加拿大急性冠状动脉综合征危险评分对非ST 段抬高型急性冠状动脉综合征患者住院期间感染发生的预测价值

黄月华，林泽获，刘远辉，曾莉欢，范华林，何鹏程，

［1.四会市人民医院心血管内科，广东肇庆 526200；2.汕头大学医学院，广东汕头 515041；3.广东省心血管病研究所心内科广东省人民医院（广东省医学科学院），广州 510100；4.南方医科大学，广州 510100；5.华南理工大学医学院，广州510100］

急性冠状动脉综合征（acute coronary syndrome，ACS）是我国乃至世界范围内的主要死因［1］。非ST 段抬高型急性冠状动脉综合征（non-ST-segment elevation acute coronary syndrom，NSTE-ACS）患者经皮冠状动脉介入（percutaneous coronary intervention，PCI）治疗后感染显著增加了院内与长期病死率［2-3］。因此，早期识别住院期间发生感染的高危患者并制定有效的预防措施显得非常重要。目前已经建立了如快速序贯器官衰竭评估（quick sequential organ failure assessment，qSOFA）、

SOFA、全身炎症反应综合征（systemic inflammatory response syndrome，SIRS）标准等的风险分层工具。然而，这些工具主要用于为疑似感染或败血症的患者提供预后信息［4-7］。目前还没有明确的风险评分用于评估接受PCI治疗的NSTE-ACS患者住院期间感染发生的风险。加拿大急性冠状动脉综合征（Canada acute coronary syndrome，C-ACS）仅包括4 个临床变量：年龄、Killip 分级、收缩压和心率，十分便于记忆与计算。已被用于评估ACS患者的短期和长期预后，可在首次医疗接触时为其提供早期快速的危险分层［8-10］。早期研究表明，C-ACS 风险评分的4个变量都可能与感染的发生有关［10-14］。同时也有研究支持C-ACS 评分是预测接受PCI治疗ST段抬高型心肌梗死患者感染发生的良好工具［15］。然而，C-ACS 风险评分对NSTE-ACS 者PCI治疗后住院期间感染的预测价值尚不清楚。因此，本研究旨在探讨C-ACS 危险评分在预测接受PCI治疗NSTE-ACS患者住院期间感染中的价值。

1 资料和方法

1.1 一般资料

这项观察性队列研究连续纳入中国5 家医院于2010 年1 月1 日 至2014 年12 月31 日收治的 行PCI治疗的NSTE-ACS患者。纳入了住院期间接受PCI治疗，主要出院诊断为非ST 段抬高型心肌梗死（non-ST-segment elevation myocardial infraction，NSTEMI）或不稳定型心绞痛（unstable angina，UA）的患者，同时排除了怀孕、有心源性休克、需要主动脉内球囊反搏或有其他抗凝指征，以及在PCI治疗后仅接受胃肠外抗凝治疗的患者［16］。仅纳入有足够诊断或排除感染信息的患者，并排除在入院前已被诊断为感染的患者。研究方案获得广东省人民医院研究伦理委员会批准。

1.2 基线数据收集

研究人员在患者入院后的第一次病史采集中收集了人口统计学、病史、实验室检查、体查和用药史的相关数据。患者的用药与PCI治疗操作均根据当时的国际指南和临床规范进行［17］。住院期间感染由感控医生根据感染的相关症状、体征和实验室结果诊断，包括肺部感染、泌尿系感染和其他感染（非肺部、非尿路败血症和蜂窝织炎）。一旦确认感染诊断，我们将给予患者适当的抗生素治疗。入院时即刻评估C-ACS 评分，并根据以下临床参数（各1分）按0～4分进行计算：年龄≥75岁，Killip分级＞1级，收缩压＜100 mmHg（1 mmHg=0.133 kPa），心率＞100次/min。

1.3 研究终点

主要终点是住院期间感染的发生。次要终点是院内全因死亡和主要不良心血管事件（major adverse cardiovascular event，MACE），包括全因死亡、脑卒中或任何出血。住院期间的感染根据症状、体征和实验室指标进行诊断，一旦确认感染，立即使用适当的抗生素。

