老年ICU脓毒症患者脓毒症相关脑病动态列线图预测模型的开发与验证：一项回顾性队列研究

　　本刊推荐：本研究通过回顾性分析构建并验证了老年脓毒症患者发生脓毒症相关脑病（SAE）的预测列线图模型，涵盖机械通气（IMV）、血小板、白细胞（WBC）、血糖、乳酸和钙等关键指标。模型曲线下面积（AUC）达0.861，经Bootstrap验证C-index为0.842，校准曲线和决策曲线（DCA）显示其具有良好的预测一致性和临床适用性，为SAE早期识别提供了可视化工具。

　　

研究背景与意义

脓毒症相关脑病（Sepsis-Associated Encephalopathy, SAE）是脓毒症常见且严重的并发症，尤其在老年患者中发生率高，与高死亡率和长期认知功能障碍密切相关。当前SAE的诊断主要依赖格拉斯哥昏迷评分（Glasgow Coma Scale, GCS）和重症监护谵妄评估方法（Confusion Assessment Method for the ICU, CAM-ICU），但这些工具存在操作者间变异大、耗时长、对非专业人员不友好等问题。随着全球老龄化加剧，ICU中老年脓毒症患者数量持续上升，开发一种简便、快速且准确的SAE早期预测工具具有重要临床意义。

研究方法与数据

本研究回顾性纳入了2020年1月至2023年12月期间温州医科大学附属第一医院收治的231例年龄≥65岁的脓毒症患者。所有患者诊断符合脓毒症-3（Sepsis-3）标准。排除标准包括药物或毒素影响、电解质紊乱、代谢性疾病（如糖尿病酮症酸中毒、低血糖、肝性脑病等）、原发性脑损伤（如脑卒中、颅脑外伤、颅内感染等）以及非感染性全身炎症反应（如烧伤、急性胰腺炎等）。SAE的诊断依据为GCS评分＜15分或CAM-ICU评估确认的谵妄状态。

收集的数据包括患者人口学特征、入院时生命体征、实验室指标（如白细胞计数、血小板、血糖、乳酸、钙离子等）、器官功能评分（SOFA）、治疗措施（如有创机械通气IMV、连续性肾脏替代治疗CRRT、血管活性药物使用等）以及临床结局（如住院死亡率、住院时间等）。

统计分析采用R语言（4.4.1版）进行。连续变量以均数±标准差或中位数（四分位距）表示，分类变量以百分比表示。组间比较使用卡方检验和Mann–Whitney U检验。采用最小绝对收缩与选择算子（Least Absolute Shrinkage and Selection Operator, LASSO）回归筛选预测变量，并通过方差膨胀因子（Variance Inflation Factor, VIF）评估变量间多重共线性。

模型性能通过受试者工作特征曲线下面积（Area Under the Curve, AUC）、一致性指数（Concordance Index, C-index）、校准曲线、Brier评分和决策曲线分析（Decision Curve Analysis, DCA）进行评估。内部验证采用Bootstrap重抽样方法（重复500次）。

研究结果

本研究共纳入231例老年脓毒症患者，其中66例（28.6%）发生SAE。SAE组患者SOFA评分更高、住院死亡率更高，且更常需要IMV、CRRT和血管活性药物支持，住院时间也更长。

通过LASSO回归筛选出6个SAE的独立预测因素：有创机械通气（IMV）、血小板计数、白细胞计数（WBC）、血糖、乳酸和钙离子。基于这些变量构建了预测SAE发生的列线图模型。模型中各变量的VIF值均＜10，说明变量间无显著共线性。

该列线图的AUC为0.861（95% CI: 0.814–0.907），优于单一指标（乳酸AUC=0.658，WBC AUC=0.557，钙AUC=0.556）。经Bootstrap校正后的C-index为0.842，Brier评分为0.139。校准曲线显示预测概率与实际观测值之间具有良好的一致性。DCA结果表明，在阈值概率0.01–0.76范围内，该列线图具有较高的临床净获益。

此外，研究团队还开发了一个在线的动态预测工具（https://simeng347.shinyapps.io/dynnomapp/），用户可通过输入变量值快速获取SAE发生概率及其95%置信区间。

讨论

本研究表明，乳酸、血小板、血糖、WBC、钙和IMV是老年脓毒症患者发生SAE的重要预测因子。乳酸升高反映组织灌注不足和代谢紊乱，与血脑屏障破坏和神经炎症密切相关。血小板减少可能与微血管内皮损伤和凝血激活有关，是脓毒症严重程度的标志之一。高血糖可通过促进神经炎症和微胶质细胞活化加剧脑功能损害。钙离子稳态失衡也可能影响神经信号传递和细胞凋亡过程。

本研究构建的列线图模型具有良好的 discriminative能力和校准度，且各指标在临床中易于获取，成本低，适合推广使用。结合在线计算工具，该模型可为临床医生提供直观、个性化的SAE风险评估，有助于早期干预和资源调配。

局限性包括：本研究为单中心回顾性设计，样本量有限，可能存在选择偏倚；未纳入某些生物标志物（如神经丝轻链、S100B蛋白等）；仅进行了内部验证，未来需通过多中心外部数据进一步验证模型泛化能力。

结论

本研究成功开发并验证了一个用于预测老年脓毒症患者发生SAE的列线图模型，涵盖IMV、血小板、WBC、血糖、乳酸和钙六个变量。该模型具有较高的预测准确性和临床适用性，其在线工具可实现快速、便捷的风险评估，有助于改善患者预后和医疗资源分配。