• 中国科技论文统计源期刊
  • 中国科技核心期刊
  • 中国高校优秀期刊
  • 安徽省优秀科技期刊

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

预测ICU住院病人死亡的Nomogram模型

孙敏捷 罗兵 李振兴 霍星星 王云

引用本文:
Citation:

预测ICU住院病人死亡的Nomogram模型

    作者简介: 孙敏捷(1989-), 女, 护师
    通讯作者: 罗兵, luob2008lb@126.com ; 王云, ahs2y2008@126.com
  • 基金项目:

    国家自然科学基金项目 81803938

    安徽省高校自然科学研究重点项目 KJ2019A1099

    安徽省高校自然科学研究一般项目 ZR2019B04

  • 中图分类号: R449

Nomogram model for predicting death of hospitalized ICU patients

    Corresponding author: LUO Bing, luob2008lb@126.com ;WANG Yun, ahs2y2008@126.com
  • CLC number: R449

  • 摘要: 目的构建重症监护病房(ICU)住院病人死亡Nomogram预测模型,为降低ICU住院病人死亡率提供指导。方法回顾性分析ICU 1 133例住院病人临床资料,采用logistic回归分析筛选ICU住院病人死亡危险因素,并构建可视化Nomogram预测模型,采用决策曲线分析(DCA)对简单评价模型和复杂评价模型进行比较。结果多因素logistic回归分析显示医院感染(OR=1.876,95%CI:1.037~3.043)、高血压(OR=1.133,95%CI:1.090~1.177)、糖尿病(OR=1.141,95%CI:1.064~1.209)、输血(OR=1.357,95%CI:1.102~3.421)、低GCS评分(OR=0.953,95%CI:0.917~0.991)、APACHEⅡ评分(OR=2.638,95%CI:0.794~8.692)、气管切开(OR=3.973,95%CI:2.386~6.615)、气管插管(OR=1.562,95%CI:1.163~2.266)、动静脉插管(OR=1.365,95%CI:1.067~3.172)、动静脉插管时间(OR=1.825,95%CI:1.224~2.979)、导尿管插管(OR=2.016,95%CI:1.050~3.870)、导尿管插管时间(OR=2.689,95%CI:1.724~4.195)为ICU住院病人死亡独立危险因素(P < 0.05)。根据多因素logistic回归结果建立Nomogram模型,经验证预测模型一致性良好(C-index=0.748,P < 0.05)。DCA显示阈值概率在(0.09~0.49)范围内,复杂模型的净利润高于简单模型,阈值概率在(0.49~0.87)范围内,简单模型的净利润高于复杂模型。结论成功建立预测ICU住院病人死亡的Nomogram预测模型。
  • 图 1  ICU住院病人死亡风险的Nomogram模型

    图 2  ICU住院病人死亡决策曲线分析

    表 1  ICU住院病人死亡组和未死亡组临床资料比较

    变量 存活组(n=804) 死亡组(n=329) χ2 P
    感染
      是
      否
    75
    729
    45
    284
    4.66 < 0.05
    年龄/岁
      ≤60
       > 60
    264
    540
    110
    219
    0.04 > 0.05
    性别
      男
      女
    522
    282
    187
    142
    6.52 < 0.05
    APECHE Ⅱ评分/分
      < 20
       ≥20
    587
    217
    203
    126
    14.14 < 0.05
    住院时间/d
      < 30
       ≥30
    680
    124
    277
    52
    0.03 > 0.05
    ICU入住时间/d
      < 14
      ≥14
    655
    149
    272
    57
    0.23 > 0.05
    使用抗菌药物
      是
      否
    769
    35
    312
    17
    0.35 > 0.05
    昏迷
      是
      否
    411
    393
    191
    138
    4.51 < 0.05
    高血压
      是
      否
    366
    438
    177
    152
    6.41 < 0.05
    糖尿病
      是
      否
    411
    393
    141
    188
    6.38 < 0.05
    低蛋白血症
      是
      否
    495
    309
    213
    116
    1.00 > 0.05
    手术
      是
      否
    105
    699
    49
    280
    0.67 > 0.05
    气管切开
      是
      否
    157
    647
    37
    292
    11.28 < 0.05
    气管插管
      是
      否
    552
    252
    254
    75
    8.31 < 0.05
    呼吸机插管时间/d
      ≥7
      < 7
    170
    634
    57
    272
    2.13 > 0.05
    动静脉插管
      是
      否
    446
    358
    251
    78
    43.14 < 0.05
    动静脉插管时间/d
      < 7
       ≥7
    634
    170
    231
    98
    9.66 < 0.05
    导尿管插管
      是
      否
    770
    34
    302
    27
    7.25 < 0.05
    导尿管插管时间/d
      < 7
      ≥7
    467
    337
    230
    99
    13.79 < 0.05
    输血
      是
      否
    259
    545
    141
    188
    11.58 < 0.05
    GCS评分(x±s)/分 7.23±4.16 6.51±3.86 2.80* < 0.05
    *示t
    下载: 导出CSV

