膿毒癥急性胃腸損傷28 d死亡風險列線圖模型的建立與驗證

苑 俊 陳 實 吳亞運 查玉濤 鮑俊杰 朱 玉 邵 敏

根據2016年第三版膿毒癥與膿毒性休克定義的國際共識[1]，膿毒癥被定義為宿主對感染的失調反應，是重癥監護病房 (intensive care unit, ICU) 中危及生命的器官功能障礙的主要原因。嚴重的急性胃腸損傷(acute gastrointestinal injury, AGI)是膿毒癥引起多器官功能障礙的重要機制之一，膿毒癥/膿毒癥休克患者AGI的發生率高達60%[2]，其主要表現為胃腸蠕動障礙、腸黏膜缺血及腸黏膜屏障損傷導致的胃腸道菌群和內毒素移位誘發的炎癥反應和免疫失衡[3- 4]。膿毒癥/膿毒性休克的加重將導致胃腸黏膜功能的進一步損害，形成惡性循環引發不良預后[5]。因此，盡早識別高死亡風險的膿毒癥AGI患者并對其進行早期干預治療至關重要。現階段，應用于臨床的非特異性急性生理與慢性健康狀況Ⅱ評分(acute physiology and chronic health evaluation Ⅱ, APACHE Ⅱ) 評分和特異性的序貫器官衰竭評估(sequential organ failure assessment, SOFA)評分系統均缺乏對危重患者胃腸功能的評估，而2012年歐洲重癥醫學會腹部疾病工作組(European society of critical care medicine working group on abdominal diseases, ESICM WGAP)提出的AGI分級系統只局限于患者胃腸功能的評估[6]。目前，針對膿毒癥AGI預后判斷都缺乏精確性和全面性的指標和評分系統。因此，建立膿毒癥AGI患者28 d死亡風險的預測模型很有必要。近年來隨著機器學習能力的成熟化，基于機器學習算法的預測膿毒癥及其他疾病死亡風險的預測模型相繼被開發出來，并且這些模型能夠比較精準的預測患者相關疾病的病死率[7-8]。本研究通過回顧性分析膿毒癥AGI患者的臨床資料，利用易獲取的參數，建立膿毒癥AGI患者28 d死亡風險的預測模型，并進行外部驗證，旨在盡早識別具有高死亡風險的人群，為臨床醫師制訂診療方案提供依據,現報道如下。

1 資料與方法

1.1 一般資料 (1)建模和內部驗證:回顧性分析2019年10月至2021年3月于安徽醫科大學第一附屬醫院重癥醫學科收治的169例符合膿毒癥AGI納入標準患者的臨床資料。其中，男性111例(65.7%)，女性58例(34.3%)，年齡18～85歲，平均(57.9±14.8)歲，根據28 d預后情況將患者分為生存組96例，死亡組73例，死亡率 43.2%。AGI診斷和分級標準依據2012年ESICM WGAP提出的AGI概念[4]。 AGI分級：Ⅰ級，存在胃腸道功能障礙和衰竭的風險；Ⅱ級，胃腸功能障礙；Ⅲ級，胃腸功能衰竭；Ⅳ級，胃腸功能衰竭伴有遠隔器官功能障礙。膿毒癥患者納入標準：①年齡>18歲；②膿毒癥診斷標準依據2016年第三版膿毒癥與膿毒性休克定義的國際共識[1]；膿毒性休克為在膿毒癥的基礎上，出現持續性低血壓，在充分容量復蘇后仍需血管活性藥來維持平均動脈壓(mean arterial pressure, MAP)≥65 mmHg(1 mmHg≈0.133 kPa)以及血乳酸濃度>2 mmol/L[9]；③ICU住院時間≥48 h。排除標準：①年齡<18歲；②ICU住院時間<48 h；③病例資料不完善或失去隨訪信息；④妊娠期或哺乳期婦女；⑤入院前有慢性胃腸道疾病病史或胃腸道手術病史；⑥惡性腫瘤晚期患者；⑦人類免疫缺陷病毒(human immunodeficiency virus,HIV)感染者。(2)外部驗證：回顧性收集2021年4 月至 2021年 11月于安徽醫科大學第一附屬醫院重癥醫學科診治的符合上述建模和內部驗證納入標準的73例膿毒癥AGI患者的相關資料。其中，男性52例(71.2%),女性21例(28.8%)，年齡24～76歲，平均(54.6±12.5)歲，根據28 d預后情況分為生存組41例，死亡組32例，死亡率43.8%。

