脓毒症相关性心肌损伤患者临床转归分析及预测列线图构建

摘要

目的：探讨脓毒症相关性心肌损伤（sepsis-associated myocardial injury,SAMI）的流行病学现状及其对预后的影响，并通过构建列线图以期早期识别SAMI高危群体。方法：采用回顾性研究，收集2023年7月—2024年12月于南京医科大学第一附属医院急诊医学科住院的脓毒症患者临床资料，统计SAMI发病率，绘制28 d Kaplan-Meier生存曲线比较SAMI对脓毒症预后影响，通过最小绝对收缩和选择算子（least absolute shrinkage and selection operator,LASSO）回归以及Boruta算法分别对临床变量进行筛选，并采用多因素Logistic回归分析构建SAMI早期预测模型。结果：共纳入353例脓毒症患者，其中195例（55.2%）患者在病程中发生SAMI。SAMI组患者28 d死亡风险显著高于无SAMI患者（HR=2.342,P<0.001）。通过LASSO回归和Boruta算法行变量筛选并取交集，最终纳入年龄、冠心病史、肌酐、尿素氮、D-二聚体和降钙素原共6个变量构建预测模型并绘制列线图，预测模型具有较好的区分度，Bootstrap重复抽样1 000次的受试者工作特征（receiver operating characteristic,ROC）曲线下面积为0.770(95%CI:0.767～0.773,P<0.001)，校准曲线拟合良好，决策曲线分析示在阈值概率0～0.95区间内，预测模型有较好的净收益。结论：SAMI是脓毒症患者常见并发症，并导致不良预后，基于临床变量构建的列线图具有较好的临床应用前景。

关键词

脓毒症相关性心肌损伤 / LASSO回归 / Boruta算法 / 列线图