脓毒症患者相关脑病预测模型的建立和验证
目的 探讨脓毒症患者发生脓毒症相关脑病(SAE)的危险因素,建立简便、易用的预测模型并进行验证.方法 回顾性分析徐州医科大学附属医院2017 年1 月至2021 年12 月入住重症监护病房(ICU)脓毒症患者的临床资料,根据纳入排除标准,确定最终入选病例,将 2017年1 月至2019 年12 月收集的病例作为训练队列组(n =640),将2020 年1 月至2021 年12 月收集的病例作为验证队列组(n =300).将训练队列组患者资料进行Logistic回归分析,确定SAE发生的危险因素,建立回归方程,并可视化为列线图.验证队列组对建立的回归方程进行验证,通过绘制受试者工作特征(rece...
Gespeichert in:
Veröffentlicht in: | 中国急救医学 2023, Vol.43 (6), p.434-439 |
---|---|
Hauptverfasser: | , , |
Format: | Artikel |
Sprache: | chi |
Online-Zugang: | Volltext |
Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
Zusammenfassung: | 目的 探讨脓毒症患者发生脓毒症相关脑病(SAE)的危险因素,建立简便、易用的预测模型并进行验证.方法 回顾性分析徐州医科大学附属医院2017 年1 月至2021 年12 月入住重症监护病房(ICU)脓毒症患者的临床资料,根据纳入排除标准,确定最终入选病例,将 2017年1 月至2019 年12 月收集的病例作为训练队列组(n =640),将2020 年1 月至2021 年12 月收集的病例作为验证队列组(n =300).将训练队列组患者资料进行Logistic回归分析,确定SAE发生的危险因素,建立回归方程,并可视化为列线图.验证队列组对建立的回归方程进行验证,通过绘制受试者工作特征(receiver operating characteristic,ROC)曲线及计算ROC曲线下面积(area under the curve,AUC)评价模型的区分度,通过Hosmer-Lemeshow检验和校准图评价模型的校准度.结果 本研究共纳入940 例患者,单因素及多因素Logistic回归结果表明,高龄、使用升压药、高中枢神经特异蛋白(S100β)水平、低脉搏血氧饱和度(SpO2)和低蛋白血症 5 个因素为SAE发病的独立危险因素(P |
---|---|
ISSN: | 1002-1949 |
DOI: | 10.3969/j.issn.1002-1949.2023.06.002 |