ICU 細菌感染性肺炎病人抗菌藥物相關性腹瀉預警模型的構建

陳 玄，朱建龍，黃振飛，劉曉蘭，楊 柳

贛州市人民醫院,江西 341000

重癥細菌性肺炎是重癥監護病房（intensive care unit，ICU）常見的呼吸系統感染性疾病[1]。抗菌藥物作為臨床治療重癥細菌性肺炎最有效的方法，是決定病人預后的關鍵[2]。抗菌藥物種類多樣且頻繁更換，極易出現優勢菌遷移及抗菌藥物相關性腹瀉（antibioticassociated diarrhea，AAD）[3]。AAD 是指在使用抗菌藥物過程中或使用抗菌藥物后8 周內出現的無法用其他原因解釋的腹瀉[4-5]。研究表明，并發AAD 的病人住院時間延長，醫療費用及死亡風險顯著增加[6-7]。鑒于此，本研究旨在探討ICU 細菌感染性肺炎病人抗菌藥物相關性腹瀉的危險因素，構建個體化預警模型，為臨床個性化防治及護理提供依據。

1 資料與方法

1.1 一般資料 選取2017 年1 月—2020 年12 月收治的ICU 細菌感染性肺炎病人作為研究對象。納入標準：①細菌感染性肺炎確診符合《中國急診重癥肺炎臨床實踐專家共識》[8]中的診斷標準；②年齡18～80 歲；③入院前2 個月無腹瀉病史；④病例資料完整可靠。排除標準：①腸道結構功能紊亂；②脂肪瀉、慢性腸炎急性發作、食物中毒、細菌性痢疾以及護理不當等原因引起的腹瀉；③既往存在精神病史；④合并惡性腫瘤；⑤合并嚴重肝功能不全及腎衰竭等嚴重慢性疾病；⑥自身免疫性疾病及嚴重血液系統疾病；⑦器官移植術后；⑧院內死亡；⑨近3 個月內服用免疫抑制劑及激素類藥物。本研究符合《赫爾辛基宣言》提出的要求且經本院倫理委員會審查通過。根據以上標準，本次研究共納入317 例細菌感染性肺炎病人，根據其 是 否 發生AAD 分為AAD 組（n=91）和非AAD 組（n=226）。

1.2 方法

1.2.1 數據收集 收集病人的一般資料，包括年齡、性別、體質指數（body mass index,BMI）、居住地、文化程度、婚姻狀況、吸煙史、飲酒史、高血壓、糖尿病、冠心病、病程、肺炎嚴重指數評分、急性生理與慢性健康狀況評分（Acute Physiology，Age and Chronic Health Evaluation，APACHEⅡ）、ICU 住院天數、機械通氣、質子泵抑制劑（proton pump inhibitor,PPI）、抗菌藥物種類以及抗菌藥物用藥時間；病人抗菌藥物應用前的實驗室指標，主要包括清蛋白（albumin,ALB）、血紅蛋白（hemoglobin,Hb）、紅細胞（red blood cell,RBC）、白細胞（white blood cell,WBC）、血小板（platelet,PLT）、中性粒細胞、淋巴細胞、C-反應蛋白（C-reactive protein,CRP）、降鈣素原（procalcitonin,PCT）、總膽固醇（total cholesterol，TC）、三酰甘油（triacylglycerols，TG）、低密度脂蛋白膽固醇（low density lipoprotein，LDL-C）、高密度脂蛋白膽固醇（high density lipoprotein，HDL-C）、肌酐（creatinine,Cr）以及尿素氮（blood urea nitrogen,BUN）。

1.2.2 AAD 診斷 AAD 診斷標準[9]：①應用抗菌藥物后糞便性狀改變，如水樣便、黏液膿血便或見斑塊條索狀偽膜；②腹瀉頻率每日≥3 次；③持續腹瀉時間≥2 d；④糞常規檢查提示無或少量白細胞，可檢出金黃色葡萄球菌、難辨梭狀芽孢桿菌及白色念珠菌等特殊病原菌或腸道菌群失調。

1.3 統計學方法 采用SPSS 26.0 進行統計學分析。定量資料采用均數±標準差（±s）描述，進行獨立樣本t檢驗；分類資料采用例數描述，進行χ2檢驗。連續性資料的最佳截斷值及曲線下面積（area under the curve，AUC）通 過MedCalc 軟 件 獲 得，采 用 多 因 素Logistic 回歸分析影響AAD 發生的獨立危險因素。基于多因素Logistic 回歸分析結果，利用R 3.5.2 版中的RMS 軟件包繪制相關Nomogram 模型，內部驗證結果由校正曲線以及決策曲線分析獲得。P＜0.05 表示差異具有統計學意義。

