基于常规血尿指标的百草枯中毒预后预测模型构建及验证研究

　　为解决百草枯中毒(acute paraquat poisoning)高死亡率难题，研究人员通过回顾性队列研究，利用岭回归(ridge regression)和受试者工作特征曲线(ROC)分析，构建了包含摄入量、中性粒细胞绝对值(ANC)、尿蛋白等6项指标的复合评分系统。该模型AUC达0.921，当评分≥5时死亡预测准确率达94%，为临床早期干预提供了简便可靠的量化工具。

　　

这项针对急性百草枯中毒(paraquat poisoning)的回顾性研究揭示了常规实验室指标的强大预测价值。通过分析2009-2024年间的临床数据，研究者采用岭回归(ridge regression)筛选出六大关键指标：百草枯摄入量、中性粒细胞绝对值(ANC)、尿蛋白浓度、血清碳酸氢盐、血清肌酐(creatinine)和血糖水平。

研究团队创新性地运用主成分分析(PCA)构建复合预后指数，在训练集(n=268)和验证集(n=31)中均表现出色，ROC曲线下面积(AUC)高达0.921。当评分阈值设为4.35时展现最佳诊断效能，而评分≥5时患者死亡率预测概率飙升至94%。

该成果为临床医生提供了"血尿联检"的快速预判方案：通过常规检测中性粒细胞绝对值(ANC)、尿蛋白等易获取指标，即可实现早期风险分层。尽管存在单中心研究的局限性，但这种将日常检验参数转化为预后工具的研究思路，为中毒救治的精准医疗开辟了新途径。