1.2 研究方法 根據相關文獻指導搜集病例資料信息[9]：①一般資料，包括姓名、性別、 年齡、身體質量指數(body mass index, BMI)、基礎疾病等；②膿毒癥AGI患者入院24小時內臨床指標及相關化驗室指標。基礎生命體征參數、血常規、肝腎功能、C-反應蛋白(c-reactive protein, CRP)、降鈣素原(procaicltonin, PCT)、主要的感染部位、動脈血氣分析、APACHE Ⅱ評分、SOFA評分、是否發生膿毒性休克；③臨床干預:是否接受連續性腎臟替代治療治療、是否接受機械通氣、是否使用血管活性藥物、使用糖皮質激素藥物劑量、靜脈質子泵抑制劑(proton pump inhibitor, PPI)使用劑量；④依據隨訪28 d預后情況將膿毒癥AGI患者分為生存組和死亡組。其中，病情平穩轉入普通病房或出院患者在隨訪28 d內仍存活者均納入生存組，28 d內經ICU自動出院及死亡患者均納入死亡組。⑤模型的建立與驗證。通過分析169例膿毒癥AGI患者的臨床資料，比較28 d生存組和死亡組之間的差異建立預后模型。取與建模人群不同時間段的73例膿毒癥AGI患者進行模型的外部驗證。

2 結果

2.1 膿毒癥AGI患者預后的單因素分析 28 d生存組與死亡組患者的性別、年齡、BMI、基礎疾病、主要感染部位、白細胞計數(white blood cell, WBC)、血小板計數( platelet, PLT)、血清清蛋白(albumin, Alb)、總膽紅素(total bilirubin, TBIL)、血清肌酐(serum creatinine, Scr)、尿素氮(blood urea nitrogen, BUN)、PCT、PPI劑量和血糖(glucose, Glu)差異均無統計學意義(P>0.05)。其中PPI劑量數據中的極端異常值剔除后經平均值替換。死亡組患者的CRP、pH值、Lac、MAP、血管活性藥物使用比率、機械通氣比率、CRRT比率、糖皮質激素使用劑量、APACHE Ⅱ評分、SOFA評分、膿毒性休克比率以及AGI分級與生存組患者之間差異均具有統計學意義(P<0.05)。見表1。

表1 膿毒癥AGI患者預后的單因素分析

續表1

2.2 LASSO 回歸篩選預后模型變量 將單因素分析中具有統計學意義且可能對28 d死亡率有影響的因素納入LASSO 回歸中進行變量的篩選。當調節參數為lambda.1se(λ=0.08)時共篩選出4個回歸系數非零的變量，分別是Lac、使用血管活性藥物、APACHE Ⅱ評分和AGI分級。見圖1。對以上變量進行共線性診斷，所有變量的Tol均大于0.1，VIF均小于10，不具有共線性，故均納入多因素分析。見表2。

