老年脓毒性休克患者进展为慢重症的列线图预测模型的构建及验证

doi:10.11958/20220519

天津医药 ›› 2022, Vol. 50 ›› Issue (12): 1310-1315.doi: 10.11958/20220519

老年脓毒性休克患者进展为慢重症的列线图预测模型的构建及验证

肖泽让(), 何书典, 邢柏^△()

海南医学院第二附属医院东湖分院急诊科（邮编570311）

收稿日期:2022-04-19 修回日期:2022-07-13 出版日期:2022-12-15 发布日期:2022-12-30
通讯作者: 邢柏 E-mail:xzr13976551799@163.com;xb36370887@163.com
作者简介:肖泽让（1978），男，主治医师，主要从事脓毒症诊疗方面研究。E-mail：xzr13976551799@163.com
基金资助:
海南省自然科学基金资助项目(819MS128)

Construction and validation of a nomogram prediction model for the progression to chronic critical illness in elderly patients with septic shock

XIAO Zerang(), HE Shudian, XING Bai^△()

Department of Emergency, Donghu Branch of the Second Affiliated Hospital of Hainan Medical University, Haikou 570311, China

Received:2022-04-19 Revised:2022-07-13 Published:2022-12-15 Online:2022-12-30
Contact: XING Bai E-mail:xzr13976551799@163.com;xb36370887@163.com

肖泽让, 何书典, 邢柏. 老年脓毒性休克患者进展为慢重症的列线图预测模型的构建及验证[J]. 天津医药, 2022, 50(12): 1310-1315.

XIAO Zerang, HE Shudian, XING Bai. Construction and validation of a nomogram prediction model for the progression to chronic critical illness in elderly patients with septic shock[J]. Tianjin Medical Journal, 2022, 50(12): 1310-1315.

摘要/Abstract

摘要：

目的探讨老年脓毒性休克患者进展为慢重症的相关危险因素，并在此基础上构建与验证预测慢重症发生风险的列线图模型。方法将纳入研究的252例年龄≥65岁的脓毒性休克患者作为训练集，并根据是否进展为慢重症将其分为慢重症组（86例）和非慢重症组（166例）。统计2组患者入EICU 24 h内一般资料、查尔森合并症指数（CCI）评分、序贯器官衰竭评估（SOFA）评分、腹内压（IAP）、机械通气（MV）和连续肾脏替代治疗（CRRT）比例以及血清乳酸（Lac）、降钙素原（PCT）水平的差异。通过多因素Logistic回归确定老年脓毒性休克患者进展为慢重症的独立危险因素，并以此构建预测慢重症发生风险的列线图模型。分别通过校准曲线和受试者工作特征（ROC）曲线验证模型的校准度和区分度，并采用决策曲线分析法（DCA）确定模型的临床实用性。另外选取74例老年脓毒性休克患者作为验证集对预测模型进行外部验证。结果训练集老年脓毒性休克患者慢重症发生率为34.13%。与非慢重症组相比，慢重症组年龄≥75岁，CCI评分≥3分，CRRT比例、MV比例、SOFA评分、IAP水平较高（P<0.05）。多因素Logistic回归分析显示，CCI评分≥3分、SOFA评分升高、IAP升高、MV以及CRRT是老年脓毒性休克患者进展为慢重症的独立危险因素（P<0.05）。校准曲线显示，以上述5个因素构建的列线图预测模型在训练集和验证集中的预测概率与实际概率均接近，具有较好的校准度；ROC曲线显示，该模型在训练集和验证集中预测慢重症发生风险的曲线下面积分别为0.806（95%CI：0.750~0.862）和0.802（95%CI：0.697~0.908），具有较好的区分度；DCA曲线表明，该模型具有较好的临床实用性。结论基于CCI评分、SOFA评分、IAP、MV和CRRT构建的列线图模型对老年脓毒性休克患者进展为慢重症风险具有良好的预测性能。

关键词: 脓毒症, 列线图, Logstic模型, 老年人, 风险评估, 慢重症

Abstract:

Objective To explore the related risk factors of the progression to chronic critical illness in elderly patients with septic shock, and to construct and verify a nomogram model to predict the risk of chronic critical illness based on the results. Methods A total of 252 patients with septic shock aged ≥ 65 years were enrolled in this study as the training set, and patients were divided into the chronic critical illness group (n=86) and the non-chronic critical illness group (n=166) according to whether they progressed to chronic critical illness. The data of general information, Charlson comorbidity index (CCI) score, sequential organ failure assessment (SOFA) score, intra-abdominal pressure (IAP), proportion of continuous renal replacement therapy (CRRT), mechanical ventilation (MV), serum levels of lactate (Lac) and procalcitonin (PCT) within 24 hours of entering EICU were analyzed in the two groups of patients. The independent risk factors for the progression of chronic critical illness in elderly patients with septic shock were identified by multivariate Logistic regression analysis, so as to establish a nomogram model based on the results to predict the risk of chronic critical illness. The calibration and discrimination of the model were evaluated by calibration curve and receiver operating characteristic (ROC) curve, respectively. The clinical practicability of the model was determined by decision curve analysis (DCA). In addition, 74 elderly patients with septic shock were selected as the verification set for external verification of the prediction model. Results The incidence of chronic critical illness in elderly patients with septic shock was 34.13% in the training set. Compared with the non-chronic critical illness group, the proportion of age≥75 years, CCI score≥3 points, MV, CRRT, SOFA score and IAP levels were higher in the chronic critical illness group (P<0.05). Multivariate Logistic regression analysis showed that CCI score≥3 points, elevated SOFA score, elevated IAP, MV and CRRT were independent risk factors for the progression to chronic critical illness in elderly patients with septic shock (P<0.05). The calibration curve showed that the nomogram prediction model constructed by the above five factors displayed good calibration in the training set and the verification set with the predicted probability closely to the actual probability. The ROC curve showed that the model displayed good discrimination in the training set and the verification set. The areas under the curve of predicting risks of chronic critical illness were 0.806 (95%CI: 0.750-0.862) and 0.802 (95%CI: 0.697-0.908), respectively. And the DCA curve demonstrated that the model had good clinical practicability. Conclusion The nomogram model based on CCI score, SOFA score, IAP, MV and CRRT shows good predicting performance in predicting the risk of progression to chronic critical illness in elderly patients with septic shock.

Key words: sepsis, nomograms, Logistic models, aged, risk assessment, chronic critical illness

中图分类号:

R515.3

图/表 6

参考文献 17

[1]	KONG G, LIN K, HU Y. Using machine learning methods to predict in-hospital mortality of sepsis patients in the ICU[J]. BMC Med Inform Decis Mak, 2020, 20(1):251. doi:10.1186/s12911-020-01271-2.
[2]	李思澄, 吴婕, 于湘友, 等. 中国慢性危重症及外科相关慢性危重症的多中心横断面研究[J]. 中华胃肠外科杂志, 2019, 22(11):1027-1033.
	LI S C, WU J, YU X Y, et al. A multicenter cross-sectional study on chronic critical illness and surgery-related chronic critical illness in China[J]. Chin J Gastrointest Surg, 2019, 22(11):1027-1033. doi:10.3760/cma.j.issn.1671-0274.2019.11.005.
[3]	STORTZ J A, MURPHY T J, RAYMOND S L, et al. Evidence for persistent immune suppression in patients who develop chronic critical illness after sepsis[J]. Shock, 2018, 49(3):249-258. doi:10.1097/SHK.0000000000000981.
[4]	DARDEN D B, BRAKENRIDGE S C, EFRON P A, et al. Biomarker evidence of the persistent inflammation,immunosuppression and catabolism syndrome(PICS) in chronic critical illness(CCI)after surgical sepsis[J]. Ann Surg, 2021, 274(4):664-673. doi:10.1097/SLA.0000000000005067.
[5]	刘凯凤, 张镇, 张郑平, 等. 重症肺炎患者早期行机械通气的列线图预测模型构建及验证[J]. 天津医药, 2021, 49(3):320-324.
	LIU K F, ZHANG Z, ZHANG Z P, et al. Construction and verification of a prediction nomogram for early mechanical ventilation in patients with severe pneumonia[J]. Tianjin Med J, 2021, 49(3):320-324. doi:10.11958/20201075.
[6]	胡明, 杨云杰, 赵振华, 等. 预测输尿管结石进展为尿脓毒血症的列线图模型的外部验证[J]. 天津医药, 2019, 47(9):975-978.
	HU M, YANG Y J, ZHAO Z H, et al. External validation of nomogram for predicting the probability of urosepsis progressed from ureteral calculi[J]. Tianjin Med J, 2019, 47(9):975-978. doi:10.11958/20182210.
[7]	RHODES A, EVANS L E, ALHAZZANI W, et al. Surviving sepsis campaign:international guidelines for management of sepsis and septicshock:2016[J]. Intensive Care Med, 2017, 43(3):304-377. doi:10.1007/s00134-017-4683-6.
[8]	STORTZ J A, MIRA J C, RAYMOND S L, et al. Benchmarking clinical outcomes and the immunocatabolic phenotype of chronic critical illness after sepsis in surgical intensive care unit patients[J]. J Trauma Acute Care Surg, 2018, 84(2):342-349. doi:10.1097/TA.0000000000001758.
[9]	BRAKENRIDGE S C, EFRON P A, COX M C, et al. Current epidemiology of surgical sepsis:discordance between inpatient mortality and 1-year outcomes[J]. Ann Surg, 2019, 270(3):502-510. doi:10.1097/SLA.0000000000003458.
[10]	MARCHIONI A, TONELLI R, SDANGANELLI A, et al. Prevalence and development of chronic critical illness in acute patients admitted to a respiratory intensive care setting[J]. Pulmonology, 2020, 26(3):151-158. doi:10.1016/j.pulmoe.2019. 09.006.
[11]	EFRON P A, MOHR A M, BIHORAC A, et al. Persistent inflammation,immunosuppression,and catabolism and the development of chronic critical illness after surgery[J]. Surgery, 2018, 164(2):178-184. doi:10.1016/j.surg.2018.04.011.
[12]	张晓勤, 王茜, 罗晓秀, 等. 查尔森合并症指数及序贯器官衰竭评分联合降钙素原对脓毒症患者预后的评估价值[J]. 中华危重病急救医学, 2019, 31(11):1335-1339.
	ZHANG X Q, WANG Q, LUO X X, et al. Prognostic value of Charlson weighted index of comorbidities combined with sequential organ failure assessment score and procalcitonin in patients with sepsis[J]. Chin Crit Care Med, 2019, 31(11):1335-1339. doi:10.3760/cma.j.issn.2095-4352. 2019.11.005.
[13]	凤尔稳. 脓毒症高风险评分对脓毒症患者死亡风险的预测价值[J]. 天津医药, 2020, 48(8):773-776.
	FENG E W. The predictive values of high risk score of sepsis for mortality risks of septic patients[J]. Tianjin Med J, 2020, 48(8):773-776. doi:10.11958/20192876.
[14]	陈亮, 曹日进, 王金莉, 等. 脓毒症继发慢性重症患者临床特征分析[J]. 中华危重病急救医学, 2021, 33(12):1414-1417.
	CHEN L, CAO R J, WANG J L, et al. Analysis of clinical characteristics of patients with chronic critical illness after sepsis[J]. Chin Crit Care Med, 2021, 33(12):1414-1417. doi:10.3760/cma.j.cn121430-20210706-01014.
[15]	姚红林, 薛阳阳, 江方正, 等. 腹腔压力分级管理在慢重症病人肠内营养实施中的效果与评价[J]. 肠外与肠内营养, 2020, 27(2):100-103.
	YAO H L, XUE Y Y, JIANG F Z, et al. Effects of intra-abdominal pressure-directed management on enteral nutrition therapy for patients with chronic critical illness[J]. Parenteral & Enteral Nutrition, 2020, 27(2):100-103. doi:10.16151/j.1007-810x.2020.02.008.
[16]	OHBE H, MATSUI H, FUSHIMI K, et al. Epidemiology of chronic critical illness in Japan:a nationwide inpatient database study[J]. Crit Care Med, 2021, 49(1):70-78. doi:10.1097/CCM. 0000000000004723.
[17]	BAGSHAW S M, STELFOX H T, IWASHYNA T J, et al. Timing of onset of persistent critical illness:a multi-centre retrospective cohort study[J]. Intensive Care Med, 2018, 44(1):2134-2144. doi:10.1007/s00134-018-5440-1.

