感染性休克并發AKI患者CRRT撤機失敗的決策樹分析

[摘要] 目的 基于決策樹算法建立感染性休克并發急性腎損傷（acute kidney injury，AKI）患者行連續性腎臟替代治療（continuous renal replacement therapy，CRRT）后撤機失敗的風險預測模型，探討感染性休克并發AKI患者CRRT撤機失敗的影響因素。方法 回顧性分析中國人民解放軍聯勤保障部隊第九〇八醫院2020年5月至2023年5月收治的感染性休克并發AKI患者220例，根據撤機成功與否分為成功組和失敗組，采用單因素和多因素Logistic回歸分析篩選感染性休克并發AKI患者CRRT撤機失敗的危險因素，納入入院時C反應蛋白/白蛋白（C-reactive protein/albumin，CRP/ALB）、撤機時感染相關器官功能衰竭評分系統（sepsis-related organ failure assessment，SOFA）評分、急性生理與慢性健康評分系統Ⅱ（acute physiology and chronic health evaluation，APACHEⅡ）評分、CRRT開始時N末端腦利鈉肽前體（N-terminal B-type natriuretic peptide，NT-proBNP）水平、平均動脈壓（mean arterial pressure，MAP）分級、撤機后尿量、撤機后血肌酐（serum creatinine， Scr）水平構建感染性休克并發AKI患者CRRT撤機失敗的決策樹模型并驗證模型效能。結果 41.82%的患者撤機失敗；結合單因素、多因素Logistic回歸分析顯示，撤機時SOFA評分、APACHEⅡ評分、撤機后尿量、撤機后Scr水平、CRRT開始時NT-proBNP水平、MAP分級、入院時CRP/ALB是感染性休克并發AKI患者CRRT撤機失敗的獨立危險因素（Plt;0.05）。CRP/ALB升高是感染性休克并發AKI患者CRRT撤機失敗最重要的影響因素，其受試者操作特征曲線下面積為0.965。""" 結論 入院時CRP/ALB、撤機時SOFA評分、撤機后尿量、撤機后Scr水平、APACHEⅡ評分、MAP分級構建的決策樹模型對感染性休克并發AKI患者CRRT撤機失敗的預測效能較好，對患者預后評估具有指導作用。

[關鍵詞] 感染性休克；急性腎損傷；連續性腎臟替代治療；撤機；決策樹；預測

[中圖分類號] R459.5；R631" """"[文獻標識碼] A""" [DOI] 10.3969/j.issn.1673-9701.2025.03.006

[Abstract] Objective To establish a risk prediction model of continuous renal replacement therapy （CRRT） withdrawal failure in patients with infectious shock complicating acute kidney injury （AKI） based on the decision tree algorithm， and to explore the influencing factors of CRRT withdrawal failure in patients with infectious shock complicating AKI. Methods 220 patients with infectious shock complicating AKI admitted to our hospital from May 2020 to May 2023 were retrospectively analyzed， and divided into success group and failure group according to the success or failure of the withdrawal， univariate and multivariate Logistic regression analysis were used to screen risk factors of CRRT withdrawal failure in patients with septic shock complicated with AKI， C-reactive protein/albumin （CRP/ALB） at admission and sepsis-related organ failure assessment （SOFA） score at withdrawal， acute physiology and chronic health evaluation （APACHEⅡ） score， N-terminal B-type natriuretic peptide （NT-proBNP） level at the beginning of CRRT， mean arterial pressure （MAP） grading， urine volume after withdrawal， and serum creatinine （Scr） level after withdrawal were taken into constructing a decision tree model and validating the model efficacy. Results In this study， there were 41.82% of patients failed to withdrawal. Combination of univariate and multivariate Logistic regression analysis showed that SOFA score at withdrawal， APACHEⅡ scores， urine volume after withdrawal， Scr level after withdrawal， NT-proBNP at the beginning of CRRT， and MAP grading， CRP/ALB at the time of admission were an independent risk factor for CRRT withdrawal failure in patients with septic shock complicated with AKI （P lt;0.05）. The results showed that the higher CRP/ALB was the most important influencing factor on the failure of CRRT evacuation in patients with infectious shock complicating AKI， and the area under the receiver operating characteristic curve was 0.965. Conclusion The decision tree model constructed by CRP/ALB at admission， SOFA score at withdrawal， urine volume after withdrawal， Scr level after withdrawal， APACHEⅡ score， and MAP grading has a better predictive efficacy of CRRT withdrawal failure in patients with infectious shock complicating AKI， which is a guideline for patients’ prognostic assessment.

