重症COVID-19预测模型的建立和评价

目的建立重症新型冠状病毒性肺炎(COVID-19)的预测模型,并对模型进行评价。方法回顾性分析2020年1月1日至3月10日于江汉大学附属湖北省第三人民医院确诊的314例COVID-19患者入院时的基线资料,按住院后是否进展为重症COVID-19分为重症组(76例)和非重症组(238例),将两组患者间差异显著的指标纳入logistic回归分析得出重症COVID-19的独立危险因素,将所有独立危险因素的回归系数代入方程,建立一个新的联合预测因子(L)模型,以预测重症COVID-19的发生风险。结果logistic回归分析结果显示,年龄增大(OR=1.138,95%CI:1.080~1.199)、身体质量指数增高(OR=2.346,95%CI:1.509~3.646)、白细胞计数降低(OR=0.519,95%CI:0.357~0.754)、血浆白蛋白水平降低(O R=0.692,95%CI:0.588~0.815)、C反应蛋白水平升高(OR=1.029,95%CI:1.007~1.050)、D-二聚体水平升高(OR=1.278,95%CI:1.089~1.499)是患者发生重症COVID-19的独立危险因素。将这6个独立危险因素拟合为一个新变量,即为联合预测因子L,L的受试者工作特征(ROC)曲线下面积(AUC)为0.985(95%CI:0.974~0.996),截断点为12.90,敏感度为93.4%,特异度为95.0%。结论联合预测因子在各变量中对于重症COVID-19发生的预测价值最高,这对重症患者的早期识别有一定的临床指导意义。

慢性肾衰竭患者发生抗生素脑病的预测模型的建立和评价

目的探讨慢性肾衰竭(CRF)患者发生抗生素相关性脑病(AAE)的危险因素,并建立预测模型。方法回顾性分析784例CRF患者的临床资料,所有患者均使用了抗生素治疗,根据患者有无发生AAE,分为AAE组(103例)和非AAE组(681例),将两组患者有统计学意义的临床指标纳入Logistic回归分析,得出AAE发生的独立危险因素并建立预测模型,并使用列线图展示模型。采用ROC曲线、校准曲线判定该模型的区分度及校准度,使用Bootstrap法对模型进行内部验证。结果多变量Logistic回归分析显示,年龄大(OR 1.033,95%CI:1.012~1.054)、低血浆白蛋白(OR 0.852,95%CI:0.802~0.905)、低GFR(OR 0.963,95%CI:0.940~0.988)、单用β-内酰胺酶抑制剂复方制剂类抗生素(OR 3.827,95%CI:1.528~9.584)、两种或两种以上抗生素联用(OR 2.913,95%CI:1.187~7.149)以及抗生素未减量使用(OR 0.343,95%CI:0.212~0.553)均为CRF患者发生AAE的独立影响因素。列线图模型的ROC曲线下面积为0.808(95%CI:0.770~0.846),内部验证C-统计量0.808。结论本研究建立的预测模型可对临床上早期识别CRF患者的AAE风险及实施预防性措施提供一定参考价值。