基于控制营养状况评分的重症脑卒中病人继发肺部感染风险预测模型的构建

2025-02-07 00:00:00周姝宏李凤阳佳家张瑞昕刘光维
护理研究 2025年2期
关键词:重症监护肺部感染脑卒中

摘要" 目的:基于控制营养状况(CONUT)评分评估重症脑卒中病人的免疫营养状况,并构建重症脑卒中病人继发肺部感染风险预测模型。方法:选取2021年8月—2023年8月于重庆医科大学附属第一医院神经内科重症监护室住院的重症脑卒中病人181例作为研究对象,回顾性收集病人的一般资料、CONUT评分和肺部感染发生情况。采用Logistic回归分析探讨重症脑卒中病人继发肺部感染的影响因素,建立列线图预测模型,绘制受试者工作特征(ROC)曲线和校准图评价列线图模型的风险预测能力,采用10⁃折交叉验证进行模型内部验证。结果:Logistic 回归分析结果显示,CONUT评分、气管插管、鼻胃管、格拉斯哥昏迷量表评分和查尔森合并症指数是重症脑卒中病人继发肺部感染的独立影响因素。校正气管插管、鼻胃管、格拉斯哥昏迷量表评分和查尔森合并症指数后,与CONUT低分组相比,CONUT高分组继发肺部感染的风险增加[OR=5.968,95%CI(1.728,22.560)]。预测重症脑卒中病人继发肺部感染的列线图模型的ROC曲线下面积为0.841[95%CI(0.764,0.917)],10⁃折交叉验证显示ROC曲线下面积为0.815,结果稳健。模型的校正曲线与实际曲线接近,分布与理想曲线相差不远。结论:重症脑卒中病人入住重症监护室时的CONUT评分为其继发肺部感染的影响因素,基于CONUT评分构建的预测模型预测效能较好。

关键词" 控制营养状况评分;重症监护;脑卒中;肺部感染;风险预测;列线图

doi:10.12102/j.issn.1009-6493.2025.02.008

基金项目 重庆市临床重点专科建设项目,编号:渝财社〔2023〕47号

作者简介 周姝宏,护士,硕士研究生在读

通讯作者 刘光维,E⁃mail:1805208315@qq.com

引用信息 周姝宏,李凤,阳佳家,等.基于控制营养状况评分的重症脑卒中病人继发肺部感染风险预测模型的构建[J].护理研究,2025,39(2):231⁃236.

Construction of risk prediction model for secondary pulmonary infection in patients with severe stroke based on Controlling Nutritional Status score

ZHOU Shuhong, LI Feng, YANG Jiajia, ZHANG Ruixin, LIU Guangwei*

The First Affiliated Hospital of Chongqing Medical University, Chongqing 400042 China

*Corresponding Author" LIU Guangwei, E⁃mail: 1805208315@qq.com

Abstract" Objective:To evaluate the immunonutritional status of patients with severe stroke based on Controlling Nutritional Status(CONUT) score,and to construct a risk prediction model for secondary pulmonary infection in patients with severe stroke.Methods:A total of 181 patients with severe stroke who were admitted to the neurological intensive care unit of the First Affiliated Hospital of Chongqing Medical University were selected as the study subjects from August 2021 to August 2023.The general data,CONUT score and incidence of pulmonary infection were retrospectively collected.Logistic regression analysis was used to explore the influencing factors of pulmonary infection in patients with severe stroke,and the Nomogram prediction model was established.The receiver operating characteristic(ROC) curve and calibration diagram were drawn to evaluate the risk prediction ability of the Nomogram model.10⁃fold" cross" validation was used for" internal" verification of the model.Results:The" results of the Logistic regression analysis showed that CONUT score,endotracheal intubation,nasogastric tube,Glasgow Coma Scale score and Charlson comorbidity index are independent influencing factors for secondary pulmonary infection in patients with severe stroke.After correction for Endotracheal intubation,nasogastric tube,Glasgow Coma Scale score,and Charlson comorbidity index,the risk of pulmonary infection was increased in the CONUT high group compared with the low group[OR=5.968,95%CI(1.728,22.560)].The area under the ROC curve of the model for predicting secondary pulmonary infection in patients with severe stroke was 0.841[95%CI(0.764,0.917)].The 10⁃fold cross validation showed robust results with area under the ROC curve of 0.815.The calibration curve of the model was close to the actual curve,and the distribution was not far from the ideal curve.Conclusions:The CONUT score of patients with severe stroke at the time of admission to the intensive care unit is the influencing factor of secondary pulmonary infection, and the prediction model based on the CONUT score has good prediction performance.