    表 2  影响ICU住院病人死亡的多因素logistic回归分析

    变量 B Wald χ2 OR 95% CI P
    医院感染 0.631 4.26 1.876 1.037~3.043 < 0.05
    性别 0.227 2.23 0.797 0.591~1.074 > 0.05
    高血压 0.125 6.57 1.133 1.090~1.177 < 0.05
    糖尿病 0.136 15.22 1.141 1.064~1.209 < 0.05
    输血 0.545 6.37 1.357 1.102~3.421 < 0.05
    昏迷 0.043 0.07 0.958 0.692~1.326 > 0.05
    GCS评分 0.048 5.86 0.953 0.917~0.991 < 0.05
    APACHEⅡ评分 0.870 2.35 2.638 0.794~8.692 < 0.05
    气管切开 1.379 28.12 3.973 2.386~6.615 < 0.05
    气管插管 0.442 8.79 1.562 1.163~2.266 < 0.05
    动静脉插管 0.426 6.75 1.365 1.067~3.172 < 0.05
    动静脉静脉插管时间 0.592 6.45 1.825 1.224~2.979 < 0.05
    导尿管插管 0.701 4.44 2.016 1.050~3.870 < 0.05
    导尿管插管时间 0.989 19.00 2.689 1.724~4.195 < 0.05
    下载: 导出CSV
  • [1] RANZANI OT, PRADA LF, ZAMPIERI FG, et al. Failure to reduce C-reactive protein levels more than 25% in the last 24 hours before intensive care unit discharge predicts higher in-hospital mortality: a cohort study[J]. J Crit Care, 2012, 27(5): 525.e9.
    [2] DALY K, BEALE R, CHANG RW. Reduction in mortality after inappropriate early discharge from intensive care unit: logistic regression triage model[J]. BMJ, 2001, 322(7297): 1274. doi: 10.1136/bmj.322.7297.1274
    [3] SPRUNG CL, DANIS M, IAPICHINO G, et al. Triage of intensive care patients: identifying agreement and controversy[J]. Intensive Care Med, 2013, 39(11): 1916. doi: 10.1007/s00134-013-3033-6
    [4] BROWN SE, RATCLIFFE SJ, HALPERN SD. Assessing the utility of ICU readmissions as a quality metric: an analysis of changes mediated by residency work-hour reforms[J]. Chest, 2015, 147(3): 626. doi: 10.1378/chest.14-1060
    [5] WAGNER J, GABLER NB, RATCLIFFE SJ, et al. Outcomes among patients discharged from busy intensive care units[J]. Ann Intern Med, 2013, 159(7): 447. doi: 10.7326/0003-4819-159-7-201310010-00004
    [6] 刘俊, 吴继雄, 张泽华, 等. IL-6、TNF-α与APACHEⅡ评分判断ICU老年重症感染病人预后的价值[J]. 蚌埠医学院学报, 2020, 45(8): 1048.
    [7] 郑可欣, 陈春蓉, 徐禹, 等. 镇静深度及深度镇静持续时间对ICU重症急性胰腺炎病人谵妄发生的影响[J]. 蚌埠医学院学报, 2022, 47(2): 265.
