切换至 "中华医学电子期刊资源库"

中华脑血管病杂志(电子版) ›› 2024, Vol. 18 ›› Issue (02) : 121 -128. doi: 10.11817/j.issn.1673-9248.2024.02.005

临床研究

自发性脑出血重症患者30 d死亡风险预测模型的建立及验证
邓仙裕1, 罗钰璇1, 张溱乐2, 余展鹏3, 彭亮3,()   
  1. 1. 511436 广州医科大学金域检验学院
    2. 510120 广州,广州医科大学第一临床学院
    3. 510700 广州,广州医科 大学附属第五医院医学检验科
  • 收稿日期:2023-11-13 出版日期:2024-04-01
  • 通信作者: 彭亮
  • 基金资助:
    广东省普通高校特色创新类项目(2022KTSCX099); 广州医科大学2020年度大学生实验室开放项目(2019A073)

Establishment and verification of a 30-day mortality risk forecast model in patients with severe spontaneous intracerebral hemorrhage

Xianyu Deng1, Yuxuan Luo1, Zhenle Zhang2, Zhanpeng Yu3, Liang Peng3,()   

  1. 1. KingMed School of Laboratory Medicine, Guangzhou Medical University, Guangzhou 511436, China
    2. First Clinical College of Guangzhou Medical University, Guangzhou 510120, China
    3. Department of Clinical Laboratory, the Fifth Affiliated of Guangzhou Medical University, Guangzhou 510700, China
  • Received:2023-11-13 Published:2024-04-01
  • Corresponding author: Liang Peng
引用本文:

邓仙裕, 罗钰璇, 张溱乐, 余展鹏, 彭亮. 自发性脑出血重症患者30 d死亡风险预测模型的建立及验证[J]. 中华脑血管病杂志(电子版), 2024, 18(02): 121-128.

Xianyu Deng, Yuxuan Luo, Zhenle Zhang, Zhanpeng Yu, Liang Peng. Establishment and verification of a 30-day mortality risk forecast model in patients with severe spontaneous intracerebral hemorrhage[J]. Chinese Journal of Cerebrovascular Diseases(Electronic Edition), 2024, 18(02): 121-128.

目的

分析自发性脑出血重症患者30 d死亡的危险因素,并建立自发性脑出血重症患者30 d死亡风险预测模型。

方法

从重症监护数据库中提取自发性脑出血重症患者临床数据,使用Lasso回归分析筛选患者30 d死亡的潜在危险因素,在此基础上,使用Logistic回归分析构建自发性脑出血重症患者30 d死亡风险预测模型并绘制列线图,通过计算C指数、绘制该模型的校准曲线及临床决策曲线等,评价模型的预测能力与临床适用性。

结果

死亡组与生存组患者在基础疾病、生命体征、检验指标等方面存在显著差异。所建立模型的C指数为0.906,重抽样后C指数为0.867,模型校准曲线与实际曲线有较好的一致性。此外,决策曲线分析结果显示,使用此列线图模型能使患者获得临床净收益。

结论

基于Logistic回归分析构建的自发性脑出血重症患者30 d死亡风险预测模型具有良好的临床适用性。

Objective

To analyze the risk factors for 30-day mortality in patients with severe spontaneous intracerebral hemorrhage (SICH) and establish a risk prediction model.

Methods

Clinical data of severe SICH patients were extracted from the Medical Information Mart for Intensive Care-Ⅳ (MIMIC-Ⅳ). Lasso regression was used to screen potential risk factors for 30-day mortality. Logistic regression was used to construct a risk prediction model for 30-day mortality in patients with severe SICH, and the plot of the model was drawn. The prediction ability and clinical applicability of the model were evaluated by counting C-index, plotting the calibration curve of the model, and clinical decision curve.

Results

There were significant differences between the death group and the non-death group in underlying diseases, vital signs, and test indicators. The C-index of the established model was 0.906, and after resampling, it was 0.867. The calibration curve of the model was consistent with the actual curve. In addition, the decision curve analysis showed that using this plot model could achieve positive clinical net benefits for patients.

Conclusion

The risk prediction model for 30-day mortality in patients with severe SICH on Logistic regression has good clinical applicability.

