基于马尔可夫模型的重症社区获得性肺炎患者生理指标动态变化与短期预后

罗柳烽; 蓝名伟; 王婷斐; 赖雅萍; 黄善华; 叶彬; 李广华

临床与病理杂志 ›› 2026, Vol. 46 ›› Issue (1) : 37 -46.

罗柳烽, 蓝名伟, 王婷斐, 赖雅萍, 黄善华, 叶彬, 李广华

作者信息 +

Author information +

文章历史 +

摘要

目的：重症社区获得性肺炎(severe community-acquired pneumonia,SCAP)是一种常见且危重的感染性疾病，具有发病率高、进展迅速及病死率高等特点。SCAP患者在住院早期常表现出复杂而动态的病情演变，部分患者可迅速恶化甚至发生突发性死亡。如何通过连续监测的生理指标识别病情变化趋势并预测短期临床结局，是重症医学的重要研究方向。传统静态统计模型难以反映疾病的动态演变过程，而多状态模型能够描述个体在不同健康状态之间的转移过程，从而更真实地反映疾病进展规律。离散时间马尔可夫模型(discrete-time Markov model,DTMM)可用于分析患者在不同临床状态之间的阶段性转移概率，连续时间马尔可夫模型(continuous-time Markov model,CTMM)则可量化协变量对状态转移瞬时风险的影响。本研究旨在基于SCAP患者住院早期连续3 d关键生理指标的变化，构建DTMM与CTMM，定量评估动态生理指标对患者短期临床状态转移及死亡风险的影响，为SCAP患者早期风险评估和临床干预提供统计学依据。方法：本研究为单中心回顾性研究，收集2024年1月至12月期间于博罗县人民医院进行住院治疗的SCAP患者临床资料。纳入符合SCAP诊断标准且具有连续3 d生理指标记录的患者。收集患者基线人口学资料、基础疾病情况及每日主要生理指标，包括前白蛋白(prealbumin,PAB)、血糖(glucose,GLU)、血尿素氮(blood urea nitrogen,BUN)等。将每日监测指标作为时变协变量，基线特征作为时不变协变量。根据每日病情变化将患者划分为平稳状态(State 1)、恶化状态(State 2)及死亡状态(State 3)。首先构建DTMM分析不同临床状态之间的转移概率，并计算1 d与3 d的累计转移概率；随后采用多项式逻辑回归评估各协变量对转移概率的影响；进一步构建CTMM，将主要生理指标纳入模型以量化其对状态转移瞬时风险的影响，并计算风险比(hazard ratio,HR)及95%置信区间。结果：共纳入SCAP患者80例。DTMM结果显示，患者在住院早期3 d内的临床状态转移呈明显动态变化特征。基线转移概率矩阵提示不同状态之间存在一定动态平衡。处于State 2的患者在短期内仍具有一定恢复潜能：在PAB模型中，State 2患者3 d内恢复至State 1的累计概率为64.1%；在GLU模型中为49.0%。尽管部分患者存在恢复趋势，模型仍提示患者短期内面临较高死亡风险。在PCT模型中，处于State 1的患者3 d内累计死亡风险为20.5%，处于State 2的患者为19.5%。在短期(t=1 d)及中期(t=3 d)预测中，处于State 1的患者直接转移至State 3的风险与处于State 2的患者相近，甚至略高，提示部分SCAP患者可能发生突发性死亡。CTMM结果显示，PAB水平与死亡风险呈负相关，PAB每增加1个单位，处于State 1的患者直接转移至State 3的瞬时风险降低约2%(HR<1)。相反，GLU每增加1个单位，处于State 1的患者转移至State 2的瞬时风险增加约29%(HR>1)，提示高GLU是患者由State 1转向State 3的重要危险因素。BUN虽未达到统计学显著性，但其风险比点估计值(HR=2.46)提示可能存在潜在风险趋势。结论：基于多状态马尔可夫模型的分析表明，GLU和PAB是影响SCAP患者短期病情转归的重要预测因子。较高的PAB水平可能对突发性死亡具有保护作用，而GLU升高则显著增加患者由State 1向State 3转移的风险。SCAP患者早期病情变化具有明显动态特征，部分恶化患者在短期内仍具有较高恢复潜能，但总体仍存在较高死亡风险及不可预测的突发性死亡事件。因此，在SCAP患者早期管理中，加强GLU控制和营养支持可能有助于改善短期预后。同时，多状态马尔可夫模型为研究重症疾病动态演变提供了有效统计工具，可为临床风险评估和个体化治疗决策提供参考。