急性胰腺炎严重程度预测模型的建立与验证

目的:建立预测急性胰腺炎(AP)严重程度的可视化模型并进行内部验证。方法:纳入昆明医科大学第一附属医院2017年9月1日至2020年8月31日确诊的600例AP患者，根据2012年亚特兰大分类标准将600例患者分为重症急性胰腺炎(SAP)组(128例)和非重症急性胰腺炎(NSAP)组(472例)，比较两组患者的一般临床资料(年龄、性别、体重指数等)、实验室检查指标(空腹血糖、尿素氮、血肌酐等)，合并腹水或胸腔积液情况，以及急性生理学和慢性健康状况评价Ⅱ(APACHEⅡ)和急性胰腺炎严重程度床旁指数(BISAP)评分。采用最小绝对收缩与选择算子(LASSO)回归模型对SAP潜在的预测因子进行筛选，将筛选后的预测因子纳入多因素logistic回归分析并建立logistic回归模型。绘制该模型与APACHE Ⅱ评分和BISAP评分的受试者操作特征曲线，通过比较曲线下面积(AUC)值评估其鉴别能力；运用校准图和Hosmer-Lemesshow检验，以及决策曲线分析(DCA)分别评估模型的准确性和临床实用性。应用Bootstrap方法对模型进行内部验证。统计学方法采用独立样本 t检验、Wilcoxon秩和检验和卡方检验。 结果:SAP组与NSAP组的性别构成比差异有统计学意义( χ2＝4.092， P<0.05)。SAP组的住院时间长于NSAP组[(20.33±16.21) d比(8.42±4.26) d]，病死率、住院费用，空腹血糖、尿素氮、血肌酐、C反应蛋白(CRP)、D-二聚体和纤维蛋白原水平，白细胞计数、中性粒细胞占比、中性粒细胞与淋巴细胞比值、APACHE Ⅱ评分、BISAP评分、胸腔积液或腹水的发生率，以及酒精性病因构成比均高于NASP组[21%(27/128)比0(0/472)，44 837.58元(23 017.73元，102 579.77元)比12 301.46元(8 649.26元，18 823.88元)，(10.48±4.84) mmol/L比(8.45±4.80) mmol/L，(8.80±6.50) mmol/L比(4.90±2.33) mmol/L，(139.56±127.75) mmol/L比(80.05±38.54) mmol/L，(187.33±87.25) mg/L比(90.81±82.53) mg/L，5.19 mg/L(2.96 mg/L，8.52 mg/L)比1.29 mg/L(0.53 mg/L, 2.87 mg/L)，6.13 mg/L (4.64 mg/L，7.31 mg/L)比4.58 mg/L(3.50 mg/L，5.98 mg/L)，(14.87±5.82)×10 9/L比(11.79±4.86)×10 9/L，0.84±0.12比0.78±0.12，13.16±7.57比8.77±7.28，(9.80±6.09)分比(3.79±2.59)分，(2.12±0.89)分比(1.04±0.78)分，65.6%(84/128)比12.9%(61/472)，70.3%(90/128)比20.3%(96/472)，18.8% (24/128)比11.4% (54/472)]，血清白蛋白、血钙、血细胞比容均低于NSAP组[(30.86±4.95) g/L比(37.14±5.44) g/L, (1.98±0.31) mmol/L比(2.16±0.20) mmol/L，(42.40±8.67)%比(44.30±6.45)%]，差异均有统计学意义( t＝8.235， χ2＝99.403， Z＝-13.330， t＝4.239、10.759、5.207、11.227， Z＝-11.406、-6.234， t＝6.097、4.829、6.011、10.899、12.395, χ2＝152.604、117.563、4.757， t＝-11.788、-6.180、-2.310， P均<0.05)。LASSO回归分析筛选出CRP、尿素氮、D-二聚体、腹水4个预测因子，多因素logistic回归分析发现，CRP[比值比( OR)＝1.009，95%可信区间( CI)1.006～1.012]、尿素氮( OR＝1.185，95% CI 1.097～1.280)、D-二聚体( OR＝1.166，95% CI 1.082～1.256)、腹水( OR＝4.848，95% CI 2.829～8.307)均为SAP的独立预测因子( P均<0.01)。模型的AUC值为0.895(95% CI 0.865～0.926)，高于APACHEⅡ评分(AUC值为0.835，95% CI 0.791～0.878)和BISAP评分(AUC值为0.803，95% CI 0.760～0.846)，差异均有统计学意义( Z＝2.578、4.466， P均<0.01)。校准图和Hosmer-Lemesshow检验结果显示模型预测结果与实际临床观察结果一致性较高。当模型预测SAP发生的概率为10%～95%时，模型的DCA曲线均高于2条极端线，具有一定临床实用价值。经Bootstrap内部验证，该模型仍具有较高的鉴别能力(AUC值为0.892)，其预测AP严重程度曲线与实际临床的AP严重程度曲线仍有良好的一致性。 结论:基于CRP、尿素氮、D-二聚体和腹水构建的模型能够预测AP的严重程度，有助于临床医师做出更科学的临床决策。