重症肺炎患者早期行机械通气的列线图预测模型构建及验证

刘凯凤，张镇，张郑平，王振华

重症肺炎（SP）由肺组织炎症进展加重形成，可引起呼吸衰竭和全身多器官功能障碍，甚至危及生命。SP病死率高达30%～50%，早期评估血氧水平对预后转归有重要意义［1］。目前机械通气是院内抢救呼吸衰竭等危重患者的重要手段之一［2］。列线图是一种基于回归模型创建的图形计算工具，现已广泛用于疾病的预后预测［3］。利用患者早期临床及实验室指标建立列线图，可以预测疾病的变化趋势并及时制定干预措施，避免患者病情出现不可逆的恶化，降低病死率。目前已有针对慢性阻塞性肺疾病住院患者30 d内再次加重［4］和住院哮喘患者死亡风险［5］的列线图模型报道，但尚缺乏预测SP患者是否需机械通气的临床预测模型。本研究通过建立列线图模型来预测SP患者早期行机械通气的风险，以期为临床治疗提供参考。

1 对象与方法

1.1 研究对象回顾性分析贵州省黔东南苗族侗族自治州人民医院2017年7月—2019年12月收治的185例成人SP患者的临床资料，其中男133例，女52例，年龄23～81岁，平均（65.7±13.0）岁。根据患者24 h内是否行机械通气治疗，分为机械通气组（123例）和非机械通气组（62例）。本研究中SP诊断标准依据2016年《中国急诊重症肺炎临床实践专家共识》。排除合并急性心力衰竭、急性中毒、神经肌肉功能障碍、肺结核等其他需要机械通气支持的患者。

1.2 方法所有对象均按照2016年《中国急诊重症肺炎临床实践专家共识》进行治疗，其中需机械通气者以中华医学会重症医学分会颁布的《机械通气临床应用指南（2006）》为指导进行机械通气治疗。统计2组患者性别、年龄，入院时动脉血氧分压［p（O2）］、动脉血二氧化碳分压［p（CO2）］、肺泡动脉血氧分压差［p（A−a）O2］、氧合指数（OI）、动脉血乳酸（Lac）及入院6 h Lac、中心静脉血氧饱和度（ScvO2）、标准碱剩余（BE）、降钙素原（PCT）、D−二聚体、C反应蛋白（CRP）、急性生理学与慢性健康状况评分系统Ⅱ（APACHEⅡ）评分，经液体复苏后是否使用血管活性药物等。

1.3 统计学方法使用R（version 3.5.2）处理数据，主要使用的R软件包有mice、glm、predict、Resource Selection、rms等，使用kolmogorov−smirnov检验数据正态性，符合正态分布的计量资料以均数±标准差（x±s）表示，组间比较采用2独立样本t检验，非正态分布计量资料以中位数和四分位数［M（P25，P75）］表示，组间比较采用Wilcoxon秩和检验；计数资料以例（%）表示，2组间比较采用χ2检验。采用多因素Logistic回归筛选患者需要行机械通气的危险因素并构建预测模型，绘制相应的列线图。将原始数据作为训练集，运用随机不重复抽样方法抽取原始数据集中30%的数据作为验证集进行模型的内部验证。使用受检者工作特征（ROC）曲线及曲线下面积（AUC）对模型预测性能进行评价，同时比较不同参数构建模型的预测性能差别；使用Hosmer−Lemeshow拟合优度检验和校准曲线分别在训练集和验证集对模型预测性能进行验证。检验水准α=0.05。

2 结果

2.1 2组患者临床资料比较与非机械通气组相比，机械通气组年龄、p（A−a）O2、APACHEⅡ评分和动脉血p（CO2）升高（P＜0.05）；PCT、ScvO2、OI和动脉血p（O2）降低（P＜0.05），见表1。

2.2 患者行机械通气的多因素Logistic回归分析结果及列线图构建以患者是否需要行机械通气为因变量（是=1，否=0），以年龄、性别（男=1，女=0）、PCT、ScvO2、p（A−a）O2、APACHEⅡ评分、OI、p（O2）、p（CO2）为自变量行二分类Logistic回归分析。模型结果显示，年龄、OI、p（O2）、p（CO2）、p（A−a）O2是患者是否需要机械通气的独立影响因素（均P＜0.05），见表2。将上述5个危险因素纳入模型，利用训练集数据绘制SP患者需早期行机械通气列线图，见图1。

2.3 列线图模型预测效果分析及不同模型的预测价值比较在训练集和验证集中Hosmer−Lemeshow检验结果P分别为0.587和0.492，均提示模型拟合可。ROC曲线分析结果提示该预测模型预测区分度较好（AUC=0.827，95%CI：0.785～0.898）；同时本研究建立预测模型的预测价值高于p（O2）+p（CO2）+OI模型（Z=2.265，P＜0.05）和OI模 型（Z=2.813，P＜0.05），见图2。同时校准曲线图显示本模型预测行机械通气概率与实际发生率有较好的一致性，见图3。