    [8] GOLDHILL DR, WORTHINGTON L, MULCAHY A, et al. The patientat-risk team: identifying and managing seriously ill ward patients[J]. Anaesthesia, 1999, 54(9): 853. doi: 10.1046/j.1365-2044.1999.00996.x
    [9] LEE J, CHO YJ, KIM SJ, et al. Who dies after ICU discharge? retrospective analysis of prognostic factors for in-hospital mortality of ICU survivors[J]. J Korean Med Sci, 2017, 32(3): 528. doi: 10.3346/jkms.2017.32.3.528
    [10] EGBOHOU P, SAMA HD, MOUZOU T, et al. Causes of deaths in the intensives care unit of Sylvanus Olympio Teaching Hospital, Lomé, Togo[J]. Med Sante Trop, 2018, 28(3): 281.
    [11] TATSUMI Y, OHKUBO T. Hypertension with diabetes mellitus: significance from an epidemiological perspective for Japanese[J]. Hypertens Res, 2017, 40(9): 795. doi: 10.1038/hr.2017.67
    [12] KLEMM E, NOWAK AK. Tracheotomy-Related Deaths[J]. Dtsch Arztebl Int, 2017, 114(16): 273.
    [13] IASONOS A, SCHRAG D, RAJ GV, et al. How to build and interpret a nomogram for cancer prognosis[J]. J Clin Oncol, 2008, 26(8): 1364. doi: 10.1200/JCO.2007.12.9791
    [14] VICKERS AJ, CRONIN AM, ELKIN EB, et al. Extensions to decision curve analysis, a novel method for evaluating diagnostic tests, prediction models and molecular markers[J]. BMC Med Inform Decis Mak, 2008, 8: 53.
  • [1] 霍佳佳张兰青王玲戚游牛婷婷徐绍莲方萍 . 脑卒中病人入院后新发抑郁风险的预测模型构建及验证. 蚌埠医学院学报, 2022, 47(7): 934-938. doi: 10.13898/j.cnki.issn.1000-2200.2022.07.024
    [2] 张玉宝王汇程岚 . COPD机械通气病人谵妄发生风险的列线图预测模型构建与评估. 蚌埠医学院学报, 2021, 46(11): 1611-1615. doi: 10.13898/j.cnki.issn.1000-2200.2021.11.029
    [3] 桑识途随明显 . 个体化预测老年牙周病病人病情严重程度的风险列线图模型的建立与验证. 蚌埠医学院学报, 2024, 49(2): 199-203. doi: 10.13898/j.cnki.issn.1000-2200.2024.02.013
    [4] 杨亮程润窦俊凯刘欢周志庆 . 维持性血液透析病人衰弱发生风险列线图模型的构建. 蚌埠医学院学报, 2023, 48(4): 538-543. doi: 10.13898/j.cnki.issn.1000-2200.2023.04.028
    [5] 杨悦军郑华银江逸锋 . 基于多维度指标构建肝硬化病人食管胃静脉曲张破裂出血后门静脉血栓风险列线图模型及验证. 蚌埠医学院学报, 2022, 47(11): 1533-1538. doi: 10.13898/j.cnki.issn.1000-2200.2022.11.013
    [6] 杨楠陈宇易诗琼张露 . ST段抬高型心肌梗死病人远期死亡率与入院首次化验时平均血小板体积的关系. 蚌埠医学院学报, 2021, 46(12): 1729-1733. doi: 10.13898/j.cnki.issn.1000-2200.2021.12.022
