糖尿病酮癥酸中毒病人30d內再入院 Nomogram預測模型的構建及驗證

Keywordsdiabetic ketoacidosis; readmission; high-risk factors; Nomogram prediction model; nursing

糖尿病酮癥酸中毒（diabeticketoacidosis，DKA）是糖尿病病人常見的急性并發癥，尤其以1型糖尿病病人為主，常導致病人出現意識障礙、低血壓、呼吸急促等嚴重臨床表現，若治療不及時，可能危及生命[1]。隨著臨床治療手段的不斷進步，DKA病人的急性癥狀得到了較為有效的干預，但病人在初次住院后仍面臨較高的再入院風險[2]。臨床數據顯示， 15%～30% 的DKA病人在治療后30d內會因多種原因再次住院，不僅增加了病人的身體和心理負擔，還會導致醫療資源的浪費及醫院負擔的加重，在臨床管理與病人預后方面均帶來巨大挑戰[3]。因此，提前識別DKA病人的高危因素并進行早期干預具有重要意義。列線圖（Nomogram）作為一種統計學模型，已在臨床風險預測中得到了廣泛應用，通過綜合分析病人的多項臨床變量，量化各變量對病人預后的貢獻，從而為醫生提供精準的個體化風險預測[4]。研究表明，Nomogram預測工具能為臨床提供科學、量化的再入院風險評估，從而幫助優化治療方案和管理策略[5]。盡管現有的臨床研究在一定程度上揭示了DKA病人再入院的相關高危因素，但多聚焦于單一或部分因素的分析，缺乏對多變量綜合作用的全面探討[6]。因此，本研究將通過系統性地調查DKA病人的危險因素，并結合Nomogram預測工具制定個體化預測模型，為進一步改善DKA病人的治療預后提供科學依據。

資料與方法

1.1一般資料

選取2022年12月—2023年5月收治的152例DKA病人為調查對象，納入標準：1）符合美國糖尿病協會（ADA）[對DKA的診斷標準；2）年齡 ?18 歲；3）病人或其法定代理人自愿參與本研究，并簽署知情同意書；4）具有正常認知與溝通能力。排除標準：1）合并其他嚴重急性疾病，如急性心肌梗死、急性腦率中、重度創傷等；2）非糖尿病相關的酸中毒者；3）孕婦或哺乳期女性;4）既往有精神病史者。根據30d再入院的定義（指病人在出院后30d內因任何原因返回醫院并接受住院治療[8]）將病人分為再入院組和非再人院組。本研究已通過我院醫學倫理委員會審查（倫理號：浙大一院倫審2025研第0471號-快）。

1.2 方法

1.2.1一般資料調查表

由科室人員根據病人信息以及電子病歷系統自行設計。內容包括：1）基礎信息，包括性別、年齡、體質指數（BMI）、婚姻狀況、文化程度、吸煙飲酒史、居住地；2）疾病信息，包括糖尿病類型、病程、治療方式、并發癥（糖尿病視網膜病變、心血管疾病、腎臟疾病等）家族史；3）實驗室指標，包括入院時的血糖、酮體濃度、血糖/酮體比值（可用于評估DKA的嚴重程度）pH值（正常范圍為 7.35～7.45） 、碳酸氫鹽（正常范圍為 22～ 28mmol/L）血鉀、血磷、血鈣、血乳酸（用于排除乳酸性酸中毒）糖化血紅蛋白（表示長期血糖控制情況）、血肌酐、丙氨酸氨基轉移酶、天門冬氨酸氨基轉移酶、總膽紅素、血清清蛋白、總膽固醇、低密度脂蛋白、高密度脂蛋白、血白細胞計數、C反應蛋白；4）社會心理學因素，包括是否進行出院后隨訪（電話隨訪、門診復診等）、出院后健康教育、是否存在抑郁焦慮以及出院后是否按時服藥、按時注射胰島素、遵循飲食控制。

