APP下载

主动脉夹层患者院内死亡的Bayes判别分析研究

2019-07-15张炜宗马翔袁红孙金栋胡海强史明娟於华敏何海英叶利

中国全科医学 2019年21期
关键词:尿素氮病死率存活

张炜宗,马翔,袁红*,孙金栋,胡海强,史明娟,於华敏,何海英,叶利

本研究价值:

目前国内外对于主动脉夹层患者院内死亡风险的预测模型较少,本文通过Bayes判别方程的方法初步建立预测模型,对指导临床工作和提高患者预后具有重要作用。本文选取的指标简单易获得,且患者样本量大,并在建立方程的过程中采取随机分组自身验证的方法,进一步提高了方程的准确性。

本研究不足:

存活组和死亡组之间人数差异较大,可能会影响分析结果。缺少长期预后信息,因此得出的Bayes判别方程对患者长期预后的预测能力有待考察。

主动脉夹层(AD)是指主动脉腔内血液从主动脉内膜撕裂口进入主动脉中膜,并沿主动脉长轴方向扩展,造成主动脉分离为真假两腔的一种病理改变[1]。AD年发病率为29/100万~35/100万,且近年来有明显的上升趋势[1-2]。AD的临床特点为急性起病,突发剧烈疼痛、休克、脏器缺血等临床症状,是心血管疾病的灾难性急危重症,若不及时治疗,48 h内病死率可高达50%[3]。但目前对于AD患者院内死亡风险的评估多数依赖临床医师的经验判断、各项辅助检查结果的判读、多学科综合分析等,存在一定的主观性。因此,本研究对553例AD患者的临床资料进行回顾性分析,分析AD患者院内死亡的相关差异指标,以期建立一种快速简便的方程来预测AD患者院内死亡的可能性,为临床制定有效的治疗方案提供参考。

1 资料与方法

1.1 纳入与排除标准 纳入标准:(1)临床确诊为AD的患者(主要依据临床症状、临床体征、超声心动图、多层螺旋CT血管成像);(2)病历资料完整者。排除标准:(1)主动脉溃疡、主动脉壁间血肿、主动脉不典型夹层者;(2)因各种原因无法完成多层螺旋CT血管成像者。

1.2 一般资料 采用统一标准收集2010年1月—2015年12月在余杭区第一人民医院(228例)、新疆医科大学第一附属医院(325例)就诊的553例AD患者的临床资料(一般情况、基础体征、检查指标)。

一般情况包括性别、年龄、民族、发病时间、DeBakey分型、入院后手术情况、吸烟史(即入院前半年连续吸烟超过1个月);基础体征包括收缩压、舒张压;临床指标包括白细胞计数(WBC)、中性粒细胞计数(NE)、嗜酸粒细胞计数(EA)、嗜碱粒细胞计数(BA)、中性粒细胞百分数(NE%)、淋巴细胞百分数(LY%)、嗜酸粒细胞百分数(EA%)、嗜碱粒细胞百分数(BA%)、血小板计数(PLT)、血小板压积(PCT)、尿素氮、肌酐、估算肾小球滤过率(eGFR)、尿酸、随机血糖、糖化血清蛋白、总胆红素、直接胆红素、间接胆红素、总蛋白、球蛋白、国际标准化比率(INR)、纤维蛋白原。

患者一般情况通过询问患者或亲属获得;发病时间定义为首次出现症状(如胸痛)至到医院就诊的时间,通过询问患者或患者亲属获得;eGFR的计算采用2013年肾脏疾病改善全球预后组织(KDIGO)推荐的CKDEPI2009公式[4],公式中包含了年龄、性别、肌酐;所有实验室指标为患者首次医疗接触所采集的指标。

1.3 方法 本研究为回顾性病例对照研究,回顾性分析患者的临床资料。首先,将全部患者根据院内是否存活分为存活组(n=470)和死亡组(n=83),通过单因素分析筛选差异变量。再由计算机软件随机挑选患者作为样本集,选取变量引入Bayes判别分析中,建立Bayes判别方程(变量选择根据单因素分析结果和既往文献报道)。最后,利用剩余患者作为检验集,将其资料代入已建立的Bayes判别方程验证其准确性。