    [7] 燕翠芳李阳赵楠楠张舒妮杨静茹李淑华谢宗玉 . 基于CT影像和临床特征的列线图模型预测NSCLC的EGFR突变状态. 蚌埠医学院学报, 2023, 48(12): 1714-1721. doi: 10.13898/j.cnki.issn.1000-2200.2023.12.021
    [8] 高怡平水杰张晓燕 . 孕妇自然分娩产后出血的风险列线图预测模型构建与验证. 蚌埠医学院学报, 2024, 49(2): 234-238. doi: 10.13898/j.cnki.issn.1000-2200.2024.02.021
    [9] 王玲玲李程辉杨丽汤晓敏朱芸谢宗玉赵楠楠 . 基于钼靶影像组学列线图预测乳腺癌Her-2表达状态. 蚌埠医学院学报, 2023, 48(10): 1421-1426. doi: 10.13898/j.cnki.issn.1000-2200.2023.10.021
    [10] 陈平代国坡史恒峰 . 基于临床影像学参数构建列线图模型在术前预测胃癌淋巴结转移中的价值. 蚌埠医学院学报, 2023, 48(12): 1721-1725. doi: 10.13898/j.cnki.issn.1000-2200.2023.12.022
    [11] 段昌琴唐婧婧程晓虎李方园王昕刘志宁 . 结直肠癌造口病人心理障碍预测模型构建分析. 蚌埠医学院学报, 2022, 47(6): 818-822. doi: 10.13898/j.cnki.issn.1000-2200.2022.06.028
    [12] 李亮张继伟孙文浩王广田甜于淼 . 急性脑卒中机械取栓术后病人症状性脑出血预测模型构建分析. 蚌埠医学院学报, 2023, 48(6): 779-782. doi: 10.13898/j.cnki.issn.1000-2200.2023.06.016
    [13] 张倩茹李甲孙向东徐仲璇姚晓玲 . 综合重症监护病房病人医院感染的目标性监测分析. 蚌埠医学院学报, 2017, 42(3): 399-401. doi: 10.13898/j.cnki.issn.1000-2200.2017.03.036
    [14] 黄丽彭欢欢石春红王维箭欧永强 . 经右侧桡动脉入路行冠状动脉造影术失败风险列线图模型构建与验证. 蚌埠医学院学报, 2023, 48(11): 1552-1556. doi: 10.13898/j.cnki.issn.1000-2200.2023.11.016
    [15] 张慧赵楠楠朱芸张舒妮李阳杨静茹汤晓敏杨丽王玲玲谢宗玉 . 基于DCE-MRI影像组学列线图预测乳腺浸润性导管癌PD-L1表达状态的研究. 蚌埠医学院学报, 2023, 48(8): 1090-1097. doi: 10.13898/j.cnki.issn.1000-2200.2023.08.017
    [16] 黄磊程东苗吴迪张正情郭远见 . 食管癌适形调强放疗病人预后多因素回归分析及其预测模型构建. 蚌埠医学院学报, 2022, 47(8): 1030-1033. doi: 10.13898/j.cnki.issn.1000-2200.2022.08.010
    [17] 王修军易君张欢欢 . 基于多维度指标建立预测模型在乳腺癌病人腋窝淋巴结转移的应用价值. 蚌埠医学院学报, 2022, 47(8): 1066-1069. doi: 10.13898/j.cnki.issn.1000-2200.2022.08.018
    [18] 李蕾陈燕邵松郑权施学芝 . 创伤骨折术后病人营养不良风险预测模型的构建. 蚌埠医学院学报, 2023, 48(7): 967-970, 975. doi: 10.13898/j.cnki.issn.1000-2200.2023.07.026
    [19] 周南香冯国琴刘美华明雨雁李浩吴玉琴于小敏钱志慧 . 基于思维导图联合定量化预测模型对缺血性脑卒中合并吞咽障碍病人的护理实践. 蚌埠医学院学报, 2021, 46(11): 1634-1638. doi: 10.13898/j.cnki.issn.1000-2200.2021.11.034
    [20] 陶言言张弘徐波宋黎洁王小玲王方莉陆国玉王剑 . 蚌埠市冠心病住院病人健康素养现况及影响因素分析. 蚌埠医学院学报, 2021, 46(11): 1592-1594, 1599. doi: 10.13898/j.cnki.issn.1000-2200.2021.11.024
  • 加载中
图(2)表(2)
计量
  • 文章访问数:  2432
  • HTML全文浏览量:  1149
  • PDF下载量:  25
  • 被引次数: 0
出版历程
  • 收稿日期:  2021-03-31
  • 录用日期:  2022-05-04
  • 刊出日期:  2022-12-15