1.2.2醫院焦慮抑郁量表（HospitalAnxietyand Depression Scale，HADS）

采用HADS9對病人焦慮、抑郁情況進行評價。該量表包含焦慮、抑郁2個維度，共14個條目，每個條目計 0～3 分，總分為0～21分，以7分作為臨界值，得分越高代表焦慮、抑郁水平越高。該量表的Cronbach'sα系數為0.83。

1.3資料收集方法

本研究的資料收集工作由經過培訓的研究者以及經驗豐富的臨床醫師、護士、數據管理員在病人住院期間以及出院后30d內進行，確保信息的準確性和完整性。在住院期間，資料將通過電子病歷系統獲取，并補充臨床檢查結果；在出院后，病人將接受定期隨訪，數據收集員通過電話隨訪、門診復診等方式收集必要的隨訪信息。所有數據均在專門的數據庫中進行錄入和存檔，確保數據的保密性和安全性，對于有焦慮、抑郁傾向的病人，使用HADS進行評估并記錄；對于所有病人的實驗室檢查結果和臨床信息，將通過電子病歷系統自動獲取或由醫務人員補充。數據收集完成后進行雙重核對，以確保準確性。對于脫落的病人，將分析其脫落原因，并在統計分析時進行相應的偏倚分析，盡量減少脫落病例對研究結果的影響。本研究最終無脫落病例。

1.4 統計學方法

采用SPSS26.0統計軟件進行數據分析。符合正態分布的定量資料以均數 ± 標準差 表示，采用 t 檢驗或方差分析；定性資料采用例數和百分比 （%） 表示，組間比較采用 χ² 檢驗。在單因素分析中篩選出有統計學意義的變量后，采用Logistic回歸進行分析。并采用R軟件設計Nomogram預測模型，使用受試者工作特征（receiver operatingcharacteristic，ROC）曲線下面積（areaundercurve，AUC）Hosmer-Lemeshow檢驗驗證Nomogram預測模型的預測性能。以 Plt; 0.05為差異有統計學意義。

2 結果

2.1 DKA病人30d內再入院現狀

152例DKA病人中，26例病人在出院后30d內發生再入院，發生率為 17.11% ，納入再入院組；126例（ 82.89%） 病人在出院后30d內未發生再入院，納為非再入院組。

2.2 DKA病人30d內再入院的單因素分析

單因素分析結果顯示，年齡、BMI、糖尿病類型、病程、并發癥、出院后健康教育、按時服藥、按時注射胰島素、遵循飲食控制、存在抑郁焦慮以及入院時的酮體濃度、血糖/酮體比值、酸堿pH值、糖化血紅蛋白、血清清蛋白、高密度脂蛋白均為DKA病人3Od內再入院的影響因素（ Plt;0.05） ，見表1。

表1DKA病人30d內再入院的單因素分析

（續表）

2.3 DKA病人3Od內再入院的Logistic回歸分析

以DKA病人30d內是否再入院為因變量（是 =1 否 =0 ），以單因素分析中差異有統計學意義的變量作為自變量進行Logistic回歸分析，自變量賦值情況見表2。Logistic回歸分析結果顯示，年齡、并發癥、按時注射胰島素、存在抑郁焦慮以及入院時的酮體濃度、血糖/酮體比值、糖化血紅蛋白均為DKA病人30d內再入院的影響因素（ ?lt;0.05） ，見表3。

表2自變量賦值情況

表3DKA病人3Od內再入院的Logistic回歸分析結果

2.4構建并驗證DKA病人30d內再入院的Nomogram預測模型

2.4.1 構建Nomogram預測模型

依據Logistic回歸分析得出的7個獨立危險因素，采用R軟件構建Nomogram預測模型，見圖1。各變量評分分別為50、29、67、73、66、84、100分，總分467分，如1例67歲的病人，有并發癥、出院后未按時注射胰島素、人院時酮體濃度為 4.0mmol/L 、存在輕度焦慮抑郁、糖化血紅蛋白為 6.4% 、血糖/酮體比值為4，則該病人出院后30d內再入院的風險得分為 50+29+ 67+62+68+53+75=404 分，根據圖示可直接得出30d內再入院的風險約 60% O