组别		n	年龄≥75岁		男性		CCI评分≥3分		BMI（kg/m²）							感染部位							CRRT
组别		n	年龄≥75岁		男性		CCI评分≥3分		<24			24~27.9		≥28.0		肺部		泌尿系		腹腔		其他	CRRT
非慢重症组		166	90（54.2）		91（54.8）		40（24.1）		63（38.0）			79（45.6）		24（14.5）		64（38.6）		57（34.3）		37（22.3）		8（4.8）	58（35.0）
慢重症组		86	58（67.4）		52（60.5）		46（53.5）		36（41.9）			35（40.7）		15（17.4）		30（34.9）		25（29.1）		26（30.2）		5（5.8）	42（53.5）
χ²			4.088^＊		0.736		21.770^＊＊		1.141							2.226							4.571^＊
组别	MV			Lac≥4 mmol/L		PCT（μg/L）							SOFA评分（分）					IAP（mmHg）
组别	MV			Lac≥4 mmol/L		<2		2~10		>10			2~5		6~10		>10	≤15	16~20		21~25			>25
非慢重症组	40（24.1）			79（47.6）		39（23.5）		100（60.2）			27（16.3）		96（57.8）		60（36.1）		10（6.0）	47（28.3）	51（30.7）		39（23.5）			29（17.5）
慢重症组	32（37.2）			48（55.8）		13（15.1）		54（62.8）			19（22.1）		24（27.9）		40（46.5）		22（25.6）	11（12.8）	13（15.1）		32（37.2）			30（34.9）
χ²	4.773^＊			1.533		3.041							29.251^＊＊					22.484^＊＊

组别		n	年龄≥75岁		男性		CCI评分≥3分		BMI（kg/m²）							感染部位							CRRT
组别		n	年龄≥75岁		男性		CCI评分≥3分		<24			24~27.9		≥28.0		肺部		泌尿系		腹腔		其他	CRRT
非慢重症组		166	90（54.2）		91（54.8）		40（24.1）		63（38.0）			79（45.6）		24（14.5）		64（38.6）		57（34.3）		37（22.3）		8（4.8）	58（35.0）
慢重症组		86	58（67.4）		52（60.5）		46（53.5）		36（41.9）			35（40.7）		15（17.4）		30（34.9）		25（29.1）		26（30.2）		5（5.8）	42（53.5）
χ²			4.088^＊		0.736		21.770^＊＊		1.141							2.226							4.571^＊
组别	MV			Lac≥4 mmol/L		PCT（μg/L）							SOFA评分（分）					IAP（mmHg）
组别	MV			Lac≥4 mmol/L		<2		2~10		>10			2~5		6~10		>10	≤15	16~20		21~25			>25
非慢重症组	40（24.1）			79（47.6）		39（23.5）		100（60.2）			27（16.3）		96（57.8）		60（36.1）		10（6.0）	47（28.3）	51（30.7）		39（23.5）			29（17.5）
慢重症组	32（37.2）			48（55.8）		13（15.1）		54（62.8）			19（22.1）		24（27.9）		40（46.5）		22（25.6）	11（12.8）	13（15.1）		32（37.2）			30（34.9）
χ²	4.773^＊			1.533		3.041							29.251^＊＊					22.484^＊＊

指标	β	SE	Wald χ²	P	OR（95%CI）
年龄	0.376	0.350	1.153	0.283	1.456（0.733~2.890）
CCI评分	1.062	0.337	9.908	0.002	2.891（1.493~5.600）
SOFA评分			17.039	<0.001
6~10分	0.737	0.357	4.261	0.039	2.089（1.038~4.205）
>10分	2.083	0.509	16.727	<0.001	8.026（2.958~21.776）
IAP			19.685	<0.001
16~20 mmHg	0.332	0.547	0.368	0.544	1.393（0.477~4.074）
21~25 mmHg	1.542	0.505	9.333	0.002	4.673（1.738~12.565）
>25 mmHg	1.817	0.513	12.561	<0.001	6.155（2.253~16.816）
MV	0.734	0.348	4.459	0.035	2.083（1.054~4.116）
CRRT	0.719	0.321	5.007	0.025	2.053（1.093~3.854）
常数项	-2.735	0.569	23.094	<0.001	0.031

指标	β	SE	Wald χ²	P	OR（95%CI）
年龄	0.376	0.350	1.153	0.283	1.456（0.733~2.890）
CCI评分	1.062	0.337	9.908	0.002	2.891（1.493~5.600）
SOFA评分			17.039	<0.001
6~10分	0.737	0.357	4.261	0.039	2.089（1.038~4.205）
>10分	2.083	0.509	16.727	<0.001	8.026（2.958~21.776）
IAP			19.685	<0.001
16~20 mmHg	0.332	0.547	0.368	0.544	1.393（0.477~4.074）
21~25 mmHg	1.542	0.505	9.333	0.002	4.673（1.738~12.565）
>25 mmHg	1.817	0.513	12.561	<0.001	6.155（2.253~16.816）
MV	0.734	0.348	4.459	0.035	2.083（1.054~4.116）
CRRT	0.719	0.321	5.007	0.025	2.053（1.093~3.854）
常数项	-2.735	0.569	23.094	<0.001	0.031

