(ALT)、乳酸脱氢酶(LDH)及血乳酸(Lac)差异均有统计学意义(均P<0.05);但晚期死亡组APTT、LDH、血Lac与生存组差异无统计学意义(P>0.05)。三组心力衰竭史、脑血管疾病史、糖尿病有并发症、糖尿病无并发症、轻度肝脏疾病史、重度肝脏疾病史、肾脏疾病史、恶性肿瘤史、急性肾衰竭及脓毒症差异有统计学意义(均P<0.05)。生存组与晚期死亡组心力衰竭史、脑血管疾病史、轻度肝脏疾病史及脓毒症差异无统计学意义(P>0.05)。生存组、早期死亡组及晚期死亡组第1天内APSⅢ、CCI、LODS、MELD、SAPSⅡ评分系统两两比较后差异均有统计学意义(P<0.05),早期及晚期死亡组上述5类评分均明显高于生存组,但晚期死亡组上述评分低于早期死亡组,差异有统计学意义(均P<0.05)。除CCI、SIRS评分对CA早期死亡预测价值的AUC较弱外[0.61(0.59~0.64)、0.64(0.61~0.66)],其余6类评分对入住ICU的CA患者预测能力均较好(AUC均≥0.70)。以SAPSⅡ评分的AUC最大,为0.78(0.76~0.80),但与APSⅢ、LODS[AUC及95%可信区间(95%CI)0.77(0.75~0.80)、0.75(0.73~0.77)]差异无统计学意义(P>0.05)。将基础疾病变量纳入多因素Logistic回归方程后结果也提示,8类重症评分均与ICU的CA患者28 d内死亡明显相关(P均<0.001,OR均>1)。结论APSⅢ、LODS、MELD、OASIS、SAPSⅡ及SOFA评分均具有对ICU内CA患者早期死亡的良好预测能力,但SAPSⅡ、APSⅢ及LODS评分可能更加准确。

真菌培养阳性和阴性脓毒症合并慢性阻塞性肺疾病患者的预后分析

比较脓毒症合并慢性阻塞性肺疾病(COPD)患者中真菌培养阳性与真菌培养阴性脓毒症的特征和预后。方法通过大数据分析的方法进行回顾性分析。选择重症监护医学信息数据库-Ⅲ(MIMIC-Ⅲ)数据库内的入院诊断脓毒症合并COPD、年龄>18岁的患者作为研究对象。根据患者入住ICU后真菌培养(标本类型:呼吸道标本,如痰、支气管吸取物、肺泡灌洗液等)是否阳性分为真菌培养阳性组和真菌培养阴性组,分析两组患者的人口统计学(年龄、性别、种族、身高、体质量等)、合并症、入院24 h的生命体征、病情严重程度,采用Kaplan-Meier生存曲线比较真菌培养阳性和真菌培养阴性患者的生存率。用倾向性评分匹配组间差异。结果共1041例ICU脓毒症合并COPD患者纳入最终分析,真菌培养阳性组134例,真菌培养阴性组907例。真菌培养阳性组较真菌培养阴性组既往合并肾衰竭患者更少,入院第1天的心率更快[次/min:114(95,126)vs.108(93,123),P=0.03]、呼吸频率更高[次/min:29(26,35)vs.28(24,33),P=0.02],序贯器官衰竭评分(sequential organ failure assessment,SOFA)更高[分:8(5,10)vs.5(3,8),P<0.001],真菌培养阳性组较真菌培养阴性组机械通气时间更长[h:171.2(60.2,323.5)vs.105.0(25.6,256.8),P<0.001],住院日更长[d:12.4(7.6,23.7)vs.10.6(5.9,19.1),P=0.016],ICU住院时间更长[d:8.4(3.9,16.2)vs.3.4(1.8,9.3),P<0.001],病死率更高[28 d:38.1%vs.26.6%,P=0.006,60 d:39.6%vs.27.0%,P=0.003,90 d:40.3%vs.27.0%,P=0.002]。经倾向性匹配后,共102对匹配成功,真菌培养阳性组较真菌培养阴性组住院期间机械通气时间更长[h:173.5(57.0,305.3)vs.105.0(19.7,252.0),P=0.01],ICU住院天数更长[d:8.4(3.8,16.2)vs.3.7(1.9,10.4),P<0.001],病死率更高[28 d:38.2%vs.24.5%,P=0.035,60 d:39.2%vs.25.5%,P=0.036,90 d:39.2%vs.25.5%,P=0.036]。Kaplan-Meier生存曲线分析显示,脓毒症合并COPD患者真菌培养阴性组患者60 d累积生存率明显高于真菌培养阳性组(Log-rank检验:χ2=4.88,P=0.03)。结论真菌培养阳性的脓毒症合并COPD患者与预后不良相关,病情更严重,住院时间更长,病死率更高。

