10.3760/cma.j.cn112050-20220516-00254
神经重症患者术后中枢神经系统感染预测模型的构建及验证
目的 构建列线图模型,以预测神经重症患者术后发生中枢神经系统感染(CNSI)的风险.方法 回顾性分析2020年1至2022年1月武汉大学人民医院重症医学科收治的神经外科术后患者的临床资料,共1 264例.将首义院区的987例患者作为训练集,将光谷院区的277例患者作为验证集.以术后30 d出现CNSI为研究终点.采用先单因素后多因素logistic回归分析法确定患者术后出现CNSI的危险因素,基于危险因素构建列线图模型.采用受试者工作特征(ROC)曲线、C指数及校准曲线评估列线图模型的预测准确性及判断能力,采用临床决策曲线分析(DCA)法评估模型的临床应用价值.在验证集对模型进行内部验证.结果 1 264例患者中,146例(11.6%)发生CNSI,其中训练集有102例(10.3%,102/987),验证集有44例(15.9%,44/277).多因素logistic回归分析显示,糖尿病史、急性生理与慢性健康状况(APACHE)Ⅱ评分≥10分、急诊手术、手术时间≥4 h、术中出血量≥400 ml、合并休克、术后行腰大池引流术和脑室外引流术、术后血清白蛋白≤30g/L及入住重症监护室时间≥3 d是神经重症患者术后发生CNSI的独立危险因素(均P<0.05).构建的列线图模型预测训练集及验证集患者术后发生CNSI的曲线下面积分别为0.79(95%CI:0.75~0.84)、0.72(95%CI:0.65~0.80).训练集及验证集校准曲线经Hosmer-Lemeshow拟合优度检验显示P值分别为0.267、0.179.临床DCA显示,训练集及验证集的阈值概率均在0~0.8,净获益率均>0,提示列线图预测模型的临床应用价值高.结论 基于神经重症患者术后CNSI危险因素构建的列线图模型具有良好的预测能力,有助于识别高CNSI风险的患者,并进行早期干预,降低神经重症患者术后发生CNSI的风险.
神经外科手术、中枢神经系统感染、预测、Logistic模型、列线图
39
R63;R735.2;R197.3
国家自然科学基金;国家自然科学基金;武汉市科技计划
2023-07-11(万方平台首次上网日期,不代表论文的发表时间)
共7页
594-600