早发型新生儿败血症预后不良风险评估模型构建及其应用效果

李雅洁 陈牡花 曹敏 汤芳

早发型新生儿败血症（early-onset sepsis, EOS）是指发病时间≤3 d龄的新生儿败血症，临床研究显示，EOS发生与患儿母亲产前或产时感染有关，随着孕产妇早期预防与筛查的推行，EOS发病率呈现出正性变化[1-3]。因EOS缺乏特异性表现，且病情发展迅速，患儿病死率达到了5%~20%，确定对EOS预后有指示意义的因素或构建预后不良风险预测模型，有助于实现对不良预后风险的有效评估，可为临床治疗或预防护理提供参考，以改善疗效[4-5]。但现有文献对EOS的研究多集中于发病危险因素或死亡病因，鲜有文献尝试构建EOS预后不良风险预测模型，并在临床加以应用。本研究通过筛选早发型新生儿败血症患儿预后不良的危险因素，构建风险预测模型并检验其预测效果，现报告如下。

1 对象与方法

1.1 研究对象

选取医院2020年12月—2021年12月收治的早发型新生儿败血症患儿共118例为研究对象。纳入条件：患儿日龄≤3 d；符合“新生儿败血症诊断与治疗专家共识”中的相关诊断标准；无重要脏器相关疾病；因患儿家长放弃治疗，未能诊断者；患儿家属对研究知情，自愿加入。排除条件：伴有遗传代谢疾病；研究期间中途转院或退出研究；外院转入病例或其母亲相关资料缺失。根据EOS预后不良评价标准，将患儿分为病例组（预后不良）12例和对照组（预后良好）106例。

1.2 资料收集

通过查阅早发型新生儿败血症患儿病历资料收集相关信息，内容包括患儿性别、胎龄、出生体质量、分娩方式、WBC、PLT、低蛋白血症、肝功能损害、合并坏死性小肠结肠炎（NEC）、合并病理性黄疸、合并脑损伤、休克、机械通气、母亲产前发热、羊水粪染。

1.3 EOS预后不良评价标准

如患者符合以下情况中任意一种，则可确定为预后不良：①伴有肠穿孔、支气管肺发育不良等后遗症；②Glasgow 临床结局评分≤4分；③住院期间死亡；④家属放弃治疗，自动出院3 d内死亡[5-6]。

其中Glasgow 临床结局评分是根据神经系统症状、体征指标、脑脊液检查结果等情况，将临床结局分为5级（分值1~5分）：1分为死亡；2分为处于植物人状态；3分为伴有严重的神经系统障碍；4分为存在脑功能障碍、伴有肌张力异常与肢体功能障碍等症状、脑脊液检查显示无变化或恶化、并发症未得到有效控制；5分为连续2次脑脊液检查正常、无神经系统症状、炎症监测指标正常、无相关并发症[7-8]。

1.3 数据分析方法

采用SPSS20.0统计学软件分析处理数据，单因素分析中，计数资料组间率比较行χ2检验；多因素分析中，将单因素分析有统计学意义的因素作为自变量，进行多因素Logistic回归分析。以P<0.05为差异有统计学意义。

2 结果

2.1 早发型新生儿败血症预后不良危险因素的单因素分析

单因素分析显示，早发型新生儿败血症预后不良的危险因素有出生体质量、低蛋白血症、PLT、WBC、肝功能损害、合并坏死性小肠结肠炎、合并脑损伤、休克、机械通气,差异有统计学意义（P<0.05），见表1。

表1 早发型新生儿败血症预后不良危险因素的单因素分析

2.2 早发型新生儿败血症预后不良独立危险因素的多因素Logistic回归分析

以是否预后不良为因变量（是=1，否=0），以单因素分析得到早发型新生儿败血症预后不良危险因素为自变量（变量赋值见表2），进行多因素Logistic回归分析。分析结果得到，早发型新生儿败血症预后不良的独立危险因素有出生体质量<2500 g、肝功能损害、合并坏死性小肠结肠炎、合并脑损伤、休克、机械通气,差异有统计学意义（P<0.05），见表3。

表2 变量赋值表

表3 早发型新生儿败血症预后不良独立危险因素的多因素Logistic回归分析

2.3 回归分析预测法构建早发型新生儿败血症预后不良风险预测模型

根据Logistic回归分析结果，构建预测模型，即：

P=1/[ 1+e-3.114+2.420×出生体质量（<2500g）+2.955×肝功预后不良能损害+2.901×合并坏死性小肠结肠炎+2.661×合并脑损伤+3.476×休克+2.752×机械通气]式中各因素是=1，否=0，其中出生体质量<2500 g=1,≥ 2500 g=0。

2.4 早发型新生儿败血症预后不良风险预测模型应用效果

2.4.1 ROC曲线分析 根据ROC曲线分析显示，模型曲线下面积（AUC）=0.850，95%CI为0.806~0.895，见图1，表明该预测模型具有一定的预测效能。根据约登指数最大值筛选预测最佳临界值是P=0.410。

图1 EOS预后不良预测模型ROC曲线分析

2.4.2 预测效果评价 以P>0.410为预测EOS预后不良的标准，研究对象的预测结果见表4，结果显示，预测的灵敏度=71.43%，特异度=98.08%，Kappa值=0.741，表明预测结果与实际结果具有较高的真实性和一致性。

表4 EOS预后不良预测模型应用检验

3 讨论

3.1 预测模型适用性

研究经单因素分析、多因素Logistic回归分析筛选得到的预测因子均来源于患儿临床资料，可通过电子病例系统查询获取，不涉及其他量表测量、指标评价，操作简单，降低了预测模型临床应用操作难度，保证了其适用性。

3.2 预测模型区分能力

研究对预测模型实施ROC曲线分析，结果显示，曲线下面积（AUC）=0.850，95%CI为0.806~0.895，提示模型预测区分能力较好；预测模型的灵敏度为0.714，特异度为0.981，Kappa值为0.741，而一般认为Kappa值大于0.6则预测结果与真实情况一致度高，提示模型对EOS预后不良有较好的预测效能，能有效排除预后不良患儿；此外，模型拟合优度检验显示，自变量早发型新生儿败血症预后不良危险因素对因变量预后不良有统计学意义，且临床应用检查得到模型预测准确率为94.92%，提示模型预测准确率表现较好，且在风险预测中可靠性、稳定性表现出色。

综上所述，新生儿诊疗技术快速发展情况下，早发型新生儿败血症预后已得到改善，但受相关因素影响，部分患儿预后仍较差，构建的早发型新生儿败血症风险预测模型，可操作性强，具有一定的预测能力，但漏诊率较高，需要进一步调整。