老年脓毒性休克患者进展为慢重症的列线图预测模型的构建及验证

Construction and validation of a nomogram prediction model for the progression to chronic critical illness in elderly patients with septic shock

引用本文

RichHTML

PDF (PC)

可视化

摘要/Abstract

使用本文

图/表 6

参考文献 17

相关文章 15

编辑推荐

Metrics

本文评价

[1]	贾维宁, 鲍亚玲, 雷慧, 殷晓宁. 夏枯草提取物对脓毒症小鼠炎症反应和腹腔巨噬细胞的影响[J]. 天津医药, 2024, 52(9): 930-935.
[2]	王远珍, 魏红艳, 常丽仙, 张映媛, 刘春云, 刘立. 原发性肝癌干预前并发肺部感染风险预测模型的建立与验证[J]. 天津医药, 2024, 52(9): 940-945.
[3]	张锡友, 郭一丹, 张春霞, 周晓玲, 贾萌, 石志华, 罗洋. 老年维持性血液透析患者高钾血症与不良预后事件相关性的临床研究[J]. 天津医药, 2024, 52(8): 840-844.
[4]	郭振江, 赵光远, 杜立强, 刘防震. 近端胃癌上切缘阳性术前列线图预测模型的建立和验证[J]. 天津医药, 2024, 52(8): 845-849.
[5]	钟敏, 施震, 周劲松, 李晋杰. GABA信号通路对脓毒症大鼠急性肺损伤内质网应激和线粒体自噬的影响[J]. 天津医药, 2024, 52(7): 733-737.
[6]	徐斌, 诸赟, 陈浩, 朱红俊, 高枫, 夏丛奕, 钟玲, 苏伟. 超滤治疗老年心力衰竭合并衰弱患者的有效性及安全性[J]. 天津医药, 2024, 52(7): 743-747.
[7]	韩琴, 韩秀丽, 陈伟然. 老年脑卒中患者康复治疗后抑郁障碍的影响因素分析[J]. 天津医药, 2024, 52(6): 639-642.
[8]	韩正怡, 李锐, 陈齐, 王家友, 盛奎, 宋洁, 张野. 收肌管阻滞联合全麻对老年全膝关节置换术患者术后疼痛和认知功能的影响[J]. 天津医药, 2024, 52(5): 523-527.
[9]	郑康鹏, 唐鑫国, 徐琦, 樊钰亭, 梁博, 付晓伟, 方路. 胆囊癌根治手术成功实施列线图预测模型的建立和验证[J]. 天津医药, 2024, 52(5): 536-540.
[10]	贾西瑞, 刘莉洁. 小胶质细胞在脓毒症相关性脑病中的作用及研究进展[J]. 天津医药, 2024, 52(5): 557-560.
[11]	任燕, 陈善萍, 周莉华, 王凌霄, 管丽娟, 杨永学. 实验室衰弱指数对老年CAP住院患者并发脓毒症及脓毒性休克风险的预测价值[J]. 天津医药, 2024, 52(4): 416-421.
[12]	江洪洋, 樊世文, 刘铁龙, 谢丽萍. 个体化PEEP联合定期肺复张对行腹腔镜结直肠癌根治术老年患者术后肺不张的影响[J]. 天津医药, 2024, 52(2): 182-187.
[13]	陈慧敏, 贾洪峰, 江婷婷, 贾耀辉. 术中血糖波动和术后胰岛素抵抗对胸腔镜肺癌根治术后老年患者认知功能障碍的影响[J]. 天津医药, 2024, 52(2): 201-205.
[14]	徐芳, 梁毅, 何勇, 徐聚龙. 舒芬太尼调节JAK2/STAT3信号通路对烧伤脓毒症大鼠肝损伤的影响[J]. 天津医药, 2024, 52(11): 1158-1163.
[15]	喻萍, 周敏, 苏丹. 卵巢癌化疗耐药预测模型的建立及效果评价[J]. 天津医药, 2024, 52(11): 1177-1182.