重症肺炎患儿预后的危险因素及其列线图预测模型构建研究

李重锦，苏新星，蒋丽君，李静

重症肺炎是临床常见危重症，由于儿童各器官功能发育不完全，且免疫力低下，故小儿肺部感染发生率较高，多与病毒感染、环境、免疫功能等多种因素有关［1］，患儿主要表现为高热不退、咳嗽、呼吸困难等，严重者可出现呼吸衰竭、意识障碍，并累及多个脏器，最终可导致死亡。机械通气、抗感染等治疗措施虽可缓解重症肺炎患儿的临床症状，但其病死率仍居高不下［2］。有研究表明，在小儿肺炎中，重症肺炎患儿占7%～13%，其是5岁以下儿童死亡的主要病因，约占5岁以下儿童死亡人数的19%［3-4］。因此，探讨、分析重症肺炎患儿预后的独立影响因素并进行个体化干预具有重要的临床意义。列线图是将影响不良结局的危险因素以分值形式进行可视化呈现［5］，有助于筛选高风险人群，便于制定针对性的防治措施。本研究旨在探讨重症肺炎患儿预后的危险因素，并构建列线图模型，以期为不良预后患儿的管理提供一定指导，现报道如下。

1 对象与方法

1.1 研究对象 回顾性分析2017年2月至2021年2月扬州大学附属医院收治的210例重症肺炎患儿的临床资料。纳入标准：（1）符合《诸福棠实用儿科学》［6］中的小儿重症肺炎诊断标准；（2）年龄1个月～9岁，体温＞38.5 ℃；（3）伴有全身中毒症状；（4）胸部X线检查显示肺部有片状浸润影，可闻及啰音；（5）临床资料完整。排除标准：（1）合并先天性心脏病、免疫抑制性疾病者；（2）近1个月内使用免疫抑制剂治疗者；（3）先天性气道发育不良者。本研究通过扬州大学附属医院伦理委员会审核批准。

1.2 资料收集 记录患儿病原菌检出情况、预后；收集患儿的临床资料，包括性别、年龄（＜3岁、≥3岁）［7］、住院时间（＜14 d、≥14 d）［8］、并发症（败血症、低氧血症）、胸腔积液情况、病程（＜3 d、3～7 d、＞7 d）［9］、机械通气情况、感染病原菌株数、重症肺炎病史、实验室检查指标（白细胞计数、血小板计数、Na+、C反应蛋白、白蛋白）。其中病原菌检测过程如下：取患儿呼吸道分泌物送检，进行病原菌培养，应用全自动微生物分析仪测定病原菌种类，采用间接免疫荧光法测定呼吸道病原菌，具体操作严格按照试剂盒（购于德国欧蒙公司）说明书进行。结果判读参照美国临床实验室质量标准［10］。根据预后将患儿分为死亡组与存活组，比较两组患儿的临床资料。

1.3 统计学方法 应用SPSS 22.0统计学软件进行数据处理。计量资料以（±s）表示，组间比较采用两独立样本t检验；计数资料以相对数表示，组间比较采用χ2检验。采用多因素Logistic回归分析探讨重症肺炎患儿预后的影响因素；使用R软件（R 3.6.3软件包）和rms程序包构建预测重症肺炎患儿预后的列线图模型；采用Bootstrap法（原始数据重复抽样100次）对列线图模型进行内部验证，采用一致性指数（CI）、校正曲线、受试者工作特征（ROC）曲线及Hosmer-Lemeshow拟合优度检验评估列线图模型对重症肺炎患儿预后的预测价值。以P＜0.05为差异有统计学意义。

2 结果

2.1 病原菌检出情况 所有重症肺炎患儿至少检出1种病原菌，共检出232株，其中革兰阴性菌占比最高，为60.34%，见表1。

表1 重症肺炎患儿病原菌检出情况Table 1 Detection of pathogenic bacteria in children with severe pneumonia

2.2 单因素分析 所有患儿中，死亡31例，存活179例。单因素分析结果显示，两组患儿年龄、并发症情况、病程、机械通气情况、感染病原菌株数比较，差异有统计学意义（P＜0.05）；两组患儿性别、住院时间、胸腔积液情况、重症肺炎病史、白细胞计数、血小板计数、Na+、C反应蛋白、白蛋白比较，差异无统计学意义（P＞0.05），见表2。

表2 两组患儿临床资料比较〔n（%）〕Table 2 Comparison of clinical data between the two groups

2.3 多因素Logistic回归分析 将年龄（赋值：≥3岁=0，＜3岁=1）、并发症（赋值：无=0，有=1）、病程（赋值：＜3 d=0，3～7 d=1，＞7 d=2）、机械通气（赋值：否=0，是=1）、感染病原菌株数（赋值：1株=0，≥2株=1）作为自变量，预后作为因变量（赋值：存活=0，死亡=1），进行多因素Logistic回归分析，结果显示，年龄＜3岁、有并发症、病程＞7 d、机械通气、感染病原菌株数≥2株是重症肺炎患儿死亡的独立危险因素（P＜0.05），见表3。预测模型公式为Z=-0.161×年龄赋值+1.088×并发症赋值+1.486×病程赋值+0.974×机械通气赋值＋0.774×感染病原菌株数赋值-0.974。

