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 ...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。展开更多
文摘目的 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。