[Key words] Infectious shock; Acute kidney injury; Continuous renal replacement therapy; Withdrawal; Decision tree; Prediction

感染性休克又稱膿毒性休克，是一種復雜的臨床綜合征，可導致機體細胞缺氧、器官功能障礙、組織灌注不良等嚴重感染性疾病發生，是臨床上最常見的休克類型^[1-2]。急性腎損傷（acute kidney injury，AKI）常見于感染性休克早期的合并疾病，死亡率高達41%^[3-4]。針對AKI、全身炎癥反應綜合征及多器官功能障礙綜合征等危重疾病，主要選擇連續性腎臟替代治療（continuous renal replacement therapy，CRRT）^[5]。CRRT可有效改善腎臟功能和患者預后。CRRT停止過早可導致患者治療不充分，甚至需要重新啟動CRRT進行救治，增加不良預后的風險；停止過晚除延長住院時間和浪費醫療資源外，還增加CRRT相關并發癥的發生風險^[6]。因此對撤機成功與否的預測非常重要，但目前臨床上對此尚無統一標準。基于決策樹算法建立預測模型，其分類速度及結果可顯示各項風險因素的重要性排序，更利于醫務人員分析風險因素的權重。本研究收集感染性休克并發AKI患者的臨床資料，基于決策樹算法構建預測模型，現報道如下。

1" 資料與方法

1.1" 一般資料

參照Kendall^[7]對多因素分析的樣本量估算方法，本研究納入12個變量，取變量數目的10～20倍，考慮10%～15%的失訪率，于中國人民解放軍聯勤保障部隊第九〇八醫院信息系統選取2020年5月至2023年5月收治的220例感染性休克合并AKI患者，根據撤機成功與否分為成功組和失敗組。納入標準：①年齡gt;18歲；②符合感染性休克診斷標準^[8]；③符合AKI診斷標準^[9]；④符合CRRT適應證^[10]；⑤臨床資料完整無缺失。排除標準：①合并有惡性腫瘤；②凝血功能障礙；③合并終末期腎臟疾病。本研究經中國人民解放軍聯勤保障部隊第九〇八醫院倫理委員會審批通過（倫理審批號：2020YYLL179）。

1.2" 方法與評價指標

收集納入患者的臨床資料，包括年齡、性別、是否機械通氣、撤機時感染相關器官功能衰竭評分系統（sepsis-related organ failure assessment，SOFA）評分、急性生理與慢性健康評分系統Ⅱ（acute physiology and chronic health evaluation，APACHEⅡ）評分、是否使用血管活性藥物、撤機后尿量、撤機后血肌酐（serum creatinine，Scr）水平、撤機后血中性粒細胞明膠酶相關載脂蛋白（neutrophil gelatinase- associated lipocalin，NGAL）水平、CRRT開始時N末端腦利鈉肽前體（N-terminal B-type natriuretic peptide，NT-proBNP）水平、平均動脈壓（mean arterial pressure，MAP）分級、C反應蛋白/白蛋白（C-reactive protein/albumin，CRP/ALB）。MAP分級^[11]分為3個等級：70～110mmHg（1mmHg=0.133kPa）為0級，50～70mmHg或110～130mmHg為1級，lt;50mmHg或gt;130mmHg為2級。CRRT開始時NT-proBNP水平以15 767pg/ml為界分為兩組^[12]。

1.3" 統計學方法

采用SPSS 21.0統計學軟件對數據進行處理分析。計量資料以均數±標準差（）表示，比較采用獨立樣本t檢驗；計數資料以例數（百分率）[n（%）]表示，比較采用c²檢驗；撤機失敗影響因素采用單因素分析和Logistic多因素回歸進行分析；運用SPSS軟件和Modeler軟件構建基于決策樹算法的預測模型。Plt;0.05為差異有統計學意義。

2" 結果

2.1" 感染性休克并發AKI患者CRRT撤機失敗現狀

納入的220例感染性休克并發AKI患者中，92例患者撤機失敗，128例患者撤機成功，撤機失敗率為41.82%（92/220）。

2.2" 感染性休克并發AKI患者CRRT撤機失敗的" 單因素分析

撤機時SOFA評分、APACHEⅡ評分、撤機后尿量、撤機后Scr水平、NT-proBNP水平、MAP分級、CRP/ALB是感染性休克并發AKI患者CRRT撤機失敗的影響因素（Plt;0.01），見表1。

2.3" 感染性休克并發AKI患者CRRT撤機失敗的 多因素Logistic分析

將感染性休克并發AKI患者CRRT撤機情況納入因變量，以表1中差異有統計學意義的變量作為自變量，進行多因素Logistic回歸分析，賦值情況見表2。結果顯示撤機時SOFA評分、APACHEⅡ評分、撤機后尿量、撤機后Scr水平、CRRT開始時NT-proBNP水平、MAP分級、CRP/ALB是感染性休克并發AKI患者CRRT撤機失敗的獨立危險因素（Plt;0.05），見表3。

