兒童重癥肺炎預后不良的影響因素分析及Nomogram模型構建

Doi：10.3969/j.issn.1673—5293.2025.08.007

[文獻標識碼]A [文章編號]1673—5293（2025）08-0043-06

Analysis of influencingfactors of poorprognosis of severe pneumonia in children and the construction of Nomogram model

HUWensheng1，WU Chunyan1，CHEN Yong1，CHEN Xin1，JIANG Xueyan2 （1.Intensive Care Unit，Jinhua Maternal and Child Health Hospital，Zhejiang Jinhua 321Ooo，China ; 2.Children's Intensive Care Unit，Jinhua Central Hospital，ZhejiangJinhua 321ooo，China）

[Abstract]ObjectiveTheinfluencingfactorsofporprognosisofseverepneumonia（SP）inchildrenwereanalyzedandaprediction modelwasconstructed.MethodsAtotalof378childrenwithSPinJinhua MaternalandChildHealthHospitalfrom March2020to March2023 wererandomlydivided intothe modeling population（189 cases）and the verification population（189 cases）acording tothe 1：1 control principle.Theprognosisofthe modeled populationand the verified populationat3monthsafter thedisease was compared，theadverseprognosticinfluencing factorswereaalyzed inthemodeledpopulation，theNomogrammodelwas constructed，and the Nomogram model was externally verified.Results The incidence of poor prognosis in SP was 24.60% （93/ 378），and there was no significant difference between the incidence of poor prognosis in the modeling population （23.81% ）and the validated population （25.40% ） χ²=0.128，P=0.720） .In the modeled population，the poor prognosis group had a longer time from disease to consultation ：t=8.997，Plt;0.05） ，the proportion of mechanical ventilation， previous lung infection，underlying lung disease， ?2 strains of infectious pathogens，and extrapulmonary complications in the poor prognosis group was higher than that in the good prognosis group （ χ² values ranged from 4.247 to 10.668，Plt;0.05; ，and the serum procalcitonin level and acute physiology score（APS） were higher than those in the good prognosis group（ t=10.353 and 5.278; Plt;0.05 ）.Time from illnessto presentation，mechanicalventilation，historyof previouspulmonaryinfection，numberofinfectiousstrains，extrapulmonary complications，serum procalcitonin level，and APS were all independent risk factors for poor prognosis （OR=2.653-5.955）， Plt; 0.05）.Externalvalidationofthemodelinthevalidation populationshowed thattheC-indexof theNomogrammodel was 0.948 which had good discrimination，and the area under the curve（AUC） was 0.948（ 95%CI ：0.910-0.988），indicating good calibration andclinicalutilityforpredictingpoorprognosis.ConclusionTheprognosisofchildrenwithSPisafectedbymanyfactorsndthe Nomogrammodelconstructedbasedonacutephysiologicalscoresandrelatedinfluencingfactorshasgooddiscriminationpredictive efficacy，calibration and clinical utility in prognostic prediction. [Key words] child;severe pneumonia;acute physiology score;prognosis;influencing factor;Nomogram model

肺炎是臨床常見呼吸系統(tǒng)疾病，其發(fā)病率逐年增加，世界衛(wèi)生組織2018年調(diào)查數(shù)據(jù)顯示，近802200例肺炎患者是兒童，已成為兒童發(fā)病和死亡的最重要原因之一[1-2]。特別是重癥肺炎（severe pneu-monia，SP）發(fā)生率為肺炎患兒的 10% 左右，死亡率達 5.7%^[3-4] 。早期識別SP危險因素并及時預防和治療，對降低患兒病死率、改善預后至關重要[5]。近年多項研究分析了SP患兒預后影響因素，多種SP患兒預后相關因素被發(fā)現(xiàn)[6-7]。研究顯示，急性生理學評分（acute physiology score，APS）是 SP 患兒預后不良的重要影響因素之一，在預后預測方面具有良好應用價值[8，但APS尚未被納入SP患兒預后不良的Nomogram模型當中。本研究基于APS，結合相關影響因素構建兒童SP預后Nomogram模型，以期為臨床預測患兒預后提供重要依據(jù)。

1資料與方法

1.1一般資料

選取2020年3月至2023年3月金華市婦幼保健院378例SP患兒，按照 1：1 對照原則，采用隨機數(shù)字表法分為建模人群（189例）、驗證人群（189例）。納入標準： ① 確診為 SP^[9] ： ② 年齡 3～12 歲；③ 人院前未接受系統(tǒng)治療； ④ 患兒監(jiān)護人同意簽署同意書。排除標準： ① 中樞神經(jīng)系統(tǒng)或心腦血管系統(tǒng)疾病； ② 其他部位感染或創(chuàng)傷； ③ 有肺部手術史；④ 惡性腫瘤。建模人群：男107例，女82例，年齡3～12（6.21±1.57） 歲。驗證人群：男101例，女88例，年齡 3～12（6.07±1.49） 歲。建模人群與驗證人群基礎資料對比差異無統(tǒng)計學意義（ Pgt;0.05） 。本研究已經(jīng)通過倫理審核。

