急性呼吸窘迫综合征风险预测模型的研究进展

陈莉，沙菲，李婷

（1.长春中医药大学护理学院，吉林 长春 130117；2.长春市中医院 护理部，吉林 长春 130000；3.四平市中心医院 护理部，吉林 四平 136000）

急性呼吸窘迫综合征（Acute Respiratory Distress Syndrome，ARDS）是指由各种肺内和肺外致病因素所致的急性弥漫性、炎症性肺损伤引起的急性呼吸衰竭[1]。急性呼吸窘迫综合征牵涉到多级学科领域，为目前临床上最常见的危重病之一[2]。1项联合50个国家重症医学科（Intensive Care Unit，ICU）进行的国际多中心前瞻性队列研究结果显示，ICU患者入院时急性呼吸窘迫综合征发生率为10.4%，使用机械通气患者中急性呼吸窘迫综合征发生率则为23.4%[3]。据报道全世界每十万人口中就有15～75例被确诊为急性呼吸窘迫综合征的病例[4]。1项回顾性研究显示，轻度急性呼吸窘迫综合征患者的死亡率为24%，而重度急性呼吸窘迫综合征患者的死亡率则上升为48%[5]。一旦患者出现急性呼吸窘迫综合征，病情即呈现出进行性加重，最终可能发生发展为多器官功能障碍综合征（Multiple Organ Dysfunction Syndrome，MODS）[6]。因此早期识别急性呼吸窘迫综合征高危患者尤为重要。

既往研究报道了急性呼吸窘迫综合征的多种病因和危险因素[7-11]，与急性呼吸窘迫综合征发病相关的危险因素包括肺内（直接）因素和肺外（间接）因素两大类。肺内因素是指对肺部的直接损伤，包括：化学性损伤，例如吸入胃内容物、有毒气体、烟雾、粉尘以及长时间吸入纯氧气体等；物理性损伤，例如溺水和肺部挫伤等；生物性损伤，例如弥漫性肺部感染、重症肺炎等。其中肺外因素常见于系统性炎症反应综合征（Systemic Inflammatory Response Syndrome，SIRS）、严重的非胸部创伤、大量输血输液、败血症、急性重症胰腺炎、各种类型的休克、还有药物或麻醉物品中毒等。然而，处于这些原因和危险因素中的患者只有小部分会发展为急性呼吸窘迫综合征，且这些原因和危险因素之间的关系尚不明确[12]。所以寻求有效的临床预测筛查工具对急性呼吸窘迫综合征的高危患者具有重要意义。急性呼吸窘迫综合征风险预测模型作为识别和筛选高危人群的临床工具[13]，可为医护人员及早发现急性呼吸窘迫综合征的高风险患者进而采取针对性的干预提供依据。近年来，国内外关于急性呼吸窘迫综合征风险预测模型的研究大多是采用回顾性病例对照研究，选取单中心样本，构建风险预测模型；且各个模型的适用人群与预测因子存有较大差异。现将国内外近年来有关急性呼吸窘迫综合征风险预测模型的研究进展进行归纳、总结与评述，以期帮助医护人员尽早识别急性呼吸窘迫综合征的高风险患者提供一定的参考与依据。

1 国外急性呼吸窘迫综合征风险预测模型的研究现状

1.1 肺损伤预测评分模型（Lung Injury Pr edictio n Sco r e，LIP S）

1.1.1 源模型 该模型是Trillo-Alvarez利用医院电子病历系统采用回顾性病例对照研究建立的风险预测模型[14]，包含了急性呼吸窘迫综合征发生前、患者在入院时存在的14项疾病风险因子，分别是急诊手术、感染性休克、急性胰腺炎、高危外伤、肺炎、误吸、败血症、酗酒、使用化疗药物、糖尿病、低蛋白血症、吸烟、FiO2>4 L/min、呼吸频率>30次/min。其中急诊手术、感染性休克、急性胰腺炎、高危外伤、肺炎、误吸和败血症7个预测因子被认为是急性呼吸窘迫综合征的高风险因子。通过受试者工作特征曲线（receiver operator characteristic curve，ROC）分析评估，该模型曲线下面积为0.84，95%CI为0.80～0.89，Hosmer-Lemeshow的检验值P=0.60，模型敏感性和特异性良好。

