目的探讨脓毒症患者发生脓毒症相关脑病(SAE)的危险因素,建立简便、易用的预测模型并进行验证。方法回顾性分析徐州医科大学附属医院2017年1月至2021年12月入住重症监护病房(ICU)脓毒症患者的临床资料,根据纳入排除标准,确定最终入选病...目的探讨脓毒症患者发生脓毒症相关脑病(SAE)的危险因素,建立简便、易用的预测模型并进行验证。方法回顾性分析徐州医科大学附属医院2017年1月至2021年12月入住重症监护病房(ICU)脓毒症患者的临床资料,根据纳入排除标准,确定最终入选病例,将2017年1月至2019年12月收集的病例作为训练队列组(n=640),将2020年1月至2021年12月收集的病例作为验证队列组(n=300)。将训练队列组患者资料进行Logistic回归分析,确定SAE发生的危险因素,建立回归方程,并可视化为列线图。验证队列组对建立的回归方程进行验证,通过绘制受试者工作特征(receiver operating characteristic,ROC)曲线及计算ROC曲线下面积(area under the curve,AUC)评价模型的区分度,通过Hosmer-Lemeshow检验和校准图评价模型的校准度。结果本研究共纳入940例患者,单因素及多因素Logistic回归结果表明,高龄、使用升压药、高中枢神经特异蛋白(S100β)水平、低脉搏血氧饱和度(SpO_(2))和低蛋白血症5个因素为SAE发病的独立危险因素(P<0.05),纳入预测模型,该预测模型的AUC在训练和验证队列组分别为0.810(95%CI 0.763~0.857)和0.813(95%CI 0.740~0.885),模型的校准曲线在训练和验证队列组均与平面直角坐标系中45°的直线重合度较高,提示该模型的表现良好。结论本研究建立的预测模型可以科学、有效地对SAE的发生进行预测,操作简便、快速,具有重要的临床价值。展开更多
文摘目的探讨脓毒症患者发生脓毒症相关脑病(SAE)的危险因素,建立简便、易用的预测模型并进行验证。方法回顾性分析徐州医科大学附属医院2017年1月至2021年12月入住重症监护病房(ICU)脓毒症患者的临床资料,根据纳入排除标准,确定最终入选病例,将2017年1月至2019年12月收集的病例作为训练队列组(n=640),将2020年1月至2021年12月收集的病例作为验证队列组(n=300)。将训练队列组患者资料进行Logistic回归分析,确定SAE发生的危险因素,建立回归方程,并可视化为列线图。验证队列组对建立的回归方程进行验证,通过绘制受试者工作特征(receiver operating characteristic,ROC)曲线及计算ROC曲线下面积(area under the curve,AUC)评价模型的区分度,通过Hosmer-Lemeshow检验和校准图评价模型的校准度。结果本研究共纳入940例患者,单因素及多因素Logistic回归结果表明,高龄、使用升压药、高中枢神经特异蛋白(S100β)水平、低脉搏血氧饱和度(SpO_(2))和低蛋白血症5个因素为SAE发病的独立危险因素(P<0.05),纳入预测模型,该预测模型的AUC在训练和验证队列组分别为0.810(95%CI 0.763~0.857)和0.813(95%CI 0.740~0.885),模型的校准曲线在训练和验证队列组均与平面直角坐标系中45°的直线重合度较高,提示该模型的表现良好。结论本研究建立的预测模型可以科学、有效地对SAE的发生进行预测,操作简便、快速,具有重要的临床价值。