1.4 随访方法

2015 年11 月 至2016 年12 月，所有患者均由训练有素的护士通过电话随访或门诊随访。还从再次住院患者的临床记录中收集了相关信息。临床事件和随访的细节已在之前的研究中阐述［16］。

1.5 统计学分析

所有数据分析均采用SAS 9.4版（SAS Institute，Cary，NC，USA）进行。根据C-ACS 风险评分，所有患者被分为3 组（0，1 和≥2）。正态分布的连续数据以（）表示，采用Student′t检验或方差分析进行组间比较。非正态分布的连续数据以［M（Q1～Q3）］表示，采用Wilcoxon秩和检验进行组间比较。计数资料以［n（%）］表示，采用卡方（χ2）检验。进行单因素和多因素Logistic 回归分析以确定感染和其他临床终点的危险因素。选择临床上重要的危险因素以及在单因素分析中显示出与结果有统计学显著相关性的变量进行多因素Logistic回归分析。使用受试者工作特征曲线（receiver operating characteristic，ROC）评价C-ACS 危险评分对住院期间感染的预测价值。采用Kaplan-Meier 生存分析比较不同组别患者随访期间死亡的差异，同时使用COX 回归分析评估C-ACS 评分对随访期间死亡的影响。所有统计检验均为双侧，以P＜0.05 为差异有统计学意义。

2 结果

2.1 不同C-ACS 分值组患者的基线资料比较

共纳入5 211例患者（女性占24.6%），年龄（63.89±10.36）岁，基线特征如表1 所示。C-ACS风险评分为0、1 和≥2 分时，各组的人数分别为3 792、1 179 和240例。C-ACS 风险评分≥2 的患者年龄较大，更有可能有心肌梗死、脑梗死、心房颤动、糖尿病病史，但高血脂及吸烟率较低。随着C-ACS 危险评分的增加，肾小球滤过率和左心室射血分数（LVEF）呈下降趋势。随着C-ACS 风险评分的增加，患者接受β受体阻断药治疗的可能性降低，接受华法林治疗的可能性增加。

表1 不同C-ACS 分值组患者的基线资料比较 ［，n（%）］

表1 不同C-ACS 分值组患者的基线资料比较 ［，n（%）］

注：LDL-C=低密度脂蛋白胆固醇；eGFR=估算肾小球滤过率；LVEF=左心室射血分数；ACEI=血管紧张素转化酶抑制剂；ARB=血管紧张素Ⅱ受体拮抗剂；CCB=钙离子通道阻滞剂

2.2 住院期间患者感染的Logistic 回归分析结果

共有204例（3.9%）患者发生住院期间感染。住院期间感染的发生率随着C-ACS 危险评分的增加而增加（危险评分为0、1 和≥2 时分别为2.1%、7.0%和17.9%；P＜0.001）。单因素Logistic 回归显示，C-ACS 危险评分与住院期间感染相关［比值比（odds ratios，OR）=3.06，95%置信区间（confidence intervals，CI）：2.56～3.65，P＜0.001）。多因素Logistic回归分析显示C-ACS 危险评分是住院期间感染的危险因素（OR=1.60，95%CI：1.14～2.25，P=0.007）（表2）。ROC分析显示C-ACS风险评分对住院期间感染具有良好的预测价值（曲线下面积=0.695，95%CI：0.659～0.731，P＜0.001）（图1）。

表2 住院期间患者感染的多因素Logistic 回归分析结果

图1 C-ACS 评分预测感染风险的ROC 图

2.3 C-ACS 风险评分作为院内随访结果的预测指标

院内全因病死率（危险评分为0，1，≥2 时分别为0.2%，0.7%和1.7%；P＜0.001）和MACE（危险评分为0，1，≥2 时分别为0.5%，1.2%和1.7%；P=0.006）随着C-ACS 风险评分的增加而增加（图2）。多元回归分析结果显示，C-ACS 风险评分是院内全因死亡（OR=2.84，95%CI：1.69～4.76，P＜0.001）的独立预测指标，ROC 分析证实C-ACS 风险评分对住院病死率（曲线下面积=0.712，95%CI：0.593～0.832，P＜0.001）和MACE（曲线下面 积=0.618，95%CI：0.533～0.703，P＜0.001）均有较好的预测价值。中位随访3.2 年，Kaplan-Meier 生存曲线显示C-ACS风险评分高的患者预后较差，包括全因死亡和MACE（log-rank检验，P＜0.001）。多变量Cox比例风险回归显示C-ACS 风险评分是死亡［（hazard ratio，HR）=1.89，95%CI：1.63，P＜0.001］的一个重要预测指标。

