冯超男1 张钰2
1南京市高淳人民医院麻醉科，南京 211300；2徐州医科大学附属医院麻醉科，徐州 221002
国际麻醉学与复苏杂志,2024,45(12):1256-1262.
DOI：10.3760/cma.j.cn321761-20240618‑01167
ORIGINAL ARTICLES
【论著】
本研究将通过分析脓毒症合并急性呼吸窘迫综合征（ARDS）患者的临床资料，探究此类患者急性肾损伤（AKI）发生的危险因素，旨在建立个体化预测脓毒症合并ARDS患者AKI发生风险的可视化工具，以辅助临床医师筛选患者，针对性地制定AKI的有效预防策略，以期降低脓毒症合并ARDS患者AKI的发生率，改善患者预后。
1 资料与方法
从重症监护医学信息中心（MIMIC‑Ⅲ，版本号1.4）数据库中提取脓毒症合并ARDS患者的临床数据进行训练和内部验证，回顾性收集南京市高淳人民医院脓毒症合并ARDS患者的临床数据进行外部验证。从MIMIC‑Ⅲ数据库中提取的病例依据7∶3的比例按照随机抽样法分为建模组（760例）和内部验证组（325例），回顾性收集的病例为外部验证组（430例）。依据建模组760例患者的数据，采用最小绝对收缩和选择算子（LASSO）回归分析探究影响脓毒症合并ARDS患者发生AKI的影响因素，将LASSO回归中系数非零的变量纳入预测模型，并使用支持向量机（SVM）、自适应提升（Adaboost）、逻辑回归（LR）和极端梯度提升（Xgboost）算法构建预测模型。通过绘制校准曲线、计算受试者操作特征曲线下面积（AUC）判断预测模型性能表现，而后在外部验证组中进行预测模型的验证。
2 结 果
2.1 患者基本特征
从MIMIC‑Ⅲ数据库中提取的脓毒症患者中建模组有142例（19%）患者发生了AKI，内部验证组中有57例（18%）发生了AKI，外部验证组中有75例（17%）患者发生了AKI。各组患者一般资料差异无统计学意义（均P>0.05）。见表1。
2.2 LASSO回归分析及多因素logistic回归分析
对建模组患者的数据进行LASSO回归分析后筛选出7个非零变量（SOFA评分、氧合指数、第1个24 h内尿量、PEEP、高血压、血胆红素、血肌酐）进入多因素logistic回归分析发现，SOFA评分、氧合指数、第1个24 h内尿量、PEEP、高血压与脓毒症合并ARDS患者发生AKI有显著相关性，以上5个指标被认为是脓毒症合并ARDS患者发生AKI的独立危险因素（表2、图1）。
2.3 模型的构建与评价
最优模型在建模组、内部验证组和外部验证组中达到了较好的预测效果（表3）。相应的校准曲线也与45°虚线（理想值）接近（图2），表明预测值与实际观测值具有良好的一致性。
3 讨 论
本研究通过对脓毒症合并ARDS患者的LASSO回归分析发现，SOFA评分、第1个24 h内尿量、氧合指数、PEEP、胆红素、血肌酐、高血压是脓毒症合并ARDS患者发生AKI发生的影响因素。为了更准确地了解各影响因素对脓毒症合并ARDS患者发生AKI风险的影响程度，对高危患者进行筛选及进行早期干预。进一步使用logistic回归分析筛选出AKI的独立危险因素，发现SOFA评分、第1个24 h内尿量、氧合指数、PEEP、高血压是脓毒症合并ARDS患者发生AKI的独立危险因素。本研究显示，血胆红素水平和血肌酐水平是脓毒症合并ARDS患者AKI发生的影响因素。此外，本研究AUC结果显示，在外部验证组中该模型预测AKI发生风险的AUC为0.730，表明该可视化工具区分度良好。
本研究存在如下不足：① 尽管上述方法可较为可靠地评判脓毒症合并ARDS患者发生AKI的风险，但由于脓毒症患者病情的发展是一个动态过程，并且不同患者的基础状态和诊治过程存有差异，故单纯的数值对AKI的预测作用较为有限；② 因研究设计均基于公告数据库的回顾性分析而非直接对患者的评价，不可避免受到数据偏倚的影响；③ 与前瞻性临床设计相比，本研究受到了部分病例资料不全的限制，有一些可能有意义的指标（如乳酸、pH等）无法纳入研究；④ 严格的纳入排除标准也不可避免地造成了选择性偏倚；⑤ 样本量仍然较小，多中心大样本的数据或许可以使模型更加稳定，外推性更强，进一步的前瞻性研究仍有必要进行。
如果您对本文感兴趣，可登录我刊投稿系统平台（www.gjmzyfs.com），在“期刊浏览”栏目中免费实时下载全文。
国际麻醉学与复苏杂志
International Journal of Anesthesiology and Resuscitation
主管：中华人民共和国国家卫生健康委员会
主办：中华医学会 徐州医科大学
ISSN：1673-4378 CN: 32-1761/R
电话：（0516）85708135（咨询）；85807157（编辑）；85802018（传真）
Email：gjmzyfs@263.net ; gjmzyfs@163.com
网上投稿：www.gjmzyfs.com
地址：徐州市淮海西路99号
长按二维码
一键关注