Keywords""" Controlling Nutritional Status score; intensive care; stroke; pulmonary infection; risk prediction; Nomogram

脑卒中是全球第二大死亡原因(2019年占总死亡人数的11.6%)和第三大伤残原因(2019年占总伤残调整寿命年的5.7%)[1]。肺部感染是重症脑卒中病人的常见并发症之一,也是其死亡的主要原因之一。脑卒中继发肺部感染的病人病死率是单纯脑卒中病人的3倍[2],因此,早期识别重症脑卒中继发肺部感染的高风险病人至关重要。营养不良和免疫缺陷是重症脑卒中继发肺部感染的重要原因[3⁃4]。重症脑卒中病人存在低度炎症可能导致营养不良和免疫功能障碍,加速疾病进展。2005年,Ignacio De Ulíbarri等[5]首次提出将控制营养状况(Controlling Nutritional Status,CONUT)评分作为胃肠道手术病人营养不良和免疫缺陷的早期筛查工具,Rinninella等[6⁃9]对其在病人中的应用价值进行了验证。目前关于CONUT评分与重症脑卒中继发肺部感染的关系尚不明确。因此,本研究拟探讨CONUT评分对重症脑卒中继发肺部感染的预测价值。

1" 对象与方法

1.1 研究对象

选取2021年8月—2023年8月于重庆医科大学附属第一医院神经内科重症监护室(neurological intensive care unit,NICU)住院的重症脑卒中病人181例作为研究对象。纳入标准:1)重症病人,急性生理与慢性健康评分(Acute Physiology and Chronic Health Evaluation,APACHE) Ⅱ评分为10~25分[10];2)脑卒中,经影像学检查符合《中国急性缺血性脑卒中诊治指南2018》或《中国脑出血诊治指南(2019)》诊断标准;3)年龄≥18岁;4)首次发病,发病时间≤48 h,NICU停留时间≥48 h。排除标准:1)发生社区获得性肺炎,入院48 h 内发生感染;2)入院48 h内使用抗生素、免疫制剂;3)入院时存在血流动力学不稳定、多器官衰竭或患有严重肝肾功能疾病、免疫系统疾病、肿瘤;4)失访或临床资料缺失。样本量计算:本研究预计最终模型纳入5个变量,经验法确保每个被考虑纳入最终预测模型方程的预测参数至少有10个事件发生。根据文献检索结果,预计CONUT中分组和高分组肺部感染发生率为38%[9],计算样本量为132例,考虑10%的失访率,最终需纳入样本146例。本研究最终纳入病人181例。本研究已获得医院伦理委员会批准(编号:K2023⁃326)。由于本研究为回顾性设计,伦理委员会审核免除病人知情同意。

