ICU銅綠假單胞菌血流感染患者死亡風(fēng)險(xiǎn)的列線圖模型

【摘要】 目的 探討重癥監(jiān)護(hù)病房（ICU）銅綠假單胞菌血流感染患者的死亡風(fēng)險(xiǎn)因素，并構(gòu)建其列線圖預(yù)測(cè)模型，為臨床決策提供幫助。方法 收集2014年1月至2023年12月中山大學(xué)附屬第一醫(yī)院ICU收治的74例銅綠假單胞菌血流感染患者臨床資料，根據(jù)患者預(yù)后分為生存組（52例）和死亡組（22例），通過(guò)單因素及多因素Cox回歸分析篩選預(yù)后的獨(dú)立影響因素，構(gòu)建列線圖預(yù)測(cè)模型，并對(duì)預(yù)測(cè)模型的預(yù)測(cè)效能和準(zhǔn)確度進(jìn)行驗(yàn)證。結(jié)果 急性生理學(xué)與慢性健康狀況評(píng)分Ⅱ（APACHEⅡ）gt;20分和多器官功能障礙綜合征（MODS）是ICU銅綠假單胞菌血流感染患者獨(dú)立的死亡風(fēng)險(xiǎn)因素（P lt; 0.05）?；谶@2個(gè)獨(dú)立的死亡風(fēng)險(xiǎn)因素構(gòu)建列線圖預(yù)測(cè)模型，該模型一致性指數(shù)（C-index）為0.759，對(duì)患者7 d和14 d的生存概率預(yù)測(cè)效能為0.776和0.844，校準(zhǔn)曲線和臨床決策曲線顯示該模型具有良好的預(yù)測(cè)效能。結(jié)論 針對(duì)ICU銅綠假單胞菌血流感染患者死亡風(fēng)險(xiǎn)因素而構(gòu)建具有時(shí)間動(dòng)態(tài)預(yù)測(cè)功能的列線圖預(yù)測(cè)模型，能夠有效預(yù)測(cè)這類患者的死亡風(fēng)險(xiǎn)，該模型可輔助臨床醫(yī)師快速識(shí)別高?；颊?，優(yōu)化抗生素使用策略。

【關(guān)鍵詞】 銅綠假單胞菌；血流感染；重癥監(jiān)護(hù)室；死亡風(fēng)險(xiǎn)因素；列線圖

Nomogram model for the mortality risk of ICU patients with Pseudomonas aeruginosa bloodstream infections

YE Mengmin1，2， LIU Pingjuan2， YI Siting2， ZENG Jincheng1

（1.Guangdong Medical University， Guangdong Provincial Key Laboratory of Medical Immunology and Molecular Diagnostics， Dongguan Key Laboratory of Medical Bioactive Molecular Developmental and Translational Research， Dongguan 523808， China；

2. Department of Laboratory Medicine， the First Affiliated Hospital of Sun Yat-sen University， Guangzhou 510080， China）

Corresponding author： ZENG Jincheng， E-mail： zengjc@gdmu.edu.cn

【Abstract】 Objective To investigate the risk factors for the mortality of Intensive Care Unit （ICU） patients with Pseudomonas aeruginosa bloodstream infections， and to construct a predictive nomogram model to assist clinical decision-making. Methods Clinical data from 74 patients with Pseudomonas aeruginosa bloodstream infections in ICU of the First Affiliated Hospital of Sun Yat-sen University were gathered from January 2014 to December 2023. The patients were classified into the survival group

（n = 52） and mortality group （n = 22） based on the prognosis. Univariate and multivariate Cox regression analyses were used to screen for independent prognostic factors， and a predictive nomogram model was constructed. The predictive performance and accuracy of the model were verified. Results Acute physiology and chronic health status scoreⅡ （APACHEⅡ） gt;20 and multiple organ dysfunction syndrome （MODS） were the independent risk factors for the mortality of ICU patients with Pseudomonas aeruginosa bloodstream infections （both P lt; 0.05）. The nomogram model was constructed based on these two independent risk factors， with a concordance index （C-index） of 0.759. The predictive efficiencies for survival probabilities at 7 days and 14 days were 0.776 and 0.844. Calibration curve and clinical decision curve showed that the model had good predictive efficiency. Conclusions A time-dynamic predictive nomogram model is constructed for the risk factors of the mortality of ICU patients with Pseudomonas aeruginosa bloodstream infections， which could effectively predict the risk of mortality of such patients. This model can assist clinicians to rapidly identify high-risk patients and optimize antibiotic use strategies.