2.4" 基于決策樹算法構建的感染性休克并發AKI患者CRRT撤機失敗的預測模型

將感染性休克并發AKI患者CRRT撤機失敗的單因素分析中有統計學意義的自變量納入決策樹模型中，生成模型圖見圖1。本研究決策樹生長5層，共計12個節點，其中終末節點6個，共篩選提取5個分類規則，即入院時CRP/ALB、撤機時SOFA評分、撤機后尿量、撤機后Scr水平、APACHEⅡ評分、MAP分級：①CRP/ALBgt;1.945占該節點23.6%；②CRP/ALB≤1.945、撤機時SOFA評分gt;9.200、撤機后尿量≤1.540占該節點13.2%；③CRP/ALB≤1.945、撤機時SOFA評分≤9.200、MAP分級＝1級/2級，撤機后Scrgt;157.585占該節點22.3%；④CRP/ALB≤1.945、撤機時SOFA評分gt;9.200、撤機后尿量gt;1.540占該節點9.1%；⑤CRP/ALB≤1.945、撤機時SOFA評分≤9.200、MAP分級=1級占該節點9.5%；⑥CRP/ALB≤1.945、撤機時SOFA評分≤9.200、MAP分級=""" 1級/2級，撤機后Scr≤157.585占該節點39.5%。其中MAP分級對天皰瘡患者并發感染的影響較小，而CRP/ALB越大感染性休克并發AKI患者撤機失敗的風險越大，見圖2。基于決策樹算法構建的預測模型受試者操作特征曲線（receiver operating characteristic curve，ROC曲線）見圖3，曲線下面積（area under the curve，AUC）為0.965，預測效能好。

3" 討論

本研究納入的220例感染性休克并發AKI患者中有92例患者撤機失敗，撤機失敗率為41.82%，與竇軍等^[13]研究結果一致。可見關于CRRT撤機失敗的發生概率較高，因此構建撤機成功與否的預測模型是非常必要的。

本研究中CRP/ALB是預測CRRT撤機失敗的最重要因素，其比值越高，撤機失敗的發生概率也越大，與張妍等^[14]研究結果一致。CRP通過促進受損腎組織纖維化加重炎癥程度，同時也阻止受損腎小管上皮細胞增殖^[15]；而ALB在人體內可維持功能營養、調節免疫反應，有效改善微循環、減輕炎癥^[16]；因此，量化兩者即利用CRP/ALB可達到同時反映機體炎癥反應和營養狀況的目的，且其獲取簡便，可在臨床上推廣應用；但目前該指標尚未成為統一標準，對該指標的實用性和科學性尚待進一步大樣本、多中心的研究驗證。撤機時SOFA評分是對全身器官功能情況的綜合考察評估，評分較高者病情易反復，不宜過早停用CRRT，這與謝龍昇等^[17]研究結果一致。Scr水平常用來反映腎功能狀態，若其升高，提示患者的腎臟功能恢復程度較低，無法自主正常發揮腎臟功能，是CRRT撤機失敗的獨立危險因素；MAP分級過高同時患者腎灌注減少，腎臟功能受損，是感染性休克并發AKI患者預后的獨立危險因素，這與王建中等^[18]研究結果一致。APACHEⅡ評分與感染性休克并發AKI患者CRRT撤機失敗具有相關性，對感染性休克合并AKI患者的預后具有預測價值；且較高的評分提示患者病情嚴重程度，在臨床上廣泛應用于危重患者的病情評估和預測預后；與韓明帥等^[19]研究結果一致。撤機后尿量仍是CRRT撤機的主要指標，與目前已有的眾多研究結果一致^[20]；但利尿劑的使用可增加患者尿量^[21]；對此類情況尚無科學方法排除相關影響，因此在今后的研究中可考慮將其作為輔助診斷的指標。

評定模型優劣的重要指標為AUC，AUC與模型的預測性能成正比。若AUC≥0.9，則為“優秀”，若AUC為0.8～0.9，則為“好”^[22]。基于決策樹構建的預測模型AUC為0.965，說明該預測模型的預測效能佳。基于該預測模型，醫務人員對感染性休克并發AKI患者行CRRT后撤機的預后預測可多關注CRP/ALB，對高SOFA評分、高APACHEⅡ評分、MAP分級高的患者，可及早干預，減少病情進一步加重甚至死亡的風險。

綜上所述，基于決策樹算法構建對感染性休克合并AKI患者行CRRT后撤機失敗的預測模型有較好的預測效能，可為之后臨床指導CRRT撤機提供新思路。但本研究存在樣本量較小、單中心研究的不足，對該模型的臨床實際應用還需增加樣本量和聯合多中心研究進一步驗證。

利益沖突：所有作者均聲明不存在利益沖突。

[參考文獻]

[1]"" 滕旭升， 丁穎威， 陳琳， 等. 感染性休克患者預后影響因素及循環組蛋白和NLRP3炎癥小體對預后的價值[J]. 中華醫院感染學雜志， 2024， 34（1）： 13–17.