图2 不同C-ACS 分值组患者的住院期间感染、全因死亡和MACE 发生率比较柱状图

3 讨论

本研究表明C-ACS 风险评分对NSTE-ACS患者PCI治疗后住院期间的感染发生有很好的预测价值。此外，C-ACS 危险评分对死亡和MACE 也有很好的预测价值。

NSTE-ACS患者PCI治疗后感染显著增加患者的病死率，降低患者预后［2-3］，对其进行早期危险分层十分重要，可以指导经验性抗生素治疗，减少重症监护的需求，但仍面临较大的挑战。一些已建立的风险评估模型在预测脓毒症或疑似感染患者病死率方面起着重要作用，如第三国际脓毒症和败血性休克共识（Third International Consensus Definition for Sepsis and Septic Shock，Sepsis-3）推荐的SOFA、qSOFA 和SIRS 标准［14，18］。Peres Bota等［12］建立的感染概率评分（infection probability score，IPS）涵盖了体温、心率、呼吸频率、白细胞计数、C 反应蛋白浓度和SOFA 评分6 个指标，并报告其对危重病患者的感染具有良好的预测价值。Johnson 等［19］在前人的评分工具和临床预测因素的基础上发展了Duke 模型，并报道其在预测超广谱产β-内酰胺酶肠杆菌社区感染中有出色表现。最近，Barton 等［10］描述了一种机器学习算法，该算法包含6 个常见的临床变量，可在败血症发病前48 h 预测败血症，其表现优于SOFA、qSOFA和SIRS 等模型。然而，这些风险评分都是基于包括各种疾病类型的重症患者，与之相比，C-ACS已被验证可用于预测ACS患者的临床转归及造影剂肾病［8，9，15］，且仅包含4 个临床上易于获得的指标，便于计算，易于记忆，可在首次医疗接触就实现对患者的危险分层，进行早期干预。然而，其对NSTE-ACS患者PCI治疗后住院期间感染的预测价值尚不清楚。本研究首次验证了C-ACS危险评分对NSTE-ACS患者住院期间感染的预测价值。

早期研究表明，C-ACS 风险评分的4 个变量（年龄、Killip 分级、收缩压和心率）都可能与感染的发生有关。大量的流行病学研究表明，年龄和慢性疾病（如通过Killip 分级评估的充血性心力衰竭）是败血症的危险因素［11，13］。先前的感染预测模型中qSOFA 包括了收缩压，IPS 和SIRS 包括了心率，机器学习算法包括了收缩压和心率［10，12，14］，而C-ACS 指标同样包括了收缩压和心率两个指标，这提示不稳定的血流动力学可能是感染的危险因素。此外，在考虑接受PCI治疗的NSTE-ACS患者的预后时，年龄越大、Killip 分级越高、收缩压越低和心率越高，是医院感染的危险因素［2-3］。因此，C-ACS 危险评分可以作为感染的可靠预测工具。C-ACS 危险度评分具有记忆简单、计算简单、临床应用省时等优点。

本研究有几个局限性。首先，作为一项回顾性研究，无法确定C-ACS 评分与预后之间的因果关系。其次，尽管已经调整了重要的混杂因素，本研究仍不能完全校正所有潜在的偏倚。第三，由于只纳入NSTE-ACS患者，因此应用于其他患者群体时应十分谨慎。第四，由于研究出现的感染患者例数较少，无法对感染类型进行细分而进一步分析。

总之，在接受PCI治疗的NSTE-ACS患者中，使用C-ACS 风险评分可以对感染风险进行早期评估。此外，C-ACS 风险评分应考虑作为短期和长期死亡或MACE 的预测工具。