在院内确诊为AD的患者,由于各种原因出院、转诊等情况视为院内存活。

1.4 统计学方法 采用SPSS 22.0统计学软件进行统计描述与推断。连续性变量先进行Kolmogorov-Smirnov正态性检验,符合正态分布的计量资料以(±s)表示,两组间比较采用两独立样本t检验;不符合正态分布的计量资料以M(P25,P75)表示,两组间比较采用非参数检验;计数资料以相对数表示,组间比较采用χ2检验;等级资料比较采用秩和检验。双侧检验水准α=0.05。

2 结果

2.1 患者一般情况 AD患者平均年龄(51.5±12.3)岁;男女比例为3.89∶1;院内病死率为15.0%(83/553);存活组男女比例为4.16∶1,死亡组男女比例为2.77∶1。

2.2 死亡组与存活组临床资料比较 两组患者发病时间、DeBakey分型、入院后手术情况、吸烟史、收缩压、舒 张 压、WBC、NE、EA、BA、NE%、LY%、EA%、BA%、PLT、PCT、尿素氮、肌酐、eGFR、尿酸、随机血糖、糖化血清蛋白、总胆红素、直接胆红素、间接胆红素、总蛋白、球蛋白、INR、纤维蛋白原比较,差异有统计学意义(P<0.05)。两组患者性别、年龄、民族比较,差异无统计学意义(P>0.05,见表1)。

2.3 预测模型的建立 采用SPSS 22.0统计学软件随机选择AD患者作为样本集(n=291),其中存活组245例,死亡组46例。选取变量〔变量选择根据单因素分析结果和既往文献报道结果[5-6],包括发病时间(赋值:≤ 24 h=1,2~7 d=2,8~30 d=3,>30 d=4)、DeBakey分型(赋值:Ⅰ型=1,Ⅱ型=2,Ⅲ型=3)、尿素氮(赋值:实测值)、随机血糖(赋值:实测值)、糖化血清蛋白(赋值:实测值)、间接胆红素(赋值:实测值)、INR(赋值:实测值)、纤维蛋白原(赋值:实测值)〕引入Bayes判别分析中,建立Bayes判别方程。采用“进入法”纳入变量,其中进入F值=3.84,移除F值=2.71,得到最终纳入方程的变量为:发病时间(a1)、DeBakey分型(a2)、尿素氮(a3)、随机血糖(a4)、糖化血清蛋白(a5)、间接胆红素(a6)、INR(a7)、纤维蛋白原(a8),分类函数系数见表2。得到Bayes判别方程:Q1=1.174×a1+6.813×a2+0.323×a3+0.213×a4+10.522×a5+0.171×a6+25.656×a7+1.014×a8-39.843;Q2=-13.336×a1+27.131×a2-1.928×a 3-5.030×a 4+35.574×a 5-0.658×a6+287.333×a7-3.509×a8-1 707.601。即将患者上述参数(a1~a8)分别代入方程 Q1、Q2,当Q1>Q2时,认为该患者应归为存活组,提示该患者病情相对较轻,预后可能较好;当Q1<Q2时,认为该患者应归为死亡组,提示该患者病情相对较重,预后可能较差。典则判别函数图见图1。

将样本集患者数据回代入已建立的Bayes判别方程进行自身检验,得到符合率为98.63%,误判率为1.37%(P=0.001)。利用剩余未被选择的患者作为检验集(n=262,其中存活组225例,死亡组37例),将检验集患者数据回代入已建立的Bayes判别方程,得到符合率为98.85%,误判率为1.15%(P=0.003);将全部患者数据代入已建立的Bayes判别方程进行检验,得到符合率为98.73%,误判率为1.27%(P<0.001,见表3)。

3 讨论

表2 样本集分类函数系数Table 2 Classification function coefficients of the sample set

表3 Bayes判别方程检验结果Table 3 Test results of Bayes formulas

图1 典则判别函数图Figure 1 Bayes discriminant function graph

在我国,随着高血压、创伤等AD危险因素的增多、人口老龄化进程的加剧、临床检查手段的不断改进,AD发病率逐年升高[2]。AD是心血管系统的急危重症之一,具有发病急、症状多样、病死率高等特点。若不采取治疗,48 h内病死率高达50%[3],但即使采取了药物或手术治疗,AD患者的院内病死率仍高达9.2%~17.7%[2,5-6]。因此,临床中需要一种简单快捷、可靠易获取的预测工具,帮助医生早期识别院内死亡的高危患者。

表1 存活组与死亡组患者临床资料比较Table 1 Comparison of clinical data between survival group and death group