预测ICU住院病人死亡的Nomogram模型

    通讯作者: 罗兵, luob2008lb@126.com
    通讯作者: 王云, ahs2y2008@126.com
    作者简介: 孙敏捷(1989-), 女, 护师
  • 1. 安徽省第二人民医院 手术室, 安徽 合肥 230041
  • 2. 安徽省第二人民医院 检验科, 安徽 合肥 230041
  • 3. 安徽省第二人民医院 输血科, 安徽 合肥 230041
  • 4. 安徽省中医院 科研中心, 安徽 合肥 230020
  • 5. 安徽省第二人民医院 院感科, 安徽 合肥 230041
基金项目:  国家自然科学基金项目 81803938安徽省高校自然科学研究重点项目 KJ2019A1099安徽省高校自然科学研究一般项目 ZR2019B04

摘要: 目的构建重症监护病房(ICU)住院病人死亡Nomogram预测模型,为降低ICU住院病人死亡率提供指导。方法回顾性分析ICU 1 133例住院病人临床资料,采用logistic回归分析筛选ICU住院病人死亡危险因素,并构建可视化Nomogram预测模型,采用决策曲线分析(DCA)对简单评价模型和复杂评价模型进行比较。结果多因素logistic回归分析显示医院感染(OR=1.876,95%CI:1.037~3.043)、高血压(OR=1.133,95%CI:1.090~1.177)、糖尿病(OR=1.141,95%CI:1.064~1.209)、输血(OR=1.357,95%CI:1.102~3.421)、低GCS评分(OR=0.953,95%CI:0.917~0.991)、APACHEⅡ评分(OR=2.638,95%CI:0.794~8.692)、气管切开(OR=3.973,95%CI:2.386~6.615)、气管插管(OR=1.562,95%CI:1.163~2.266)、动静脉插管(OR=1.365,95%CI:1.067~3.172)、动静脉插管时间(OR=1.825,95%CI:1.224~2.979)、导尿管插管(OR=2.016,95%CI:1.050~3.870)、导尿管插管时间(OR=2.689,95%CI:1.724~4.195)为ICU住院病人死亡独立危险因素(P < 0.05)。根据多因素logistic回归结果建立Nomogram模型,经验证预测模型一致性良好(C-index=0.748,P < 0.05)。DCA显示阈值概率在(0.09~0.49)范围内,复杂模型的净利润高于简单模型,阈值概率在(0.49~0.87)范围内,简单模型的净利润高于复杂模型。结论成功建立预测ICU住院病人死亡的Nomogram预测模型。

English Abstract

  • 研究[1]显示重症监护病房(ICU)住院后的死亡人数估计为5%~27%。尽管在过去的几十年里,降压病房广泛使用,ICU护理质量有所改善,仍有相当数量的ICU病人发生院内死亡。重症监护后的短期预后可由ICU内外因素决定[2-7]。另一方面的焦点主要集中ICU护理和特殊团队监督并识别这些病人的死亡风险[8]。虽然ICU的病人经过严格ICU护理后,死亡率有所下降,但有些死亡似乎不可避免,甚至缺乏预测手段,目前为止关于ICU住院病人死亡Nomogram预测模型的建立鲜见文献报道。本研究探讨ICU病人死亡率的预测因素并建立Nomogram预测模型。

    • 回顾性分析2017-2019年安徽省第二人民医院所有入住的1 133例ICU病人临床资料。排除标准为病人从第一次入住ICU到死亡 < 48 h、病人年龄 < 18岁、入住过其他医院外科ICU、入住过其他医院的ICU。对于同一住院期间多次入住ICU的病人,仅考虑第一次入住ICU的结果。被纳入本研究的对象本人或家属签署知情同意书,本研究符合医院伦理委员会要求并通过审批。

    • 临床资料包括是医院感染、年龄、性别、住院时间、ICU住院时间、手术、使用抗菌药物、高血压、糖尿病、低蛋白血症、输血、昏迷、格拉斯哥昏迷评分(GCS评分)、急性生理和慢性健康评估Ⅱ (APACHEⅡ评分)、气管切开、气管插管、呼吸机插管时间、动静脉插管、动静脉插管时间、导尿管插管、导尿管插管时间。病人在入住ICU时进行GCS评分和APACHEⅡ评分。为了确定住院死亡的原因,由主治医师审查所有死亡的全部医院记录。我们还记录了病人和家属是否下达了禁止复苏(DNR)的命令或在死亡前停止无效治疗的决定,在ICU入院前或ICU住院期间有记录的DNR状态的病人被排除在分析中。因此,在ICU成功出院后其入院期间有记录的DNR状态的病人也纳入分析。