表1 2组自发性脑出血重症患者的人口学及临床特征
一般资料 生存组(59条) 死亡组(52条)
性别[例(%)]
26(44.07) 34(65.38)
33(55.93) 18(34.62)
年龄[岁,MQR)] 67.4(57.9,73.4) 78.7(64.9,86.3)
出血部位[例(%)]
半球 0(0) 1(1.92)
半球和皮质 8(13.56) 14(26.92)
半球和皮质下 18(30.51) 10(19.23)
脑室内 13(22.03) 18(34.62)
小脑 14(23.73) 5(9.62)
脑干 6(10.17) 4(7.69)
脑血管疾病[例(%)]
5(8.47) 2(3.85)
54(91.53) 50(96.15)
糖尿病[例(%)]
52(88.14) 36(69.23)
7(11.86) 16(30.77)
肾脏疾病[例(%)]
55(93.22) 37(71.15)
4(6.78) 15(28.85)
痴呆症[例(%)]
53(89.83) 43(82.69)
6(10.17) 9(17.31)
截瘫[例(%)]
42(71.19) 29(55.77)
17(28.81) 23(44.23)
贫血[例(%)]
45(76.27) 25(48.08)
14(23.73) 27(51.92)
使用利尿剂[例(%)]
42(71.19) 36(69.23)
17(28.81) 16(30.77)
使用降压药[例(%)]
35(59.32) 35(67.31)
24(40.68) 17(32.69)
心率过速(>100次/min)[例(%)]
16(27.12) 19(36.54)
43(72.88) 33(63.46)
呼吸过速(>200次/min)[例(%)]
30(50.85) 29(55.77)
29(49.15) 23(44.23)
体温[例(%)]
≤37.5 ℃ 18(30.51) 7(13.46)
>37.5 ℃ 41(69.49) 45(86.54)
入院后24 h总尿排出量[ml,MQR)] 1397.38(950.00,1776.00) 1300.00(814.50,2031.50)
血氧饱和度[%,MQR)]
最小值 93.0(92.0,94.0) 94.0(92.0,96.0)
最大值 100.0(99.0,100.0) 100.0(99.0,100.0)
收缩压最高值[mmHg,MQR)] 162.0(150.0,172.0) 164.5(157.0,178.5)
舒张压最高值[mmHg,MQR)] 98.0(87.5,109.5) 92.5(80.0,104.5)
平均动脉压最高值[mmHg,MQR)] 114.0(102.5,124.5) 109.0(100.0,121.2)
白细胞计数[×109/L,MQR)]
最小值 8.50(7.45,9.45) 9.75(7.80,11.62)
最大值 9.80(8.20,11.75) 11.50(8.57,14.68)
红细胞平均体积[fL,MQR)]
最小值 92.00(86.50,94.50) 92.46(89.00,95.25)
最大值 94.00(90.00,97.00) 95.42(90.75,100.00)
红细胞平均血红蛋白浓度[g/dl,MQR)]
最小值 32.60(31.85,33.10) 31.86(31.20,32.60)
最大值 33.60(32.55,34.50) 32.95(32.08,33.82)
红细胞分布宽度[%,MQR)]
最小值 13.40(13.00,14.30) 14.45(13.57,15.75)
最大值 13.10(12.60,13.85) 13.75(13.00,15.05)
血小板计数[×109/L,MQR)]
最小值 179.00(159.00,220.5) 198.00(146.75,232.75)
最大值 203.00(170.50,243.00) 210.00(169.00,253.75)
凝血酶原时间[s,MQR)]
最小值 11.80(11.10,13.40) 12.35(11.20,13.22)
最大值 12.30(11.45,14.05) 12.90(11.57,15.36)
国际标准化比值[MQR)]
最小值 1.10(1.00,1.20) 1.10(1.00,1.20)
最大值 1.10(1.10,1.30) 1.20(1.10,1.42)
活化部分促凝血酶原激酶时间[s,MQR)]
最小值 28.70(25.95,31.48) 28.25(25.90,29.40)
最大值 29.90(27.30,33.65) 30.45(27.80,36.53)
阴离子间隙最大值[mEq/L,MQR)] 16.00(14.00,18.00) 17.00(15.00,18.00)
钠离子[mmol/L,MQR)]
最小值 140.00(136.50,142.00) 138.00(136.75,140.00)
