重型颅脑创伤术后中枢神经系统感染风险预测模型的构建
Chinese Journal of Neurosurgery(2022)
摘要
目的:建立预测重型颅脑创伤(sTBI)患者术后中枢神经系统(CNS)感染风险的列线图模型,为sTBI患者术后CNS感染的预防和早期诊治提供参考。方法:回顾性分析2017年1月至2020年9月江苏省苏北人民医院神经外科手术治疗的370例sTBI患者的临床资料。将370例患者按照7 ∶3的比例随机分为训练集( n=259)和内部验证集( n=111)。根据患者是否发生CNS感染将训练集患者分为感染组( n=45)和非感染组( n=214),采用单因素和多因素logistic回归分析(前进法)筛选sTBI术后发生CNS感染的危险因素并构建列线图预测模型。绘制受试者工作特征(ROC)曲线并计算曲线下面积(AUC),评估列线图模型预测CNS感染的效能,AUC>0.80为效能较高。对模型进行内部验证,采用决策曲线分析(DCA)和临床影响曲线(CIC)评价预测模型的的临床净获益情况。 结果:感染组与非感染组比较,入院GCS、脑脊液耳漏、脑脊液鼻漏、颅底骨折、脑室出血、急诊手术、手术时间、放置脑室引流管、放置颅内压探头、二次手术、颅内再出血、脑脊液取样、是否气管插管、切口感染、血清白蛋白及动脉血乳酸水平的差异均具有统计学意义(均 P<0.05)。多因素logistic回归分析结果显示,合并颅底骨折、脑脊液耳漏、脑脊液鼻漏、颅内再出血以及血清白蛋白水平的降低均为sTBI患者术后发生CNS感染的危险因素(均 P<0.05)。绘制列线图模型的ROC曲线显示,训练集和内部验证集的AUC分别为0.98(95% CI:0.96~0.99)、0.95(95% CI:0.88~1.00),预测效能均较高。采用Bootstrap自抽样方法对模型进行验证,结果显示重复抽样1 000次后,训练集的预测风险与实际风险的平均绝对误差为0.02,表明预测值与实测值基本一致,具有良好的预测和鉴别能力。DCA曲线显示,列线图模型比单独的危险因素预测CNS感染的发生更准确,可提高临床获益率。CIC结果表明,列线图预测模型具有较高的临床净效益。 结论:基于sTBI术后并发CNS感染的危险因素构建的列线图预测模型操作简单,有助于早期筛查sTBI术后CNS感染的高危患者,从而达到早诊断、早治疗,以降低CNS感染的发生率。
更多查看译文
关键词
Craniocerebral trauma,Central nervous system infections,Risk factors,Nomo-grams,Forecasting
AI 理解论文
溯源树
样例
![](https://originalfileserver.aminer.cn/sys/aminer/pubs/mrt_preview.jpeg)
生成溯源树,研究论文发展脉络
Chat Paper
正在生成论文摘要