脓毒症性凝血病患者预后预测模型的建立

目的 探讨重症监护病房(ICU)内影响脓毒症性凝血病(SIC)患者预后的危险因素,建立SIC预后预测模型。方法 从美国重症监护医学信息数据库-Ⅲ(MIMIC-Ⅲ)筛选年龄≥18岁、入院诊断SIC并且首次入ICU的患者。根据患者28 d预后分成存活组和死亡组,分析两组患者一般资料、合并症、入ICU首个24 h内的实验室指标、干预措施及病情严重程度等。采用多因素Logistics回归分析确定影响SIC患者28 d预后的危险因素并建立预测模型,用受试者工作特征(ROC)曲线和校准曲线评价列线图模型区分度和校准度,建立决策曲线评估模型的临床实际应用价值。结果 最终筛选出6347例SIC患者,其中存活组5396例,死亡组951例,总体病死率为14.98%。多因素Logistics回归分析结果显示,重度SIC[优势比(OR)=1.341,95%可信区间(CI)1.144~1.572,P<0.001]、年龄(OR=1.028,95%CI 1.023~1.034,P<0.001)、序贯器官衰竭评分(SOFA)(OR=1.228,95%CI 1.199~1.257,P<0.001)、血白细胞计数最大值(WBCmax)(OR=1.009,95%CI 1.002~1.016,P=0.012)是SIC患者28 d死亡的独立危险因素。预测模型方程:-5.031+0.332×重度SIC+0.025×年龄+0.204×SOFA评分+0.009×WBCmax。使用Bootstrap法内部重复抽样1000次进行验证,校正曲线和理想曲线基本拟合,预测值和实际值一致性较好。Hosmer-Lemeshow检验显示,预测模型有较好的校准能力(P=0.075>0.05)。决策曲线显示,列线图模型在高风险阈值范围(0.3~0.8)有一定临床实用性。ROC曲线分析显示,SIC患者预后预测模型的ROC曲线下面积(AUC)为0.703(95%CI 0.685~0.722,P<0.001),当模型截断值为0.170时,敏感度为55.7%,特异度为73.9%。结论 重度SIC患者、年龄、SOFA评分、WBCmax是影响SIC患者预后的独立危险因素,基于MIMIC-Ⅲ建立的预测模型有较好的临床预测价值,对患者预后风险评估和治疗有重要意义。

酒精滥用与非酒精滥用的重症监护室患者微生物学感染指标及药敏结果的差异

目的探讨酒精滥用与非酒精滥用成人重症监护室(intensive care unit,ICU)患者微生物学感染指标检查结果的差异以及酒精滥用与其差异的关系。方法收集的研究对象数据来源于重症监护医学信息市场Ⅲ(medical information mart for intensive careⅢ,MIMIC-Ⅲ)数据库。筛选出存在微生物学感染指标检查结果的成年患者,按照是否为酒精滥用分为两组,使用倾向性评分进行匹配,匹配方法为最近邻匹配,匹配比例为1∶1,卡钳值为0.02,评估匹配后两组患者微生物学感染指标检查结果的异同。非正态分布的计量资料采用M(Q1,Q3)表示,两组比较采用Wilcoxon秩和检验;计数资料的比较采用χ^(2)检验或Fisher确切概率法。结果与非酒精滥用组相比,匹配后酒精滥用组使用机械通气比例较高[47.06%(1379/2930)与52.66%(1543/2930),χ^(2)=18.14,P<0.001];痰液标本中检测阳性患者比例较高[44.30%(400/903)与49.41%(501/1014),χ^(2)=4.81,P=0.028];而在其他标本中检测阳性比例较低[26.85%(653/2432)与21.67%(541/2496),χ^(2)=17.69,P<0.001]。在血液标本中,酒精滥用组检测出革兰阴性菌比例较低[26.87%(126/469)与17.25%(74/429),χ^(2)=11.42,P<0.001],而检测出革兰阳性菌比例较高[78.46%(368/469)与86.01%(369/429),χ^(2)=8.17,P=0.004]。酒精滥用组中检测出铜绿假单胞菌[3.75%(110/2930)与2.08%(61/2930),χ^(2)=13.88,P<0.001]和肠球菌属细菌[8.19%(240/2930)与6.45%(189/2930),χ^(2)=6.29,P=0.012]的患者占比较非酒精滥用组低,而检测出耐甲氧西林金黄色葡萄球菌[2.32%(68/2930)与3.28%(96/2930),χ^(2)=4.57,P=0.032]及流感嗜血杆菌[1.30%(38/2930)与2.01%(59/2930),χ^(2)=4.19,P=0.041]的患者占比较高。对于金黄色葡萄球菌[61.10%(322/527)与52.66%(267/507),χ^(2)=7.16,P=0.007]和肠球菌属细菌[75.83%(160/211)与63.64%(56/88),χ^(2)=4.02,P=0.045],酒精滥用组对左氧氟沙星的耐药率较低;对于大肠杆菌、铜绿假单胞菌和肺炎克雷伯菌,酒精滥用组对头孢菌素类抗生素的耐药率较低(均P<0.001)。结论存在酒精滥用可能增加成人ICU患者使用机械通气的风险,酒精滥用患者可能较易发生呼吸道感染。酒精滥用患者合并血液感染检测出革兰阴性菌比例较低,但革兰阳性菌比例较高,并且酒精滥用可能增加感染流感嗜血杆菌及耐甲氧西林金黄色葡萄球菌的风险。酒精滥用患者感染的金黄色葡萄球菌、肠球菌属细菌、大肠杆菌、铜绿假单胞菌及肺炎克雷伯菌对多数抗生素耐药率要低于非酒精滥用患者。