急性胃肠道出血患者脓毒症风险预测模型：动态监测工具的研发与多中心验证

《Eco-Environment & Health》：Real-time risk prediction model for sepsis in patients with acute gastrointestinal bleeding: development and multicenter validation of a dynamic monitoring tool

　　本研究针对急性胃肠道出血(AGIB)患者脓毒症高风险但缺乏特异性预测工具的临床难题，开发了基于CKD、RR、NLR、CRP、Cr、APTT、FIB等7个关键预测因子的列线图模型。通过多中心验证显示AUC达0.884，显著优于GBS、APACHEⅡ和SOFA评分，并构建了实时预警平台，为AGIB患者的脓毒症风险分层和精准抗感染治疗提供了重要工具。

　　

急性胃肠道出血(AGIB)是临床常见的急危重症，每年发病率高达100-200/10万。更令人担忧的是，这类患者特别容易发生脓毒症——一种危及生命的全身性感染反应。据统计，全球每年约有3000万人罹患脓毒症，导致600万人死亡。在AGIB患者中，脓毒症的发生率可达15.4%，且一旦发生，死亡率将激增3.5倍，从6.8%跃升至23.7%。然而，临床上一直缺乏专门针对AGIB患者脓毒症风险的预测工具。医生们通常依赖格拉斯哥-布拉奇福德评分(GBS)、急性生理与慢性健康评估Ⅱ(APACHEⅡ)或序贯器官衰竭评估(SOFA)等通用评分系统，但这些工具并非为预测AGIB相关脓毒症而设计，其预测准确性有限。

在这一临床困境下，武汉大学人民医院重症医学科的研究团队开展了一项创新性研究，旨在开发并验证专门针对AGIB患者的脓毒症风险预测模型。该研究结果发表在《Eco-Environment》杂志上，为AGIB患者的精准化管理提供了重要工具。

研究团队采用了多中心队列研究设计，纳入了2020年1月至2024年7月期间来自中国四家三级医院的1449例AGIB患者。研究分为三个部分：训练集(878例，来自武汉大学人民医院)、前瞻性内部验证集(187例，来自同一机构)和外部验证集(384例，来自三家合作医院)。通过多变量逻辑回归分析，确定了7个关键预测因子：慢性肾脏病(CKD)、呼吸频率(RR)、中性粒细胞-淋巴细胞比值(NLR)、C-反应蛋白(CRP)、肌酐(Cr)、活化部分凝血活酶时间(APTT)和纤维蛋白原(FIB)。基于这些因子构建了列线图模型，并开发了在线预警平台。

在模型验证方面，研究团队采用了受试者工作特征曲线下面积(AUC)评估判别能力，校准曲线评估准确性，决策曲线分析(DCA)评估临床效用，同时使用SHapley加性解释(SHAP)方法分析变量重要性。研究还进行了亚组分析，评估模型在不同AGIB类型患者中的表现。

研究结果显示，该预测模型在训练集、内部验证集和外部验证集中的AUC值分别为0.827、0.836和0.884，显著优于传统的GBS、APACHEⅡ和SOFA评分。校准曲线显示预测概率与实际发生率高度一致，DCA证实模型在较宽的风险阈值范围内具有临床效用。

基线特征和临床结局

研究共纳入1449例AGIB患者，中位年龄65岁，男性占68.7%。223例(15.4%)在住院期间发生脓毒症。与未发生脓毒症的患者相比，脓毒症组死亡率显著更高(23.7%对6.8%)，ICU住院时间和总住院时间均延长。病原学分析显示，肠杆菌科、念珠菌和肠球菌科是主要致病菌。

AGIB诱发脓毒症的独立危险因素

多变量分析确定CKD、RR升高、NLR升高、CRP升高、Cr升高、APTT延长和FIB升高是AGIB诱发脓毒症的独立危险因素。其中，Cr水平与脓毒症风险呈非线性关系，在80μmol/L以下风险稳定，80-380μmol/L间风险急剧上升。

变量验证和模型开发

通过聚类热图和限制性立方样条分析验证了预测变量的分布模式和与脓毒症的关联。基于多变量逻辑回归结果构建的列线图可将各预测因子转换为加权分数，汇总后得到个体化脓毒症风险概率。

预测模型的内部和外部验证

模型在三类数据集中均表现出良好的判别性能，外部验证AUC达0.884。亚组分析显示，模型在不同类型的AGIB患者中均保持较高的预测准确性，特别是在食管胃静脉曲张出血(EGVB)和急性下消化道出血(ALGIB)患者中表现优异。

结果的解释和变量间的相互作用

SHAP分析显示，APTT、FIB、CRP、RR、Cr和NLR的水平与其对脓毒症风险的贡献值成正比。变量间存在协同效应，如APTT>30秒时，高FIB水平会显著增强APTT的预测贡献。这些相互作用揭示了脓毒症发病机制的复杂性。

该研究的讨论部分深入分析了AGIB与脓毒症之间的双向关系及其潜在机制。AGIB可能通过应激反应、贫血、肠道营养缺乏和免疫失调导致肠细胞功能障碍、肠道屏障破坏和细菌移位，最终引发全身性炎症和脓毒症。同时，AGIB引起的缺血性损伤可能破坏肠道微循环和内皮完整性，而肝硬化患者中常见的肠道-肝脏轴异常也增加了感染风险。

研究开发的预测模型和在线预警系统首次为AGIB患者的脓毒症风险分层提供了专门工具，有助于实现个性化抗感染策略。对于低风险患者，可优先处理原发病而不立即使用抗生素；中风险患者可考虑预防性使用窄谱抗生素；高风险患者则可能需要更广谱或联合用药方案。这一工具特别适用于重症监护病房(ICU)和急诊科，有望改善患者预后并促进抗菌药物合理使用。

研究的创新之处在于首次针对AGIB患者开发脓毒症特异性预测模型，并通过多中心前瞻性验证证实其优越性能。模型整合了炎症、凝血和器官功能等多维度指标，通过SHAP分析揭示了变量间的复杂相互作用，为理解脓毒症发病机制提供了新视角。

然而，研究也存在一定局限性。尽管在多中心验证中表现出良好泛化能力，但研究对象均为中国汉族人群，未来需要在更多样化的人群中进一步验证。此外，研究未详细分析干预措施与结局的相关性，也未进行正式的成本效益分析。AGIB诱发脓毒症的具体病理生理机制仍需进一步探索。

总体而言，这项研究为解决AGIB患者脓毒症风险预测这一临床难题提供了有效工具，模型的实施有望显著改善AGIB患者的管理策略，降低脓毒症发生率和相关死亡率，具有重要的临床意义和推广价值。