1.2 资料收集方法

回顾性收集病人的一般资料、CONUT评分和肺部感染发生情况。所有资料均来自重庆医科大学附属第一医院NICU电子病例系统。1)一般资料:包括年龄、性别、吸烟、饮酒、既往病史[高血压、糖尿病、冠心病、心房颤动、慢性阻塞性肺疾病(COPD)、心力衰竭]、脑卒中类型、APACHEⅡ评分、美国国立卫生研究院卒中量表(National Institute of Health Stroke Scale,NIHSS)评分及格拉斯哥昏迷量表(Glasgow Coma Scale,GCS)评分、查尔森合并症指数(CCI)、气管插管、鼻胃管使用情况。2)CONUT评分:病人入院48 h内收集其白蛋白、总胆固醇、淋巴细胞计数,将3个指标赋值相加计算CONUT评分,总分0~12分[7]。将CONUT评分0分或1分、2~4分、5~12分的病人分别归为低分组、中分组、高分组[11]。3)肺部感染发生情况:统计重症脑卒中病人在NICU住院期间的肺部感染发生情况,根据2018年中华医学会呼吸病学分会感染学组发布的《中国成人医院获得性肺炎与呼吸机相关性肺炎诊断和治疗指南》,肺部感染指征包括出现咳嗽、咳痰、发热等肺部感染症状和体征;通过胸部X线或CT等影像学检查显示存在肺部感染征象;白细胞等实验室检查结果异常。

1.3 数据处理方法

病人指标缺失率gt;20%视为失访;定量资料缺失率lt;5%采用均数或中位数替代缺失数值,缺失率为5%~10%使用回归方程充填法,缺失率gt;10%应用多重插补法填充。

1.4 统计学方法

采用SPSS 26.0进行统计学分析。符合正态分布的定量资料以均数±标准差(x±s)表示,组间比较采用t检验;不符合正态分布的定量资料以中位数(四分位数)[M(P25,P75)]表示,组间比较采用Mann⁃Whitney U检验;定性资料以频数及百分比(%)表示,组间比较采用χ2检验或Fisher精确概率法。采用Logistic回归分析探究CONUT评分对重症脑卒中病人继发肺部感染的影响,计算比值比(odds ratio,OR)及其95%置信区间(confidence interval,CI),并应用rms程序包建立列线图预测模型。采用10⁃折交叉验证对模型进行内部验证,绘制受试者工作特征(receiver operating characteristic,ROC)曲线,计算基于CONUT评分的重症脑卒中病人继发肺部感染预测模型的曲线下面积。以Plt;0.05表示差异有统计学意义。

2" 结果

2.1 重症脑卒中病人继发肺部感染影响因素的单因素分析

181例重症脑卒中病人中有62例(34.25%)住院期间发生肺部感染,119例(65.75%)住院期间未发生肺部感染。重症脑卒中病人继发肺部感染影响因素的单因素分析结果见表1。

2.2 重症脑卒中病人继发肺部感染影响因素的多因素分析

以肺部感染发生情况为因变量(未感染=0,感染=1),以单因素分析中有统计学意义(Plt;0.05)的变量及P值与0.05接近的变量(高血压)为自变量进行Logistic 回归分析。自变量赋值情况:CONUT评分,低分组=1,中分组=2,高分组=3;年龄,≤65岁=0,gt;65岁=1;高血压,无=0,有=1;气管插管,否=0,是=1;鼻胃管,否=0,是=1;GCS评分以原值代入;CCI以原值代入。模型1结果显示,与低分组相比,CONUT高分组继发肺部感染的风险增加[OR=5.185,95%CI(1.860,15.381)]。模型3结果显示,加入其他变量后,CONUT高分组OR值相较于模型1无明显变化。CONUT评分、气管插管、鼻胃管、GCS评分和CCI是重症脑卒中病人继发肺部感染的影响因素。见表2。

2.3 重症脑卒中病人继发肺部感染风险预测模型的建立

根据重症脑卒中病人继发肺部感染的影响因素构建基于CONUT评分的风险列线图模型,见图 1。

2.4 重症脑卒中病人继发肺部感染预测模型的验证

列线图模型的ROC曲线下面积为0.841[95%CI(0.764,0.917)],灵敏度为0.744,特异度为0.855,约登指数为0.600,见图2。采用10⁃折交叉验证对模型进行内部验证,结果显示ROC曲线下面积为0.815,灵敏度为0.842,特异度为0.450,与列线图模型的ROC相比,两者处于同一水平,说明结果稳健。校准曲线显示校正曲线与实际曲线接近,分布与理想曲线相差不远,见图3。

