基于控制營養狀況評分的重癥腦卒中病人繼發肺部感染風險預測模型的構建

摘要" 目的：基于控制營養狀況（CONUT）評分評估重癥腦卒中病人的免疫營養狀況，并構建重癥腦卒中病人繼發肺部感染風險預測模型。方法：選取2021年8月—2023年8月于重慶醫科大學附屬第一醫院神經內科重癥監護室住院的重癥腦卒中病人181例作為研究對象，回顧性收集病人的一般資料、CONUT評分和肺部感染發生情況。采用Logistic回歸分析探討重癥腦卒中病人繼發肺部感染的影響因素，建立列線圖預測模型，繪制受試者工作特征（ROC）曲線和校準圖評價列線圖模型的風險預測能力，采用10?折交叉驗證進行模型內部驗證。結果：Logistic 回歸分析結果顯示，CONUT評分、氣管插管、鼻胃管、格拉斯哥昏迷量表評分和查爾森合并癥指數是重癥腦卒中病人繼發肺部感染的獨立影響因素。校正氣管插管、鼻胃管、格拉斯哥昏迷量表評分和查爾森合并癥指數后，與CONUT低分組相比，CONUT高分組繼發肺部感染的風險增加［OR=5.968，95%CI（1.728，22.560）］。預測重癥腦卒中病人繼發肺部感染的列線圖模型的ROC曲線下面積為0.841［95%CI（0.764，0.917）］，10?折交叉驗證顯示ROC曲線下面積為0.815，結果穩健。模型的校正曲線與實際曲線接近，分布與理想曲線相差不遠。結論：重癥腦卒中病人入住重癥監護室時的CONUT評分為其繼發肺部感染的影響因素，基于CONUT評分構建的預測模型預測效能較好。

關鍵詞" 控制營養狀況評分；重癥監護；腦卒中；肺部感染；風險預測；列線圖

doi：10.12102/j.issn.1009-6493.2025.02.008

基金項目 重慶市臨床重點專科建設項目，編號：渝財社〔2023〕47號

作者簡介 周姝宏，護士，碩士研究生在讀

通訊作者 劉光維，E?mail：1805208315@qq.com

引用信息 周姝宏，李鳳，陽佳家，等.基于控制營養狀況評分的重癥腦卒中病人繼發肺部感染風險預測模型的構建[J].護理研究，2025，39（2）：231?236.

Construction of risk prediction model for secondary pulmonary infection in patients with severe stroke based on Controlling Nutritional Status score

ZHOU Shuhong， LI Feng， YANG Jiajia， ZHANG Ruixin， LIU Guangwei*

The First Affiliated Hospital of Chongqing Medical University， Chongqing 400042 China

*Corresponding Author" LIU Guangwei， E?mail： 1805208315@qq.com

Abstract" Objective：To evaluate the immunonutritional status of patients with severe stroke based on Controlling Nutritional Status（CONUT） score，and to construct a risk prediction model for secondary pulmonary infection in patients with severe stroke.Methods：A total of 181 patients with severe stroke who were admitted to the neurological intensive care unit of the First Affiliated Hospital of Chongqing Medical University were selected as the study subjects from August 2021 to August 2023.The general data，CONUT score and incidence of pulmonary infection were retrospectively collected.Logistic regression analysis was used to explore the influencing factors of pulmonary infection in patients with severe stroke，and the Nomogram prediction model was established.The receiver operating characteristic（ROC） curve and calibration diagram were drawn to evaluate the risk prediction ability of the Nomogram model.10?fold" cross" validation was used for" internal" verification of the model.Results：The" results of the Logistic regression analysis showed that CONUT score，endotracheal intubation，nasogastric tube，Glasgow Coma Scale score and Charlson comorbidity index are independent influencing factors for secondary pulmonary infection in patients with severe stroke.After correction for Endotracheal intubation，nasogastric tube，Glasgow Coma Scale score，and Charlson comorbidity index，the risk of pulmonary infection was increased in the CONUT high group compared with the low group［OR=5.968，95%CI（1.728，22.560）].The area under the ROC curve of the model for predicting secondary pulmonary infection in patients with severe stroke was 0.841[95%CI（0.764，0.917）].The 10?fold cross validation showed robust results with area under the ROC curve of 0.815.The calibration curve of the model was close to the actual curve，and the distribution was not far from the ideal curve.Conclusions：The CONUT score of patients with severe stroke at the time of admission to the intensive care unit is the influencing factor of secondary pulmonary infection， and the prediction model based on the CONUT score has good prediction performance.