1.2方法

實驗室指標檢測：人院當天采集所有患兒空腹靜脈血 5mL ，采用深圳邁瑞7500血球分析儀檢測外周血血小板計數(shù)（peripheralbloodplateletcount，PLT）、白細胞計數(shù)（whiteblood cellcount，WBC）、血清C反應蛋白（C-reactiveprotein，CRP）水平。采用星童循環(huán)增強熒光免疫發(fā)光法檢測降鈣素原（procalcitonin，PCT）水平。

APS評估及預后：人院當天由臨床經(jīng)驗豐富（5年以上工作經(jīng)驗）醫(yī)生參照APS標準[1]評估：APS 各生理學指標評分 + 格拉斯哥昏迷量表（glasgow coma scale，GCS）[1]評分，其中 GCS評分采用反向計分法，即GCS得分 =15 分-實測GCS評分。于患病后3個月評估預后情況，痊愈出院，無后遺癥，定義為預后良好；死亡，或存活但遺留后遺癥，定義為預后不良。

1.3觀察指標

SP患兒基礎資料、患病后3個月預后情況。不同預后SP患兒臨床資料，包括患病至就診時間、機械通氣、既往肺部感染病史、肺部基礎疾病（包括哮喘、肺結核等）、病原菌類型、感染病原菌株數(shù)、住院時間、肺外并發(fā)癥（低氧血癥、敗血癥）心率、呼吸頻率、體溫、外周血PLT、WBC水平、血清CRP、PCT水平、APS。

1.4統(tǒng)計學方法

采用SPSS22.0軟件。計數(shù)資料以 n（%） 描述，進行 x² 檢驗。計量資料以 描述，進行 χ_t 檢驗。通過Logistic回歸分析SP患兒預后不良的影響因素。根據(jù)具有統(tǒng)計學意義的因素構建SP患兒預后不良的Nomogram預測模型，采用rms程序包。外部驗證應用一致性指數(shù)（C-index）、受試者工作特征（receiveroperatingcharacteristic，ROC）曲線、校準曲線及決策曲線（decisioncurveanalysis，DCA）。Plt;0.05 為差異有統(tǒng)計學意義。

2結果

2.1研究人群的預后情況

本研究共納人378例SP患兒，其中93例發(fā)生預后不良，預后不良發(fā)生率為 24.60%（93/378） 。建模人群預后不良發(fā)生率為 23.81%（45/189） ，驗證人群預后不良發(fā)生率為 25.40%（48/189） ，建模人群與驗證人群預后不良發(fā)生率對比差異無統(tǒng)計學意義（χ²=0.128，P=0.720） 。

2.2預后良好組和預后不良組臨床資料比較

在建模人群中，預后不良組患病至就診時間長于預后良好組 （t=8.997，Plt;0.05） ，機械通氣、有既往肺部感染病史、有肺部基礎疾病、感染病原菌株數(shù) ?2 株、有肺外并發(fā)癥占比高于預后良好組 （X² 值介于 4.247～10.668 之間，均 Plt;0.05） ，血清PCT水平、APS評分高于預后良好組（t值分別為10.353、5.278，Plt;0.05） ，見表1。

表1預后良好組和預后不良組臨床資料比較 二

Table 1Comparison of clinical data between the good prognosis and poor prognosis groups

2.3預后不良的影響因素Logistic回歸分析

在建模人群進行Logistic回歸分析。結果顯示，患病至就診時間、機械通氣、既往肺部感染病史、感染病原菌株數(shù)、肺外并發(fā)癥、血清PCT水平、APS均為SP患兒發(fā)生預后不良的影響因素（OR值介于2.653～5.955 之間， Plt;0.05） ，見表2。

表2預后不良的影響因素Logistic回歸分析

Table 2Logistic regression analysis of factors influencing poor prognosis

2.4預后不良Nomogram模型構建

在建模人群中，將Logistic回歸中具有統(tǒng)計學意義的7個影響因素作為預測指標，構建SP患兒預后不良的Nomogram模型，見圖1。

2.5外部驗證

在驗證人群中，首先通過計算得到Nomogram預測模型的C-index為0.948，具有良好的區(qū)分度，ROC曲線（見圖2）顯示，該模型的曲線下面積（areaunder curve，AUC）為 0.948（95%CI：0.910～ 0.988）。校準曲線（見圖3）顯示，該模型預測SP患兒預后不良的校準度良好，模型與實際觀測結果有

