导读

感染性胰腺坏死（Infected pancreatic necrosis, IPN）是急性胰腺炎（Acute pancreatitis, AP）患者的并发症之一，增加患者器官功能衰竭及死亡风险。IPN的及时识别与有效治疗，是改善患者预后的关键。然而，不管是相对激进导致的抗生素滥用还是过于保守造成的治疗延误，均会增加患者负担。因此，能够早期提供准确结局信息的预测模型，可为临床医生提供早期预警，使得诊疗决策更为精准，增加患者获益，避免医疗资源的浪费。

尽管目前在AP领域已有多种使用广泛的预测模型，如改良马绍尔评分系统（Modified Marshall Scoring System），然而，这些模型及评分系统多为评估AP严重程度而开发，限制了它们对IPN的识别能力。针对当前困局，亟需一个使用方便、准确且性能稳定的模型，以早期预测、识别IPN患者。

近日，中国医学科学院北京协和医院吴东教授、陈宏达教授以及南昌大学第一附属医院祝荫教授团队在eGastroenterology上发表了题为“Early clinical predictors of infected pancreatic necrosis: a multicentre cohort study”的原创研究。该项研究采用了机器学习方法在多中心队列中识别了急性胰腺炎患者发展为感染性胰腺坏死的危险因素，结合逻辑回归构建了新的IPN预测模型。此外，通过内部交叉验证及验证集验证证明了模型的稳健性，并与当前广泛使用的评分系统对比，显示了新模型的优秀预测性能。

独立危险因素识别

通过回顾性多中心队列，共计3005例AP患者符合入组标准。每例患者均收集了入院24小时内的临床指标。通过7：3随机分组分为训练集及验证集。在训练集中，结合单因素分析结果，利用最小绝对收缩与选择算子（Least absolute shrinkage and selection operator, LASSO）回归、并通过10折交叉验证选择最优正则化参数，进行变量筛选。最终确定了五项IPN的独立危险因素：体温、呼吸频率、外周血钙离子浓度、血浆尿素氮水平、血糖水平。

IPN预测模型构建

针对上述独立危险因素，在验证连续型自变量与因变量的之间存在线性关系及排除多重共线性后，利用多因素逻辑回归分析进行模型构建，最终的IPN预测模型如下：IPN风险=exp(Y)/(1+exp(Y))。其中Y=0.05*呼吸频率+0.57*体温+0.15*血糖水平+0.09*血尿素氮水平-1.26*血钙水平-25.10。

IPN模型效果评价

采用受试者工作特征曲线下面积（Area under the receiver operating characteristic curve, AUC）评估模型的区分度、Hosmer-Lemeshow拟合优度检验评估模型的校准度，并采用决策曲线分析（Decision curve analysis, DCA）评估模型的临床价值。与目前常用的AP评分模型（BISAP, APACHE II, SOFA, Marshall）相比，新构建模型区分能力显著优于其他模型（AUC达0.85），AUC提高9.0%-28.0%，灵敏度达75.0%，特异度为85.0%（见图1）。拟合优度检验及校准图显示IPN的实际发生值与模型预测值具有良好的一致性。

图1：感染性胰腺坏死（IPN）模型与其他严重程度评分的区分性能比较。棕色线（IPN模型）=本研究建立的IPN预测模型的ROC曲线，该模型具有最佳的预测评分。青色线（APACHE II）=根据APACH II评分绘制ROC曲线。橙色线（Marshall) =Marshall评分的ROC曲线。卡其线（SOFA) =SOFA评分的ROC曲线。蓝线（BISAP) =BISAP评分的ROC曲线。APACHE-II评分、Marshall评分、SOFA评分和BISAP评分的AUC分别为0.64（95%CI: 0.59 0.69）、0.62（95%CI: 0.56 0.67）、0.57（95%CI: 0.51 0.62）、0.76（95%CI: 0.71 0.81）。IPN模型的表现与BISAP评分有显著差异（p = 0.007）。

来源：原文图2

IPN模型验证

在训练集的10折内部交叉验证中，IPN模型的平均AUC值达0.84；在包含878例AP患者的验证集中，IPN模型的AUC仍达0.82，显著优于其他模型，显示了本模型的性能稳健性。在决策曲线分析中，新的IPN模型在更大的阈值范围内净收益为正值。与其他模型/评分系统相比，新的IPN模型在较宽的阈值范围内提供了更大的净收益，这表明IPN模型具有更好的临床决策价值。

图2：感染性胰腺坏死（IPN）预测模型与其他评分/模型的临床价值比较。橙线（BISAP评分）=根据BISAP评分预测的IPN风险进行急性胰腺炎（AP）患者管理时的净获益；蓝线（APACH II评分）=根据APACH II评分预测的IPN风险进行AP患者管理时的净获益；青色线（Marshall评分）=根据Marshall评分预测的IPN风险进行AP患者管理时的净获益；棕色线（SOFA评分）=根据SOFA评分预测的IPN风险进行AP患者管理时的净获益；红线（IPN模型）=根据IPN预测模型预测的风险进行AP患者管理时的净获益；黑线=当我们假设AP患者均不会发生IPN且不进行干预时的净获益；灰线=当我们假设所有AP患者都发生IPN并进行干预时的净获益。

来源：原文图3

总结

该研究利用机器学习方法探究了IPN的独立危险因素，结合逻辑回归、基于早期临床指标开发了一个简单的IPN模型，在多方面评估中均表现出良好的性能和稳健性。该模型可用于制定个性化的治疗策略，有助于降低AP相关的医疗成本和死亡率，并为未来新的IPN预防手段的研究提供指导。

引证本文

Kai Song, Wenhua He, Zuoyan Wu, Jie Meng, Wei Tian, Shicheng Zheng, Dong Mu, Ruifeng Wang, Hongda Chen, Yin Zhu, Dong Wu - Early clinical predictors of infected pancreatic necrosis: a multicentre cohort study: eGastroenterology 2024;2:e100095.

https://doi.org/10.1136/egastro-2024-100095

Tags： eGastroenterology：感染性胰腺坏死的早期临床预测因素