Keywords""" Controlling Nutritional Status score； intensive care； stroke； pulmonary infection； risk prediction； Nomogram

腦卒中是全球第二大死亡原因（2019年占總死亡人數的11.6%）和第三大傷殘原因（2019年占總傷殘調整壽命年的5.7%）[1]。肺部感染是重癥腦卒中病人的常見并發癥之一，也是其死亡的主要原因之一。腦卒中繼發肺部感染的病人病死率是單純腦卒中病人的3倍[2]，因此，早期識別重癥腦卒中繼發肺部感染的高風險病人至關重要。營養不良和免疫缺陷是重癥腦卒中繼發肺部感染的重要原因[3?4]。重癥腦卒中病人存在低度炎癥可能導致營養不良和免疫功能障礙，加速疾病進展。2005年，Ignacio De Ulíbarri等[5]首次提出將控制營養狀況（Controlling Nutritional Status，CONUT）評分作為胃腸道手術病人營養不良和免疫缺陷的早期篩查工具，Rinninella等[6?9]對其在病人中的應用價值進行了驗證。目前關于CONUT評分與重癥腦卒中繼發肺部感染的關系尚不明確。因此，本研究擬探討CONUT評分對重癥腦卒中繼發肺部感染的預測價值。

1" 對象與方法

1.1 研究對象

選取2021年8月—2023年8月于重慶醫科大學附屬第一醫院神經內科重癥監護室（neurological intensive care unit，NICU）住院的重癥腦卒中病人181例作為研究對象。納入標準：1）重癥病人，急性生理與慢性健康評分（Acute Physiology and Chronic Health Evaluation，APACHE） Ⅱ評分為10～25分[10]；2）腦卒中，經影像學檢查符合《中國急性缺血性腦卒中診治指南2018》或《中國腦出血診治指南（2019）》診斷標準；3）年齡≥18歲；4）首次發病，發病時間≤48 h，NICU停留時間≥48 h。排除標準：1）發生社區獲得性肺炎，入院48 h 內發生感染；2）入院48 h內使用抗生素、免疫制劑；3）入院時存在血流動力學不穩定、多器官衰竭或患有嚴重肝腎功能疾病、免疫系統疾病、腫瘤；4）失訪或臨床資料缺失。樣本量計算：本研究預計最終模型納入5個變量，經驗法確保每個被考慮納入最終預測模型方程的預測參數至少有10個事件發生。根據文獻檢索結果，預計CONUT中分組和高分組肺部感染發生率為38%[9]，計算樣本量為132例，考慮10%的失訪率，最終需納入樣本146例。本研究最終納入病人181例。本研究已獲得醫院倫理委員會批準（編號：K2023?326）。由于本研究為回顧性設計，倫理委員會審核免除病人知情同意。