圖1DKA病人30d內再入院的Nomogram預測模型

2.4.2 驗證Nomogram預測模型

1）擬合優度檢驗：使用Hosmer-Lemeshow檢驗評估模型的擬合優度，結果表明， χ²=3.476，P=0.320 ，表示模型的擬合效果良好。2）分類性能評估：預測工具的分類能力通過ROC曲線進行評估，AUC為 0.5～ 1.0，越高表示預測工具的區分能力越強。本研究中AUC為 0.821[95%CI（0.720，0.868）] ；靈敏度為81.22% ，特異度為 78.64% ，最佳截斷值為0.318，見圖2。3）預測能力評估：計算C-index曲線評估預測工具的預測能力，該指標范圍為 0.5～1 ，其越接近1表明預測工具的預測精度越高。本研究中C-index為O.783，顯示出良好的一致性。4）驗證集評估：按照先前的納入標準于2023年6月一2024年6月選取33例DKA病人作為驗證集進行驗證。結果顯示，預測6例再入院DKA病人中實際3例再入院；預測27例未再人院DKA病人中實際24例未再入院。該預測模型的預測準確率為 ，進一步證實該Nomogram預測工具在實際臨床應用中的可靠性和預測能力較好。

圖2ROC曲線

3 討論

3.1 DKA病人30d內再人院現狀

本研究結果顯示，152例DKA病人中，26例病人在出院后30d內發生再入院，發生率為 17.11% ，與Timple等[10]的研究結果相近，可能與該研究對象的病人年齡偏大（平均年齡為72歲）合并癥較多（如心臟病、腎臟病）及住院期間管理不當等因素密切相關。但與其他疾病領域的研究結果比較發現，不同疾病背景下再入院率存在差異。朱建庭[11]的研究結果顯示，心力衰竭病人30d再入院率為 20.82% ，較本研究結果略高。這一差異可從2個方面進行分析：首先，心力衰竭病人通常合并多種慢性病，且病情復雜，治療方案需要更加精細的調整，易出現急性加重的情況。其次，心力衰竭病人往往年齡較大，且具有較差的自我管理能力，導致出院后病情反復，增加了再入院的風險。此外，病人的社會支持情況、經濟負擔以及出院后的隨訪質量也可能決定其再人院率，尤其是在治療中期缺乏有效的健康管理和早期干預。不同研究設計和病人管理方式上存在差異，同時也進一步說明了DKA病人的管理需要綜合考慮病人的多種風險因素。因此，構建DKA病人再入院風險預測模型對于改善病人預后、優化資源配置和提升臨床管理水平具有重要的意義。

3.2 DKA病人30d內再入院的影響因素

本研究通過單因素和Logistic回歸分析對DKA病人再入院的高危因素進行了系統調查。結果顯示，年齡、并發癥、按時注射胰島素、存在抑郁焦慮以及入院時的酮體濃度、血糖/酮體比值、糖化血紅蛋白均為DKA病人30d內再入院的影響因素 （Plt;0.05） 。

3.2.1 年齡

本研究結果發現，年齡是DKA病人30d內再入院的影響因素。隨著年齡的增加，病人發生再入院的風險明顯增高。高齡病人的免疫功能下降、代謝調節能力減弱及并發癥的發生率增加，是導致其再入院風險增加的主要原因。年齡較大的病人常伴有多種慢性病，如高血壓、冠心病、慢性腎病等，這些疾病的存在使糖尿病的管理更加復雜，且治療效果不如年輕病人[12]。此外，老年病人的自我管理能力較差，且多存在認知功能下降和藥物依從性差的問題，也進一步增加了病情復發和再入院率。年齡在再入院風險中也起到部分作用。一項針對糖尿病病人的研究顯示，老年病人的再人院率較年輕病人高出約 30% ，并強調了年齡對糖尿病管理的影響[13]。臨床實踐中，針對老年病人尤其是合并其他疾病者，應制定個體化的治療方案，并加強健康教育與隨訪管理，確保病人能嚴格遵循治療方案，以減少再入院風險。