最大值 141.10(140.00,144.00) 141.14(140.00,144.00)
钾离子[mmol/L,MQR)]
最小值 3.90(3.50,4.10) 4.00(3.68,4.23)
最大值 4.20(4.00,4.50) 4.45(4.00,4.75)
氯离子[mmol/L,MQR)]
最小值 103.00(101.00,105.00) 100.16(97.00,104.00)
最大值 105.00(104.00,108.00) 103.58(101.00,107.00)
钙离子[mg/dl,MQR)]
最小值 8.80(8.50,9.20) 8.76(8.50,90)
最大值 8.90(8.60,9.35) 9.17(8.67,9.40)
碳酸氢盐[mmol/L,MQR)]
最小值 22.00(21.00,24.5) 22.00(20.00,23.00)
最大值 24.00(23.00,26.00) 24.00(23.00,26.00)
葡萄糖[mg/dl,MQR)]
最小值 108.00(96.00,130.50) 123.00(102.50,143.25)
最大值 128.00(103.00,154.00) 161.50(118.25,190.25)
肌酐[mg/dl,MQR)]
最小值 0.80(0.65,0.95) 0.85(0.67,1.32)
最大值 0.90(0.80,1.15) 0.95(0.70,1.60)
血清尿素氮[mg/dl,MQR)]
最小值 15.00(12.50,19.65) 18.50(13.00,25.50)
最大值 18.00(13.00,22.06) 21.00(15.00,30.25)
丙氨酸氨基转移酶[IU/L,MQR)]
最小值 21.00(14.50,33.89) 23.56(15.75,24.00)
最大值 22.00(16.00,39.18) 25.67(17.00,25.67)
天门冬氨酸氨基转移酶[IU/L,MQR)]
最小值 26.00(18.00,35.20) 36.10(22.75,36.10)
最大值 31.00(21.00,50.33) 42.23(25.50,42.23)
图1 Lasso回归模型筛选变量结果。图a为交叉验证曲线;图b为系数路径
表2 自发性脑出血重症患者30 d内死亡风险因子Logistics回归分析
图2 自发性脑出血重症患者30 d死亡预测模型列线图 注:1 mmng=0.133 kPa
图3 自发性脑出血重症患者30 d死亡预测模型校准曲线
图4 决策曲线及临床影响曲线分析自发性脑出血重症患者30 d死亡预测模型。图a为临床决策曲线,黑色实线表示所有自发性脑出血重症患者30 d内不做任何治疗干预的净获益率,灰色实线表示所有自发性脑出血重症患者30 d内均进行干预的净获益率,不同颜色的曲线分别代表不同评分模型的决策曲线;图b为临床影响曲线 注:APS Ⅲ为急性生理学评分Ⅲ;LODS为Logistic器官功能障碍评分;OAISIS为牛津急性疾病严重程度评分;GCS为格拉斯哥昏迷量表;SOFA为序贯器官衰竭评分
1
Feigin VL, Krishnamurthi RV, Parmar P, et al. Update on the global burden of ischemic and hemorrhagic stroke in 1990-2013: the GBD 2013 study [J]. Neuroepidemiology, 2015, 45(3): 161-176.
2
Kirshner H, Schrag M. Management of intracerebral hemorrhage: update and future therapies [J]. Curr Neurol Neurosci Rep, 2021, 21(10): 1-5.
3
Al‐Khaled M, Awwad S, Brüning T. Nontraumatic spontaneous intracerebral hemorrhage: baseline characteristics and early outcomes [J]. Brain Behav, 2020, 10(1): e01512.
4
Zahuranec DB, Fagerlin A, Sánchez BN, et al. Variability in physician prognosis and recommendations after intracerebral hemorrhage [J]. Neurology, 2016, 86(20): 1864-1871.
5
韩仟. 自发性脑出血患者死亡预测模型的开发和验证 [D]. 唐山: 华北理工大学, 2021.
6