1.2 資料收集方法

回顧性收集病人的一般資料、CONUT評分和肺部感染發生情況。所有資料均來自重慶醫科大學附屬第一醫院NICU電子病例系統。1）一般資料：包括年齡、性別、吸煙、飲酒、既往病史[高血壓、糖尿病、冠心病、心房顫動、慢性阻塞性肺疾病（COPD）、心力衰竭]、腦卒中類型、APACHEⅡ評分、美國國立衛生研究院卒中量表（National Institute of Health Stroke Scale，NIHSS）評分及格拉斯哥昏迷量表（Glasgow Coma Scale，GCS）評分、查爾森合并癥指數（CCI）、氣管插管、鼻胃管使用情況。2）CONUT評分：病人入院48 h內收集其白蛋白、總膽固醇、淋巴細胞計數，將3個指標賦值相加計算CONUT評分，總分0～12分[7]。將CONUT評分0分或1分、2～4分、5～12分的病人分別歸為低分組、中分組、高分組[11]。3）肺部感染發生情況：統計重癥腦卒中病人在NICU住院期間的肺部感染發生情況，根據2018年中華醫學會呼吸病學分會感染學組發布的《中國成人醫院獲得性肺炎與呼吸機相關性肺炎診斷和治療指南》，肺部感染指征包括出現咳嗽、咳痰、發熱等肺部感染癥狀和體征；通過胸部X線或CT等影像學檢查顯示存在肺部感染征象；白細胞等實驗室檢查結果異常。

1.3 數據處理方法

病人指標缺失率gt;20%視為失訪；定量資料缺失率lt;5%采用均數或中位數替代缺失數值，缺失率為5%～10%使用回歸方程充填法，缺失率gt;10%應用多重插補法填充。

1.4 統計學方法

采用SPSS 26.0進行統計學分析。符合正態分布的定量資料以均數±標準差（x±s）表示，組間比較采用t檢驗；不符合正態分布的定量資料以中位數（四分位數）[M（P25，P75）]表示，組間比較采用Mann?Whitney U檢驗；定性資料以頻數及百分比（%）表示，組間比較采用χ2檢驗或Fisher精確概率法。采用Logistic回歸分析探究CONUT評分對重癥腦卒中病人繼發肺部感染的影響，計算比值比（odds ratio，OR）及其95%置信區間（confidence interval，CI），并應用rms程序包建立列線圖預測模型。采用10?折交叉驗證對模型進行內部驗證，繪制受試者工作特征（receiver operating characteristic，ROC）曲線，計算基于CONUT評分的重癥腦卒中病人繼發肺部感染預測模型的曲線下面積。以Plt;0.05表示差異有統計學意義。

2" 結果

2.1 重癥腦卒中病人繼發肺部感染影響因素的單因素分析

181例重癥腦卒中病人中有62例（34.25%）住院期間發生肺部感染，119例（65.75%）住院期間未發生肺部感染。重癥腦卒中病人繼發肺部感染影響因素的單因素分析結果見表1。

2.2 重癥腦卒中病人繼發肺部感染影響因素的多因素分析

以肺部感染發生情況為因變量（未感染=0，感染=1），以單因素分析中有統計學意義（Plt;0.05）的變量及P值與0.05接近的變量（高血壓）為自變量進行Logistic 回歸分析。自變量賦值情況：CONUT評分，低分組=1，中分組=2，高分組=3；年齡，≤65歲=0，gt;65歲=1；高血壓，無=0，有=1；氣管插管，否=0，是=1；鼻胃管，否=0，是=1；GCS評分以原值代入；CCI以原值代入。模型1結果顯示，與低分組相比，CONUT高分組繼發肺部感染的風險增加[OR=5.185，95%CI（1.860，15.381）]。模型3結果顯示，加入其他變量后，CONUT高分組OR值相較于模型1無明顯變化。CONUT評分、氣管插管、鼻胃管、GCS評分和CCI是重癥腦卒中病人繼發肺部感染的影響因素。見表2。

2.3 重癥腦卒中病人繼發肺部感染風險預測模型的建立

根據重癥腦卒中病人繼發肺部感染的影響因素構建基于CONUT評分的風險列線圖模型，見圖 1。

2.4 重癥腦卒中病人繼發肺部感染預測模型的驗證

列線圖模型的ROC曲線下面積為0.841[95%CI（0.764，0.917）]，靈敏度為0.744，特異度為0.855，約登指數為0.600，見圖2。采用10?折交叉驗證對模型進行內部驗證，結果顯示ROC曲線下面積為0.815，靈敏度為0.842，特異度為0.450，與列線圖模型的ROC相比，兩者處于同一水平，說明結果穩健。校準曲線顯示校正曲線與實際曲線接近，分布與理想曲線相差不遠，見圖3。