    • 采用χ2检验、t检验和logistic回归分析;采用R3.5.1将logistic回归分析中的独立预测因子绘制成可视化列线图并验证,绘制DCA。

    • 对804例存活的ICU住院病人和329例死亡的ICU住院病人的临床资料进行评估,除年龄、住院时间、ICU住院时间、使用抗菌药物、低蛋白血症、手术等指标外,其他指标在2组之间的差异均有统计学意义(P < 0.05)(见表 1)。

      变量 存活组(n=804) 死亡组(n=329) χ2 P
      感染
        是
        否
      75
      729
      45
      284
      4.66 < 0.05
      年龄/岁
        ≤60
         > 60
      264
      540
      110
      219
      0.04 > 0.05
      性别
        男
        女
      522
      282
      187
      142
      6.52 < 0.05
      APECHE Ⅱ评分/分
        < 20
         ≥20
      587
      217
      203
      126
      14.14 < 0.05
      住院时间/d
        < 30
         ≥30
      680
      124
      277
      52
      0.03 > 0.05
      ICU入住时间/d
        < 14
        ≥14
      655
      149
      272
      57
      0.23 > 0.05
      使用抗菌药物
        是
        否
      769
      35
      312
      17
      0.35 > 0.05
      昏迷
        是
        否
      411
      393
      191
      138
      4.51 < 0.05
      高血压
        是
        否
      366
      438
      177
      152
      6.41 < 0.05
      糖尿病
        是
        否
      411
      393
      141
      188
      6.38 < 0.05
      低蛋白血症
        是
        否
      495
      309
      213
      116
      1.00 > 0.05
      手术
        是
        否
      105
      699
      49
      280
      0.67 > 0.05
      气管切开
        是
        否
      157
      647
      37
      292
      11.28 < 0.05
      气管插管
        是
        否
      552
      252
      254
      75
      8.31 < 0.05
      呼吸机插管时间/d
        ≥7
        < 7
      170
      634
      57
      272
      2.13 > 0.05
      动静脉插管
        是
        否
      446
      358
      251
      78
      43.14 < 0.05
      动静脉插管时间/d
        < 7
         ≥7
      634
      170
      231
      98
      9.66 < 0.05
      导尿管插管
        是
        否
      770
      34
      302
      27
      7.25 < 0.05
      导尿管插管时间/d
        < 7
        ≥7
      467
      337
      230
      99
      13.79 < 0.05
      输血
        是
        否
      259
      545
      141
      188
      11.58 < 0.05
      GCS评分(x±s)/分 7.23±4.16 6.51±3.86 2.80* < 0.05
      *示t

      表 1  ICU住院病人死亡组和未死亡组临床资料比较

    • 以是否死亡为因变量(否:0,是:1),将单因素分析结果中P < 0.05的变量纳入多因素logistic回归分析,将感染(否:0,是:1)、性别(男:0,女:1)、APECHE Ⅱ评分(< 20分:0,≥20分:1)、昏迷(否:0,是:1)、高血压(否:0,是:1)、糖尿病(否:0,是:1)、气管切开(否:0,是:1)、气管插管(否:0,是:1)、动静脉插管(否:0,是:1)、动静脉插管时间(< 7 d:0,≥7 d:1)、导尿管插管(否:0,是:1)、导尿管插管时间(< 7 d:0,≥7 d:1)、输血(否:0,是:1)、GCS评分等指标纳入回归方程。结果显示,医院感染、高血压、糖尿病、输血、GCS评分、APACHEⅡ评分≥20分、气管切开、气管插管、动静脉插管、动静脉插管时间≥7 d、导尿管插管、导尿管插管时间≥7 d为ICU住院病人死亡独立危险因素(P < 0.05)(见表 2)。

      变量 B Wald χ2 OR 95% CI P
      医院感染 0.631 4.26 1.876 1.037~3.043 < 0.05
      性别 0.227 2.23 0.797 0.591~1.074 > 0.05
      高血压 0.125 6.57 1.133 1.090~1.177 < 0.05
      糖尿病 0.136 15.22 1.141 1.064~1.209 < 0.05
      输血 0.545 6.37 1.357 1.102~3.421 < 0.05
      昏迷 0.043 0.07 0.958 0.692~1.326 > 0.05
      GCS评分 0.048 5.86 0.953 0.917~0.991 < 0.05
      APACHEⅡ评分 0.870 2.35 2.638 0.794~8.692 < 0.05
      气管切开 1.379 28.12 3.973 2.386~6.615 < 0.05
      气管插管 0.442 8.79 1.562 1.163~2.266 < 0.05
      动静脉插管 0.426 6.75 1.365 1.067~3.172 < 0.05
      动静脉静脉插管时间 0.592 6.45 1.825 1.224~2.979 < 0.05
      导尿管插管 0.701 4.44 2.016 1.050~3.870 < 0.05
      导尿管插管时间 0.989 19.00 2.689 1.724~4.195 < 0.05

