AECOPD機械通氣病人下呼吸道感染風險預測Nomogram模型的構建

Construction of Nomogram model for risk prediction of lower respiratory tract infection in AECOPD patients with mechanical ventilation

PAN Dandan，LI MengyaWuxi Second People′s Hospital，Jiangsu 214000 ChinaCorresponding Author LI Mengya，E-mail：406340554@qq.com

Keywords acute exacerbation of chronic obstructive pulmonary disease，AECOPD;mechanical ventilation;lower respiratory tract infection;Nomogram model;nursing;influencing factor

摘要 目的：構建慢性阻塞性肺疾病急性加重（AECOPD）機械通氣病人下呼吸道感染的風險預測Nomogram模型。方法：回顧性選取2019年1月—2022年12月在本院行機械通氣的417例AECOPD病人，將所有病人按照2∶1比例隨機分為訓練集（278例）和驗證集（139例）。收集病人資料，統計AECOPD機械通氣病人下呼吸道感染發生率，采用單因素分析和多因素Logistic回歸分析AECOPD機械通氣病人下呼吸道感染的影響因素，應用R軟件構建下呼吸道感染風險預測Nomogram模型并進行驗證。結果：下呼吸道感染發生率為51.80%（216/417）;多因素Logistic回歸分析結果顯示，年齡、合并糖尿病、機械通氣持續時間、氣管插管、合并低蛋白血癥、抗菌藥物使用時間、抗菌藥物使用種類≥2種均是AECOPD機械通氣病人下呼吸道感染的獨立影響因素（P＜0.05）;基于多因素Logistic回歸分析篩選出的7個影響因素構建風險預測Nomogram模型，該模型在訓練集和驗證集中預測的曲線下面積分別為0.873［95%CI（0.831，0.915）］、0.858［95%CI（0.791，0.914）］;訓練集和驗證集校準曲線和Hosmer-Lemeshow檢驗（P＞0.05）均顯示預測值和實際值具有良好一致性;決策曲線顯示，當訓練集閾概率在4%～90%、驗證集閾概率在9%～78%時該模型的凈收益高。結論：基于7項影響因素［年齡、合并糖尿病、機械通氣持續時間、氣管插管、合并低蛋白血癥、抗菌藥物使用時間、抗菌藥物使用種類（≥2種）］構建的AECOPD機械通氣病人下呼吸道感染的風險預測Nomogram模型具有良好區分度和一致性，且具有臨床應用價值。

關鍵詞 慢性阻塞性肺疾病急性加重;機械通氣;下呼吸道感染;Nomogram模型；護理；影響因素

doi：10.12102/j.issn.2095-8668.2024.08.029

慢性阻塞性肺疾病（COPD）呈進行性發展，具有高發病率和高死亡率的特點，全球負擔正不斷增加［1］。COPD急性加重（AECOPD）表現為呼吸困難加重、痰量增多或膿性、咳嗽加劇等，是導致病人住院治療和死亡的主要原因［2］。病原體感染是AECOPD的常見誘因［3］，在治療中常給予糖皮質激素控制炎癥、改善肺功能，但同時也增加了下呼吸道感染風險［4］。另外，AECOPD并發呼吸衰竭的危重癥病人常需給予機械通氣支持治療，而機械通氣會破壞呼吸系統防御功能、損傷氣道黏膜等，進一步增加下呼吸道感染風險，導致病人預后不良甚至死亡［5］。因此，探討AECOPD機械通氣病人下呼吸道感染的危險因素并構建風險預測Nomogram模型對臨床預測此類病人下呼吸道感染風險以及針對性防治具有重要指導意義。故本研究回顧性分析醫院收治的AECOPD機械通氣病人的臨床資料，基于篩選出的下呼吸道感染危險因素來構建風險預測Nomogram模型，以期為臨床預測識別高風險病人提供可視化工具。

1 對象與方法

1.1 研究對象

納入標準：均符合AECOPD診斷標準［6］;均行機械通氣治療;臨床資料完整。排除標準：合并肺結核、肺水腫、肺栓塞等其他肺部疾病;合并嚴重的肝腎功能障礙;合并血液疾病、自身免疫性疾病、惡性腫瘤;既往有嚴重腦血管疾病史。回顧性選取2019年1月—2022年12月醫院行機械通氣的AECOPD病人417例，將所有病人按照2∶1比例隨機分為訓練集（278例）和驗證集（139例）。

1.2 方法

1.2.1 資料收集方法

收集病人性別、年齡、體質指數、吸煙史、合并基礎疾病（包括高血壓、糖尿病、冠心病）、機械通氣持續時間、有無氣管插管、有無留置胃管、有無合并低蛋白血癥、糖皮質激素使用時間、抗菌藥物使用時間、抗菌藥物使用種類、下呼吸道感染情況及感染病人病原菌分布情況。