3" 讨论

3.1 CONUT评分对重症脑卒中病人继发肺部感染的影响

肺部感染是重症脑卒中病人最常见的并发症之一,也是病人重要的死亡原因之一,已有研究结果显示,继发肺部感染的重症脑卒中病人30 d死亡率占30 d总死亡率的30%[12]。病人入院时的免疫营养联合状况与肺部感染发生情况密切相关。本研究基于CONUT评分研究免疫营养联合状况对重症脑卒中病人继发肺部感染的预测价值,结果显示,入院时CONUT评分较高的脑卒中病人继发肺部感染的风险较大;在调整相关变量后,CONUT评分仍是重症脑卒中病人继发肺部感染的影响因素;基于CONUT评分构建的风险预测模型经过10⁃折交叉验证得出相似曲线下面积。表明CONUT评分是早期识别重症脑卒中病人继发肺部感染的有效工具,可为临床早期进行免疫营养管理以预防重症脑卒中病人继发肺部感染提供参考。

3.2 CONUT评分是重症脑卒中继发肺部感染的独立影响因素

本研究结果显示,调整其他变量后CONUT评分仍是重症脑卒中病人继发肺部感染的影响因素。原因可能与CONUT评分由白蛋白、总胆固醇和淋巴细胞计数赋值积分所得有关。已有研究表明,低白蛋白和胆固醇均与脑卒中病人的院内肺部感染相关[13⁃15]。白蛋白具有抗氧化活性和抗炎特性,可起到降低感染风险的作用[16];其还可刺激免疫细胞反应,减轻免疫抑制状况,从而降低肺部感染风险[17]。胆固醇是细胞膜的重要组成部分,可增强固有和适应性免疫应答,提高宿主对医院获得性感染的抵抗力[18];同时,胆固醇也是体内合成重要供能物质的原料[19]。淋巴细胞在细胞免疫中发挥着重要作用[20]。重症脑卒中病人具有高代谢特征,病人对营养物质需求增加。当病人出现负氮平衡时,低白蛋白水平和低胆固醇水平无法维持营养供应,可引起体重减轻和机体抵抗力下降等。此外,当病人免疫营养联合状况较差时,肠黏膜屏障作用降低,导致内毒素移位,增加感染风险[21]。CONUT评分包含对蛋白质储备消耗、热量消耗和免疫防御受损状况的评估,比单变量标志物更能反映免疫营养联合状况,较好地弥补了单个营养评价指标和单个免疫评估指标的不足,且其评分简易、方便复测。在本研究中,CONUT高分组病人相较于低分组病人的继发性肺部感染发生率增高,提示临床工作中可通过早期评估CONUT评分,发现重症脑卒中继发肺部感染的高危病人,从而采取有效、全面的预防措施,降低重症脑卒中病人继发肺部感染的风险,提高病人救治成功率。

3.3 列线图模型对重症脑卒中病人继发肺部感染的风险预测效能较好

本研究构建的列线图模型用于早期发现重症脑卒中病人继发肺部感染风险,有利于医护人员早期实施有效的干预措施。采用10⁃折交叉验证对模型进行内部验证,结果表明,列线图模型具有较高的区分度。校准图结果表明重症脑卒中病人肺部感染预测概率与模型的实际发生概率一致,说明列线图预测模型具有较好的判别能力,提示本研究开发的列线图模型在预测重症脑卒中病人继发肺部感染方面具有较高的临床应用价值。Liu等[22]研究表明,脑卒中诱发的免疫抑制可能导致全身细胞免疫反应下调和淋巴细胞亚群、单核细胞、肺巨噬细胞和上皮细胞快速减少,削弱人体对病原体的抵抗力,增加肺部感染风险。Dai等[23]研究发现,基于老年营养风险指数的高营养不良风险与较高的脑卒中病人继发肺部感染发病率有关。不良免疫营养联合状况可能会阻碍淋巴细胞成熟,降低循环淋巴细胞计数,影响机体对感染的抵抗力和恢复能力[24]。因此,病人不良免疫营养联合状况会增加病人肺部感染发生风险。CONUT评分是免疫功能和营养状况的综合指标,基于CONUT评分的免疫营养状况评估结果联合病人住院期间的病情特征,有利于提升对重症脑卒中病人继发肺部感染的预测效能。近年来,免疫营养状况作为可改变因素越来越受到关注,已有研究表明,早期营养治疗可以降低全身炎症水平,改善免疫功能,降低脑卒中相关感染风险[25]。构建基于CONUT评分的列线图可以对病人进行评估,帮助医务人员早期识别长期预后不良的病人,及时制定个体化的免疫营养支持和治疗方案,降低病人病死率和不良预后的发生。