【Key words】 Pseudomonas aeruginosa； Bloodstream infections； ICU； Mortality risk factors； Nomogram

銅綠假單胞菌（Pseudomonas aeruginosa，PA）作為醫(yī)院感染的重要病原體，在重癥監(jiān)護(hù)病房（intensive care unit，ICU）感染防控中面臨嚴(yán)峻挑戰(zhàn)［1-2］。近年來(lái)，PA引起的血流感染在重癥患者中救治成功率較低，主要與其高耐藥特性及患者基礎(chǔ)疾病復(fù)雜等因素相關(guān)［3］。中國(guó)細(xì)菌耐藥監(jiān)測(cè)網(wǎng)（China Antimicrobial Surveillance Network，CHINET）監(jiān)測(cè)數(shù)據(jù)顯示，PA的分離率達(dá)8%，其中ICU患者的分離率顯著高于普通病房患者（14.5% vs. 5%）［4］。ICU中PA血流感染的臨床特征包括起病急驟、病情進(jìn)展迅速、常容易合并感染性休克和（或）多器官功能障礙，且抗菌藥物選擇受限。這些因素導(dǎo)致其病死率較高，文獻(xiàn)報(bào)道可達(dá)20%～30%［5-7］。更值得關(guān)注的是，歐洲最新流行病學(xué)調(diào)查提示，近半數(shù)醫(yī)院獲得性PA感染呈現(xiàn)耐藥情況［8］。特別是耐碳青霉烯類PA（carbapenem-resistant Pseudomonas aeruginosa，CRPA）血流感染的有效治療時(shí)間窗短，臨床治療決策難度大［9］。目前針對(duì)該特殊人群的死亡風(fēng)險(xiǎn)預(yù)測(cè)工具較為缺乏，而早期識(shí)別高危患者對(duì)改善預(yù)后至關(guān)重要。本研究創(chuàng)新性地聚焦ICU患者PA血流感染這一臨床難點(diǎn)，構(gòu)建具有時(shí)間維度

（7 d和14 d）的列線圖預(yù)測(cè)模型。該預(yù)測(cè)模型可為臨床醫(yī)師提供直觀的風(fēng)險(xiǎn)評(píng)估工具，有助于：①早期預(yù)警高風(fēng)險(xiǎn)患者；②優(yōu)化抗菌藥物使用策略；③制定個(gè)體化監(jiān)護(hù)方案。

1 對(duì)象與方法

1.1 研究對(duì)象

收集2014年1月至2023年12月中山大學(xué)附屬第一醫(yī)院ICU收治的74例PA血流感染患者臨床資料。納入標(biāo)準(zhǔn)：①年齡gt;18歲；②單次血培養(yǎng)僅分離出1種致病菌且為PA，≥1次血標(biāo)本培養(yǎng)陽(yáng)性同時(shí)存在相應(yīng)血流感染的臨床證據(jù)，即患者出現(xiàn)體溫≥38 ℃或lt;36 ℃、寒戰(zhàn)、收縮壓lt;90 mmHg（1 mmHg=0.133 kPa）或較原收縮壓下降40 mmHg、心率gt;90次/分、呼吸頻率gt;20次/分、意識(shí)障礙等一種或多種臨床癥狀［10］；③同一患者多次培養(yǎng)的PA僅取首次培養(yǎng)株納入本研究；④患者的臨床資料完整。排除標(biāo)準(zhǔn)：①住院時(shí)間lt;48 h；②多重微生物血流感染患者。本研究經(jīng)中山大學(xué)附屬第一醫(yī)院倫理委員會(huì)批準(zhǔn)（批件號(hào)：〔2022〕041號(hào)），入組患者均已簽署知情同意書。

1.2 數(shù)據(jù)收集

收集的數(shù)據(jù)包括人口統(tǒng)計(jì)學(xué)、基礎(chǔ)疾病、入住ICU 24 h是否存在多器官功能障礙綜合征（multiple organ dysfunction syndrome，MODS）和急性生理學(xué)與慢性健康狀況評(píng)分Ⅱ（acute physiology and chronic health evaluation，APACHEⅡ）、接受侵入性處置、抗生素暴露情況、微生物學(xué)數(shù)據(jù)和患者預(yù)后等。其中CRPA定義為對(duì)亞胺培南、美羅培南或多利培南至少一種耐藥的PA［4］。APACHE Ⅱ包括急性生理狀況、年齡、慢性健康狀況共3個(gè)方面內(nèi)容，評(píng)分越高提示病情越嚴(yán)重，APACHE Ⅱ評(píng)分≥15分歸屬為重癥，評(píng)分lt;15分歸屬為非重癥［11］。MODS指感染或休克或創(chuàng)傷后出現(xiàn)2個(gè)或多個(gè)器官的功能障礙［12］。根據(jù)患者預(yù)后分為生存組和死亡組，比較2組的臨床特征。