Parry-Jones AR, Abid KA, Napoli MD, et al. Accuracy and clinical usefulness of intracerebral hemorrhage grading scores A direct comparison in a UK population [J]. Stroke, 2013, 44(7): 1840-1845.
7
Bahrami M, Keyhanifard M, Afzali M. Spontaneous intracerebral hemorrhage, initial computed tomography (CT) scan findings, clinical manifestations and possible risk factors [J]. Am J Nucl Med Mol Imaging, 2022, 12(3): 106-112.
8
Neidert MC, Lawton MT, Mader M, et al. The AVICH score: a novel grading system to predict clinical outcome in arteriovenous malformation-related intracerebral hemorrhage [J]. World Neurosurg, 2016, 92: 292-297.
9
Kwaan HC. Nonhematologic and hematologic factors in spontaneous intracerebral hemorrhage [J]. Semin Thromb Hemost, 2022, 48(3): 338-343.
10
Refaei ME, Abduljawad S, Alghamdi A. Alternative medicine in diabetes-role of angiogenesis, oxidative stress, and chronic inflammation [J]. Rev Diabet Stud, 2014, 11(3-4): 231-244.
11
Zheng Y, Hu Q, Manaenko A , et al. 17β-Estradiol attenuates hematoma expansion through estrogen receptor α/silent information regulator 1/nuclear factor-Kappa B pathway in hyperglycemic intracerebral hemorrhage mice [J]. Stroke, 2015, 46(2): 485-491.
12
李思, 王赛, 张雨蓬, 等. 糖尿病/高血糖对脑出血预后的影响: 动物实验meta分析 [J]. 国际神经病学神经外科学杂志, 2022, 49(3): 59-65.
13
Ntaios G, Egli M, Faouzi M, et al. J-shaped association between serum glucose and functional outcome in acute ischemic stroke [J]. Stroke, 2010, 41(10): 2366-2370.
14
李永琴, 陈飞, 张微微, 等. 脑微出血及其分布与肾功能的相关性分析 [J]. 中华老年心脑血管病杂志, 2019, 21(9): 926-929.
15
李新宇. 慢性肾功能衰竭并发脑出血的研究进展 [J]. 中国临床神经外科杂志, 2022, 27(5): 416-418.
16
郝吉轮. 脑出血后血红蛋白水平与血肿扩大的相关性 [D]. 苏州: 苏州大学, 2020.
17
张和凤, 王飞, 张银芳, 等. 血红蛋白水平与自发性脑出血病人病情严重程度的相关性分析 [J]. 中西医结合心脑血管病杂志, 2019, 17(2): 293-295.
18
张震, 牛新清. 红细胞分布宽度和血清S100B蛋白与急性脑梗死严重程度的相关性分析 [J]. 中西医结合心脑血管病杂志, 2021, 19(24): 4379-4383.
19
陈忠容, 秦家骏, 沈照立, 等. 高血压脑出血预后不良风险预测模型的构建与验证 [J].同济大学学报 (医学版), 2022, 43(2): 181-187.
20
Inuzuka R, Abe J. Red blood cell distribution width as a link between ineffective erythropoiesis and chronic inflammation in heart failure [J]. Circ J, 2015, 79(5): 974-975.
21