3.4 研究局限性

1)本研究样本量较小,且为单中心回顾性研究,未进行多中心外部验证。2)病人在住院期间获得的营养支持不同、营养方案多样,本研究暂未探讨营养支持方案对肺部感染的影响。3)本研究未对CONUT评分进行动态观察,无法获得治疗后的CONUT评分并确定其临床价值。后续研究仍需要采用前瞻性、大样本量、具有动态随访设计的研究,以进一步验证本研究结果的可靠性。

4" 小结

入院48 h内CONUT评分是重症脑卒中病人继发肺部感染的独立预测指标,基于CONUT评分构建重症脑卒中病人继发肺部感染的预测模型,可为早期准确评估病人肺部感染风险并制定针对性措施提供参考。医务人员应早期关注重症脑卒中病人的免疫营养联合状况,将其作为病情监测内容,为临床优化治疗提供条件。

参考文献:

[1]" GBD 2019 Stroke Collaborators.Global,regional,and national burden of stroke and its risk factors,1990-2019:a systematic analysis for the global burden of disease study 2019[J].Lancet Neurol,2021,20(10):795-820.

[2]" BAI W,LI W,NING Y L,et al.Blood glutamate levels are closely related to acute lung injury and prognosis after stroke[J].Front Neurol,2017,8:755.

[3]" 张瑞昕,李凤,黄丽红,等.重症脑卒中患者肺部感染与营养相关的危险因素分析[J].中国实用护理杂志,2021,37(34):2644-2649.

[4]" 方芳,舒怡,肖志杰.卒中相关性肺炎的临床研究进展[J].中华危重病急救医学,2019,31(11):1429-1434.

[5]" IGNACIO DE ULÍBARRI J,GONZÁLEZ-MADROÑO A,DE VILLAR N G,et al.CONUT:a tool for controlling nutritional status.First validation in a hospital population[J].Nutr Hosp,2005,20(1):38-45.

[6]" RINNINELLA E,BORRIELLO R,D'ANGELO M,et al.Controlling Nutritional Status(CONUT) as predictive score of hospital length of stay(LOS) and mortality:a prospective cohort study in an internal medicine and gastroenterology unit in Italy[J].Nutrients,2023,15(6):1472.

[7]" NAGATA A,KANEMASA Y,SASAKI Y,et al.Clinical impact of controlling nutritional status score on the prognosis of patients with diffuse large B-cell lymphoma[J].Hematol Oncol,2020,38(3):309-317.

[8]" DI VINCENZO O,D'ELIA L,BALLARIN G,et al.Controlling Nutritional Status(CONUT) score and the risk of mortality or impaired physical function in stroke patients:a systematic review and meta-analysis[J].Nutr Metab Cardiovasc Dis,2023,33(8):1501-1510.

[9]" LI D Z,LIU Y,JIA Y,et al.Association between malnutrition and stroke-associated pneumonia in patients with ischemic stroke[J].BMC Neurol,2023,23(1):290.

[10]" PU L,ZHU B,JIANG L,et al.Weaning critically ill patients from mechanical ventilation: a prospective cohort study[J].J Crit Care,2015,30(4):7-13.