3" 討論

3.1 CONUT評分對重癥腦卒中病人繼發肺部感染的影響

肺部感染是重癥腦卒中病人最常見的并發癥之一，也是病人重要的死亡原因之一，已有研究結果顯示，繼發肺部感染的重癥腦卒中病人30 d死亡率占30 d總死亡率的30%[12]。病人入院時的免疫營養聯合狀況與肺部感染發生情況密切相關。本研究基于CONUT評分研究免疫營養聯合狀況對重癥腦卒中病人繼發肺部感染的預測價值，結果顯示，入院時CONUT評分較高的腦卒中病人繼發肺部感染的風險較大；在調整相關變量后，CONUT評分仍是重癥腦卒中病人繼發肺部感染的影響因素；基于CONUT評分構建的風險預測模型經過10?折交叉驗證得出相似曲線下面積。表明CONUT評分是早期識別重癥腦卒中病人繼發肺部感染的有效工具，可為臨床早期進行免疫營養管理以預防重癥腦卒中病人繼發肺部感染提供參考。

3.2 CONUT評分是重癥腦卒中繼發肺部感染的獨立影響因素

本研究結果顯示，調整其他變量后CONUT評分仍是重癥腦卒中病人繼發肺部感染的影響因素。原因可能與CONUT評分由白蛋白、總膽固醇和淋巴細胞計數賦值積分所得有關。已有研究表明，低白蛋白和膽固醇均與腦卒中病人的院內肺部感染相關[13?15]。白蛋白具有抗氧化活性和抗炎特性，可起到降低感染風險的作用[16]；其還可刺激免疫細胞反應，減輕免疫抑制狀況，從而降低肺部感染風險[17]。膽固醇是細胞膜的重要組成部分，可增強固有和適應性免疫應答，提高宿主對醫院獲得性感染的抵抗力[18]；同時，膽固醇也是體內合成重要供能物質的原料[19]。淋巴細胞在細胞免疫中發揮著重要作用[20]。重癥腦卒中病人具有高代謝特征，病人對營養物質需求增加。當病人出現負氮平衡時，低白蛋白水平和低膽固醇水平無法維持營養供應，可引起體重減輕和機體抵抗力下降等。此外，當病人免疫營養聯合狀況較差時，腸黏膜屏障作用降低，導致內毒素移位，增加感染風險[21]。CONUT評分包含對蛋白質儲備消耗、熱量消耗和免疫防御受損狀況的評估，比單變量標志物更能反映免疫營養聯合狀況，較好地彌補了單個營養評價指標和單個免疫評估指標的不足，且其評分簡易、方便復測。在本研究中，CONUT高分組病人相較于低分組病人的繼發性肺部感染發生率增高，提示臨床工作中可通過早期評估CONUT評分，發現重癥腦卒中繼發肺部感染的高危病人，從而采取有效、全面的預防措施，降低重癥腦卒中病人繼發肺部感染的風險，提高病人救治成功率。