1.2.2 下呼吸道感染診斷標準及分組

臨床診斷標準［7］：體溫＞37 ℃，原有咳嗽、咳痰等癥狀加重，肺部聽診有濕啰音，影像學檢查肺部有炎性浸潤性改變，實驗室檢查白細胞計數和中性粒細胞計數增多。病原學診斷標準：在臨床診斷基礎上，經下呼吸道分泌物培養分離出病原菌。根據AECOPD機械通氣病人有無發生下呼吸道感染將其分為感染組和非感染組。

1.3 統計學方法

采用SPSS 26.0軟件對數據進行處理，符合正態分布的定量資料以均數±標準差（x±s）描述，采用獨立樣本t檢驗；以中位數和四分位數［M（P25，P75）］描述不符合正態分布的數據，采用Mann-Whitney U檢驗;定性數據以例數、百分比（%）描述，采用χ2檢驗;AECOPD機械通氣病人下呼吸道感染的危險因素采用單因素分析和多因素Logistic回歸模型進行分析。Nomogram模型由Stata 13軟件進行構建，采用R 3.5.1軟件包進行繪制;采用受試者工作特征曲線（ROC）的曲線下面積（AUC）評價Nomogram模型的區分度;通過校準曲線和Hosmer-Lemeshow檢驗Nomogram模型的校準度和擬合優度;采用決策曲線驗證Nomogram模型的有效性。以P＜0.05為差異有統計學意義。

2 結果

2.1 AECOPD機械通氣病人下呼吸道感染發生率及病原菌分布情況

417例AECOPD機械通氣病人中有216例發生下呼吸道感染，發生率為51.80%（216/417），其中訓練集、驗證集分別有142例、74例發生下呼吸道感染。216例發生下呼吸道感染病人中共分離出244株病原菌，病原菌分布情況見表1。

2.2 訓練集和驗證集病人臨床資料比較

訓練集和驗證集病人臨床資料比較，差異均無統計學意義（P＞0.05），見表2。

2.3 訓練集病人下呼吸道感染的單因素分析

訓練集中感染組病人性別、年齡、體質指數、合并高血壓、合并冠心病、留置胃管、糖皮質激素使用時間與非感染組病人比較差異無統計學意義（P＞0.05），感染組病人年齡、有吸煙史占比、合并糖尿病占比、機械通氣持續時間、氣管插管占比、合并低蛋白血癥占比、抗菌藥物使用時間、抗菌藥物使用種類≥2種占比均高于非感染組（P＜0.05），見表3。

2.4 訓練集病人下呼吸道感染的多因素Logistic回歸分析

將單因素分析P＜0.05的因素作為自變量，將有無下呼吸道感染發生作為因變量，賦值如下：年齡（實測值）、吸煙史（無=0，有=1）、合并糖尿病（否=0，是=1）、機械通氣持續時間（實測值）、氣管插管（否=0，是=1）、合并低蛋白血癥（否=0，是=1）、抗菌藥物使用時間（實測值）、抗菌藥物使用種類≥2種（否=0，是=1）、下呼吸道感染（無=0，有=1）。將以上變量納入多因素Logistic回歸分析模型中，結果顯示年齡、合并糖尿病、機械通氣持續時間、氣管插管、合并低蛋白血癥、抗菌藥物使用時間、抗菌藥物使用種類≥2種均是AECOPD機械通氣病人下呼吸道感染的獨立影響因素（P＜0.05），見表4。

2.5 AECOPD機械通氣病人下呼吸道感染的風險預測Nomogram模型的構建及驗證

基于多因素Logistic回歸分析篩選出的年齡、合并糖尿病、機械通氣持續時間、氣管插管、合并低蛋白血癥、抗菌藥物使用時間、抗菌藥物使用種類≥2種7個影響因素構建AECOPD機械通氣病人下呼吸道感染的風險預測Nomogram模型，見圖1。風險預測Nomogram模型在訓練集中的敏感度、特異度、AUC分別為80.95%、87.27%、0.873［95%CI（0.831，0.915）］，在驗證集中的敏感度、特異度、AUC分別為79.01%、84.48%、0.858［95%CI（0.791，0.914）］，見圖2。訓練集和驗證集校準曲線和Hosmer-Lemeshow檢驗（訓練集χ2=5.488，P=0.726;驗證集χ2=10.743，P=0.351）均顯示預測值和實際值具有良好一致性，見圖3。決策曲線顯示，當訓練集閾概率在4%～90%、驗證集閾概率在9%～78%時風險預測Nomogram模型的凈收益高，見圖4。

