目的构建重症监护(intensive care unit,ICU)环境下重症肺结核患者死亡风险预测模型,并评估该模型的预测效能,旨在为降低重症肺结核患者的死亡率提供科学依据。方法本研究采用回顾性分析方法,整理了成都市公共卫生临床医疗中心在2016—2...目的构建重症监护(intensive care unit,ICU)环境下重症肺结核患者死亡风险预测模型,并评估该模型的预测效能,旨在为降低重症肺结核患者的死亡率提供科学依据。方法本研究采用回顾性分析方法,整理了成都市公共卫生临床医疗中心在2016—2020年ICU收治的重症肺结核患者的资料,并依据7∶3的比例将所有病例随机分为建模组和验证组。通过运用logistic回归分析,构建风险预测模型并绘制彩色列线图。此外,研究还对模型进行验证并绘制ROC曲线,旨在评估列线图的预测效率。结果共收集病例852例,其中建模组包含597例患者,死亡109例(18.26%),而验证组255例患者中死亡41例(16.08%)。对建模组进行的多因素logistic回归分析显示,痰涂片阳性、住院时间较短、合并重症肺炎、合并真菌感染、高龄、低水平白蛋白以及高水平CRP是重症肺结核的独立死亡危险因素。模型组的曲线下面积(area under the curve,AUC)为0.905(95%CI:0.874~0.935),灵敏度为0.890(95%CI:0.831~0.949),特异度为0.828(95%CI:0.794~0.861),C指数为0.905(95%CI:0.875~0.935);验证组的AUC为0.893(95%CI:0.837~0.949),灵敏度为0.902(95%CI:0.812~0.993),特异度为0.832(95%CI:0.782~0.882),C指数为0.893(95%CI:0.838~0.948)。决策曲线图(decision curve chart,DCA)表明,在建模组和验证组患者诊断概率0~1的范围内,模型的应用准确性和净获益均较高。结论基于列线图的重症肺结核患者在ICU治疗中的死亡预测模型展现了卓越的区分能力和精确度,在识别高风险死亡患者方面显示出巨大的临床应用潜力,有助于为ICU中重症肺结核患者制定有效的干预措施,从而降低死亡率。展开更多
文摘目的构建重症监护(intensive care unit,ICU)环境下重症肺结核患者死亡风险预测模型,并评估该模型的预测效能,旨在为降低重症肺结核患者的死亡率提供科学依据。方法本研究采用回顾性分析方法,整理了成都市公共卫生临床医疗中心在2016—2020年ICU收治的重症肺结核患者的资料,并依据7∶3的比例将所有病例随机分为建模组和验证组。通过运用logistic回归分析,构建风险预测模型并绘制彩色列线图。此外,研究还对模型进行验证并绘制ROC曲线,旨在评估列线图的预测效率。结果共收集病例852例,其中建模组包含597例患者,死亡109例(18.26%),而验证组255例患者中死亡41例(16.08%)。对建模组进行的多因素logistic回归分析显示,痰涂片阳性、住院时间较短、合并重症肺炎、合并真菌感染、高龄、低水平白蛋白以及高水平CRP是重症肺结核的独立死亡危险因素。模型组的曲线下面积(area under the curve,AUC)为0.905(95%CI:0.874~0.935),灵敏度为0.890(95%CI:0.831~0.949),特异度为0.828(95%CI:0.794~0.861),C指数为0.905(95%CI:0.875~0.935);验证组的AUC为0.893(95%CI:0.837~0.949),灵敏度为0.902(95%CI:0.812~0.993),特异度为0.832(95%CI:0.782~0.882),C指数为0.893(95%CI:0.838~0.948)。决策曲线图(decision curve chart,DCA)表明,在建模组和验证组患者诊断概率0~1的范围内,模型的应用准确性和净获益均较高。结论基于列线图的重症肺结核患者在ICU治疗中的死亡预测模型展现了卓越的区分能力和精确度,在识别高风险死亡患者方面显示出巨大的临床应用潜力,有助于为ICU中重症肺结核患者制定有效的干预措施,从而降低死亡率。
