论文部分内容阅读
目的探讨影响重症中暑(severeheatstroke)患者预后的高危因素，建立重症中暑患者预后的预测模型。方法回顾性分析2008年6月至2011年8月期间入住南昌大学第一附属医院急诊科观察室30例重症中暑患者，根据病人转归分为死亡组10例和存活组20例。分别对两组病例临床资料进行单因素分析和多因素Logistic分析。纳入研究的因素有：年龄，性别，基础病、体温（T）、脉搏（P）、呼吸频率（R）、是否休克、白细胞计数（WBC）、血小板计数（PLT）、红细胞压积（HCT）、丙氨酸转氨酶(ALT)、丙草酸转氨酶(AST)、血糖（GLU）、肌酐（SCR）、尿素氮（BUN）、肌酸激酶（CK）、肌酸激酶同工酶（CK-MB）、血钠（Na）、血钾（K）、凝血酶原时间（PT）、部分凝血活酶时间（APTT）、D二聚体（D-Dimer）、3P试验，动脉血酸碱度（PH），动脉血二氧化碳分压（PCO2）、动脉血氧分压（PO2）、动脉血碳酸氢根含量(HCO-3)、格拉斯哥评分（GCS）、急性生理学和慢性健康状况评分（APACHEⅡ）。建立预测重症中暑患者死亡的预测模型，并据此描绘受试者工作特征曲线(thereceiveroperatingcharacteristiccurve，ROC曲线)，求出ROC曲线下面积（areaundertheROCcurve,AUC）。比较预测模型与GCS评分和APACHEⅡ评分在判断重症中暑患者预后的价值。最后将本研究的病例资料代入Logistic方程，进一步验证预测模型的判断能力，应用SPSS17.0和MEDCALC9.2软件进行统计分析。结果单因素分析显示：在纳入研究的29个因素中，存活组20例是与死亡组10例比较，基础病、呼吸频率、PLT、AST、CK-Mb、PT、APTT、PH、HCO-3、GCS评分、APACHEⅡ评分差异有统计学意义（P<0.05），两组间其余因素比较无统计学差异（P>0.05）。多因素Logistic回归分析显示：AST和PH是影响重症中暑患者预后的独立危险因素。Logistic回归方程（即预测模型）为：Y=78.821+0.007×AST-11.17×PH。预测模型具有统计学意义(P<0.001)，据此描绘的ROC曲线，ROC曲线下面积AUC=0.935±0.057，95%可信区间为0.781至0.990，截断点为0.2684。预测模型判断重症中暑患者死亡的敏感度为90％，特异度为85％。与GCS评分和APACHEⅡ评分比较，预测模型的AUC大于GCS评分和APACHEⅡ评分AUC，差异有统计学意义（P<0.05），预测模型的敏感度高于GCS评分，和APACHEⅡ评分相同，特异度高于APACHEⅡ评分，略低GCS评分。结论是否伴有基础病、呼吸频率、PLT、AST、CK-Mb、PT、APTT、PH、HCO-3、GCS评分、APACHEⅡ评分对于判断重症中暑患者预后有一定帮助。其中AST和PH是重症中暑患者死亡相关的独立危险因素。建立的预测模型有较高的灵敏度和特异度，价值高于GCS评分和APACHEⅡ评分诊断。对评估重症中暑患者的死亡风险具有一定的价值。