1.3 細(xì)菌鑒定和藥敏試驗(yàn)檢測(cè)方法

菌株通過(guò)法國(guó)梅里埃VITEK 2全自動(dòng)微生物鑒定藥敏分析系統(tǒng)進(jìn)行分析鑒定和藥物敏感度（藥敏）試驗(yàn)。藥敏試驗(yàn)的結(jié)果判斷標(biāo)準(zhǔn)參考同期美國(guó)臨床和實(shí)驗(yàn)室標(biāo)準(zhǔn)協(xié)會(huì)（American Society for Clinical and Laboratory Standards，CLSI）M100文件的判斷標(biāo)準(zhǔn)。試驗(yàn)質(zhì)控菌株為PAATCC27853。

1.4 統(tǒng)計(jì)學(xué)方法

臨床資料應(yīng)用SPSS 26.0進(jìn)行統(tǒng)計(jì)分析，計(jì)數(shù)資料用n（%）表示。采用Cox回歸分析進(jìn)行單因素和多因素分析，單因素分析中P lt; 0.05的因素均納入多因素逐步回歸分析，以確定獨(dú)立的風(fēng)險(xiǎn)因素。

基于多因素回歸模型中有統(tǒng)計(jì)學(xué)意義的變量，使用R軟件建立一個(gè)列線圖預(yù)測(cè)模型。在列線圖中根據(jù)預(yù)測(cè)因子找到所對(duì)應(yīng)的分值，將各個(gè)預(yù)測(cè)因子的分值相加得到總分，總分所對(duì)應(yīng)的風(fēng)險(xiǎn)軸上的值即為該ICU患者發(fā)生PA 血流感染生存概率，總分越高代表患者7 d和14 d內(nèi)生存概率越低。

采用受試者操作特征（receiver operating chara-cteristic，ROC）曲線和一致性指數(shù)（concordance index，C-index）對(duì)列線圖模型的預(yù)測(cè)能力進(jìn)行評(píng)價(jià)，并且繪制校準(zhǔn)曲線，評(píng)估模型預(yù)測(cè)結(jié)局與實(shí)際結(jié)果的符合程度，當(dāng)校準(zhǔn)曲線與參考線（45°線）有較好擬合時(shí)，則認(rèn)為預(yù)測(cè)模型具有較好的校準(zhǔn)效果。臨床決策曲線分析通過(guò)量化評(píng)估列線圖模型在不同閾值概率下的臨床凈獲益值，反映模型的臨床適用性。

2 結(jié) 果

2.1 銅綠假單胞菌血流感染患者的臨床特征

在74例PA 血流感染患者中，81.1%患者為男性，48.6%患者的年齡≥60歲，77.0%患者為醫(yī)院獲得性感染，35.1%患者為CRPA血流感染。48.6% ICU患者發(fā)生PA血流感染前曾在呼吸道來(lái)源標(biāo)本中分離出PA，死亡組患者占比高于生存組。ICU中PA血流感染患者APACHEⅡgt;20分為51.4%，感染性休克發(fā)生率為62.2%，病死率為29.7%。這些患者最常見的合并疾病包括肺部感染（56.8%）、MODS（31.1%）、糖尿病（20.3%）。ICU中近70%患者接受過(guò)各種侵入性處置，如氣管插管（68.9%）、動(dòng)靜脈置管（86.5%）和導(dǎo)尿管（77.0%），54.1%患者在入住ICU前有手術(shù)史。33.8%患者在發(fā)生血流感染前接受頭孢哌酮鈉舒巴坦鈉治療，29.7%患者接受哌拉西林鈉他唑巴坦鈉治療，74.1%患者接受碳青霉烯類藥物治療，27.0%患者接受替加環(huán)素治療。生存組與死亡組的臨床特征分布及死亡風(fēng)險(xiǎn)Cox分析見表1。

2.2 銅綠假單胞菌血流感染患者的死亡風(fēng)險(xiǎn)因素分析

ICU患者發(fā)生PA血流感染中，死亡組22例，生存組52例，病死率為29.7%。2組患者的單因素分析顯示，感染性休克、APACHEⅡgt;20分和MODS為PA 血流感染是ICU患者發(fā)生PA 血流感染潛在的死亡風(fēng)險(xiǎn)因素，差異有統(tǒng)計(jì)學(xué)意義（P lt; 0.05）。進(jìn)一步將P lt; 0.05的變量納入多因素Cox逐步法回歸分析，結(jié)果顯示APACHEⅡgt;20分［HR（95%CI）為9.072（2.082，39.540）］和MODS［HR（95%CI）為2.934（1.218，7.070）］是ICU患者發(fā)生PA血流感染獨(dú)立的死亡風(fēng)險(xiǎn)因素。見表2。