2 結果

2.1 ICU 細菌感染性肺炎病人基線指標 91 例（28.71%）ICU 細菌感染性肺炎病人發生AAD，AAD組病人與非AAD 組病人基線指標比較見表1。

表1 AAD 組病人與非AAD 組病人基線資料比較

2.2 ROC 曲線分析 篩選出兩組ICU 細菌感染性肺炎病人間差異比較具有統計學意義的連續性變量，進行ROC 曲線分析。結果見圖1 及表2。

表2 兩組ICU 細菌感染性肺炎間相關連續性變量ROC 曲線分析結果

圖1 兩組ICU 細菌感染性肺炎間相關連續性變量ROC 曲線

2.3 Logistic 回歸分析 Logistic 回歸分析結果顯示：年齡（≥70 歲）、肺炎嚴重指數評分（≥108 分）、抗菌藥物種類（≥3 種）、抗菌藥物使用時間（≥10 d）以及ALB（≤32 g/L）是ICU 細菌感染性肺炎病人發生AAD 的獨立危險因素（P＜0.05），見表3。

表3 ICU 細菌感染性肺炎病人發生AAD 的多因素Logistic 回歸分析

2.4 構建ICU 細菌感染性肺炎病人發生AAD 風險的Nomogram 模型 將上述5 項AAD 發生的獨立危險因素納入ICU 細菌感染性肺炎病人發生AAD 的風險預測體系，建立Nomogram 模型，見圖2。針對該Nomogram 模型進行內部驗證，結果顯示，C-index 為0.817，95%CI（0.788，0.853），且模型預測結果與實際觀測結果接近，提示該Nomogram 模型的預測準確度較好，見圖3。決策曲線結果顯示，高風險閾值＞0.18時，該Nomogram 模型在預測ICU 細菌感染性肺炎病人發生AAD 方面可提供高于單個獨立危險因素的額外臨床凈收益，提示該Nomogram 模型具有較好的臨床效能，見圖4。

圖2 預測ICU 細菌感染性肺炎病人發生AAD 高風險的Nomogram 模型

圖3 驗證ICU 細菌感染性肺炎病人Nomogram 模型準確性的矯正曲線

圖4 預測ICU 細菌感染性肺炎病人發生AAD 高風險的決策曲線

3 討論

3.1 ICU 細菌感染性肺炎病人發生AAD 的現狀及其分析 本研究成功構建了預測ICU 細菌感染性肺炎病人AAD 發生的Nomogram 模型，并通過內部驗證顯示該Nomogram 模型的臨床效能及預測能力較好。Nomogram 模型因具有整合獨立危險因素并將疾病發生風險概率直觀顯示的能力，故可作為圖表工具用于臨床風險預測[10]。本研究中，91 例（28.71%）ICU 細菌感染性肺炎病人發生AAD，與徐元平等[11]關于老年重癥肺炎及曾芹靜等[12]關于ICU 病人的研究結果一致。

3.2 ICU 細菌感染性肺炎病人AAD 發生的危險因素及其護理策略 本研究結果顯示，年齡（≥70 歲）、肺炎嚴重指數評分（≥108 分）、抗菌藥物種類（≥3 種）、抗菌藥物使用時間（≥10 d）以及ALB（≤32 g/L）是ICU 細菌感染性肺炎病人發生AAD 的獨立危險因素。既往有研究報道，高齡是公認的AAD 的獨立危險因素[13]。究其原因，可能與老年人獨特的病理、生理有關，老年病人各臟器機能及儲備能力下降，基礎疾病較多，加之機體抵抗能力差等多重因素，使腸道菌群穩態被打破，腸黏膜細胞增殖障礙，腸黏膜屏障功能下降，易受到病原微生物感染，最終導致AAD[14]。提示護理人員應特別關注年齡≥70 歲的ICU 細菌感染性肺炎病人，注意AAD 發生前兆癥狀，提醒主管醫生及時采取相關措施消除AAD 發生風險。肺炎嚴重指數評分也是一個獨立危險因素，肺炎病情較重的病人常合并嚴重感染，尤其易誘發膿毒癥等致死性疾病，需采用廣譜、抗菌能力強的抗菌藥物，導致腸道耐藥菌大量繁殖，敏感菌被抑制，增加AAD 發生的風險[15]。護理人員應隨時關注病人的病情變化，遵醫囑采取相應的治療措施控制病情，減少AAD 發生的風險。抗菌藥物種類及抗菌藥物使用時間等指標亦能反映ICU 細菌感染性肺炎病人發生AAD 風險，這與既往研究結果[16]一致。因此，護理人員應隨時記錄病人的用藥情況，積極參與制定個體化合理用藥方案。另外，本研究還發現，ALB≤32 g/L 也是ICU 細菌感染性肺炎病人發生AAD 的一個獨立危險因素。ALB 是臨床上應用最廣泛的營養評價指標之一。細菌感染性肺炎是一種消耗性疾病，導致ALB 降低，加之感染性疾病釋放的內毒素作用于肝細胞會抑制ALB 合成。因此，ALB 水平常反映ICU 細菌感染性肺炎的嚴重程度[17]。ALB 水平下降會導致機體免疫力下降，最終增加AAD 發生的概率。因此，護理人員應為病人制定個性化的營養護理方案。

綜上所述，本研究構建的可視化Nomogram 模型臨床操作性較強，方便臨床護理人員對ICU 細菌感染性肺炎病人AAD 風險程度劃分，并針對性地采取積極、有效的護理策略以降低AAD 發生的概率。但本研究是一項小樣本單中心、回顧性研究，且只進行了內部數據驗證，未來可進一步開展多中心、大樣本的外部數據驗證，以改進模型，提高臨床適用性。