成人社區獲得性肺炎患者反復入院預測模型的建立

韋元元,顧紅燕,王巍偉,趙翊如,戴 繽

社區獲得性肺炎(community-acquired pneumonia, CAP)是指在醫院外罹患的感染性肺實質(含肺泡壁,即廣義上的肺間質)炎癥,包括具有明確潛伏期的病原體感染在入院后于潛伏期內發病的肺炎[1]。CAP在世界各國都有較高的發病率和病死率[2-4]。在中國,CAP的發病率約為29.8/10 000[5]。研究表明[6]與心肌梗死、休克及骨質疏松性骨折相比,肺炎的住院時長、再入院率、病死率及住院費用均最高。患者因CAP反復入院不僅影響健康,也增加了社會醫療負擔,已經成為影響人民生活健康的重要問題之一。目前已有關于CAP流行病學特征和獨立風險因素的研究[7]。并且已有研究[8]建立了兒童CAP進展為重癥肺炎的風險預測列線圖模型。然而,目前尚沒有對成人CAP反復入院的預測模型的研究。

該研究旨在探討成人CAP反復入院的危險因素,在這些危險因素的基礎上建立列線圖預測模型。并對此預測模型的準確性、區分度和收益進行驗證。為臨床早期篩查CAP反復入院的高危人群,提前采取干預措施提供依據。

1 材料與方法

1.1 研究對象回顧性收集首都醫科大學附屬北京世紀壇醫院2018年1月1日—2020年12月31日所有住院患者資料,篩選符合中華醫學會發布的《成人社區獲得性肺炎基層診療指南(2018版)》CAP標準且年齡≥18歲的患者共2 428例。排除入院后死亡患者122例,最終納入2 306例。本研究已獲醫院醫學倫理委員會審核,倫理批號:sjtky11-1x-2021(46)。

1.2 方法

1.2.1資料收集 收集入組患者的基本資料、病歷資料和實驗室數據。根據收集信息記錄患者性別、年齡、輸血史、疫苗接種史、傳染病史、過敏史、吸煙史、飲酒史、放射性物質接觸史、體溫、住院天數、住院期間特殊級抗生素使用情況、痰培養耐藥菌檢測情況、CURB_65(confusion, urea, respiratory rate, blood pressure, age65)評分、共病指數總分和反復入院情況。

1.2.2分組和評分 將患者分為對照組和反復入院組。反復入院是指1年內至少2次因CAP入院治療。各組按照6 ∶4的比例隨機分為訓練集和測試集。參考查爾森合并癥指數[13]計算共病指數,各項得分相加即為共病指數總分。CURB-65評分共包含5項指標,滿足1項計1分: ① 意識障礙; ② 尿素氮>7 mmol/L; ③ 呼吸頻率≥30 次/分; ④ 收縮壓<90 mmHg 或舒張壓≤60 mmHg; ⑤ 年齡≥65 歲。

1.3 統計學處理

1.3.1缺失值處理 該研究對于缺失小于5%的數據給予填補。分類變量缺失數據按照多重插補的方式填補,缺失的數據包括是否有飲酒史項(缺失2個數據)、是否有吸煙史項(缺失1個數據)、是否有放射性物質接觸史項(缺失2個數據)。連續變量不符合正態分布的缺失數據予以中位數補充,缺失的數據包括CURB_65評分項(缺失33個)和體溫項(缺失3個)。

1.3.3CAP反復入院預測模型構建和驗證 單因素分析中(t檢驗、卡方檢驗和U檢驗)有統計學意義的變量納入多因素Logistic回歸分析,采用逐步回歸法建立模型。首先,利用R 3.5.3統計軟件繪制列線圖預測模型。根據觀察預測是否反復入院風險和實際是否反復入院之間的一致性繪制校準曲線,并用霍斯默-萊梅肖(Hosmer-Lemeshow, H-L)檢驗評價模型的校準能力。其次,根據是否反復入院繪制受試者工作特征(receiver operating characteristic curve, ROC)曲線。用 ROC 曲線下面積(area under curve, AUC)評價模型對成人CAP反復入院風險高低的區分能力。最后,繪制決策分析曲線來評價模型的受益。

2 結果

2.1 單因素分析結果訓練集中,反復入院組和對照組的CURB-65評分、共病指數總分、住院天數、年齡、體溫、輸血史、痰培養耐藥菌陽性、特殊級抗生素使用、疫苗接種史、性別、傳染病史的差異均具有統計學意義(均P<0.05)。見表1。訓練集與測試集比較,除了體溫和是否接種疫苗史有差異,其他趨勢相同。

表1 訓練集和測試集成人CAP反復入院單因素分析結果

2.2 多因素分析結果對訓練集進行多因素Logistic回歸分析結果顯示,年齡、性別、住院天數、共病指數總分、特殊級抗生素使用、輸血史和接種疫苗史是成人CAP反復入院的獨立危險因素(均P<0.05)。見表2。

