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 of a nomogram for predicting in-hospital mortality in patients with liver cirrhosis and sepsis
中文标题：开发用于预测肝硬化和败血症患者院内死亡率的列线图
发表期刊：Sci Rep .
发表时间：2024年4月
影响因子：3.8/Q2
肝硬化是一种由各种原因引起的慢性进行性肝病，导致纤维化组织和再生结节取代健康的肝实质。由于肝硬化和脓毒症患者的特异性，这些评分系统对这些患者预后的预测价值有限。在这项研究中，我们旨在调查与肝硬化和败血症患者院内死亡率相关的危险因素，建立和验证列线图。
思路和方法
通过曲线下面积 （AUC） 、综合判别改进 （IDI） 、净重分类指数 （NRI） 和决策曲线分析 （DCA） 对模型进行比较。最终队列共纳入 1,696 例肝硬化和脓毒症患者。
结果分析
1. 列线图的预测变量选择
对 56 名候选者（不包括 SOFA、MELD-Na 和 ABIC）进行了 LASSO 回归，其中包括 21 个连续变量。
LASSO 回归提示 21 个变量与院内死亡率相关，包括年龄、HE、脓毒症休克、心率、MBP、WBC、MCV、TBIL、葡萄糖、钠、AG、PT、INR、血液感染、肺部感染、真菌感染、碳青霉烯类抗生素、CRRT、机械通气、去甲肾上腺素和加压素，这些都包含在完整模型中。筛查结果如表 2 所示。
在多元回归分析中，筛选的所有 9 个变量都与肝硬化和脓毒症患者的院内死亡率显著相关 （P < 0.05）。基于上述 9 个变量开发了一个简化模型，并绘制了列线图来预测肝硬化和脓毒症患者院内死亡率的概率。我们还根据总分的三分位数绘制了风险分层：低风险 （总分 ≤ 437）、中等风险 （437 分<总分 ≤ 463） 和高风险 （总分 > 463）。我们还构建了一个动态列线图 （https://linhirog.shinyapps.io/Nomogram/） 来协助模型的应用。
2. 列线图验证
我们计算了列线图的 AUC，并比较了列线图、 SOFA 、 MELD 和 ABIC 评分对肝硬化和脓毒症院内死亡率的预测性能。结果列于表 3 中。列线图的 AUC 值在推导队列中为 0.805 （95% CI = 0.776–0.833），在验证队列中为 0.827 （95% CI 0.785–0.869），显著高于 SOFA 、 MELD-Na 和 ABIC 系统。
我们绘制了 DCA 曲线来说明柱状图的临床价值，并将它们与 SOFA、MELD-Na 和 ABIC 评分进行比较（图 D）。6）. 横轴表示没有人接受干预，净收益为 0。斜线表示每个人都接受了干预。当开发和验证队列中的预测概率阈值设置为 10-80% 和 10-90% 时，由柱状图指导的临床干预比其他评分系统具有更大的净收益。
文章小结
我们建立了第一个基于 MIMIC 数据库的预后列线图，以预测肝硬化和脓毒症患者的院内死亡率。在这项对肝硬化和败血症患者的回顾性队列分析中，我们使用 LASSO logistic 回归确定了与院内死亡率相关的 9 个自变量，包括年龄、心率、TBIL、葡萄糖、钠、AG、真菌感染、机械通气和加压素。基于具有 9 个变量的简化模型，绘制列线图以预测院内死亡风险。与 SOFA 、 MELD 和 ABIC 相比，列线图模型表现良好。该模型在内部验证中表现良好，可用于指导临床实践，但需要进一步的外部前瞻性验证。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！