      表 2  影响ICU住院病人死亡的多因素logistic回归分析

    • 根据多因素logistic回归分析结果建立Nomogram模型,对各个风险因素进行打分,计算其总得分,总得分对应风险预测值,最后得出模型的C-index为0.748(P < 0.05)(见图 1)。

      图  1  ICU住院病人死亡风险的Nomogram模型

    • 在Nomogram模型的基础上,对多因素logistic回归分析筛出来的变量进行ICU住院病人死亡的决策曲线分析,根据表 2结果显示气管切开的OR=3.973最大,因此将气管切开纳入简单模型,将医院感染、高血压、糖尿病、输血、GCS评分、APACHEⅡ评分、气管切开,气管插管、动静脉插管、动静脉插管时间、导尿管插管、导尿管插管时间等纳入复杂模型。结果显示阈值概率在(0.09~0.49)范围内,复杂模型的净利润高于简单模型,阈值概率在(0.49~0.87)范围内,简单模型的净利润高于复杂模型(见图 2)。

      图  2  ICU住院病人死亡决策曲线分析

    • 本研究发现ICU住院病人死亡率为29.03%,而多因素logistic回归分析医院感染、高血压、糖尿病、输血、低GCS评分、APACHEⅡ评分、气管切开,气管插管、动静脉插管、动静脉插管时间、导尿管插管、导尿管插管时间是ICU住院病人死亡的独立危险因素。

      由于ICU床位的供不应求导致病人预后不良, 但我们不确定推迟ICU出院是否能提高病人的生存率。尽管降压病房已广泛使用,仍有相当数量的病人在ICU出院后死亡[9],我们的研究显示ICU住院时间及总住院时间在2组之间差异无统计学意义,与文献[9]报道一致。另一项研究表明,ICU住院病人死亡与其疾病严重程度、呼吸衰竭、脓毒血症等因素相关[10],我们的研究显示气管切开,气管插管、动静脉插管、导尿管插管、输血等多措施支持治疗可能与病人病情严重程度相关,医院感染可能导致病人脓毒血症等,而这些因素均是ICU住院病人死亡的独立危险因素,与文献[10]报道相一致。TATSUMI等[11]研究发现病人是否患有糖尿病和高血压与病人死亡率显著相关[11],我们的研究发现与之相近。我们的研究还发现气管切开是ICU病人死亡的独立危险因素,且OR最大(OR=3.973,95%CI:2.386~6.615),与KLEMM等[12]的发现一致。

      Nomogram是一种用于事件结局预测分析的统计学模型,在临床中来指导临床决策[13],我们通过多因素logistic回归分析筛选出独立危险因素,然后绘制成Nomogram图,根据病人独立危险因素的特征,计算各独立危险因素得分,再计算其总得分,在风险图上找到其风险值,经验证该模型一致性良好(C-index=0.748,P < 0.05)。决策曲线分析是一种用于评估诊断测试并用于临床决策实践[14],我们的研究发现在阈值概率为(0.09~0.49)范围内,复杂模型的净利润高于简单模型,在这个阈值概率范围内,多因素形成的复杂模型可能具有更高的应用价值;阈值概率为(0.49~0.87)范围内,简单模型的净利润高于复杂模型;说明气管切开不仅与ICU病人死亡相关,同时可以预测病人死亡风险。

      本研究有局限性需要讨论,纳入模型的影响因素不够全面,如病人体质量指数及一些反映病人疾病严重程度的血液检查结果未被纳入分析。

      综上所述,本研究成功建立ICU住院病人死亡事件发生预测模型,该模型对指导临床制定个性化治疗措施以降低病人死亡率具有一定的指导意义。

参考文献 (14)

目录

    /

    返回文章
    返回