[11]" TOKUNAGA R,SAKAMOTO Y,NAKAGAWA S,et al.CONUT:a novel independent predictive score for colorectal cancer patients undergoing potentially curative resection[J].Int J Colorectal Dis,2017,32(1):99-106.

[12]" TEH W H,SMITH C J,BARLAS R S,et al.Impact of stroke-associated pneumonia on mortality,length of hospitalization,and functional outcome[J].Acta Neurol Scand,2018,138(4):293-300.

[13]" YANG X,WANG L,ZHENG L,et al.Serum albumin as a potential predictor of pneumonia after an acute ischemic stroke[J].Curr Neurovasc Res,2020,17(4):385-393.

[14]" MAZZACANE F, LEUCI E, PERSICO A,et al.Association between cholesterol levels and infections after ischemic stroke[J].Eur J Neurol,2020,27(10):2036-2040.

[15]" RODRÍGUEZ-SANZ A,FUENTES B,MARTÍNEZ-SÁNCHEZ P,et al.High-density lipoprotein: a novel marker for risk of in-hospital infection in acute ischemic stroke patients?[J].Cerebrovasc Dis,2013,35(3):291-297.

[16]" KAWAI Y,MASUTANI K,TORISU K,et al.Association between serum albumin level and incidence of end-stage renal disease in patients with immunoglobulin A nephropathy:a possible role of albumin as an antioxidant agent[J].PLoS One,2018,13(5):e0196655.

[17]" ARROYO V,GARCÍA-MARTINEZ R,SALVATELLA X.Human serum albumin,systemic inflammation,and cirrhosis[J].J Hepatol,2014,61(2):396-407.

[18]" CARDOSO D, PERUCHA E.Cholesterol metabolism:a new molecular switch to control inflammation[J]. Clin Sci,2021,135(11):1389-1408.

[19]" MUNTEANU C,SCHWARTZ B.The relationship between nutrition and the immune system[J].Front Nutr,2022,9:1082500.

[20]" HEUNG L J,WIESNER D L,WANG K,et al.Immunity to fungi in the lung[J].Semin Immunol,2023,66:101728.

[21]" WEN S W,SHIM R,HO L,et al.Advanced age promotes colonic dysfunction and gut-derived lung infection after stroke[J].Aging Cell,2019,18(5):e12980.

[22]" LIU D D,CHU S F,CHEN C,et al.Research progress in stroke-induced immunodepression syndrome(SIDS) and stroke-associated pneumonia(SAP)[J].Neurochem Int,2018,114:42-54.

[23]" DAI C J,YAN D,XU M J,et al.Geriatric Nutritional Risk Index is related to the risk of stroke-associated pneumonia[J].Brain Behav,2022,12(8):e2718.

[24]" SMITH T J,MCCLUNG J P.Nutrition,immune function,and infectious disease[J].Med J,2021(01/02/03):133-136.

[25]" CHEN X,HU Y,YUAN X,et al.Effect of early enteral nutrition combined with probiotics in patients with stroke:a meta-analysis of randomized controlled trials[J].Eur J Clin Nutr,2022,76(4):592-603.

(收稿日期:2024-01-21;修回日期:2024-12-27)

(本文编辑 陈琼)

猜你喜欢
重症监护肺部感染脑卒中
支气管哮喘合并肺部感染的护理策略分析
综合排痰护理用于尘肺伴肺部感染患者护理中的临床效果
今日健康(2016年12期)2016-11-17 13:32:54
早期护理介入在脑卒中患者构音障碍训练中的作用
早期康复护理在脑卒中偏瘫患者护理中的临床效果
脑卒中合并脑栓塞症的预防及护理观察
良肢位摆放结合中药熏敷降低脑卒中患者肌张力的疗效观察
51例重症脑出血肺部感染情况分析
不同输血指征对重症监护患者预后的影响
分析重症监护室患者并发肺部感染的原因及其护理途径
人人健康(2016年9期)2016-05-21 11:42:06
重症监护中常见快速心律失常的护理对策