3 討論

下呼吸道感染是AECOPD機械通氣病人常見并發癥，既往研究報道，在AECOPD機械通氣病人中約50%的病人伴有下呼吸道感染［8］，本研究中417例AECOPD機械通氣病人中有216例發生下呼吸道感染，發生率為51.80%，與上述報道基本相符。本研究中分離出的244株病原菌中革蘭陰性菌占62.70%，革蘭陽性菌占23.77%，真菌占13.53%，提示在感染病原體中革蘭陰性菌占優勢，與黃雋敏等［9］報道一致。下呼吸道感染不僅加重病人病情，還可能導致多器官功能衰竭，增加病人死亡風險。因此，明確AECOPD機械通氣病人下呼吸道感染的影響因素以構建風險預測Nomogram模型，對于臨床預測以及有效防治下呼吸道感染具有重要意義。

本研究通過單因素分析發現，感染組病人年齡、有吸煙史占比、合并糖尿病占比、機械通氣持續時間、氣管插管占比、合并低蛋白血癥占比、抗菌藥物使用時間、抗菌藥物使用種類≥2種占比均高于非感染組病人，進一步經多因素Logistic回歸分析得出年齡、合并糖尿病、機械通氣持續時間、氣管插管、合并低蛋白血癥、抗菌藥物使用時間、抗菌藥物使用種類≥2種均是AECOPD機械通氣病人下呼吸道感染的獨立影響因素。基于以上7個影響因素構建風險預測Nomogram模型，將各影響因素風險量化，幫助臨床直觀、方便評估病人各影響因素風險，進而將病人風險分層實施個體化干預。年齡是下呼吸道感染的危險因素在既往研究中已被證實［10］，本研究中年齡也是AECOPD機械通氣病人下呼吸道感染的獨立危險因素，COPD病人肺功能和免疫功能隨著衰老逐漸降低，更容易發生感染，且在模型中年齡每增加5歲，其對下呼吸感染風險影響的權重則增加11分。吸煙對呼吸道造成不良影響，增加感染風險，本研究分析發現吸煙不是AECOPD機械通氣病人下呼吸道感染的危險因素，可能由于吸煙同時是COPD的主要誘發因素，大部分病人均有吸煙史，故在有無下呼吸道感染病人中未凸顯出顯著異質性。糖尿病病人全身微血管處于微炎性損傷狀態，并且高血糖環境為細菌生長、繁殖提供有利條件［11］。既往有研究證實糖尿病是肺炎的危險因素［12-13］，本研究結果與其相符，并且Nomogram模型顯示合并糖尿病病人風險得分為50分，提示應對合并糖尿病的病人積極控制血糖，防控下呼吸道感染。Nomogram模型中機械通氣持續時間越長，風險得分越高，可能由于長時間機械通氣會減弱呼吸、咳痰功能和咽反射，導致菌群失調，病原菌更容易通過機械通道進入下呼吸道導致感染發生。Wolkewitz等［14］也報道，機械通氣時間延長可增加肺炎累積風險。氣管插管具有創傷性，損害機體呼吸防御系統，增加病原菌入侵概率，既往研究報道，氣管插管增加COPD病人肺炎風險［15］，本研究結果亦如此，并且氣管插管在Nomogram模型占97分權重。合并低蛋白血癥在Nomogram模型占40分權重，低蛋白血癥提示病人營養狀態缺乏，可能導致免疫力下降，另外，病人同時出現負氮平衡更容易發生下呼吸道真菌感染［16］。Nomogram模型中抗菌藥物使用時間得分隨時間延長而增加，抗菌藥物使用種類≥2種得分權重為64.5分，合理、規范使用抗菌藥物能夠防治感染，但臨床中往往存在經驗性用藥，長期使用抗菌藥物或抗菌藥物聯合使用容易導致呼吸道正常菌群受到抑制、機會致病菌耐藥性增加，降低抗菌效果，增加感染概率。既往多項研究也證實抗菌藥物使用時間、抗菌藥物使用種類≥2種是AECOPD病人下呼吸道感染的危險因素［13，17-18］。

本研究對風險預測Nomogram模型進行內部驗證，ROC曲線顯示模型在訓練集中預測的敏感度、特異度、AUC分別為80.95%、87.27%、0.873，在驗證集中的敏感度、特異度、AUC分別為79.01%、84.48%、0.858，提示該模型具有良好的區分度;訓練集和驗證集校準曲線和Hosmer-Lemeshow檢驗均顯示預測值和實際值具有良好一致性;另外，決策曲線顯示，當訓練集閾概率在4%～90%、驗證集閾概率在9%～78%時風險預測Nomogram模型的凈收益高，提示該模型具有良好的臨床應用價值。

4 小結

基于年齡、合并糖尿病、機械通氣持續時間、氣管插管、合并低蛋白血癥、抗菌藥物使用時間、抗菌藥物使用種類≥2種這7個影響因素構建AECOPD機械通氣病人下呼吸道感染的風險預測Nomogram模型具有良好的區分度、一致性和臨床價值，有助于指導臨床個體化預測AECOPD機械通氣病人下呼吸道感染風險并實施個體化干預。

參考文獻：

［1］PARK H Y，KANG D，LEE H，et al.Impact of chronic obstructive pulmonary disease on mortality：a large national cohort study［J］.Respirology，2020，25（7）：726-734.