注：A 為 12 個變量的 LASSO 系數曲線，B 為在 LASSO 模型中通過 10折交叉驗證的方法篩選最合適 λ 的過程。

表2 LASSO 回歸篩選預后模型變量的共線性診斷

2.3 膿毒癥AGI患者預后模型的建立及評價 LASSO回歸篩選出的4個預測變量進行多因素logistic回歸分析，其中，符合連續性數據的變量直接帶入logistic回歸，二分類變量在進行賦值后帶入，因變量賦值為：男性=1，女性=0；使用血管活性藥物=1，未使用血管活性藥物=0。預測變量均為膿毒癥AGI患者預后的獨立危險因素(P<0.05)，在校正性別和年齡構建出最終的預測模型。見表3。其初始C-index為0.913，校正后C-index為0.897，說明該模型具有良好的區分度。Hosmer-Lemeshow檢驗顯示P>0.05，通過Bootstrap重復抽樣方法(1 000次)對模型進行內部驗證，Calibration曲線斜率為1，Brier值為0.118，說明該模型預測28d死亡風險概率與實際觀察到的死亡概率一致性較好，見圖2A。DCA曲線顯示模型閾值概率大于1%時有較高的凈獲益率，臨床有效性較好。見圖3A。ROC曲線分析顯示模型的AUC為0.913，靈敏度為82.2%，特異度為88.5%，利用約登指數得出的最佳截斷值為0.532，顯著高于單一指標的預測效能(如Lac 、使用血管活性藥物、APACHE Ⅱ評分、AGI分級、SOFA評分、CRP)。見圖4A。

表3 膿毒癥AGI患者預后的多因素 logistic 回歸分析

注：A為模型內部驗證隊列 ，B為外部驗證隊列。虛線為標準曲線，實線為模型曲線，兩曲線重疊度越高則一致性越好。

2.4 膿毒癥AGI患者預后模型的外部驗證及評價 選擇與建模人群不同時間段的73例膿毒癥AGI患者的臨床相關資料納入預測模型進行外部驗證。其初始C-index為0.881，校正后C-index為0.841，Hosmer-Lemeshow檢驗顯示P>0.05，Calibration曲線斜率為1，Brier值為0.132。見圖2B。以上結果均與預測模型結果相近，說明預測模型在外部驗證人群中仍具有良好的區分度和校準度。DCA曲線顯示閾值概率在6%～89%時有較高的凈獲益率，其臨床有效性略低于預測模型。見圖3B。ROC曲線分析顯示外部驗證的AUC為0.887，以預測概率的最佳截斷值0.532視為死亡高風險時，靈敏度為75.0%(95%CI:56.6～88.5),特異度為85.4%(95%CI:70.8～94.4),與預測模型的預測效能相近，亦顯著高于其他相關指標的預測效能。見圖4B。

注：A為預測模型隊列 ，B為外部驗證隊列。縱軸為模型預測效益值，橫軸為患病風險值，藍色曲線為模型曲線，而2條極端曲線All 曲線和 None曲線作為標準曲線，模型曲線越遠離 2 條極端曲線則臨床有效性越好。

注：A為預測模型隊列 ，B為外部驗證隊列。

2.5 膿毒癥AGI患者預后模型的可視化 應用R軟件中的rms程序對預后模型可視化展示-Nomogram圖。各變量的大小對應相應的分值大小，所有分值相加為總分，總分對應28 d死亡風險概率,見圖5。例如：膿毒癥AGI患者的性別為男，對應分值約7分；年齡45歲，對應分值2.5分；APACHE Ⅱ評分15分，對應分值32.5分；Lac 6.0 mmol/L，對應分值30分；使用血管活性藥物，對應分值約24分；AGI Ⅱ級，對應分值13分。所有分值相加約為 109分，最終對應的28 d死亡風險概率為0.580，高于最佳截斷值0.532。故此認為該患者28 d死亡風險較高。

圖5 預測模型的可視化Nomogram圖

3 討論

膿毒癥是一種嚴重危及生命的器官功能障礙，為ICU患者死亡的主要原因[10-11]。胃腸道是多器官衰竭(multiple organ dysfunction syndrome, MODS)的起始部位，是受膿毒癥影響最早和最嚴重的器官之一[12]。有證據表明，MODS的發生與腸道通透性紊亂有關，其在MODS發病前就可以察覺到[13]，且器官功能衰竭數量的遞增將導致死亡率增加20%[14]。此外，嚴重AGI患者的死亡風險比輕癥AGI明顯增加[5]，本研究結果與此相符合。目前，膿毒癥AGI的高病死率已引起越來越多的關注。因此，針對膿毒癥AGI患者這一特定群體有必要提供一種可靠的評估工具，以便準確判斷病情、合理開展救治、改善患者預后。