王苹莉, 王永盛, 潘才钰. RDW与脑出血3个月时预后关系的研究 [J]. 新医学, 2019, 50(5): 380-383.
22
谢光荣, 郭玉梅, 元文峰, 等. ICU脑出血颅脑术后患者颅内感染的诊断及预后相关性分析 [J]. 中华医院感染学杂志, 2019, 29(5): 698-701.
23
吴幸. 脑出血急性期血常规参数的变化与预后的关系 [J]. 中国实用神经疾病杂志, 2018, 21(19): 2171-2177.
24
孙娟, 左诗怡, 陈珍珍, 等. 电解质紊乱与原发性脑干出血患者意识障碍转归的相关性分析 [J]. 第三军医大学学报, 2021, 43(15): 1424-1429.
25
Zhong L, Wu M, Ji J, et al. Usefulness of sequential organ failure assessment score on admission to predict the 90-day mortality in patients with exertional heatstroke: An over 10-year intensive care survey [J]. Am J Emerg Med, 2022, 61: 56-60.
[1] 姚放鸣, 焦莹莹, 何敏聪, 曾子俊, 何晓铭, 刘良燕, 何伟, 魏秋实, 刘文刚. 膝骨关节炎患者的肌少症发病率及发病特点分析[J]. 中华关节外科杂志(电子版), 2024, 18(01): 30-38.
[2] 柯晴潆, 沈延飞, 许强宏, 蔡国龙. 预测脓毒性心肌病患者院内死亡风险列线图模型的构建及验证[J]. 中华危重症医学杂志(电子版), 2024, 17(01): 10-18.
[3] 杨立胜, 刘梦鸾, 任维聃, 姜国胜, 刘桂伟. 基于血清肿瘤标志物预测结直肠癌肝转移模型价值分析[J]. 中华普通外科学文献(电子版), 2024, 18(01): 39-43.
[4] 王晓梅, 刘冰, 马丽琼, 卢祖静, 苗建军. 基于LASSO-Cox回归分析的非轻症急性胰腺炎死亡风险列线图预测模型的建立和临床应用效果分析[J]. 中华普通外科学文献(电子版), 2024, 18(01): 44-50.
[5] 丁关棣, 黄云, 曹震, 刘刚. 胃癌根治术后感染性并发症预测:基于真实世界数据的Nomogram模型开发与验证[J]. 中华普外科手术学杂志(电子版), 2024, 18(03): 261-266.
[6] 张阳, 纽燕娜, 常丽蓉, 唐国华, 赵萍. ERAS理念下肝棘球蚴病术后并发症风险预测模型构建[J]. 中华普外科手术学杂志(电子版), 2024, 18(03): 287-290.
[7] 刘化胜, 郑龙波, 秦琛, 王伟芹, 郑学风, 马金龙, 马正, 王洪霞, 刘磊, 胡继霖. 基于影像学指标构建永久性乙状结肠造口旁疝发病风险预测模型[J]. 中华疝和腹壁外科杂志(电子版), 2024, 18(01): 75-82.
[8] 蔡小芳, 高慧, 葛军, 邢慧芸, 庄小燕, 李小丁. 多重耐药性肺结核治疗依从性预测分析[J]. 中华肺部疾病杂志(电子版), 2024, 17(01): 51-56.
[9] 段丽君, 董鑫, 潘若楠, 任梦然, 卢晓倩, 曹殿波. 术前误诊良性肺结节与典型恶性肺结节临床分析[J]. 中华肺部疾病杂志(电子版), 2024, 17(01): 46-50.
[10] 陈晓毅, 尹雪霞, 刘静, 邬国松. 阻塞性睡眠呼吸暂停低通气综合征并发肺动脉高压的危险因素及预测分析[J]. 中华肺部疾病杂志(电子版), 2024, 17(01): 41-45.
[11] 孙振, 谭天华, 郑洋洋, 李喆, 宋京海. 基于术前纤维蛋白原与白蛋白比值构建肝癌微血管侵犯的预测模型[J]. 中华肝脏外科手术学电子杂志, 2024, 13(01): 27-32.
[12] 刘彪, 巍山, 关永胜. 基于Rotterdam CT评分及凝血功能指标的创伤性颅脑损伤预后预测模型的构建与验证[J]. 中华神经创伤外科电子杂志, 2024, 10(01): 22-27.
[13] 袁梦晨, 刘译阳, 赵帅, 陈林, 高宇, 肖晓燕, 尤亚茹, 梁何俊, 高剑波. 增强CT的列线图在鉴别EB病毒相关的胃淋巴上皮瘤样癌与胃腺癌中的应用[J]. 中华消化病与影像杂志(电子版), 2024, 14(02): 107-113.
[14] 江浩, 余宏圣, 杨碧兰, 阿布都克尤木·斯马依, 吴斌, 杨逸冬. 基于列线图模型对慢性乙型肝炎合并肝脏脂肪变性患者并发晚期肝纤维化的临床预测[J]. 中华消化病与影像杂志(电子版), 2024, 14(02): 114-120.
[15] 王林源, 熊鑫, 杨坤, 邓勇志. 基于冠状动脉CT血管成像的影像组学列线图鉴别诊断易损斑块的价值[J]. 中华诊断学电子杂志, 2024, 12(01): 1-8.
阅读次数
全文


摘要