1.1.2 发展与应用 Trillo-Alvarez随后通过对463名有急性呼吸窘迫综合征风险的患者采用前瞻性研究对该模型进行了外部验证，以检验模型的外部有效性和实用性[14]。结果ROC曲线下面积为0.84，95%CI为0.77～0.91，Hosmer-Lemeshow的检验值P=0.88，表明验证队列中模型具有良好的校准性。Gajic[15]对该模型进一步验证并完善，研究招募了5 584名高危急性呼吸窘迫综合征患者，最终377例患者发生了急性呼吸窘迫综合征。研究显示肺损伤预测评分每增加1分，发生急性呼吸窘迫综合征的优势比（odds ratio，OR）为1.34（95%CI为0.78～0.82，P<0.001），ROC曲线下面积为0.80，其灵敏度为0.69，特异度为0.78；并认为当肺损伤预测评分≥4分时，即可判定为急性呼吸窘迫综合征的高危患者。夏炎火等[16]选取43例急性呼吸窘迫综合征患者和32例非急性呼吸窘迫综合征患者对该模型进行了临床应用，研究显示肺损伤预测评分具有较好的预测效能，ROC曲线下面积为0.832，95%CI为0.728～0.908；且当肺损伤预测评分>7分时，预测急性呼吸窘迫综合征的敏感度为83.72%，特异性为78.12%，阳性预测率为83.7%，阴性预测率为78.1%。

1.1.3 特点与用途 该模型预测早期急性呼吸窘迫综合征的准确性较高，具备良好的敏感度和特异性，有利于临床上将没有急性呼吸窘迫综合征高危风险的患者排除。该模型涉及的相关指标在患者疾病初期即可获得，且不受患者是否使用机械辅助呼吸的限制，也不局限于重症监护室患者[17]；此外，评分结果判别明晰便捷，分值越高，患急性呼吸窘迫综合征的风险则越大[18]，临床可操作性较强。不过Trillo-Alvarez在建立模型时采用的是单中心回顾性研究，且样本量不大，这可能会导致逻辑回归模型过度拟合。因此，在临床使用该模型作为急性呼吸窘迫综合征的预测工具时还需要通过多中心大样本数据信息进一步验证。

1.2 N-gr am模型

1.2.1 源模型 该模型由Mayampurath通过对138例急性呼吸窘迫综合征患者的信息数据进行整合分析后研发的可泛化模型[19]，是基于自然语言处理（natural language processing，NLP）建立的一项独立的卫生系统模型，被称为N-gram。该模型通过大数据的形式识别并处理患者的病历信息，整合来自于实验室检查结果、放射学检测报告、呼吸监测指标和疾病特征等方面的数据资料，从而筛选出高危险性患者。该模型在识别急性呼吸窘迫综合征方面的准确率为77%，阳性预测值为55%，其ROC曲线下面积为0.73，95%CI为0.61～0.85，模型效能良好。

1.2.2 发展与应用 随后，Mayampurath在芝加哥大学医学中心利用医学信息数据库选取235名高风险急性呼吸窘迫综合征患者对该模型进行了外部验证[19]，其中110例患者发生了急性呼吸窘迫综合征。此次外部验证数据集囊括来自内科和外科的不同类型患者，各类型患者急性呼吸窘迫综合征患病率迥然不同。验证结果显示N-gram模型对急性呼吸窘迫综合征患者具有良好的判别能力，该模型ROC曲线下面积为0.78，95%CI为0.72～0.84。

1.2.3 特点与用途 该模型基于自然语言处理的新型模式，可以帮助医护人员更全面、更迅速地识别急性呼吸窘迫综合征病例，也可以作为招募急性呼吸窘迫综合征患者参加临床试验的筛选工具。且该模型通过了外部数据的验证，选用的验证人群代表性良好，说明其预测性能具有一定的可靠性与科学性。

1.3 Ir i y ama团队模型

1.3.1 源模型 该模型源于2016年1月—2017年3月在日本59个重症监护室开展的关于非肺部脓毒血症患者急性呼吸窘迫综合征的多中心、前瞻性队列研究[20]，此研究共纳入了594例非肺脓毒血症患者，最终85例（14.3%）患有急性呼吸窘迫综合征。选取13项风险因子作为观测指标，分别是年龄、性别、入院来源、体质量指数、吸烟状况、充血性心力衰竭、慢性阻塞性肺疾病、糖尿病、类固醇使用、他汀类药物使用、感染部位、感染性休克、APACHE II评分，在患者入院的第1天和第4天进行评估筛查，对单因素结果采用逐步回归分析，建立多因素Logistic回归模型。研究发现患者入住重症监护室、既往软组织感染史、较高的APACHE II评分是急性呼吸窘迫综合征的独立危险因子。

1.3.2 发展与应用 该研究结果显示，重症监护室患者患急性呼吸窘迫综合征的概率高于从医院病房或其他医院转院的患者（OR=1.89，95%CI=1.06～3.40），软组织感染患者患急性呼吸窘迫综合征的概率高于其它部位感染患者（OR=2.37，95%CI=1.04～5.40），APACHE II评分较高的患者（OR=1.08，95%CI=1.05～1.12）发生急性呼吸窘迫综合征的风险更高。

