重型颅脑创伤术后中枢神经系统感染风险预测模型的构建

摘要：

目的:建立预测重型颅脑创伤(sTBI)患者术后中枢神经系统(CNS)感染风险的列线图模型，为sTBI患者术后CNS感染的预防和早期诊治提供参考。方法:回顾性分析2017年1月至2020年9月江苏省苏北人民医院神经外科手术治疗的370例sTBI患者的临床资料。将370例患者按照7 ∶3的比例随机分为训练集(
n＝259)和内部验证集(
n＝111)。根据患者是否发生CNS感染将训练集患者分为感染组(
n＝45)和非感染组(
n＝214)，采用单因素和多因素logistic回归分析(前进法)筛选sTBI术后发生CNS感染的危险因素并构建列线图预测模型。绘制受试者工作特征(ROC)曲线并计算曲线下面积(AUC)，评估列线图模型预测CNS感染的效能，AUC>0.80为效能较高。对模型进行内部验证，采用决策曲线分析(DCA)和临床影响曲线(CIC)评价预测模型的的临床净获益情况。
结果:感染组与非感染组比较，入院GCS、脑脊液耳漏、脑脊液鼻漏、颅底骨折、脑室出血、急诊手术、手术时间、放置脑室引流管、放置颅内压探头、二次手术、颅内再出血、脑脊液取样、是否气管插管、切口感染、血清白蛋白及动脉血乳酸水平的差异均具有统计学意义(均
P<0.05)。多因素logistic回归分析结果显示，合并颅底骨折、脑脊液耳漏、脑脊液鼻漏、颅内再出血以及血清白蛋白水平的降低均为sTBI患者术后发生CNS感染的危险因素(均
P<0.05)。绘制列线图模型的ROC曲线显示，训练集和内部验证集的AUC分别为0.98(95%
CI：0.96~0.99)、0.95(95%
CI：0.88~1.00)，预测效能均较高。采用Bootstrap自抽样方法对模型进行验证，结果显示重复抽样1 000次后，训练集的预测风险与实际风险的平均绝对误差为0.02，表明预测值与实测值基本一致，具有良好的预测和鉴别能力。DCA曲线显示，列线图模型比单独的危险因素预测CNS感染的发生更准确，可提高临床获益率。CIC结果表明，列线图预测模型具有较高的临床净效益。
结论:基于sTBI术后并发CNS感染的危险因素构建的列线图预测模型操作简单，有助于早期筛查sTBI术后CNS感染的高危患者，从而达到早诊断、早治疗，以降低CNS感染的发生率。

关键词：颅脑损伤、中枢神经系统感染、危险因素、列线图、预测

所属期刊栏目：38

资助基金：国家自然科学基金82172603;江苏省自然科学基金BK20190241;National Natural Science Foundation of China82172603;Natural Science Founda-tion of Jiangsu ProvinceBK20190241

在线出版日期：2023-05-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：837-842