圖2Nomogram模型的ROC曲線

圖1預后不良Nomogram模型

Fig.1Nomogram model for poor prognosis

Fig.2ROC curve for Nomogram model

圖3Nomogram模型的校準曲線

Fig.3 Calibration curves for the Nomogram model

圖4Nomogram模型的DCA Fig.4DCA of the Nomogram model

3討論

3.1SP 患兒預后不良發(fā)生率

SP是兒科常見危重癥，多由細菌或病毒感染引起，可導致多臟器功能障礙，對患兒生長發(fā)育造成較大危害[12-13]。既往研究顯示，腺病毒引起的 SP 患兒預后不良發(fā)生率高達 23.7%^[14] 。本研究 SP患兒預后不良發(fā)生率為 24.60% 。與上述研究結果存在一定差異，這可能與感染類型不同有關，本研究SP患兒為細菌感染。但無論是細菌感染或病毒感染所致SP，患兒預后不良發(fā)生率均較高，準確把握SP患兒預后影響因素對疾病治療、改善預后具有重要指導價值。

3.2SP患兒預后不良的影響因素

本研究顯示，患病至就診時間、機械通氣等均會增加預后不良發(fā)生風險。分析其原因在于，患病至就診時間延長導致患兒臟器及系統(tǒng)組織損傷加重，預后不良風險增大；機械通氣可能要進行氣管插管等侵入性操作，增加預后不良風險；既往肺部感染病史患兒有肺部抗生素治療史，導致再次治療反應減弱；而感染病原菌株數(shù)超過2株患兒臨床癥狀復雜、多樣，且不同病原菌耐藥性不同，導致治療難度增加，均會增加預后不良風險[15-16]。Wilkes C等[17]報道指出，低氧血癥是中低收入國家患肺炎兒童死亡率增加的危險因素之一，本研究也發(fā)現(xiàn)低氧血癥等肺外并發(fā)癥可明顯增加預后不良發(fā)生風險。本研究結果顯示，不同預后患兒肺部基礎疾病占比存在明顯差異，但肺部基礎疾病與預后不良無明顯關聯(lián)性，這可能與本研究有肺部基礎疾病患兒病例較少有關，其在SP患兒預后評估中的作用仍需通過大樣本研究進一步驗證。本研究還發(fā)現(xiàn)，高血清PCT水平會導致SP患兒預后不良發(fā)生風險增加。這是因為血清PCT水平與炎癥反應程度密切相關，血清PCT水平越高提示患兒炎癥反應程度越嚴重，炎癥反應加重能加重患兒臟器及系統(tǒng)組織損傷，增加預后不良風險[18]。

急性生理與慢性健康評分（AcutePhysiologyandChronicHealthEvaluationII，APACHEII）評分臨床應用廣泛，其分值越高患者預后越差[19]。臨床多項研究表明，SP患者的高APACHEI評分可促進預后不良發(fā)生[20-21]。但SP患兒年齡較小，不適合采用APACHEⅡ評估。且相關研究指出，不同治療效果SP患兒間APACHEⅡ評分比較無明顯差異，并指出APACHEI評分在成人SP中靈敏度較高，對兒童SP預后評估價值有限[22]。APS是APACHEⅡI中的急性生理學項目，刪除了其中年齡和慢性健康狀況項目，更適用于兒童SP病情評估。因此，本研究納人APS指標，結果發(fā)現(xiàn)預后不良患兒入院時APS明顯高于預后良好患兒，說明入院時APS與SP患兒預后有關。進一步通過多因素回歸分析顯示，APS是SP患兒發(fā)生預后不良的獨立危險因素。提示早期APS可應用于SP患兒的預后評估。康平等8研究也發(fā)現(xiàn)高APS是導致SP患兒預后不良的獨立危險因素，與本研究結果基本一致。

3.3預測預后不良的Nomogram模型

基于Logistic回歸獲取的影響因素構建了SP患兒預后不良的Nomogram模型，并在驗證人群中對該模型進行外部驗證，結果顯示，該模型具有良好的區(qū)分度，預測SP患兒預后不良的AUC為0.948，且具有較高預測效能、校準度、臨床效用，可為臨床預測SP患兒預后不良發(fā)生風險提供可靠參考依據(jù)，有助于指導臨床開展針對性治療，以降低預后不良發(fā)生風險。

綜上可知，SP患兒預后受多方面因素影響，基于APS結合相關影響因素構建SP患兒預后不良的Nomogram模型，在預測預后方面具有較高區(qū)分度、預測效能、校準度和臨床效用，有助于指導臨床完善治療方案。

[參考文獻]

[1]Wang H，Lu Z，Bao Y，et al.Clinical diagnostic application of metagenomic next-generation sequencing in children with severe nonresponding pneumonia[J].PLoS One，2020，15（6） ：e0232610.