［2］WARWICK M，FERNANDO S M，AARON S D，et al.Outcomes and resource utilization among patients admitted to the intensive care unit following acute exacerbation of chronic obstructive pulmonary disease［J］.Journal of Intensive Care Medicine，2021，36（9）：1091-1097.

［3］RITCHIE A I，WEDZICHA J A.Definition，causes，pathogenesis，and consequences of chronic obstructive pulmonary disease exacerbations［J］.Clinics in Chest Medicine，2020，41（3）：421-438.

［4］SUISSA S，DELL′ANIELLO S，ERNST P.Fluticasone-based versus budesonide-based triple therapies in COPD：real-world comparative effectiveness and safety［J］.COPD，2022，19（1）：109-117.

［5］N′UEZ S A，ROVEDA G，ZRATE M S，et al.Ventilator-associated pneumonia in patients on prolonged mechanical ventilation：description，risk factors for mortality，and performance of the SOFA score［J］.Jornal Brasileiro De Pneumologia：Publicacao Oficial Da Sociedade Brasileira De Pneumologia E Tisilogia，2021，47（3）：e20200569.

［6］中華醫學會呼吸病學分會慢性阻塞性肺疾病學組.慢性阻塞性肺疾病診治指南（2007年修訂版）［J］.中華結核和呼吸雜志，2007，30（1）：8-17.

［7］王紅陽，張慶，郭紀全.呼吸內科疾病診斷標準［M］.北京：科學技術文獻出版社，2009：196-198.

［8］孫冕，鄧明堯，潘銳，等.2018—2019年某醫院AECOPD病例下呼吸道感染病原菌及危險因素［J］.中華醫院感染學雜志，2021，31（1）：53-57.

［9］黃雋敏，莊須翠，秋爽.慢性阻塞性肺疾病急性加重患者下呼吸道病原菌菌種分布及耐藥性分析［J］.檢驗醫學，2020，35（8）：771-774.

［10］張麗，范忠杰，周凡.慢性阻塞性肺疾病急性加重期肺部感染患者的病原菌分布、耐藥性及危險因素分析［J］.中國病原生物學雜志，2019，14（12）：1456-1459.

［11］FRIZZELLI A，AIELLO M，CALZETTA L，et al.The interplay between diabetes mellitus and chronic obstructive pulmonary disease［J］.Minerva Medica，2023，114（1）：68-73.

［12］FIGUEIRA GONALVES J M，GARCA BELLO M ，GOLPE R，et al.Impact of diabetes mellitus on the risk of severe exacerbation in patients with chronic obstructive pulmonary disease［J］.The Clinical Respiratory Journal，2020，14（12）：1208-1211.

［13］陳輔萍.慢性阻塞性肺疾病并發感染性肺炎危險因素分析［J］.陜西醫學雜志，2020，49（1）：102-104.

［14］WOLKEWITZ M，PALOMAR-MARTINEZ M，ALVAREZ-LERMA F，et al.Analyzing the impact of duration of ventilation，hospitalization，and ventilation episodes on the risk of pneumonia［J］.Infection Control and Hospital Epidemiology，2019，40（3）：301-306.

［15］陳竹芳，王俊，沈小玲，等.急性加重期慢性阻塞性肺疾病患者機械通氣對發生呼吸機相關性肺炎的影響因素［J］.中華醫院感染學雜志，2019，29（16）：2426-2430.

［16］HAN S S，MENG X Y.Prediction of risk for secondary lower respiratory tract fungal infection during the acute exacerbation phase of COPD［J］.Journal of Infection in Developing Countries，2023，17（2）：268-275.

［17］段友紅，梁友寶，喬林爽，等.慢性阻塞性肺部疾病急性加重患者下呼吸道感染病原菌分布、耐藥性及危險因素分析［J］.醫學動物防制，2022，38（12）：1171-1175.

［18］陳芳芳，張芳，張秀芹，等.COPD合并肺部感染危險因素及血漿 LncRNA NEAT1表達水平［J］.中華醫院感染學雜志，2021，31（17）：2673-2677.

（收稿日期：2023-05-25;修回日期：2024-01-25）

（本文編輯孫玉梅）

作者簡介 潘丹丹，主管護師，本科

*通訊作者 李夢婭，E-mail：406340554@qq.com

引用信息 潘丹丹，李夢婭.AECOPD機械通氣病人下呼吸道感染風險預測Nomogram模型的構建［J］.循證護理，2024，10（8）：1469-1474.