中国学者研究 | 列线图模型可准确预测NIRS失败风险,进行早期干预,以改善患者预后
《柳叶刀-数字医疗》(The Lancet Digital Health)近日发表来自东南大学附属中大医院重症医学科主任杨毅教授团队的研究成果。此研究识别了NIRS失败的危险因素,同时开发一个用于计算NIRS失败风险的列线图模型和在线计算器。作者指出,通过密切监测患者的NIRS失败风险,进行早期干预,从而改善患者预后。
作者介绍
杨毅
医学博士,教授、主任医师、博士生导师。东南大学附属中大医院重症医学科主任,在休克发病机制与治疗研究及器官功能衰竭与功能重建的临床和基础研究有深厚的造诣,对ARDS及脓毒症的免疫调控机制及精准化治疗也开展了深入的研究。现任江苏省重症医学重点实验室常务主任,中华医学会重症医学分会常委兼秘书长。
预测COVID-19患者无创呼吸支持失败的列线图模型:一项多中心回顾性研究
研究背景
无创呼吸支持策略(NIRS),包括经鼻高流量氧疗(HFNC)和无创呼吸机(NIV)已被广泛用于COVID-19合并急性呼吸衰竭的患者[1-3]。但NIRS的失败可能会导致有创机械通气(IMV)的启动延迟[4-5],最终导致患者预后不良[6-8]。目前尚无研究对COVID-19中NIRS失败的危险因素进行评估。我们研究的目的是识别NIRS失败的危险因素,同时开发一个用于计算NIRS失败风险的列线图模型和在线计算器。
研究方法
本研究是一项多中心的回顾性观察性研究,在中国23家收治COVID-19的定点医院展开。纳入标准包括年龄≥18岁,诊断为COVID-19(SARS-CoV-2阳性),合并急性呼吸衰竭需要接受NIRS治疗的患者。将21家医院共652名患者定义为训练队列,用于识别NIRS早期失败的危险因素。NIRS失败定义为需要接受有创机械通气或在入ICU28天内死亡。利用多因素logistic回归分析绘制列线图模型,计算C-statistics评估模型的区分度。将其他2家医院共107名患者定义为验证队列。对模型进行交叉验证(训练队列)和外部验证(验证队列)以评估模型的可靠性。
研究结果
1. COVID-19中NIRS失败的比例较高
2020年1月1日至2020年2月29日期间,训练队列共纳入652名患者,366(56%)名患者早期使用HFNC,286(44%)名患者早期使用NIV。共415(64%)名患者发生NIRS失败,其中288(44%)名患者接受有创机械通气,而127(19%)名患者没有接受气管插管同时死亡。早期使用HFNC的患者中,204/366(56%)名患者HFNC失败;早期使用NIV的患者中,211/286(74%)名患者NIV失败。研究期间验证队列共纳入107名患者,74(69%)名患者发生NIRS失败(原文表1)。
2. NIRS失败的危险因素
在训练队列和验证队列第一天的基线特征中,与NIRS成功组相比,NIRS失败组的患者有更高的SOFA评分、呼吸频率、心率;更需要使用血管活性药物;有更低的GCS评分、ROX指数和氧合指数(原文表1)。
单因素和多因素Logistic回归分析提示:年龄、合并症的数目、ROX指数、GCS评分以及是否需要使用血管活性药物是预测NIRS失败的独立危险因素(原文表2)。
3.列线图模型可准确预测NIRS失败风险
基于训练队列的logistic模型,我们绘制了列线图模型用来计算NIRS的失败风险(Figure 1)。
列线图评分(总分)的计算公式为:[年龄 × 0.0817] – 1.633])+(7.819 – [0.521 × GCS])+(10 – [0.385 × ROX])+ 3.844(是否使用血管活性药物)+(0.359 × 合并症数目);NIRS失败的风险为(0.02354 × [总分]²)–(0.00079 × [总分]³)–(0.11954 × [总分])+ 0.13527。我们首先计算C-statistics用来评估模型的区分度,训练队列中,列线图模型预测NIRS失败的C-statistics为0.84(95% CI 0.81–0.87),预测NIV失败的C-statistics为0.80(95% CI 0.74-0.85),预测HFNC失败的C-statistics为0.85(95% CI 0.82 ~ 0.89)。在交叉验证和外部验证中,列线图模型均可准确预测NIRS,NIV和HFNC失败的风险。我们同时开发了一个在线计算器,以方面临床医生对NIRS失败的风险进行计算。(http://www.china-critcare.com/covid/risk_prediction.html)
研究结论
我们同时开发一个用于计算COVID-19患者无创呼吸支持失败风险的列线图模型和在线计算器。通过密切监测患者的NIRS失败风险,进行早期干预,从而改善患者预后。END
参考文献
1. Yang X, Yu Y, Xu J, et al. Clinical course and outcomes of critically ill patients with SARS-CoV-2 pneumonia in Wuhan, China: a singlecentered, retrospective, observational study. Lancet Respir Med 2020; 8: 475–81.
2. Wang Y, Lu X, Li Y, et al. Clinical course and outcomes of 344 intensive care patients with COVID-19. Am J Respir Crit Care Med 2020; 201: 1430–34.
3. Grasselli G, Zangrillo A, Zanella A, et al. Baseline characteristics and outcomes of 1591 patients infected with SARS-CoV-2 admitted to ICUs of the Lombardy region, Italy. JAMA 2020; 323: 1574–81.
4. Frat JP, Thille AW, Mercat A, et al. High-flow oxygen through nasal cannula in acute hypoxemic respiratory failure. N Engl J Med 2015; 372: 2185–96.
5. Roca O, Caralt B, Messika J, et al. An index combining respiratory rate and oxygenation to predict outcome of nasal high-flow therapy. Am J Respir Crit Care Med 2019; 199: 1368–76.
6. Antonelli M, Conti G, Moro ML, et al. Predictors of failure of noninvasive positive pressure ventilation in patients with acute hypoxemic respiratory failure: a multi-center study. Intensive Care Med 2001; 27: 1718–28.
7. Rello J, Pérez M, Roca O, et al. High-flow nasal therapy in adults with severe acute respiratory infection: a cohort study in patients with 2009 influenza A/H1N1v. J Crit Care 2012; 27: 434–39.
8. Messika J, Ben Ahmed K, Gaudry S, et al. Use of high-flow nasal cannula oxygen therapy in subjects with ARDS: a 1-year observational study. Respir Care 2015; 60: 162–69.
相关阅读
推荐阅读
点击阅读原文,查看《柳叶刀-数字医疗》更多论文