老年重症肺炎患者转归不良的影响因素及列线图模型的构建

摘要

目的 探讨老年重症肺炎患者转归不良的影响因素，并构建列线图模型。方法 回顾性分析2021年3月至2024年3月在解放军总医院第七医学中心接受治疗的150例老年重症肺炎患者的临床资料。根据患者入住重症加强护理病房（ICU）后28 d的转归情况，将其分为转归不良组和转归良好组。采用单因素和多因素Logistic回归分析筛选老年重症肺炎患者转归不良的影响因素，借助R 4.1.2软件构建列线图模型，通过Hosmer-Lemeshow检验、校准曲线及受试者工作特征（Receiver operating characteristic,ROC）曲线及曲线下面积（Area under curve,AUC）等检验模型的拟合度和区分度，评估列线图模型的预测效能。结果 150例老年重症肺炎患者中，转归不良47例（31.33%）,转归良好103例（68.67%）。单因素分析显示，两组患者入住ICU时CURB-65评分、白细胞计数、纤维蛋白原及降钙素原比较，差异均有统计学意义（P<0.05）。多因素Logistic回归分析显示，入住ICU时CURB-65评分（OR=1.059,95%CI:1.020～1.099）、白细胞计数（OR=1.727,95%CI:1.269～2.350）、纤维蛋白原（OR=1.922,95%CI:1.350～2.738）及降钙素原（OR=1.531,95%CI:1.026～2.285）均为老年重症肺炎患者转归不良的影响因素（P<0.05）。Hosmer-Lemeshow检验结果显示列线图模型拟合良好（χ²=15.271,P>0.05）。ROC曲线分析显示，CURB-65评分、白细胞计数、纤维蛋白原、降钙素原及列线图模型预测概率的曲线下面积（AUC）分别为0.736、0.736、0.762、0.736和0.879。结论 CURB-65评分、白细胞计数、纤维蛋白原及降钙素原可作为预测老年重症肺炎患者不良转归的关键指标，基于这些指标构建的列线图模型具有较强的预测效能，值得临床推广应用。

关键词

重症肺炎 / 危险因素 / 预后 / 列线图