3.2.2 并發癥

本研究結果發現，并發癥是DKA病人再人院的影響因素。糖尿病病人在長期血糖控制不佳的情況下，往往會發展為各種并發癥，尤其是心血管疾病、腎臟疾病、糖尿病神經病變等。這些并發癥不僅加重了病人的病情，還使治療更加復雜。特別是在腎功能不全的病人中，腎臟無法有效排出體內的代謝廢物，導致藥物的積累，進一步影響治療效果。心血管疾病則增加了病人出現心力衰竭、低血壓等不良反應的風險，使治療過程中血流動力學不穩定，增加了住院的難度[14]。還有研究發現，并發癥的存在是糖尿病病人再人院的重要因素，特別是在重度并發癥的情況下，病人住院期間和出院后的管理都面臨更高的挑戰[15]；合并有嚴重并發癥的糖尿病病人再入院率明顯高于無并發癥的病人，特別是在高齡病人群體中，合并癥的負擔更為突出[16]，與本研究結果相似。因此，臨床上應密切關注糖尿病病人并發癥的早期篩查和干預，及時優化治療方案，以減少并發癥對病人住院治療的影響，降低再入院的風險。

3.2.3 入院時酮體濃度

本研究結果發現，人院時酮體濃度是DKA病人30d內再入院的影響因素。酮體濃度直接反映了DKA的嚴重程度。高濃度的酮體通常伴隨高血糖、高滲透壓及酸中毒等代謝紊亂，這些病理改變不僅影響治療的效果，也增加了病人在治療后康復期的代謝負擔。酮體濃度較高的病人治療時需更加嚴格的血糖控制和代謝調整，且恢復期較長，易出現復發或并發癥。治療過程中，酮體濃度過高可能提示病人存在胰島素抵抗或胰島β細胞功能不足，治療依從性差可能導致病情的進一步惡化[1]。因此，臨床實踐中應密切監測病人的酮體濃度，并根據病人的治療反應及時調整治療策略，以控制DKA的嚴重程度，減少再入院的風險[18]。

3.2.4入院時血糖/酮體比值

血糖/酮體比值是DKA病人治療中需關注的重要代謝標志物。本研究結果顯示，其與DKA病人再入院密切相關。較高的血糖/酮體比值通常意味著DKA的治療效果不佳，且病人可能存在較強的胰島素抵抗或治療依從性差。高比值表明病人的血糖控制不完全，可能還存在較高的代謝紊亂風險。如果病人在住院治療期間未能實現良好的代謝平衡，則出院后復發的風險會大大增加。血糖/酮體比值偏高可能提示治療方案未能充分解決病人的胰島素依賴問題。因此，病人需要接受更加細致的治療管理。也有研究證實了血糖/酮體比值與再入院風險之間的關系，特別是在治療過程中血糖控制未能及時有效調整的情況下，較高的比值提示病人存在較高的代謝風險[19]。

3.2.5 入院時糖化血紅蛋白

糖化血紅蛋白水平作為長期血糖控制的標志，較高的糖化血紅蛋白水平表明病人在過去幾個月內的血糖控制不佳，且胰島素抵抗或β細胞功能減退可能更為嚴重。這些因素增加了DKA復發的風險，并可能延緩病人的恢復進程。糖化血紅蛋白較高的病人通常需要更精細的胰島素調整和更長時間的治療監控，才能達到理想的血糖控制效果。相關研究也證實了糖化血紅蛋白與DKA病人治療結果之間的密切關系，糖化血紅蛋白較高的病人更易發生再入院，且復發的臨床癥狀較為復雜[20]。這一結論與本研究結果相符，提示長期血糖控制對DKA病人管理的重要性。