3.3 列線圖模型對重癥腦卒中病人繼發肺部感染的風險預測效能較好

本研究構建的列線圖模型用于早期發現重癥腦卒中病人繼發肺部感染風險，有利于醫護人員早期實施有效的干預措施。采用10?折交叉驗證對模型進行內部驗證，結果表明，列線圖模型具有較高的區分度。校準圖結果表明重癥腦卒中病人肺部感染預測概率與模型的實際發生概率一致，說明列線圖預測模型具有較好的判別能力，提示本研究開發的列線圖模型在預測重癥腦卒中病人繼發肺部感染方面具有較高的臨床應用價值。Liu等[22]研究表明，腦卒中誘發的免疫抑制可能導致全身細胞免疫反應下調和淋巴細胞亞群、單核細胞、肺巨噬細胞和上皮細胞快速減少，削弱人體對病原體的抵抗力，增加肺部感染風險。Dai等[23]研究發現，基于老年營養風險指數的高營養不良風險與較高的腦卒中病人繼發肺部感染發病率有關。不良免疫營養聯合狀況可能會阻礙淋巴細胞成熟，降低循環淋巴細胞計數，影響機體對感染的抵抗力和恢復能力[24]。因此，病人不良免疫營養聯合狀況會增加病人肺部感染發生風險。CONUT評分是免疫功能和營養狀況的綜合指標，基于CONUT評分的免疫營養狀況評估結果聯合病人住院期間的病情特征，有利于提升對重癥腦卒中病人繼發肺部感染的預測效能。近年來，免疫營養狀況作為可改變因素越來越受到關注，已有研究表明，早期營養治療可以降低全身炎癥水平，改善免疫功能，降低腦卒中相關感染風險[25]。構建基于CONUT評分的列線圖可以對病人進行評估，幫助醫務人員早期識別長期預后不良的病人，及時制定個體化的免疫營養支持和治療方案，降低病人病死率和不良預后的發生。

3.4 研究局限性

1）本研究樣本量較小，且為單中心回顧性研究，未進行多中心外部驗證。2）病人在住院期間獲得的營養支持不同、營養方案多樣，本研究暫未探討營養支持方案對肺部感染的影響。3）本研究未對CONUT評分進行動態觀察，無法獲得治療后的CONUT評分并確定其臨床價值。后續研究仍需要采用前瞻性、大樣本量、具有動態隨訪設計的研究，以進一步驗證本研究結果的可靠性。

4" 小結

入院48 h內CONUT評分是重癥腦卒中病人繼發肺部感染的獨立預測指標，基于CONUT評分構建重癥腦卒中病人繼發肺部感染的預測模型，可為早期準確評估病人肺部感染風險并制定針對性措施提供參考。醫務人員應早期關注重癥腦卒中病人的免疫營養聯合狀況，將其作為病情監測內容，為臨床優化治療提供條件。

參考文獻：

[1]" GBD 2019 Stroke Collaborators.Global，regional，and national burden of stroke and its risk factors，1990-2019：a systematic analysis for the global burden of disease study 2019[J].Lancet Neurol，2021，20（10）：795-820.

[2]" BAI W，LI W，NING Y L，et al.Blood glutamate levels are closely related to acute lung injury and prognosis after stroke[J].Front Neurol，2017，8：755.

[3]" 張瑞昕，李鳳，黃麗紅，等.重癥腦卒中患者肺部感染與營養相關的危險因素分析[J].中國實用護理雜志，2021，37（34）：2644-2649.

[4]" 方芳，舒怡，肖志杰.卒中相關性肺炎的臨床研究進展[J].中華危重病急救醫學，2019，31（11）：1429-1434.

[5]" IGNACIO DE ULíBARRI J，GONZáLEZ-MADRO?O A，DE VILLAR N G，et al.CONUT：a tool for controlling nutritional status.First validation in a hospital population[J].Nutr Hosp，2005，20（1）：38-45.

[6]" RINNINELLA E，BORRIELLO R，D'ANGELO M，et al.Controlling Nutritional Status（CONUT） as predictive score of hospital length of stay（LOS） and mortality：a prospective cohort study in an internal medicine and gastroenterology unit in Italy[J].Nutrients，2023，15（6）：1472.

[7]" NAGATA A，KANEMASA Y，SASAKI Y，et al.Clinical impact of controlling nutritional status score on the prognosis of patients with diffuse large B-cell lymphoma[J].Hematol Oncol，2020，38（3）：309-317.