[2]"" Hasanin A， Karam N， Mukhtar A M， et al. The ability of pulse oximetry-derived peripheral perfusion index to detect fluid responsiveness in patients with septic shock[J]. J Anesth， 2021， 35（2）： 254–261.

[3]"" 李燕， 黃慶生， 方明星， 等. 黏附因子聯合腎阻力指數對早期預測膿毒癥患者發生急性腎損傷的價值[J]. 中華醫院感染學雜志， 2020， 30（24）： 3711–3715.

[4]" 何力， 蘇連久， 張婧， 等. ICU內膿毒性休克急性腎損傷患者腎功能恢復的影響因素分析[J]. 中華危重病急救醫學， 2020（2）： 199–203.

[5]"" 馬冠華， 李向陽， 周伊南， 等. 連續性腎臟替代治療在治療高齡膿毒癥合并急性腎損傷患者的作用[J]. 中國呼吸與危重監護雜志， 2020， 19（5）： 463–466.

[6]"" SCHIFFL H， LANG S M. Correction to： Current approach to successful liberation from renal replacement therapy in critically ill patients with severe acute kidney injury： The quest for biomarkers continues[J]. Mol Diagn Ther， 2021： 25（1）： 1–8.

[7]"" Kendall M G. Rank correlation methods[M]. London： Charles Griffin， 1948.

[8]"" 中華醫學會重癥醫學分會. 中國嚴重膿毒癥/膿毒性休克治療指南（2014）[J]. 中華內科雜志， 2015， 54（6）： 557–581.

[9]"" 郭錦洲. 改善全球腎臟病預后組織（KDIGO）臨床實踐指南： 急性腎損傷[J]. 腎臟病與透析腎移植雜志， 2013， 22（1）： 57–60.

[10] 血液凈化急診臨床應用專家共識組. 血液凈化急診臨床應用專家共識[J]. 中華急診醫學雜志， 2017， 26（1）： 24–36.

[11] 常瑞亭， 孫瑞雪， 于天舒， 等. 基于影像學MAP評分對T₁期腎腫瘤切除術式選擇的指導意義[J]. 臨床放射學雜志， 2020， 39（10）： 2028–2032.

[12] HAN S S， BAE E， SONG S H， et al. NT-proBNP is predictive of the weaning from continuous renal replacement therapy[J]. Tohoku J Exp Med， 2016， 239（1）： 1–8.

[13] 竇軍， 何愛紅. 基于隨機森林算法的急性腎損傷患者CRRT撤機成功因素及預測模型效能分析[J]. 現代醫學， 2023， 51（1）： 52–59.

[14] 張妍， 榮陽. 急性腎損傷患者入院時C反應蛋白及白蛋白比值與連續性腎臟替代治療90d死亡相關[J]. 內科急危重癥雜志， 2024， 30（3）： 261–263.

[15] Mohamed W， Asimakopoulos G. Preoperative C-reactive protein as a predictor of postoperative acute kidney injury in patients undergoing coronary artery bypass grafting[J]. Perfusion， 2021， 36（4）： 330–337.

[16] Wang Y， Sun W J， Ji Z S， et al. Serum albumin and the risk of contrast-induced acute kidney injury after percutaneous coronary intervention[J]. Rev Cardiovasc Med， 2020， 21（1）： 139–145.

[17] 謝龍昇， 余春瀾， 謝鑫， 等. 并發急性腎損傷重癥病人CRRT撤機失敗的預測模型構建[J]. 護理研究， 2022， 36（2）： 230–234.

[18] 王建中， 曹世雄， 黃河， 等. 膿毒癥急性腎損傷CRRT治療后撤機失敗的危險因素分析[J]. 名醫， 2022（20）： 72–74.

[19] 韓明帥， 姚佳輝， 張晨. 老年膿毒癥合并急性腎損傷患者腎動脈阻力指數、APACHEⅡ評分及β₂微球蛋白水平與預后的關系[J]. 中國老年學雜志， 2024， 44（13）： 3138–3142.

[20] 瞿雁， 唐思宇， 周彬兵， 等. 重癥急性腎損傷患者連續性腎臟替代治療停止時機的研究進展[J]. 浙江臨床醫學， 2024， 26（4）： 618–621.

[21] BOYER N， PERSCHINKA F， JOANNIDIS M， et al. When to discontinue renal replacement therapy. What do we know？[J]. Curr Opin Crit Care， 2023， 29（6）： 559–565.

[22] Sayed M， Ria?o D， Villar J. Novel criteria to classify ARDS severity using a machine learning approach[J]. Crit Care， 2021， 25（1）： 150.

（收稿日期：2024–09–24）

（修回日期：2025–01–07）

通信作者：廖浩，電子信箱：1176089122@qq.com