表3 重症肺炎患儿预后影响因素的多因素Logistic回归分析Table 3 Multivariate Logistic regression analysis of influencing factors on prognosis in children with severe pneumonia

2.4 列线图模型建立及验证 基于影响重症肺炎患儿预后的独立危险因素建立列线图模型，见图1。内部验证结果显示：CI为0.826；列线图模型预测重症肺炎患儿预后的ROC曲线下面积为0.822〔95%CI（0.751，0.994）〕，见图2。列线图模型预测重症肺炎患儿预后的校正曲线趋近于理想曲线，见图3；Hosmer-Lemeshow拟合优度检验结果显示，列线图模型预测重症肺炎患儿死亡风险的一致性良好（χ2=12.351，P=0.117）。

图1 预测重症肺炎患儿预后的列线图模型Figure 1 Nomogram model for predicting the prognosis in children with severe pneumonia

图2 列线图模型预测重症肺炎患儿预后的ROC曲线Figure 2 ROC curve of Nomogram model for predicting the prognosis in children with severe pneumonia

图3 列线图模型预测重症肺炎患儿预后的校正曲线Figure 3 Calibration curve of Nomogram model for predicting the prognosis in children with severe pneumonia

3 讨论

儿童是重症肺炎高发人群，分析原因为小儿气管、支气管管腔狭窄，纤毛运动差，肺泡含气量少，对咳嗽反射弱，加之自身抗体合成不足，因此小儿肺炎发生率较高［11］。既往调查显示，在重症肺炎患儿中，婴幼儿占比高达70%以上［12］。重症肺炎患儿由于严重缺氧、二氧化碳潴留等累及其他系统，造成机体酸碱失衡、电解质紊乱，致使其死亡率升高［13］。本研究结果显示，所有重症肺炎患儿至少检出1种病原菌，共检出病原菌232株，其中革兰阴性菌占比最高，为60.34%，肺炎克雷伯菌、鲍曼不动杆菌是主要病原菌，与宋霜等［14］研究结果一致。本研究210例重症肺炎患儿中，死亡31例，死亡率为14.76%，与刘西妮等［7］报道的14.94%相当，低于仝重师［9］报道的18.42%，较国外报道的6.4%偏高［15］，提示重症肺炎患儿死亡率较高。因此，明确影响重症肺炎患儿预后的危险因素并进行个体干预，对降低死亡率、改善患儿预后具有重要的临床意义。

本研究结果显示，年龄＜3岁是重症肺炎患儿死亡的独立危险因素，分析原因为低龄患儿身体各器官发育尚不成熟，代偿能力较弱，局部感染后极易出现感染扩散，从而加重病情［16］。既往研究显示，重症肺炎死亡患儿主要为12个月内的婴幼儿［17］。此外，本研究结果显示，有并发症的重症肺炎患儿死亡风险是无并发症患儿的2.968倍，与既往研究报道一致［18］。有并发症的重症肺炎患儿病情较复杂，治疗难度大，不仅需要治疗原发疾病，还需针对性治疗并发症，因此其预后较差。呼吸衰竭、心力衰竭是导致重症肺炎患儿死亡的直接原因［19］。本研究结果显示，病程＞7 d是重症肺炎患儿死亡的独立危险因素。既往研究表明，重症肺炎患儿病程越长，预后越差［20］，本研究结果与之一致。机械通气患儿一般病情较重，气管插管率较高，而气管插管等侵入性操作可影响气道对病原菌的防御能力，外加患儿自身抵抗力较差，因此其不良预后发生风险较高［21］。本研究结果显示，机械通气、感染病原菌株数≥2株是重症肺炎患儿死亡的独立危险因素。多种病原菌感染患者的临床症状复杂、多样，而不同病原菌对抗生素的敏感性不同，不利于病情诊断与评估，亦不利于制定精准的治疗措施［22］。

本研究将影响重症肺炎患儿死亡的独立危险因素以分值形式进行可视化呈现，结果显示，列线图模型预测重症肺炎患儿预后的ROC曲线下面积为0.822〔95%CI（0.751，0.994）〕，且列线图模型预测重症肺炎患儿预后的校正曲线趋近于理想曲线；Hosmer-Lemeshow拟合优度检验结果显示，列线图模型预测重症肺炎患儿死亡风险的一致性良好，表明列线图模型对预测重症肺炎患儿预后具有良好的准确性、区分度及一致性。

综上所述，年龄＜3岁、有并发症、病程＞7 d、机械通气、感染病原菌株数≥2株是重症肺炎患儿死亡的独立危险因素，基于这些危险因素构建的列线图模型对预测重症肺炎患儿预后具有良好的准确性、区分度及一致性。但本研究为单中心研究，且未能纳入其他中心同标准人群进行模型的外部验证，导致结论可能存在一定偏倚。因此，该列线图模型的实用价值仍有待大样本量、多中心的研究进一步验证。

作者贡献：李重锦、李静进行文章的构思与设计，结果分析与解释；苏新星、蒋丽君、李静进行数据收集、整理、分析；李重锦撰写、修订论文；李静负责文章的质量控制及审校，并对文章整体负责、监督管理。

本文无利益冲突。