目的建立脓毒症相关性脑病(sepsis-associated encephalopathy,SAE)患者的死亡风险预测模型并进行验证。方法提取2008—2019年重症医学信息数据库(Medical Information Mart for Intensive Care-Ⅳ,MIMIC-Ⅳ)中2767例SAE患者的临床数据...目的建立脓毒症相关性脑病(sepsis-associated encephalopathy,SAE)患者的死亡风险预测模型并进行验证。方法提取2008—2019年重症医学信息数据库(Medical Information Mart for Intensive Care-Ⅳ,MIMIC-Ⅳ)中2767例SAE患者的临床数据作为训练集,构建死亡风险预测模型,并对其预测准确性及拟合优度进行评价。回顾性收集2018年6月至2021年6月合肥市第二人民医院重症医学科的134例SAE患者临床数据纳入验证集,代入预测模型进行外部验证。结果多因素Logistic回归分析显示,年龄、使用血管活性药物、格拉斯哥昏迷评分、国际标准化比值、动脉血氧分压、血乳酸、血尿素氮、白蛋白是SAE患者院内死亡的独立影响因素(P<0.05)。使用影响因素构建预测模型,受试者操作特征(receiver operator characteristic,ROC)曲线下面积为0.765,95%置信区间为74.45%~78.53%,Hosmer-Lemeshow检验显示预测模型的拟合优度良好(χ^(2)=13.090,P=0.109)。将预测模型代入验证集,敏感度为80.00%,特异性为61.60%,准确性为76.87%,ROC曲线下面积为0.757,提示模型外部数据验证中区分度良好。结论构建的预测模型可用于预测SAE患者的院内死亡风险,有助于临床及时调整治疗策略,降低死亡率,改善预后。展开更多
文摘目的建立脓毒症相关性脑病(sepsis-associated encephalopathy,SAE)患者的死亡风险预测模型并进行验证。方法提取2008—2019年重症医学信息数据库(Medical Information Mart for Intensive Care-Ⅳ,MIMIC-Ⅳ)中2767例SAE患者的临床数据作为训练集,构建死亡风险预测模型,并对其预测准确性及拟合优度进行评价。回顾性收集2018年6月至2021年6月合肥市第二人民医院重症医学科的134例SAE患者临床数据纳入验证集,代入预测模型进行外部验证。结果多因素Logistic回归分析显示,年龄、使用血管活性药物、格拉斯哥昏迷评分、国际标准化比值、动脉血氧分压、血乳酸、血尿素氮、白蛋白是SAE患者院内死亡的独立影响因素(P<0.05)。使用影响因素构建预测模型,受试者操作特征(receiver operator characteristic,ROC)曲线下面积为0.765,95%置信区间为74.45%~78.53%,Hosmer-Lemeshow检验显示预测模型的拟合优度良好(χ^(2)=13.090,P=0.109)。将预测模型代入验证集,敏感度为80.00%,特异性为61.60%,准确性为76.87%,ROC曲线下面积为0.757,提示模型外部数据验证中区分度良好。结论构建的预测模型可用于预测SAE患者的院内死亡风险,有助于临床及时调整治疗策略,降低死亡率,改善预后。