1.3.3 特点与用途 该模型针对非肺脓毒血症患者设计，可以作为临床医护人员预测非肺脓毒血症患者并发急性呼吸窘迫综合征风险的辅助工具。但该研究仅在患者入院后的第1天和第4天进行风险筛查，结局指标可能产生不可测量的混杂因素，该模型在患者住院的其它时期能否应用，其科学性仍需佐证。另外，该研究选取对象人群仅局限于日本地区，可能存在有地理环境的变化与差异[21]，模型所需预测指标是否符合我国人口学特征还有待进一步的考证。

2 国内急性呼吸窘迫综合征风险预测模型的研究现状

2.1 急性呼吸窘迫综合征预警体系

2.1.1 源模型 黄力维[22]通过在全国13家三级甲等医院重症医学科采用多中心队列研究，建立了适合中国患者的急性呼吸窘迫综合征预警体系。该研究通过单因素分析发现，体质量指数、免疫功能障碍、心血管疾病、急性胰腺炎、急性腹膜炎、重症感染、肺炎、误吸、肺挫伤、低蛋白血症、酸中毒、PaO2/FiO2≤300为急性呼吸窘迫综合征发生的影响因素。用多因素Logistic回归进一步分析，预警体系最终纳入7项独立危险因素，包括急性胰腺炎、肺炎、误吸、肺挫伤4种高危原发疾病以及低蛋白血症、酸中毒、PaO2/FiO2≤300这3项高危指标。该体系ROC曲线下面积为0.779，确定7.5为体系的阈值，体系预测急性呼吸窘迫综合征发生的敏感性为73.3%，特异性为81.1%。

2.1.2 发展与应用 黄力维[22]随后使用该预警体系对198例入住参研医院重症医学科的患者进行检验，其最强的风险预测因子为肺挫伤（OR=4.037，95%CI为1.2～13.01，P<0.001），其余参数的OR为2.093～3.074。该体系预测急性呼吸窘迫综合征的ROC曲线下面积为0.828，灵敏度为77.9%，特异度为68.3%，预测效能中等偏上[23]。

2.1.3 特点与用途 该体系参与研究的医疗单位较多，在一定程度上可以反映中国患者急性呼吸窘迫综合征发生的高风险因素状况，但并不适用于临床实践与动态监测[24]。此外，该研究由于数据缺失率较高且没有进行删失数据的插补，模型结果可能存有一定程度的偏倚[25]。并且模型的外推性如何，仍需进一步的验证。因此，还需采用更多的外部样本病例数据对该预警体系进行全面的检测，以进一步完善该体系。

2.2 急性呼吸窘迫综合征早期风险预测模型

2.2.1 源模型 荆晨晨等[26]通过采用病例对照研究，选取223例入住重症监护室时间＞24 h的患者，建立了急性呼吸窘迫综合征早期风险预测模型。选取患者年龄、性别、体质量指数、肥胖、吸烟史、酗酒史、休克、脓毒症、脑外伤、淹溺、肺挫伤、多发性骨折、酸中毒、糖尿病、非肺部肿瘤、脑血管疾病、肝脏疾病、胸水、肾脏疾病、误吸、肺炎、急腹症、烟尘吸入、充血性心力衰竭、低蛋白血症、脊柱手术、心脏手术、主动脉手术、使用化疗药物、氧分压、氧合指数、钠离子浓度、pH值、尿素氮统共34项指标，通过肺损伤预测评分、英国国家早期预警评分（National Early Warning Score，NEWS）、肺 炎 严 重 指 数（Pneumonia Severity Index，PSI）评分系统这3项研究工具评定患者得出相应的分值，其中所有指标为患者入重症监护室第1次动脉血气分析测得结果。将34项指标与3项研究工具评定的分值进行单因素分析，采用多因素Logistic回归分析建立统计模型。研究结果显示，年龄、肺损伤预测评分、英国国家早期预警评分、肺炎严重指数是急性呼吸窘迫综合征的独立预测因子，模型公式[26]为：Z=0.128×年龄+0.845×LIPS+1.040×NEWS+0.032×PSI-20.059。

2.2.2 发展与应用 该模型选取同一医院同一重症监护室的112例患者进行内部验证[26]，其中非急性呼吸窘迫综合征患者80例，急性呼吸窘迫综合征患者32例。结果显示模型的ROC曲线下面积为0.926，95%CI为0.880～0.973，灵敏度为90.6%，特异度为81.2%，Youden指数为0.718，模型阈值为13.7，预测性能较好[23]。并且该研究依据模型评分将风险值划分为3个风险层级：＜13.7分为低风险组，13.7～16.6分为中风险组，＞16.6分为高风险组。