2.3 銅綠假單胞菌血流感染患者的生存率列線圖預(yù)測(cè)模型構(gòu)建

根據(jù)多因素Cox逐步回歸分析法的結(jié)果，將APACHEⅡgt;20分和MODS納入預(yù)測(cè)ICU患者PA血流感染生存率的列線圖模型構(gòu)建（圖1）。APACHEⅡgt; 20分為100分，MODS為49分，將各個(gè)預(yù)測(cè)因子的分值相加得到總分，總分所對(duì)應(yīng)的風(fēng)險(xiǎn)軸上的值即為該ICU患者發(fā)生PA血流感染生存概率。

2.4 列線圖預(yù)測(cè)模型評(píng)價(jià)

ROC曲線用于評(píng)估列線圖模型對(duì)ICU患者發(fā)生PA血流感染生存率的預(yù)測(cè)效能，該預(yù)測(cè)模型的C-index為0.759（95%CI 0.647～0.871），具有中等準(zhǔn)確度。本研究構(gòu)建的預(yù)測(cè)ICU患者發(fā)生PA血流感染7 d和14 d死亡風(fēng)險(xiǎn)的ROC曲線分析結(jié)果（圖2）顯示，7 d的AUC為0.776，靈敏度為84.6%，特異度為55.7%；14 d的AUC為0.844，靈敏度為88.9%，特異度為60.7%。該預(yù)測(cè)模型在14 d死亡風(fēng)險(xiǎn)的預(yù)測(cè)中表現(xiàn)出更高的靈敏度，同時(shí)維持了合理的特異度，提示該模型對(duì)ICU患者死亡風(fēng)險(xiǎn)具有較好的預(yù)測(cè)效能。列線圖預(yù)測(cè)模型的校準(zhǔn)曲線（圖3）表示ICU患者發(fā)生PA血流感染7 d和14 d生存概率預(yù)測(cè)值和實(shí)際值的擬合情況，2條校準(zhǔn)曲線接近參考線（45°線），顯示預(yù)測(cè)模型良好的校準(zhǔn)能力。構(gòu)建預(yù)測(cè)ICU患者發(fā)生PA血流感染7 d和14 d生存概率的決策曲線，并通過(guò)1 000次Bootstrap重采樣驗(yàn)證模型穩(wěn)定性，該曲線顯示預(yù)測(cè)模型的凈收益（圖4）。

3 討 論

PA血流感染是ICU常見的嚴(yán)重感染之一，其高病死率和復(fù)雜的耐藥機(jī)制給臨床治療帶來(lái)巨大挑戰(zhàn)［13-14］。然而，目前缺乏早期識(shí)別ICU患者PA血流感染死亡風(fēng)險(xiǎn)和預(yù)測(cè)該類患者生存率的量化工具。本研究擬構(gòu)建針對(duì)ICU患者的PA血流感染列線圖風(fēng)險(xiǎn)預(yù)測(cè)模型，通過(guò)整合該類患者的流行病學(xué)數(shù)據(jù)，為臨床醫(yī)師提供可視化、個(gè)體化的早期預(yù)警，從而提高患者生存率。

本研究顯示，48.6% ICU患者發(fā)生PA血流感染前呼吸道標(biāo)本已檢出該菌，其中死亡組占比更高，這可能與氣管插管和呼吸機(jī)相關(guān)性肺炎增加PA血流感染發(fā)病風(fēng)險(xiǎn)相關(guān)［15-16］。值得注意的是，本研究ICU中74.1% PA血流感染患者存在碳青霉烯類藥物暴露史，其中CRPA血流感染占比達(dá)35.1%，但死亡組與生存組差異無(wú)統(tǒng)計(jì)學(xué)意義。這一現(xiàn)象可能與中山大學(xué)附屬第一醫(yī)院作為華南地區(qū)危重癥患者轉(zhuǎn)診中心有關(guān)——轉(zhuǎn)入患者多存在病情復(fù)雜、免疫抑制、長(zhǎng)期廣譜抗菌藥物暴露及多重侵入性操作等危險(xiǎn)因素［17］，臨床醫(yī)師為了覆蓋耐藥菌感染風(fēng)險(xiǎn)，往往傾向于使用碳青霉烯類藥物作為經(jīng)驗(yàn)性治療方案。目前CRPA的全球檢出率達(dá)28.4%［18］，國(guó)內(nèi)CHINET監(jiān)測(cè)數(shù)據(jù)為27.1%［4］，CRPA已成為全球公共衛(wèi)生領(lǐng)域的重大挑戰(zhàn)。ICU作為PA感染的高風(fēng)險(xiǎn)環(huán)境，入住患者因病情危重接受密集監(jiān)護(hù)，頻繁的醫(yī)療操作及與醫(yī)護(hù)人員的密切接觸顯著增加了病原菌定植與侵襲性感染的風(fēng)險(xiǎn)［19］。因此，建議嚴(yán)格執(zhí)行手衛(wèi)生并強(qiáng)化環(huán)境消毒以降低PA定植風(fēng)險(xiǎn)，同時(shí)實(shí)施抗菌藥物分級(jí)管理、多學(xué)科協(xié)作優(yōu)化治療方案并持續(xù)開展耐藥監(jiān)測(cè)與反饋，從而有望降低ICU患者PA 血流感染的發(fā)病風(fēng)險(xiǎn)。