[8]" DI VINCENZO O，D'ELIA L，BALLARIN G，et al.Controlling Nutritional Status（CONUT） score and the risk of mortality or impaired physical function in stroke patients：a systematic review and meta-analysis[J].Nutr Metab Cardiovasc Dis，2023，33（8）：1501-1510.

[9]" LI D Z，LIU Y，JIA Y，et al.Association between malnutrition and stroke-associated pneumonia in patients with ischemic stroke[J].BMC Neurol，2023，23（1）：290.

[10]" PU L，ZHU B，JIANG L，et al.Weaning critically ill patients from mechanical ventilation： a prospective cohort study[J].J Crit Care，2015，30（4）：7-13.

[11]" TOKUNAGA R，SAKAMOTO Y，NAKAGAWA S，et al.CONUT：a novel independent predictive score for colorectal cancer patients undergoing potentially curative resection[J].Int J Colorectal Dis，2017，32（1）：99-106.

[12]" TEH W H，SMITH C J，BARLAS R S，et al.Impact of stroke-associated pneumonia on mortality，length of hospitalization，and functional outcome[J].Acta Neurol Scand，2018，138（4）：293-300.

[13]" YANG X，WANG L，ZHENG L，et al.Serum albumin as a potential predictor of pneumonia after an acute ischemic stroke[J].Curr Neurovasc Res，2020，17（4）：385-393.

[14]" MAZZACANE F， LEUCI E， PERSICO A，et al.Association between cholesterol levels and infections after ischemic stroke[J].Eur J Neurol，2020，27（10）：2036-2040.

[15]" RODRíGUEZ-SANZ A，FUENTES B，MARTíNEZ-SáNCHEZ P，et al.High-density lipoprotein： a novel marker for risk of in-hospital infection in acute ischemic stroke patients？[J].Cerebrovasc Dis，2013，35（3）：291-297.

[16]" KAWAI Y，MASUTANI K，TORISU K，et al.Association between serum albumin level and incidence of end-stage renal disease in patients with immunoglobulin A nephropathy：a possible role of albumin as an antioxidant agent[J].PLoS One，2018，13（5）：e0196655.

[17]" ARROYO V，GARCíA-MARTINEZ R，SALVATELLA X.Human serum albumin，systemic inflammation，and cirrhosis[J].J Hepatol，2014，61（2）：396-407.

[18]" CARDOSO D， PERUCHA E.Cholesterol metabolism：a new molecular switch to control inflammation[J]. Clin Sci，2021，135（11）：1389-1408.

[19]" MUNTEANU C，SCHWARTZ B.The relationship between nutrition and the immune system[J].Front Nutr，2022，9：1082500.

[20]" HEUNG L J，WIESNER D L，WANG K，et al.Immunity to fungi in the lung[J].Semin Immunol，2023，66：101728.

[21]" WEN S W，SHIM R，HO L，et al.Advanced age promotes colonic dysfunction and gut-derived lung infection after stroke[J].Aging Cell，2019，18（5）：e12980.

[22]" LIU D D，CHU S F，CHEN C，et al.Research progress in stroke-induced immunodepression syndrome（SIDS） and stroke-associated pneumonia（SAP）[J].Neurochem Int，2018，114：42-54.

[23]" DAI C J，YAN D，XU M J，et al.Geriatric Nutritional Risk Index is related to the risk of stroke-associated pneumonia[J].Brain Behav，2022，12（8）：e2718.

[24]" SMITH T J，MCCLUNG J P.Nutrition，immune function，and infectious disease[J].Med J，2021（01/02/03）：133-136.

[25]" CHEN X，HU Y，YUAN X，et al.Effect of early enteral nutrition combined with probiotics in patients with stroke：a meta-analysis of randomized controlled trials[J].Eur J Clin Nutr，2022，76（4）：592-603.

（收稿日期：2024-01-21；修回日期：2024-12-27）

（本文編輯 陳瓊）