3.2.6是否按時注射胰島素

本研究結果發現，是否按時注射胰島素是影響DKA病人再入院的因素。胰島素是糖尿病治療中至關重要的藥物，不規律的胰島素注射會導致血糖水平波動，從而加重DKA的發生和復發。而未按時注射胰島素的病人通常對治療依從性差，這可能與病人的自我管理能力差、對疾病認知不足以及治療方案的復雜性等因素有關，這些因素導致病人的血糖管理不當，增加了病情復發的可能性。有研究發現，胰島素依從性差的病人其再入院風險顯著增加[21]。臨床上應加強對病人胰島素使用的管理，確保治療的規律性，以降低再入院風險。

3.2.7是否存在抑郁、焦慮

本研究結果發現，是否存在抑郁和焦慮癥狀對DKA病人30d內再入院有顯著影響。抑郁和焦慮會干擾病人的認知功能和自我管理能力，導致病人未能按時監測血糖和注射胰島素，增加了疾病復發的可能性。此外，情緒問題可能導致病人的生活方式不健康，如飲食不規律、缺乏運動等，從而進一步影響血糖控制和DKA的管理。因此，臨床上除了血糖和代謝管理外，心理健康問題同樣需要得到重視，適時干預抑郁和焦慮癥狀，能夠提高病人的治療依從性，減少再入院的風險[22]

3.3構建DKA病人30d內再人院Nomogram預測模型的重要性與預測價值

本研究基于Logistic回歸分析得出7項獨立危險因素，采用R軟件構建了DKA病人3Od內再入院的Nomogram預測模型。該工具結合了年齡、并發癥、按時注射胰島素、存在抑郁焦慮以及人院時的酮體濃度、血糖/酮體比值、糖化血紅蛋白等因素，能夠為臨床醫生提供個性化的再入院風險評估。為驗證該Nomogram預測模型的可靠性和預測能力，本研究進行了多項評估。首先，通過Hosmer-Lemeshow檢驗對模型的擬合優度進行評估，結果顯示， ?χ²=3.476，P=0.320 ，表明模型的擬合效果良好，能夠較準確地預測DKA病人在30d內的再入院風險。其次，模型的分類性能通過ROC曲線進行評估，AUC為 0.821[95%CI（0.720 ，0.868）]，表明模型具有較強的區分能力，能夠有效區分再人院和未再人院的病人。此外，該預測模型的靈敏度和特異度分別為 81.22% 和 78.64% ，進一步驗證了模型在臨床實踐中的有效性和可靠性。最后，通過C-index評估模型的預測能力，C-index為0.783，顯示出良好的預測一致性和較高的預測精度。為進一步驗證模型的臨床應用價值，本研究還使用2023年6月一2024年6月收治的33例DKA病人作為驗證集。結果顯示，模型的預測準確率為 81.82% ，表明該Nomogram預測模型在實際臨床應用中具有較高的預測能力和可靠性。因此，本研究構建的Nomogram預測模型在臨床中具有重要的實際應用價值，能夠幫助醫生精確識別高風險病人，優化后續的治療與管理方案，從而減少再入院的發生率，提高DKA病人的治療效果與生活質量。

4小結

綜上所述，DKA病人30d內再入院的高危因素眾多，臨床上應加強對DKA病人的多維度管理，包括生理、心理以及社會因素的綜合考慮。此外，本研究構建的Nomogram預測模型不僅為臨床提供了有效的風險評估工具，也為制定個性化治療方案提供了科學依據，具有重要的預測價值和臨床應用前景。然而，本研究仍存在一定局限性，首先，樣本量相對較小，仍需進一步驗證該系統的普適性。其次，模型的構建基于單一醫院的數據，可能存在地區性偏差。因此，在不同醫院或不同病人群體中的適用性仍需進一步研究；未來的研究應擴大樣本量，驗證模型在多中心、多地區的數據一致性與可靠性。

參考文獻：

[1]余曉嵐，蔡晶晶，陳珊珊.胰島素不同給藥方法治療重癥糖尿病酮癥酸中毒的臨床效果分析[J].糖尿病新世界，2024，27（3）：168-170.

[2]岳江紅，彭曦，蔡夢文，等.2型糖尿病患者再入院風險預測模型的構建[J].中國醫院藥學雜志，2024，44（14）：1687-1692.