本研究顯示，ICU患者PA血流感染病死率為29.7%，與國(guó)內(nèi)外多項(xiàng)研究報(bào)道的病死率高度一致，且顯著高于其他常見病原體引起的血流感染［20-21］。

雖然本研究的單因素分析結(jié)果提示患者發(fā)生感染性休克與死亡相關(guān)，但經(jīng)過(guò)多因素分析后未納入最終模型，這可能與本研究對(duì)象為ICU患者及多因素Cox回歸分析調(diào)整混雜因素有關(guān)，后續(xù)研究中將納入更多病例數(shù)進(jìn)一步驗(yàn)證。值得注意的是，盡管本研究顯示APACHE Ⅱgt; 20分和MODS是PA 血流感染患者死亡的獨(dú)立危險(xiǎn)因素，這與既往研究結(jié)論一致［22-23］，但是與既往研究相比，這2個(gè)因素在PA血流感染中的風(fēng)險(xiǎn)比值比其他病原微生物感染更高，這可能與PA的毒素協(xié)同作用以及生物膜相關(guān)免疫逃逸等機(jī)制有關(guān)［24-25］。APACHEⅡ評(píng)分作為評(píng)估危重患者預(yù)后的方法之一，其預(yù)測(cè)價(jià)值已得到廣泛驗(yàn)證［26］。然而，針對(duì)APACHEⅡ的“危險(xiǎn)截點(diǎn)”一直缺乏統(tǒng)一標(biāo)準(zhǔn)：多數(shù)文獻(xiàn)僅提示“分值越高、預(yù)后越差”，卻未給出可操作閾值［11， 27］。

本研究基于74例PA 血流感染危重癥患者首次明確，當(dāng)APACHEⅡgt; 20分時(shí)，死亡風(fēng)險(xiǎn)呈斷崖式上升（HR=9.072，95%CI 2.082～39.540），顯著高于≤"20分者，該截點(diǎn)較既往提出的15分更具臨床實(shí)用性。同時(shí)，發(fā)生MODS患者死亡風(fēng)險(xiǎn)增加2.934倍，提示其仍是驅(qū)動(dòng)PA血流感染不良結(jié)局的核心環(huán)節(jié)。當(dāng)血流感染進(jìn)展為膿毒癥時(shí)，機(jī)體炎癥反應(yīng)與免疫調(diào)節(jié)失衡可引發(fā)全身性循環(huán)功能障礙，造成組織低灌注及細(xì)胞代謝紊亂，進(jìn)而導(dǎo)致MODS。這一病理生理過(guò)程是膿毒癥相關(guān)死亡的核心機(jī)制，也成為危重癥患者的主要死因［28］。上述發(fā)現(xiàn)為ICU醫(yī)師提供了量化的早期預(yù)警標(biāo)準(zhǔn)：患者入住ICU 24 h內(nèi)APACHEⅡgt; 20分或出現(xiàn)MODS，即應(yīng)啟動(dòng)強(qiáng)化監(jiān)測(cè)、盡早聯(lián)合抗感染及器官支持策略，以提高這類患者的生存率。

