Med-MIMIC，持续分享MIMIC临床生信文献与思路解读，捕捉当下热点思路，感兴趣的老师可以点点关注~需要定制化分析的老师欢迎扫码联系~
文章标题：Development and validation of a predictive model for pulmonary infection risk in patients with traumatic brain injury in the ICU: a retrospective cohort study based on MIMIC-IV
中文标题：ICU 创伤性脑损伤患者肺部感染风险预测模型的开发和验证：一项基于 MIMIC-IV 的回顾性队列研究
发表期刊：BMJ Open Respir Res .
发表时间：2024年7月
影响因子：3.6/Q2
头部穿透伤或头部受到撞击、打击或摇晃可能导致创伤性脑损伤 （TBI）。根据美国疾病控制和预防中心的研究，全球每年估计有 64-7400 万人患有 TBI，使其成为导致死亡和残疾的首要原因之一。TBI 因其高患病率、长期影响危害、劳动力流失、医疗保健系统的压力以及对家庭负担、社会参与和健康不平等问题的影响，给个人和社会带来沉重的负担。然而，值得注意的是，目前缺乏关于 TBI 患者肺部感染风险预测的相关研究，也没有关于重症监护病房 （ICU） 中 TBI 危重患者肺部感染风险预测的系统研究。
纳入与排除标准
纳入标准：本研究使用了来自公开可用的 MIMIC-IV （Medical Information Mart for Intensive Care IV） 数据库的患者数据。使用国际疾病分类 （ICD） 代码 ICD-9：85 和 ICD-10：S06 在 MIMIC-IV （2.2 版）数据库中确定颅内损伤患者。
排除标准：（1） 年龄 <18 或 >90 岁;（2） 不是第一次入住 ICU;（3） ICU 住院时间少于 1 天，以及 （4） 入住 ICU 后 3 天内死亡。
数据提取
肺部感染：在 MIMIC-IV 数据库中使用 ICD 代码确定肺部感染患者：ICD-10：J12-18 和 ICD-9：480-486。
统计方法
在这项回顾性队列研究中，纳入了 1780 例 TBI 患者，并随机分为训练集 （n=1246） 和发育集 （n=534）。使用 Kaplan-Meier 曲线分析肺部感染对生存率的影响。在训练集中构建单因素 logistic 回归模型以识别肺部感染的潜在因素，并在多因素 Logistic 回归模型中确定独立危险因素以构建列线图模型。采用受试者工作特征 （ROC） 曲线、校准曲线和 Hosmer-Lemeshow 检验评估列线图性能，决策曲线分析 （DCA）评估预测价值。
结果分析
1. 基线特征
本研究纳入 1780 名符合条件的患者，并以 7：3 的比例随机分配到训练集和发育集。在 1780 例 TBI 患者中，约 10% （n=186） 患有继发性肺部感染。总样本的中位年龄为 68.0 岁 （IQR：52.0-80.0），大多数患者为白人 （65.8%） 和男性 （63.8%）。
2. 肺部感染对患者生存的影响
Kaplan-Meier 曲线表明，肺部感染对脑损伤患者的生存有不利影响 （对数秩 p<0.05） （图 2A）。然后，选择入住 ICU 后 7 天和 14 天的时间点进行分析。肺部感染患者在 7 天和 14 天时表现出显着的生存劣势 （对数秩 p<0.001，图 2B，C）。21 天后，组间生存曲线未见显著差异 （对数秩 p>0.05） （图 2D）。总之，脑损伤患者早期发生肺部感染严重不利于其生存。
3. Logistic 回归变量筛选结果
在训练集中，单变量 logistic 回归分析结果和多变量 logistic 模型中肺部感染的潜在危险因素列于表 2 中。多变量logistic分析显示，其他种族（OR：1.783,95%CI 1.172至2.702，p=0.007）、呼吸频率（OR：1.100,95%CI 1.037至1.166，p=0.001）、温度（OR：2.107,95%CI 1.419至3.173，p=0.002）、机械通气（OR：2.802,95%CI 1.814至4.323，p<0.001）、抗生素（OR：2.797,95%CI 1.707至4.747， p<0.001） 和 CHF （OR：2.895,95% CI 1.686 至 4.908，p<0.001） 是 TBI 患者肺部感染的独立危险因素。
4. 列线图建立
由于 INR 是凝血系统活性的重要指标，GCS 评分可以反映意识状态，因此选择它们作为列线图预测模型的评价指标。总之，根据种族、呼吸频率、体温、GCS、INR、机械通气、抗生素、CHF 和肾脏疾病等变量，建立了列线图模型来预测 TBI 患者肺部感染的风险。
5. 受试者工作特征 （ROC） 曲线
训练集中列线图的 ROC 曲线下面积为 0.800 （95% CI 0.761 至 0.840） （图 4A），发育集中为 0.768 （95% CI 0.705 至 0.832），表明列线图具有良好的区分能力 （图 4B）。列线图的校准 C 指数值为 0.784。
6. 决策曲线分析 （DCA） 曲线
DCA 结果表明，在训练集（图 6A）和发展集（图 6B）中，由列线图模型指导的干预策略产生了更高的临床效用。
文章小结
在这项回顾性队列研究中，我们构建了一个基于列线图的预测模型，以评估 ICU 入住期间 ICU 中 TBI 患者发生肺部感染的风险。研究结果显示，在该人群中，种族、机械通气、抗生素、CHF、肾脏疾病、GCS、体温、呼吸频率和 INR是肺部感染的关键预测因素。今天为大家分享的文章纯公共数据挖掘+统计分析，就发到了一区！如果你也想在临床方向发高分文章，不妨试试这个省钱省事又省力的思路吧！