列線圖可以把復雜的數據可視化從而表達預測模型中各變量之間的關系[15]。本研究納入169例膿毒癥AGI患者作為建模組，篩選出4個與膿毒癥AGI患者28 d 死亡風險相關的獨立危險因素，分別為Lac、APACHE Ⅱ評分、使用血管活性藥物和AGI分級，進而建立列線圖預測預后模型。預測模型建模隊列的初始C-index為0.913，校正后C-index為0.897，說明模型的區分度較高。校準曲線顯示預測概率與實際概率具有良好的一致性。決策分析曲線的閾值概率大于1% 時具有較高的凈獲益率，臨床有效性較好。ROC曲線顯示預測模型的AUC、敏感度和特異性均顯著高于傳統的單一預測指標，如Lac、使用血管活性藥物、APACHE Ⅱ評分、AGI分級、SOFA評分以及CRP(P<0.05)，預測效能較高。同時，本研究選取與預測模型不同時間段的膿毒癥AGI患者的相關資料進行外部驗證后，其準確性和穩定性依舊良好。

APACHE Ⅱ評分系統作為評估ICU患者病情嚴重程度和預后的指標被廣泛應用，其分值越高則患者病情程度越嚴重，預后越差[16]，本研究結果與此相符合。血Lac反映組織器官特別是微循環的灌注情況，與組織缺氧/低灌注之間聯系密切，是膿毒癥預后不良指標之一[17]。膿毒癥發生時，胃腸道細胞較其他組織器官細胞對缺血缺氧的反應更加敏感，糖酵解發生更早，隨之帶來的是胃腸道損傷[18]。此外，膿毒癥或膿毒性休克時可因內源性兒茶酚胺分泌不足或者β受體下調導致患者對血管活性藥物的反應性降低[19]，大劑量的血管活性藥物應用可以引起內臟及黏膜血管收縮從而加重胃腸道黏膜缺血癥狀，相應的胃腸損傷程度也越高引起預后不良，本研究中應用血管活性藥物的AGI分級較高，與既往的研究結果一致[20]。

目前，國內有不少研究者針對膿毒癥AGI患者預后建立了預測模型。Wang等[21]基于91例膿毒癥AGI患者建立預后模型的AUC為0.806。該模型的特點是連續監測1周內最高 SOFA(SOFAmax)和 AGI 評分(AGImax)進行聯合診斷。不過，其觀察時間較長且對于臨床的提前干預不能提供依據。Pan等[22]回顧性分析658例膿毒癥AGI患者所建立的死亡預警評分模型的AUC為0.909，主要由AGI分級聯合APACHE Ⅱ、SOFA 評分以及年齡構成，但缺乏對模型的驗證和可視化。相比之下，本研究構建的列線圖模型將預測指標進行了可視性量化。依據模型的最佳截斷值可以動態監測患者治療過程中病情狀態的變化，便于提前對臨床診療措施的調整，評估死亡風險的高低。同時，該模型可為后續相關方面的臨床研究提供同質化的標準。

本研究存在一些局限性。①本研究為單中心臨床回顧性研究，樣本量較小，對一些混雜因素無法進行控制。②本研究中由于應用血管活性藥物種類較多，未進行具體劑量的統計，可能會對研究有一定的影響。

綜上所述，本研究基于膿毒癥AGI患者的臨床資料，建立以性別、年齡、Lac、使用血管活性藥物、APACHE Ⅱ評分和AGI分級為核心的可視化列線圖預測模型，在建模和外部驗證后證實其無論在區分度、校準度、臨床有效性，還是在預測效能方面均具有較好的意義，能夠較好地預測膿毒癥AGI患者28 d死亡風險發生的概率，為臨床醫師的診療措施提供依據，改善患者的預后。但該列線圖模型在應用于臨床實踐前仍需通過前瞻性、多中心、大樣本量研究進一步驗證。