Tab.1 Baseline characteristics of ventilation and non-ventilation groups表1 需要机械通气组及非机械通气组的基线特征

Fig.1 Prediction nomogram of ventilation for patients with severe pneumonia图1 SP患者需要行机械通气的预测模型列线图

Tab.2 Univariate Logistic regression analysis for predicting ventilation表2 预测机械通气指标的Logistic回归分析

Fig.2 The comparison of 3 ROC curves in the study图2 3种模型的ROC曲线对比图

Fig.3 The calibration curve of the model图3 模型的校准曲线图

3 讨论

在对美国传染病学会/美国胸科学会（IDSA/ATS）标准［6］进行一定的简化后，中国2016年成人SP指南采用新的简化诊断标准，符合下列1项主要标准或≥3项次要标准即可诊断为SP，需密切观察、积极救治，并建议收入监护病房治疗。主要标准：（1）气管插管需要机械通气。（2）感染性休克经积极体液复苏后仍需要血管活性药物。次要标准：（1）呼吸频率＞30次/min。（2）OI＜250 mmHg。（3）多肺叶浸润。（4）意识障碍和（或）定向障碍。（5）血尿素氮≥7 mmol/L。（6）低血压需要积极的液体复苏。依据该诊断标准，本研究纳入反映患者呼吸功能的血气分析相关参数［p（O2）、p（CO2）、OI等］和休克相关的微循环参数（lac，BE、血管活性药物应用等）。杨永昌等［7］认为PCT联合检测CRP在SP的辅助诊断中具有一定的临床应用价值，故本研究纳入两者进行分析。最终筛选出患者年龄、p（O2）、p（CO2）、OI及p（A−a）O2共5个参数作为有意义的预测指标建立模型。

除年龄外，其他指标均为临床上判断患者呼吸功能的常用指标，Logistic回归提示OI为预测患者需要行机械通气的独立影响因素之一。刘东等［8］通过监测OI以对SP患者的呼吸机参数进行随时调节并取得良好治疗效果。贾子毅等［9］认为可以考虑用机械通气后6 h的OI来评估急性呼吸窘迫综合征患者的预后。结合本研究结果，笔者认为OI对预测SP患者是否需要机械通气以及对已上机患者指导治疗和预后的预测均具有重要意义。本研究也发现，机械通气组与非机械通气组患者需血管活性药物支持的比例无明显差异，也印证了SP诊断中主要标准只需满足其一即可，而在次要标准中的有关患者呼吸功能的部分血气指标对患者是否需要行机械通气有较好的预测作用。

p（A−a）O2可以间接反映肺换气功能，该指标越高提示肺换气功能越差，越可能出现呼吸衰竭。本研究中单因素分析时发现机械通气组p（A−a）O2高于非机械通气组，而在多因素Logistic回归分析后发现该变量的实际临床意义相反。沈亚伟等［10］发现机械通气组患者p（A−a）O2明显高于非机械通气组，与本研究单因素分析结果相符，说明该参数对患者是否需要机械通气有预测意义，今后将进一步利用该参数研究其与机械通气时长和（或）评估患者机械通气后生存期长短的关系。

临床常利用患者血氧饱和度结合血气分析p（O2）、p（CO2）、OI、P（A−a）O2评估患者呼吸功能。本课题组前期研究发现OI可预测患者是否需要行呼吸机辅助通气，当OI为176.6 mmHg时，预测机械通气的敏感度为81.8%，特异度为80.0%，AUC＝0.782［11］，与本研究中OI单独建模的预测性能接近（AUC=0.731）。本研究根据将上述指标结合起来建立预测模型，其预测效能高于单独用OI建立的预测模型，也高于常规用p（O2）+p（CO2）+OI的混合模型。临床上述指标的获得相对容易，从而可为临床医生预测患者预后提供快速参考依据。随着SP相关领域的发展，更多的临床相关危险因素将被发现，有望在今后构建一个应用范围更广、预测价值更高的模型，为临床决策提供更高的参考依据。

目前，在评分工具开发方面，临床预测规则（clinical prediction rules，CPRs）是较为常见的方法，CPRs通常又被称为预测模型或风险评分，它提供了一种估计发病风险、疾病预后，甚至是诊断或治疗方案获益的评判策略［12］。按照该规则，本研究探索在临床上建立一个SP患者需要行机械通气的临床预测模型，并借助于R软件绘制了列线图，对比传统Logistic回归模型，列线图在临床中使用具有简单、直观、实用性强等优势，利用临床收集来的数据对应列线图上的分数，各参数对应分数相加后得到总的事件发生的可能概率，使用该工具更便于临床医师实际运用。

本研究尚存一些不足，首先没有进行外部验证，其次没有将SP的其他次要诊断标准纳入研究范围，有待后续研究进一步完善；另外，一个好预测模型的构建往往需要大样本量的支持，本研究样本量偏小，因此在以后的研究中可继续扩大样本量，同时进行多中心联合研究并进行外部验证。