本研究在ICU患者PA血流感染這一高危人群中系統(tǒng)驗(yàn)證了APACHEⅡgt; 20分合并MODS的獨(dú)立預(yù)測(cè)價(jià)值，并創(chuàng)新性地構(gòu)建了具有時(shí)間維度的動(dòng)態(tài)預(yù)測(cè)模型（7 d和14 d AUC分別為0.776和0.844）。該模型具有良好的區(qū)分度、校準(zhǔn)和臨床決策收益，顯著優(yōu)于傳統(tǒng)靜態(tài)評(píng)分。盡管本研究構(gòu)建的預(yù)測(cè)模型的C-index為0.759，預(yù)測(cè)準(zhǔn)確度處于中等水平，與文獻(xiàn)報(bào)道的兒童PA血流感染模型（C-index 0.930）［29］存在一定差距，但這種差異可能與研究人群的異質(zhì)性以及納入預(yù)測(cè)變量的不同有關(guān)。列線圖所預(yù)測(cè)的14 d生存率低于7 d，本質(zhì)上是ICU患者PA 血流感染時(shí)間-風(fēng)險(xiǎn)累積的客觀映射：7～14 d死亡風(fēng)險(xiǎn)源于持續(xù)器官功能障礙與治療應(yīng)答不佳的動(dòng)態(tài)過(guò)程。PA的毒力因子（如外毒素、脂多糖、生物被膜等）是危重癥患者持續(xù)器官損傷的“發(fā)動(dòng)機(jī)”［30］，在宿主免疫力低及罹患多種基礎(chǔ)疾病的情況下導(dǎo)致抗菌治療受限，毒力無(wú)法被及時(shí)抑制，才導(dǎo)致死亡風(fēng)險(xiǎn)隨時(shí)間累積。因此，列線圖所示的后期生存率下降并非由單純毒性決定，而是“毒力持續(xù)釋放+治療阻力+宿主衰竭”共同作用的結(jié)果。這提示臨床醫(yī)師需采取分階段綜合策略：早期強(qiáng)效覆蓋病原體并抑制毒力因子（如聯(lián)合敏感抗生素及靶向治療），中期動(dòng)態(tài)評(píng)估治療應(yīng)答、及時(shí)調(diào)整方案以避免耐藥性，全程優(yōu)化宿主狀態(tài)（如免疫調(diào)節(jié)與器官支持），最終從單純“殺菌”轉(zhuǎn)向“阻斷感染-控制炎癥-改善器官損傷”的精準(zhǔn)管理，以改善重癥患者預(yù)后。

本研究存在以下局限性：首先，樣本量相對(duì)有限（n = 74），主要源于PA血流感染確診需血培養(yǎng)陽(yáng)性且ICU發(fā)生率較低，并且單中心回顧性設(shè)計(jì)需排除多重感染及數(shù)據(jù)缺失病例；其次，盡管采用嚴(yán)格統(tǒng)計(jì)方法控制偏倚，但小樣本量可能影響模型的穩(wěn)定性。未來(lái)研究將通過(guò)多中心協(xié)作擴(kuò)大樣本量，并整合更多維度的預(yù)測(cè)變量，在微生物學(xué)方面可結(jié)合分子分型和耐藥基因檢測(cè)等先進(jìn)技術(shù)。通過(guò)建立更大規(guī)模的前瞻性隊(duì)列，并采用機(jī)器學(xué)習(xí)等先進(jìn)算法，有望構(gòu)建更具預(yù)測(cè)價(jià)值的風(fēng)險(xiǎn)評(píng)估體系，為臨床精準(zhǔn)化治療決策提供更可靠的循證依據(jù)。

綜上所述，本研究構(gòu)建基于APACHEⅡgt; 20分和MODS的列線圖模型，可有效預(yù)測(cè)ICU患者PA血流感染的死亡風(fēng)險(xiǎn)。盡管存在單中心回顧性研究的局限性，但本研究為ICU患者PA血流感染提供了具有時(shí)間維度的實(shí)用風(fēng)險(xiǎn)評(píng)估工具，對(duì)改善這類高?；颊叩呐R床預(yù)后具有重要指導(dǎo)價(jià)值。

利益沖突聲明：本研究未受到企業(yè)、公司等第三方資助，不存在潛在利益沖突。

參 考 文 獻(xiàn)

［1］ TABAH A， BUETTI N， STAIQULY Q， et al. Epidemiology and outcomes of hospital-acquired bloodstream infections in intensive care unit patients： the EUROBACT-2 international cohort study［J］.

Intensive Care Med， 2023， 49（2）： 178-190. DOI： 10.1007/s00134-022-06944-2.

［2］ ZHEN S， ZHAO Y， CHEN Z， et al. Assessment of mortality-related risk factors and effective antimicrobial regimens for treatment of bloodstream infections caused by carbapenem-resistant Pseudomonas aeruginosa in patients with hematological diseases［J］. Front Cell Infect Microbiol， 2023， 13： 1156651. DOI： 10.3389/fcimb.2023.1156651.

［3］ FOLIC M M， DJORDJEVIC Z， FOLIC N， et al. Epidemiology and risk factors for healthcare-associated infections caused by Pseudomonas aeruginosa［J］. J Chemother， 2021， 33（5）： 294-301. DOI： 10.1080/1120009X.2020.1823679.

［4］ 謝瀲滟， 孫景勇， 楊洋， 等. 2015—2021年CHINET臨床分離銅綠假單胞菌耐藥性變遷［J］. 中國(guó)感染與化療雜志， 2024， 24（2）： 198-205. DOI： 10.16718/j.1009-7708.2024.

02.009.