[3]吳錦玉，楊澤宇，蔣小芳，等.糖尿病患者非計劃再入院危險因素的研究進展[J].中國療養醫學，2024，33（1）：109-112

[4]李，梅莞翠，柏剛，等.基于LASSO回歸和Nomogram預測經皮腎活檢術后出血風險[J].中國醫學工程，2024，32（8）：8-15.

[5]農惠蕓，寧煥，許霞，等.2型糖尿病合并高血壓列線圖預測模型構建[J].廣西醫科大學學報，2023，40（12）：2035-2042.

[6] 陳海燕，杜少斐，宋丹，等.初發2型糖尿病合并酮癥酸中毒患者再入院強化治療的預測因素分析[J].醫藥論壇雜志，2021，42（15）：39-43.

[7]DAVIESMJ，ARODAVR，COLLINSBS，etal.Managementofhyperglycemiaintype2diabetes，2o22.A consensusreportbythe American Diabetes Association （ADA）and the EuropeanAssociation for the Study of Diabetes （EASD）[J].Diabetes Care，2022，45（11）：2753-2786.

[8] 曾桂芳.湖南部分地區慢性心力衰竭再入院率及影響因素調查[D].長沙：湖南師范大學，2018.

[9] 孫振曉，劉化學，焦林瑛，等.醫院焦慮抑郁量表的信度及效度研究[J/OL].中華臨床醫師雜志（電子版），2017，11（2）：198-201.

[10] TIMPLEVS，KAWARLN.ReadmissionpredictorsinpatientswithtypeII diabetes[J].JournalofNursingCareQuality，2O22，37（4）：342-348.

[11] 朱建庭.心力衰竭合并糖尿病患者再入院的預測模型構建[D].南昌：南昌大學，2023.

[12] 馮達，張翼，馬潤美，等.熱浪與北京市2型糖尿病患者入院和再入院關系的病例交叉研究[J].環境衛生學雜志，2023，13（1）：10-19.

[13] 黃麗君.634例1型糖尿病患者臨床特點及再入院相關危險因素分析[D].廣州：廣東醫科大學，2021.

[14] NETOC，SENRAF，LEITEJ，etal.Differentscenariosfortheprediction of hospital readmission of diabetic patients[J].JournalofMedicalSystems，2021，45（1）：11.

[15]劉歡歡，全會標，孫珍珍，等.2型糖尿病30天非計劃再入院影響因素分析及預測風險模型構建[J].中國糖尿病雜志，2023，31（11）：801-804.

[16] 杜艷，王艷艷，趙甜，等.1型糖尿病患兒1年內再入院風險列線圖預測模型的構建及驗證[J].中國實用護理雜志，2022，38（29）：2297-2303.

［17］張麗萍.血必凈聯合胰島素泵對糖尿病酮癥酸中毒患者氧化應激及血糖控制的影響[J].糖尿病新世界，2024，27（1）：182-185.

[18] 盧露，何江娟.1例肝移植術后并發糖尿病酮癥酸中毒的護理[J]全科護理，2018，16（16）：2036-2037.

[19] 楊清敏，丁紅霞，葉曉曉.糖尿病酮癥酸中毒患者不同維生素D狀態與血酮體、血糖水平及病情嚴重程度的相關性[J].海南醫學，2024，35（21）：3070-3074.

[20]楊黎娟，朱文奎，徐綺，等.社區2型糖尿病患者糖化血紅蛋白控制現況及影響因素分析[J].中國全科醫學，2019，22（25）：3104-3109.

[21] 吳元虹，王曉輝，王宇宇，等.基于主客體互倚模型的老年糖尿病患者胰島素用藥依從性影響因素分析[J].護理學報，2024，31（13）：24-29.

[22]方娟，黃麗華.2型糖尿病慢病管理質量指標的研究新進展[J].護理與康復，2016，15（1）：22-26.（收稿日期：2025-03-11；修回日期：2025-07-26）（本文編輯趙奕雯）