严重多发伤患者预后的影响因素研究及列线图模型的建立和优化

背景随着社会的发展,创伤导致的严重多发伤患者逐年增多,这对社会劳动力造成的损失已远大于其他疾病。如何早期快速地评估病情将对患者预后产生重要影响,而一个简洁、有效的可视化评估工具可为早期诊断和治疗提供重要依据。目的分析和筛选影响严重多发伤患者预后的相关因素,构建列线图模型,进一步调整优化模型,并验证模型的临床应用价值。方法选取2015年12月至2020年12月苏州市第九人民医院综合ICU、急诊ICU收治的严重多发伤患者作为建模组人群(n=321),2021年1—8月收治的严重多发伤患者作为预测模型的验证组人群(n=136),两组均根据患者出院时病情分为救治成功和救治失败。回顾性收集患者入院时的一般资料和入院24 h内的临床资料。采用单因素分析、LASSO回归分析筛选影响严重多发伤患者预后的相关变量,运用多因素Logistic回归分析建模、限制性立方样条(RCS)进行优化,绘制列线图,采用Bootstrap方法和临床决策曲线分析(DCA)验证模型的校准度。绘制模型预测严重多发伤患者预后的受试者工作特征(ROC)曲线,利用ROC曲线下面积(AUC)等指标评价新模型。在验证组人群中进行新模型的外部验证,评估其实际临床应用价值。结果(1)建模组321例严重多发伤患者中救治成功244例,救治失败77例。LASSO回归结合多因素Logistic回归分析结果显示,年龄(OR=1.028)、格拉斯哥昏迷评分(GCS)(OR=0.616)、动脉血乳酸(LAC)(OR=1.202)、血小板计数(PLT)(OR=3.888)、损伤严重程度评分(ISS)(OR=1.104)是严重多发伤患者预后的影响因素(P<0.05),Hosmer-Lemeshow拟合优度检验结果显示χ^(2)=2.717、P=0.951,绘制静态及网页版动态列线图(即模型1列线图)。LASSO回归结合RCS拟合优化多因素Logistic回归分析结果显示,年龄、GCS与救治结果呈非线性相关,P值(for nonlinear)分别为0.027、0.001,Hosmer-Lemeshow拟合优度检验结果显示χ^(2)=2.468、P=0.932,绘制静态及网页版动态列线图(即模型2列线图)。Bootstrap方法验证模型1、模型2列线图预测效能,校准图显示标准曲线与预测曲线贴合良好,绝对误差分别为0.010、0.019,说明模型的校准度良好。模型1、模型2列线图预测严重多发伤患者预后的AUC分别为0.963〔95%CI(0.936,0.981)〕、0.974〔95%CI(0.949,0.988)〕,最佳截断值分别为0.414、0.261;模型2列线图预测严重多发伤患者预后的AUC大于模型1列线图(Z=-2.400,P=0.016)。DCA结果显示,在任何阈值概率下(0~100%),模型2列线图的净收益率高于模型1列线图。(2)验证组136例严重多发伤患者中救治成功104例,救治失败32例。在验证组人群中,模型2列线图预测严重多发伤患者预后的AUC为0.949〔95%CI(0.898,0.979)〕,Hosmer-Lemeshow拟合优度检验表明该模型拟合良好(χ^(2)=5.813,P=0.668)。模型2列线图在建模组及验证组人群中的AUC比较,差异无统计学意义(Z=1.124,P=0.263)。结论年龄、GCS、LAC、PLT、ISS是严重多发伤患者预后的影响因素,本研究基于上述5个因子构建出的列线图具有较好的预测价值,且优化后的模型2列线图准确性更高(网址:https://yinfxyz.shinyapps.io/dynnomapp2/),应用方便快捷,有助于帮助临床医生早期识别患者病情,改善患者预后。