目的探讨急诊重症监护室患者入院3 d死亡的独立危险因素,以此建立动态网页列线图预测模型并进行验证。方法回顾性收集2018年1月至2020年12月南京医科大学附属无锡第二医院急诊重症监护病房(EICU)收治的634例患者为研究对象,用其临床资...目的探讨急诊重症监护室患者入院3 d死亡的独立危险因素,以此建立动态网页列线图预测模型并进行验证。方法回顾性收集2018年1月至2020年12月南京医科大学附属无锡第二医院急诊重症监护病房(EICU)收治的634例患者为研究对象,用其临床资料建立预测模型和内部验证。收集2021年1月至12月该院EICU收治的189例患者,用其临床数据作为验证队列。采用单因素和多因素logistic回归分析确定EICU病人早期死亡的危险因素,并构建列线图模型。受试者工作特征曲线(ROC)、C指数及校准曲线评估列线图模型的预测效能,决策曲线分析评估模型的临床获益。在验证队列中对模型进行外部验证。结果全组634例EICU患者中,61例(9.62%)入院3 d内死亡。多因素logistic回归分析显示,危重症营养风险(NUTRIC)评分(OR:1.490,95%CI:0.436~2.116,P<0.001)、国家早期预警评分(NEWS)(OR:1.304,95%CI:1.113~1.528,P=0.001)、合并急性呼吸窘迫综合征(ARDS)(OR:2.183,95%CI:1.220~3.905,P=0.009)和使用机械通气(OR:2.320,95%CI:1.249~4.308,P=0.008)是EICU病人早期死亡的独立危险因素。据此建立静态及网页版动态列线图预测模型(网址:https://wxeysunyutinggrxjbk.shinyapps.io/DynNomEICUapp/),C指数和曲线下面积(area under the curve,AUC)分别为0.832和0.895,校准曲线显示预测概率和实际概率之间具有较好的一致性。模型的外部验证也显示出良好的区分度(C指数=0.862,AUC=0.892)和一致性。决策曲线分析表明该预测模型的临床获益性和应用价值。结论基于4个独立危险因素构建的动态列线图模型能够便捷、可靠的预测EICU患者早期死亡风险,有助于精准预警患者的病情严重程度及预后,优化临床干预决策,提高救治成功率。展开更多
文摘目的探讨急诊重症监护室患者入院3 d死亡的独立危险因素,以此建立动态网页列线图预测模型并进行验证。方法回顾性收集2018年1月至2020年12月南京医科大学附属无锡第二医院急诊重症监护病房(EICU)收治的634例患者为研究对象,用其临床资料建立预测模型和内部验证。收集2021年1月至12月该院EICU收治的189例患者,用其临床数据作为验证队列。采用单因素和多因素logistic回归分析确定EICU病人早期死亡的危险因素,并构建列线图模型。受试者工作特征曲线(ROC)、C指数及校准曲线评估列线图模型的预测效能,决策曲线分析评估模型的临床获益。在验证队列中对模型进行外部验证。结果全组634例EICU患者中,61例(9.62%)入院3 d内死亡。多因素logistic回归分析显示,危重症营养风险(NUTRIC)评分(OR:1.490,95%CI:0.436~2.116,P<0.001)、国家早期预警评分(NEWS)(OR:1.304,95%CI:1.113~1.528,P=0.001)、合并急性呼吸窘迫综合征(ARDS)(OR:2.183,95%CI:1.220~3.905,P=0.009)和使用机械通气(OR:2.320,95%CI:1.249~4.308,P=0.008)是EICU病人早期死亡的独立危险因素。据此建立静态及网页版动态列线图预测模型(网址:https://wxeysunyutinggrxjbk.shinyapps.io/DynNomEICUapp/),C指数和曲线下面积(area under the curve,AUC)分别为0.832和0.895,校准曲线显示预测概率和实际概率之间具有较好的一致性。模型的外部验证也显示出良好的区分度(C指数=0.862,AUC=0.892)和一致性。决策曲线分析表明该预测模型的临床获益性和应用价值。结论基于4个独立危险因素构建的动态列线图模型能够便捷、可靠的预测EICU患者早期死亡风险,有助于精准预警患者的病情严重程度及预后,优化临床干预决策,提高救治成功率。