表2 成人社區獲得性肺炎反復入院多因素Logistic回歸分析

2.3 列線圖預測模型結果基于以上獨立風險因素運用R軟件繪制出的成人CAP反復入院列線圖預測模型(圖1)。列線圖中最上方0～100分值為參考基準,中間為每個預測因素在不同情況下對應的取值位置,最下方的風險概率對應所有因素取值總分。在模型中每個預測因子對應的最大分數分別是年齡100分、共病指數總分38 分、特殊級抗生素使用11分、有無輸血史18分、住院天數45分、性別8分。以上7個預測因子對應的分數相加的總和對應的概率就是成人CAP反復入院的預測概率。列線圖預測模型中總分為80、95、106、114、122、130、138、148、164分分別對應的成人CAP反復入院預測風險是0.1、0.2、0.3、0.4、0.5、0.6、0.7、0.8、0.9。

圖1 成人社區獲得性肺炎患者反復入院列線圖預測模型

2.4 H-L檢驗結果圖2A是模型在訓練集上的校準曲線,圖2B是模型在測試集上的校準曲線。預測模型校準曲線Y軸代表實際是否反復入院的結果,X軸代表預測是否反復入院風險。灰色對角線代表了理想模型,而黑色實線代表模型的性能,兩條線相距越近表示模型擬合效果越好。H-L檢驗結果為8.873(P=0.353),P>0.05表明模型校準能力較好。兩組校正曲線顯示,列線圖預測模型預測患者因CAP反復入院概率與實際概率具有較好的一致性。

圖2 成人CAP患者反復入院預測模型校準曲線

2.5 模型AUC評價根據是否因CAP反復入院繪制ROC曲線(圖3)。一般AUC值大于0.75,說明預測準確率高。測試集的AUC為0.775。測試集在ROC曲線下尋找最大約登指數(Max(靈敏度+特異度-1),在切點為0.21時最大,約登指數對應值為0.45,敏感度為0.824,特異度為0.626。說明本研究建立的風險預測模型具有良好的預測能力。

圖3 CAP患者反復入院預測模型的ROC曲線

2.6 決策分析曲線如圖4所示,黑色實線表示所有樣本都是陰性,所有人都沒有干預,凈收益為0。灰色線表示所有樣本都是陽性,所有人都接受了干預,凈收益斜率為負值的斜線。虛線為本研究風險預測模型的受益曲線,比黑色和灰色的極端曲線高,提示可以選的閾值(Pt)范圍較大,相對安全。通過約登指數計算出的閾值,在此閾值干預也可以產生較好的受益。本研究當閾值選擇為由約登指數得出的0.21時,模型能夠產生凈收益0.104。

圖4 CAP患者反復入院預測模型決策分析曲線

3 討論

本研究發現年齡、性別、住院天數、共病指數總分、接種疫苗史、特殊級抗生素使用史和輸血史為成人CAP反復入院的獨立風險因素。已有研究[9]表明年齡是影響成人CAP預后的重要影響因素。老年人器官多發生退行性變化,呼吸道防御功能減退,病原體一旦入侵, 發展迅速,機體免疫機制難以作出及時反應,因而預后更差[10]。關于合并癥對肺炎影響的研究[11-12]表明糖尿病和癌癥等合并癥是CAP發生的獨立風險因素。此外,有研究表明[13]CAP患病率男性高于女性,這可能與男性有較高的吸煙率或者存在不同的免疫反應有關。CAP常見的感染菌群主要為肺炎鏈球菌,目前接種疫苗仍是預防肺炎鏈球菌和流感感染的主要策略。研究[14]表明肺炎球菌和流感疫苗與CAP患者病死率和住院率的降低有關。同時有指南[1]指出老年、伴有基礎疾病、有耐藥菌感染史、長期和反復入院史或應用三代頭孢抗生素的患者是感染耐藥菌的高危人群。本研究結果顯示患者入院后痰培養耐藥菌陽性是CAP反復入院的危險因素,這預示著患者可能存在重癥感染或耐藥菌感染。特殊級別抗菌藥物一般不作為CAP的首選治療藥物,然而本研究表明特殊級別抗生素藥物的使用是CAP反復入院的獨立風險因素。因此,臨床上應考慮抗生素的過度使用問題。有研究[15]表明輸血史是CAP發生的危險因素。輸血史可能與免疫調節有關,可能因為異體輸血造成的微嵌合增加了免疫調節的發生率,同時異基因供體白細胞被認為是輸血免疫調節效應的原因之一,這種免疫調節的基礎上加上衰老,可能會導致對致命疾病的易感性增加。

本研究用CAP獨立風險因素繪制出模型,形象直觀,且預測指標容易獲取。本研究將合并癥評估指標量化成共病指數,更易于臨床操作。并且本研究利用訓練集數據建立風險預測模型,利用測試集進行模型驗證,其可靠度更強。ROC 曲線、H-L檢驗、決策曲線圖等顯示成人CAP患者反復入院風險預測模型具有良好的判別效度和受益。此預測模型可以廣泛用于社區醫院的風險人群篩查和早期干預。醫務人員可以針對高危因素為高風險人員采取預防性干預(諸如規范抗生素使用,實施有效的用藥和健康教育,以及定期監測等)從而減少成人CAP的反復入院率。該研究也存在一定局限性,整個研究僅基于一家醫院記錄的回顧性病例資料,患者在其他醫療機構因CAP入院情況尚未收集。需要開展前瞻性的研究來進一步驗證本研究的結果。