2.2.3 特点与用途 该模型是基于肺损伤预测评分建立的急性呼吸窘迫综合征早期风险预测模型，模型灵敏度与特异度均较高。并且研究者还对该模型进行了风险值划分，分为低危、中危、高危3个风险等级，不仅能辅助医护人员给予患者不同层级的护理措施与预防性干预，而且能够对患者的病情状况进行持续性地动态评估，更具备针对性与时效性[27]。该模型的局限性在于建模队列与验证队列病例数据均来自于同一所医院的同一重症监护室，没有进行外部验证，未来有待于在其他医疗机构进行多中心检验，以评估该模型的临床实用价值。

2.3 Zha ng团队模型

2.3.1 源模型 Zhang等[28]通过由33家医院组成的临床试验网络随机筛查2 688例患者，将282例需要机械通气的急性呼吸窘迫综合征患者纳入模型研究。前期选取45项风险指标，其中所有实验室检查指标为患者入院24 h内首次测得结果，研究显示年龄、使用血管加压药物、血钾浓度、血小板计数、心率、血红蛋白、体温、PaO2被确定为高风险因子，拟合方程为：g（x）=0.06×年龄（岁）+2.23（使用血管加压药物）+1.37×血钾浓度（mmol/L）-0.007×血小板计数（×109）+0.03×心率（/min）-0.29×Hb（g/dl）-0.67×T（°C）+0.01×PaO2+13。

2.3.2 发展与应用 该模型ROC曲线下面积为0.85，95%CI为0.79～0.90，采用Hosmer-Lemeshow拟合优度检验，测试统计量为6.54（P=0.59），预测模型效能较佳[23]。

2.3.3 特点与用途 该预测模型包含8个风险因子，在临床实际中很容易获取，且纳入模型的所有参数均为患者入院24 h内首次监测指标，有利于医护人员早期识别高风险的急性呼吸窘迫综合征患者。此模型的局限性是仅纳入了需要机械通气的患者，适用人群较为局限，对非机械通气的患者是否适用还有待甄别与验证。另外，建模时研究对象人群选择了随机的患者，而不是选用能够连续观察的队列数据，且缺乏外部数据的验证，对模型的准确性有一定的影响[29]。

3 展望

目前国内外关于急性呼吸窘迫综合征风险预测模型的研究较为单一，大多是采用回顾性病例对照研究，选取单中心样本，通过多因素Logistic回归分析构建风险预测模型，且很少进行外部数据的检验，同时也未连续观察患者的病情状况，这可能导致模型的局限性较大、实用性不强，科学性有待考证。并且各个模型的适用人群与预测因子尚存在较大差异，因此临床实际可操作性不高。国内既往研究将危险因素作为急性呼吸窘迫综合征的重要指引要素，以探究急性呼吸窘迫综合征的发生发展与患者病情变化之间的关联[30-32]。但关于急性呼吸窘迫综合征的预测模型相对较少。国外对于急性呼吸窘迫综合征发生风险的预测研究相对较早，但由于地域差异、种族迥然，是否适用于我国人群还有待进一步的验证与完善。故本研究结论对后续工作提供以下建议：（1）构建预测模型时建议以国内外急性呼吸窘迫综合征风险评估因子及危险因素作为内容依据，同时采用多中心大样本数据，例如在不同的研究地点与机构同时进行，这不仅能在较短时间内收集到较多的样本含量，提高效率，且病例数据范围比单中心广，样本更具代表性。研究方法宜选用回顾性研究和前瞻性研究相结合的方式，同时注意监测指标数据的动态变化。此外，建立模型之后还应该使用外部样本病例数据在多地区进行验证，以提高研究结论的普适性与科学性。（2）数据统计可以选用分层分析，当同一风险因素指标多次测量时，推荐使用能处理非独立数据的多水平混合效应模型和广义估计模型，逐次筛选高风险因素，以确保模型的可靠性与外推性[33]。还可以对模型评分结果进行等级划分[34]，以区分不同风险等级的急性呼吸窘迫综合征患者，方便医护人员给予不同层级的诊疗与护理方案。（3）最后需多次检验模型的信效度与拟合度，使模型的效能达到最优。（4）在未来研究中还可考虑联合电子信息化系统设置软件程序，以开发出更先进的风险评估研究工具。此外，能否将预测工具应用于延续性护理评估，以减少患者复发或新发急性呼吸窘迫综合征的可能性，从而将预测模型的价值效能发挥到最大。