目前,部分AD患者院内死亡的危险因素多有报道,包括年龄、性别、高血压史、急性肾损伤、主动脉直径、真假腔血栓化等[5-10]。但是,这些结果的获得高度依赖CT设备和医师经验,存在一定的主观性和人为误差,未能使结论量化。同时,关于AD患者院内死亡危险因素的研究结论多不一致,且并未尝试建立评分体系,建立预测方程的相关研究更少。

本文通过初步单因素分析筛选及结合既往文献报道[5-6],同时为了达到最高的符合率和较低的误判率,最终选取了发病时间、DeBakey分型、尿素氮、随机血糖、糖化血清蛋白、间接胆红素、INR、纤维蛋白原8个差异变量尝试建立Bayes判别方程。发病时间和DeBakey分型是AD患者重要的临床特征。发病时间的长短显著影响AD患者的病死率,自然病程中,未经治疗的AD患者自发病起每小时病死率约1%,3 d后病死率可达50%[11]。根据主动脉夹层国际注册研究(IRAD)报道,Type A型AD(即DeBakeyⅠ型和Ⅱ型)患者的院内病死率(34.9%)显著高于Type B型AD(即DeBakeyⅢ型)患者(14.9%)[12]。国内一项纳入了1 812例AD患者的大型研究也得出了类似的结果,Type A型AD患者(34.2%)显著高于Type B型AD患者(6.7%)[2]。尿素氮可以在一定程度上反应患者的肾功能情况,当AD患者主动脉内膜撕裂范围延伸至肾动脉,则可影响肾脏供血,导致急性肾损伤,从而引起尿素氮升高,相关研究也证实急性肾损伤可增加AD患者院内病死率,降低其30 d存活率,延长其住院天数[8,13-14]。INR、纤维蛋白原在一定程度上反映了凝血功能及纤溶系统功能情况,有研究认为AD患者在病程中凝血功能会出现较大变化,从而影响患者的治疗和院内结局[15-17]。上述8个变量分别反映了AD患者的临床分型、发病缓急、肝肾功能、凝血功能、应激状态等方面的情况,具有较好的代表性和全面性。

为了建立准确可靠的判别方程,本研究采用计算机软件随机将患者分为样本集和检验集。利用样本集建立Bayes判别方程,然后将样本集数据回代入已建立的Bayes判别方程进行自身验证。由于自身检验法常低估误判率,从而夸大判别效果,因此进一步采用检验集数据对Bayes判别方程进行前瞻性误判概率的估计,这样得到的误判率较为客观。最后,将全部患者数据代入Bayes判别方程得到总体的符合率和误判率。最终,上述3种情况得到的符合率和误判率结果相近,且均有统计学差异,故认为建立的Bayes判别方程较准确可靠。

由于本研究中部分患者短时间内死亡,未能全部检测D-二聚体[18]、C反应蛋白[19]这些已证实的危险因素,导致数据缺失较多。由于存活组和死亡组患者例数相差较大,所得判别方程可能尚不具广泛代表性。由于所得判别方程较复杂使得临床易用性较差,后期可整合入医院电子病历系统或手机软件,自动抓取相关数据计算结果,以期提高易用性。最后,有待更大样本量的进一步研究和验证,以期更好、更全面地建立判别方程。

综上所述,经实践检验证明Bayes判别方程在临床应用上具有一定的可靠性,可以为AD患者院内死亡的预测提供一定的参考。发病时间、DeBakey分型、尿素氮、随机血糖、糖化血清蛋白、间接胆红素、INR、纤维蛋白原可作为预测AD患者院内死亡的重要参数,临床可加强对AD患者上述指标的监测,以期早期发现高危患者,提高患者生存率,改善其预后。

作者贡献:张炜宗、马翔进行文章的构思与设计;袁红、孙金栋负责研究的实施与可行性分析;张炜宗负责数据收集与整理、统计学处理、结果分析与解释,撰写及修订论文;胡海强、史明娟、於华敏、何海英、叶利负责文章的质量控制及审校;张炜宗、马翔、袁红对文章整体负责。

本文无利益冲突。

猜你喜欢

尿素氮病死率存活
全髋翻修术后的病死率
急性上消化道出血时尿素氮变化、变化规律及变化的意义分析
降低犊牛病死率的饲养与管理措施
死亡率与病死率的区别
病毒在体外能活多久
病毒在体外能活多久
病毒在体外能活多久?
大量放腹水加白蛋白治疗肝硬化张力性腹水疗效分析
131I-zaptuzumab对体外培养肿瘤细胞存活的影响
无瓣膜病变心房纤颤并脑卒中的临床分析