论文部分内容阅读
目的：脓毒症是感染引起的急性全身性炎症反应综合征,是危重症患者的主要死亡原因之一。由于脓毒症早期临床表现没有特异性,也缺乏可靠的早期诊断标准,患者病情往往迅速恶化,导致死亡率较高。本研究通过分析脓毒症患者危险因素,确定相关因素并建立脓毒症预警模型,通过验证该模型以探讨其临床应用价值。方法：收集解放军总医院2010年1月至2015年10月的215例严重感染患者和脓毒症患者,其中感染患者129例,脓毒症患者86例。记录入选患者的一般状况、临床症状和实验室检查,对比分析感染发展为脓毒症的相关危险因素。对筛选出的相关因素,采用Logistic回归模型并结合计算机技术构建脓毒症的预警模型。之后选取30例严重感染患者,将相关数据输入模型中进行验证,与该30例是否发展为脓毒症进行对比,从而分析该模型早期预警脓毒症的临床价值。结果：1)129例感染患者和86例脓毒症患者的单因素分析发现,两组病例临床症状中体温以及是否有低氧、低血压、意识障碍、皮肤淤点等差异有统计学意义,脓毒症组均高于感染组(P<0.05)。两组病例实验室检查中血小板计数、降钙素原、总胆红素、尿素、肌酐、血糖和国际标准化比值等差异有统计学意义,脓毒症组血小板计数低于感染组,其余均高于感染组(P<0.05).2)进一步用Logistic回归分析对上述相关因素进行分析后,得出脓毒症早期预警与皮肤淤点、血小板、降钙素原、肌酐和国际标准化比值密切相关(P<0.05)。建立Logistic回归模型筛选出这些因素后构建脓毒症相关的计算机软件,将该模型的判别式输入计算机后得出的脓毒症预警Logistic方程为：Z=1.893-3.788[皮肤淤点)-0.106(PLT)-0.333 (PCT)+0.073 (Cr)+2.287 (INR),其早期预警概率为：P=1/(1+e-z)。 ROC曲线分析该预警概率P得AUC=97.2%,当敏感度98.8%,特异度74.8%时,约登指数最大,预测概率P=7.6%,可以认为此时有最佳预警准确性。3)用人工神经网络模型验证回归模型,得出AUC=96.4%,与Logistic回归模型的AUC相近。4)将30例严重感染患者的脓毒症早期预警相关因素输入该模型中,模型结果与患者是否实际发展为脓毒症进行对比,实际有11例发展为脓毒症。预警模型灵敏度45.5%,特异度84.2%,阳性预测值62.5%,阴性预测值72.7%,诊断符合率70.0%。将11例患者发生脓毒症前24h内的各项生理参数输入预警模型中,分析得出发展为脓毒症的有8例。该8例与实际发生脓毒症相同,灵敏度72.7%。结论：1)本研究发现脓毒症预警诊断因素可能包括皮肤淤点、血小板、降钙素原、肌酐和国际标准化比值。2)本研究建立了脓毒症预警诊断模型,预警模型运算出预测概率P可以判断患者是否发展为脓毒症。3)经验证和临床初步应用,该预警模型灵敏度和特异度较高,对提前判断感染是否发展为脓毒症有较高的准确性,具有一定的临床价值。