[2]Purimahua S L，Arsin A A，Daud A，et al.Biomarkers of pneumonia disease in under five children in“grill culture\"[J].Gac Sanit，2021，35（S2） ：S435-S437.

[3]孫永烽，楊勤，陳敏，等.198例小兒重癥肺炎病原學分析 [J].貴州醫(yī)科大學學報，2020，45（3）：345-349，355.

[4]Gillet Y，Tristan A，Rasigade J P，et al.Prognostic factors of severe community-acquired staphylococcal pneumonia inFrance[J].EurRespir J，2021，58（5）：2004445.

[5]Fan F，Lv J，Yang Q Y，et al.Clinical characteristics and serum inflammatory markers of community-acquired mycoplasma pneumonia in children[J].Clin Respir J， 2023，17（7）：607-617.

[6]Gong W H，Gao K J，Shan Z M，et al.Research progress of biomarkers in evaluating the severity and prognostic value of severe pneumonia in children[J].Front Pediatr， 2024，12（1）：1417644.

[7]Mamun G M S，Zou M，Sarmin M，et al.Derivation and validation of aclinical prediction model for risk-stratification of children hospitalized with severe pneumonia in Bangladesh[J].PLOS Glob Public Health，2023，3（8）： e0002216.

[8]康平，李奕，湯昱.高遷移率族蛋白B1聯(lián)合急性生理學評 分對重癥肺炎患兒診斷價值及預后價值的研究[J].中國 全科醫(yī)學，2022，25（8）：924-929，936.

[9]中國醫(yī)師協(xié)會急診醫(yī)師分會.中國急診重癥肺炎臨床實踐 專家共識[J].中國急救醫(yī)學，2016，36（2）：97-107.

[10]Okumura K，Latifi R，Smiley A，et al.Direct peritoneal resuscitation（DPR）improves acute physiology and chronic health evaluation（APACHE）IV and acute physiology score when used in damage control laparotomies： prospective cohort study on 37 patients[J].Surg Technol Int，2022，41（1） ：85-93.

[11]Mehta R，G P trainee，Chinthapalli K，et al.Glasgow coma scale explained[J].BMJ，2019，65（1） ：11296.

[12]Zhang R，Wang H，Tian S，et al.Adenovirus viremia may predict adenovirus pneumonia severity in immunocompetent children[J].BMCInfectDis，2021，21（1）： 213.

[13]Boetiger D C，An V T，Lumbiganon P，et al.Severe recurrent bacterial pneumonia among children living withHIV[J].Pediatr Infect DisJ，2022，41（5）：e208- e215.

[14]李潔，孫欣榮，樊亞麗，等.兒童腺病毒肺炎的臨床特征分 析[J].中國婦幼健康研究，2022，33（1）：141-145.

[15]劉彬娜.重癥肺炎患兒支氣管肺泡灌洗液病原菌分布、藥 物敏感性及預后危險因素分析[J].醫(yī)學檢驗與臨床， 2021，32（4） ：39-42.

[16]李重錦，蘇新星，蔣麗君，等.重癥肺炎患兒預后的危險因 素及其列線圖預測模型構建研究[J].實用心腦肺血管病 雜志，2021，29（9）：47-52.

[17]WilkesC，Bava M，Graham HR，et al.What are the risk factors for death among children with pneumonia in low-and middle-income countries？ a systematic review [J].JGlob Health，2023，13（1） ：05003.

[18]李佳，劉超，胡姝雯，等.血清降鈣素原、高遷移率族蛋白 1及急性生理與慢性健康評分系統(tǒng)Ⅱ評分對重癥肺炎患 兒預后的評估［J].中國臨床醫(yī)生雜志，2021，49（12）： 1494-1497.

[19]Yu H，Luo J，Ni Y，et al.Early prediction of extubation failure in patients with severe pneumonia：a retrospective cohort study[J].Biosci Rep，2020，40（2）： BSR20192435.

[20]唐先俊，姚欣.老年重癥肺炎患者血清中活化蛋白C、髓 樣分化因子88水平與不良預后的關系[J].河北醫(yī)藥， 2021，43（1）：53-56，61.

[21]高蓓，蔡曉玉，廖蕾，等.血Scr與肺炎嚴重指數(shù)在評估重 癥肺炎患者預后的臨床價值[J].標記免疫分析與臨床， 2022，29（2）：276-280.

[22]張慧芳，張雪，沙玉霞，等.血清及支氣管肺泡灌洗液中 sTREM-1水平、APACHEI評分及SOFA評分對重癥 肺炎患兒病情及預后評價[J].中國當代兒科雜志，2020， 22（6）：626-631. [專業(yè)責任編輯：劉敬] [中文編輯：馮佳圓;英文編輯：李曉雪]