XIE L Y， SUN J Y， YANG Y， et al. Changing resistance profiles of Pseudomonas aeruginosa isolates in hospitals across China： results from the CHINET Antimicrobial Resistance Surveillance Program， 2015-2021［J］. Chin J Infect Chemother， 2024，

24（2）： 198-205. DOI： 10.16718/j.1009-7708.2024.02.009.

［5］ ANTOCHEVIS L C， WILHELM C M， ARNS B， et al. World Health Organization priority antimicrobial resistance in Enterobacterales， Acinetobacter baumannii， Pseudomonas aeruginosa， Staphylococcus aureus and Enterococcus faecium healthcare-associated bloodstream infections in Brazil （ASCENSION）： a prospective， multicentre， observational study［J］. Lancet Reg Health Am， 2025， 43： 101004. DOI： 10.1016/j.lana.2025.101004.

［6］ ROLO M， MARTíN-HIGUERA M C， VIEDMA E， et al. Clinical impact of time-to-positivity of blood cultures on mortality in patients with Pseudomonas aeruginosa bacteremia［J］. J Glob Antimicrob Resist， 2022， 30： 269-275. DOI： 10.1016/j.jgar.

2022.06.026.

［7］ VIASUS D， GUDIOL C， CARRATALà J. Treatment of multidrug-

resistant Gram-negative bloodstream infections in critically ill patients： an update［J］. Curr Opin Crit Care， 2024， 30（5）： 448-455. DOI： 10.1097/MCC.0000000000001190.

［8］ KARRULI A， CATALINI C， D’AMORE C， et al. Evidence-based treatment of Pseudomonas aeruginosa infections： a critical reappraisal［J］. Antibiotics （Basel）， 2023， 12（2）： 399. DOI： 10.3390/antibiotics12020399.

［9］ ZHAO Y， LIN Q， ZHANG T， et al. Pseudomonas aeruginosa bloodstream infection in patients with hematological diseases： clinical outcomes and prediction model of multidrug-resistant infections［J］. J Infect， 2023， 86（1）： 66-117. DOI： 10.1016/j.jinf.2022.08.037.

［10］ WANG J， WANG M， ZHAO A， et al. Microbiology and prognostic prediction model of bloodstream infection in patients with hematological malignancies［J］. Front Cell Infect Microbiol， 2023， 13： 1167638. DOI： 10.3389/fcimb.2023.1167638.

［11］ SADAKA F， ETHMANEABOUELMAALI C， CYTRON M A， et al. Predicting mortality of patients with sepsis： a comparison of apache ii and apache iii scoring systems［J］. J Clin Med Res， 2017， 9（11）： 907-910. DOI： 10.14740/jocmr3083w.

［12］ CHEN P， BILLIAR T. Gut microbiota and multiple organ dysfunction syndrome （MODS）［J］. Adv Exp Med Biol， 2020， 1238： 195-202. DOI： 10.1007/978-981-15-2385-4_11.

［13］ PANG Z， RAUDONIS R， GLICK B R， et al. Antibiotic resistance in Pseudomonas aeruginosa： mechanisms and alternative therapeutic strategies［J］. Biotechnol Adv， 2019， 37（1）： 177-

192. DOI： 10.1016/j.biotechadv.2018.11.013.

［14］ WEINER-LASTINGER L M， ABNER S， EDWARDS J R， et al. Antimicrobial-resistant pathogens associated with adult healthcare-associated infections： summary of data reported to the National Healthcare Safety Network， 2015-2017［J］. Infect Control Hosp Epidemiol， 2020， 41（1）： 1-18. DOI： 10.1017/ice.2019.296.

［15］ GUZEK A， RYBICKI Z， WO?NIAK-KOSEK A， et al. Bloodstream infections in the intensive care unit： a single-center retrospective bacteriological analysis between 2007 and 2019

［J］. Pol J Microbiol， 2022， 71（2）： 263-277. DOI： 10.33073/pjm-2022-025.

［16］ NG Q X， ONG N Y， LEE D Y X， et al. Trends in Pseudomonas aeruginosa （P. aeruginosa） bacteremia during the COVID-19 pandemic： a systematic review［J］. Antibiotics （Basel）， 2023， 12（2）： 409. DOI： 10.3390/antibiotics12020409.

［17］ 劉平娟， 羅科城， 吳家茵， 等. 神經(jīng)內(nèi)科重癥監(jiān)護(hù)室患者腸道耐碳青霉烯類腸桿菌目細(xì)菌主動(dòng)篩查研究［J］. 中華臨床實(shí)驗(yàn)室管理電子雜志， 2023， 11（4）： 235-240. DOI： 10.

3877/cma.j.issn.2095-5820.2023.04.007.

