目的:研究严重创伤进展为持续炎症-免疫抑制-分解代谢综合征(persistent inflammation,immunosuppression and catabolism syndrome,PICS)的影响因素,并构建PICS发生风险的列线图预测模型并评估其预测效果。方法:收集新疆医科大学第一...目的:研究严重创伤进展为持续炎症-免疫抑制-分解代谢综合征(persistent inflammation,immunosuppression and catabolism syndrome,PICS)的影响因素,并构建PICS发生风险的列线图预测模型并评估其预测效果。方法:收集新疆医科大学第一附属医院TICU 2017年6月—2023年5月收治的169例严重创伤患者资料。根据ICU住院第14天的C反应蛋白、淋巴细胞计数和白蛋白水平将患者分为PICS组(78例)和非PICS组(91例)。收集了患者的入院初次诊断指标、血栓弹力图、血小板指标及生化指标,使用独立样本t检验、Mann-Whitney U检验和χ2检验进行单因素分析,再进行多因素logistic分析确定严重创伤并发PICS的危险因素;使用R软件建立列线图预测模型,通过受试者工作特征曲线下面积(area under curve,AUC)和拟合度检验评估模型预测效果。结果:在169例严重创伤患者中,78例发展为PICS,91例未发展为PICS。两组在年龄、年龄评分、最大振幅(maximum amplitude,MA)、凝固角、血块30 min溶解百分比、血液凝固时间、血小板平均分布宽度、血小板计数、血小板压积、总蛋白、球蛋白、总胆固醇及γ谷氨酰胺基转肽酶(γ-glutamyl transferase,γ-GGT)方面差异有统计学意义(P<0.05)。多因素logistic回归分析显示,血小板平均分布宽度(platelet distribution width,PDW)、MA、γ-GGT是严重创伤并发PICS的独立影响因素(H-L检验0.847,正确百分比74%),使用这些独立危险因素建立的列线图模型具有较好区分度及校准度(AUC=0.787,MAE=0.053)。结论:PDW、MA、γ-GGT是严重创伤并发PICS的独立影响因素。基于这些指标构建的列线图模型能较好预测严重创伤患者发生PICS的可能性,有助于早期识别和阻止PICS的发生发展。展开更多
目的:探讨重症医学科(intensive care unit,ICU)滞留患者发生持续炎症-免疫-代谢综合征(persistent inflammatory-immunosuppression-catabolic syndrome,PICS)的早期危险因素并构建预测模型。方法:回顾性分析2021年7月-2022年7月蚌埠...目的:探讨重症医学科(intensive care unit,ICU)滞留患者发生持续炎症-免疫-代谢综合征(persistent inflammatory-immunosuppression-catabolic syndrome,PICS)的早期危险因素并构建预测模型。方法:回顾性分析2021年7月-2022年7月蚌埠医学院第一附属医院ICU收治的住院时间≥14 d患者(共计242例)的临床资料。根据是否发生PICS分为PICS组(107例)和非PICS组(135例)进行组间比较。再按照4:1比例,随机将242例患者分为模型建立组(194例)和模型验证组(48例),通过分析模型建立组的临床数据指标,构建PICS的早期预测模型。结果:纳入分析的242例患者中,PICS发生率为44.21%。对模型建立组数据进行单因素分析显示:年龄、手术、血小板计数、总胆红素、肌酐、C-反应蛋白、前白蛋白、高密度脂蛋白与PICS的发生有关(P<0.05)。筛选患者入院初期即可获得的危险因素并经二元logistic回归分析显示年龄、手术、肌酐、总胆红素、血小板为PICS发生的独立危险因素(P<0.05),依据早期数据构建ICU滞留患者发生PICS的列线图预测模型,并对预测模型进行评估,模型建立组与验证组的曲线下面积分别为:0.756(95%CI:0.588~0.824)、0.780(95%CI:0.650~0.910)。结论:年龄、手术、肌酐、总胆红素和血小板计数是急危重症患者早期即可获得的危险因素指标,基于此构建的PICS风险预测模型有着良好的区分度及校准度,可以有效评估急危重症患者PICS发病风险,为重症患者的治疗提供参考意见。展开更多
文摘目的:研究严重创伤进展为持续炎症-免疫抑制-分解代谢综合征(persistent inflammation,immunosuppression and catabolism syndrome,PICS)的影响因素,并构建PICS发生风险的列线图预测模型并评估其预测效果。方法:收集新疆医科大学第一附属医院TICU 2017年6月—2023年5月收治的169例严重创伤患者资料。根据ICU住院第14天的C反应蛋白、淋巴细胞计数和白蛋白水平将患者分为PICS组(78例)和非PICS组(91例)。收集了患者的入院初次诊断指标、血栓弹力图、血小板指标及生化指标,使用独立样本t检验、Mann-Whitney U检验和χ2检验进行单因素分析,再进行多因素logistic分析确定严重创伤并发PICS的危险因素;使用R软件建立列线图预测模型,通过受试者工作特征曲线下面积(area under curve,AUC)和拟合度检验评估模型预测效果。结果:在169例严重创伤患者中,78例发展为PICS,91例未发展为PICS。两组在年龄、年龄评分、最大振幅(maximum amplitude,MA)、凝固角、血块30 min溶解百分比、血液凝固时间、血小板平均分布宽度、血小板计数、血小板压积、总蛋白、球蛋白、总胆固醇及γ谷氨酰胺基转肽酶(γ-glutamyl transferase,γ-GGT)方面差异有统计学意义(P<0.05)。多因素logistic回归分析显示,血小板平均分布宽度(platelet distribution width,PDW)、MA、γ-GGT是严重创伤并发PICS的独立影响因素(H-L检验0.847,正确百分比74%),使用这些独立危险因素建立的列线图模型具有较好区分度及校准度(AUC=0.787,MAE=0.053)。结论:PDW、MA、γ-GGT是严重创伤并发PICS的独立影响因素。基于这些指标构建的列线图模型能较好预测严重创伤患者发生PICS的可能性,有助于早期识别和阻止PICS的发生发展。