LIU P J， LUO K C， WU J Y， et al. Epidemiological study on intestinal active surveillance of carbapenem-resistant Enterobacteriaceae in neurology intensive care unit［J］. Chin J Clin Lab Manag （Electron Ed）， 2023， 11（4）： 235-240. DOI： 10.3877/cma.j.issn.2095-5820.2023.04.007.

［18］ ZHANG H， XU Y， JIA P， et al. Global trends of antimicrobial susceptibility to ceftaroline and ceftazidime-avibactam： a surveillance study from the ATLAS program （2012-2016）［J］. Antimicrob Resist Infect Control， 2020， 9（1）： 166. DOI： 10.1186/s13756-020-00829-z.

［19］ HERRERA S， BODRO M， SORIANO A. Predictors of multidrug resistant Pseudomonas aeruginosa involvement in bloodstream infections［J］. Curr Opin Infect Dis， 2021， 34（6）： 686-692. DOI： 10.1097/QCO.0000000000000768.

［20］ RECIO R， MANCHE?O M， VIEDMA E， et al. Predictors of mortality in bloodstream infections caused by Pseudomonas aeruginosa and impact of antimicrobial resistance and bacterial virulence［J］. Antimicrob Agents Chemother， 2020， 64（2）： e01759-19. DOI： 10.1128/AAC.01759-19.

［21］ THADEN J T， PARK L P， MASKARINEC S A， et al. Results from a 13-year prospective cohort study show increased mortality associated with bloodstream infections caused by Pseudomonas aeruginosa compared to other bacteria［J］. Antimicrob Agents Chemother， 2017， 61（6）： e02671-16. DOI： 10.1128/AAC.

02671-16.

［22］ CARABALLO C， JAIMES F. Organ dysfunction in sepsis： an ominous trajectory from infection to death［J］. Yale J Biol Med， 2019， 92（4）： 629-640.

［23］ GODINJAK A， IGLICA A， RAMA A， et al. Predictive value of SAPS II and APACHE II scoring systems for patient outcome in a medical intensive care unit［J］. Acta Med Acad， 2016， 45（2）： 97-103. DOI： 10.5644/ama2006-124.165.

［24］ WEI Z， ZHAO L， YAN J， et al. Dynamic monitoring of neutrophil/lymphocyte ratio， APACHE II score， and SOFA score predict prognosis and drug resistance in patients with Acinetobacter baumannii-calcoaceticus complex bloodstream infection： a single-center retrospective study［J］. Front Microbiol， 2024， 15： 1296059. DOI： 10.3389/fmicb.2024.1296059.

［25］ KULA B E， HUDSON D， SLIGL W I. Pseudomonas aeruginosa infection in intensive care： epidemiology， outcomes， and antimicrobial susceptibilities［J］. J Assoc Med Microbiol Infect Dis Can， 2020， 5（3）： 130-138. DOI： 10.3138/jammi-2020-0003.

［26］ HUANG Y， JIANG S， LI W， et al. Establishment and effectiveness evaluation of a scoring system-RAAS （RDW， AGE， APACHE II， SOFA） for sepsis by a retrospective analysis［J］. J Inflamm Res， 2022， 15： 465-474. DOI： 10.2147/JIR.S348490.

［27］ JIANG Y H， ZHAO R， BAI Y X， et al. Development and validation of a nomogram to predict bacterial blood stream infection ［J］. Euro J Med Res， 2025， 30（1）： 404. DOI：10.1186/s40001-025-02617-0.

［28］ WEN R， LIU Y P， TONG X X， et al. Molecular mechanisms and functions of pyroptosis in sepsis and sepsis-associated organ dysfunction［J］. Front Cell Infect Microbiol， 2022， 12： 962139. DOI： 10.3389/fcimb.2022.962139.

［29］ 魯成剛， 姚妹， 朱履昌， 等. 兒童銅綠假單胞菌血流感染的預(yù)后及影響因素分析［J］. 國(guó)際流行病學(xué)傳染病學(xué)雜志， 2023， 50（4）： 251-257. DOI： 10.3760/cma.j.cn331340-20230327-00050.

LU C G， YAO M， ZHU L， et al. Prognosis and influencing factors of Pseudomonas aeruginosa bloodstream infection in children［J］. Int J Epidemiol Infect Dis， 2023， 50（4）： 251-257. DOI： 10.3760/cma.j.cn331340-20230327-00050.

［30］ QIN S， XIAO W， ZHOU C， et al. Pseudomonas aeruginosa： pathogenesis， virulence factors， antibiotic resistance， interaction with host， technology advances and emerging therapeutics ［J］. Signal Transduct Target Ther， 2022， 7（1）： 199. DOI：10.1038/s41392-022-01056-1.

（責(zé)任編輯：林燕薇）