重症患者抗生素使用现状调查与脓毒症多变量早期预警模型(EPMMS)的构建

摘要

本文分为以下几个部分进行探讨：
　　第一部分 重症患者抗生素使用现状调查
　　目的:
　　广谱抗生素过度使用所致的多重耐药菌已经严重威胁到全球公共卫生安全。抗生素的过度暴露是抗生素耐药产生及感染增加的重要诱因。重症监护室(ICU)高强度的抗生素使用和随之而来高发的多重耐药菌感染，业已经成为重症患者死亡率增加及医疗负担加重的重要原因。尽管我国2012版《抗菌药物临床应用管理办法》已正式实施多年，然而临床上抗生素耐药情况依然十分严峻。因此，急需了解实际的临床抗生素使用情况。本部分的目的是为了获得ICU重症患者的抗生素使用及病原学耐药情况的多中心数据，为抗生素治疗的相关临床决策和研究提供依据。
　　方法:
　　根据纳入与排除标准，我们调查了自2014年3月1日到2014年7月30日入住8家ICU的重症患者。主要调查内容为重症患者抗生素的使用与病原学耐药情况，采用卡方检验或非参数检验比较了脓毒症与非脓毒症重症病例的差异，并且采用多变量Logistic回归法分析脓毒症重症患者住院死亡的危险因素。
　　结果:
　　本研究共纳入644例重症病例，其中脓毒症患者为230例(35.7％)，非脓毒症患者414例(64.3％)。共有577例重症患者入ICU首日即接受了抗生素治疗(89.6％)，其中非脓毒症重症患者为347例(60.1％)。β内酰胺/β内酰胺酶抑制剂的复合制剂（BLICs，如舒普深）是使用率最高(47.0％)与用量最大(2540.49DDD，43.8％)的抗菌药物。非脓毒症病例首日BLICs类(43.5％ vs.52.2％，P=0.051)、三代及三代以上头孢菌素（13.5％ vs.8.3％，P=0.061）、氟喹诺酮类抗生素(4.0％vs.8.3％，P=0.129)使用率与脓毒症病例比较无显著性差异;非脓毒症病例人均碳青霉烯类、三代及三代以上头孢菌素、二代及二代以下头孢菌素、抗MRSA抗生素、抗真菌药使用量与脓毒症病例比较差异不明显。在所有重症病例中，共分离获得364株病原体，其中190株(52.2％)为多重耐药病原体(MDROs)，碳青霉烯类/万古霉素耐药的MDROs有103株(28.3％)。在分离到的菌株中，非脓毒症与脓毒症病例的总MDROs及对碳青霉烯类/万古霉素耐药MDROs感染/定植无显著性差异。多变量分析显示，脓毒症(OR=1.855，95％ CI1.161-2.963，P=0.010)是重症病例住院死亡的独立危险因素，而有效首次抗生素治疗（OR=0.171，95％CI0.107-0.272，P＜0.001）是重症病例住院死亡的保护因素。
　　结论:
　　在ICU内，非脓毒症重症患者广谱抗生素使用过度，增加了整体重症患者抗生素使用率，可能与重症患者多重耐药病原体感染/定植比例高有关。脓毒症是重症患者住院死亡的独立危险因素，而有效的首次抗生素治疗是住院死亡的保护因素。因此，脓毒症的早期诊断以及抗生素的合理使用对于改善重症患者的预后至关重要。
　　第二部分 重症患者脓毒症多变量早期预警模型(EPMMS)的构建
　　目的:
　　脓毒症，包括重症脓毒症和脓毒性休克，是重症患者中较为常见的一系列综合征，具有高死亡率、高医疗负担的特点。抗生素的合理使用是改善脓毒症患者预后的关键措施，其过度暴露可导致耐药菌的产生。前期“重症患者抗生素使用及抗生素耐药现状调查”的结果显示有效的首次抗生素治疗是重症患者住院死亡的保护因素。因此，早期甄别重症患者是否脓毒症就成了抗生素合理使用的重要环节。目前临床常用的细菌培养方法耗时长，敏感性低，而PCT等生物学标志物的诊断效能备受争议，因此，探寻临床早期快速准确诊断脓毒症的预警模型迫在眉睫。本部分研究的目的是在重症病人中，联合应用多个常规的临床变量构建脓毒症早期预警模型(EPMMS)。
　　方法:
　　在9个大学附属医院的重症监护室(ICU)中，我们开展病例对照研究，以脓毒症患者为病例组，非脓毒症患者为对照组。在其中8个ICU中，我们共纳入573个病例，构成人群1;而在第9个ICU中纳入200个病例，构成人群2。收集上述所有重症患者入科时的临床数据。在人群1中，采用多变量Logistic回归的分析方法建立预警模型，并用ROC(Receiver operation characteristic)曲线下面积(AUC)来评价模型的分辨能力，用Hosmer-Lemeshow试验来评价模型拟合优度。而后，在人群2中采用历史性队列研究的方法，对模型进行验证。
　　结果:
　　在人群1中，经协变量校正后，EPMMS模型显示中性粒细胞-淋巴细胞比值(NLR)，C反应蛋白(CRP)水平（OR=1.013，95％ CI1.009-1.017，P＜0.001）及急性生理与慢性健康(APACHE)评分Ⅱ（OR=1.339，95％ CI1.120-1.1601，P=0.001）是脓毒症发生的三个独立危险因素。Hosmer-Lemeshow试验（x2=5.886，P=0.660）显示模型拟合优良;同时，模型具有良好的区分脓毒症与非脓毒症的能力(AUC0.801，95％CI:0.764-0.837)。将EPMMS模型在人群2中验证结果显示，EPMMS的预警能力良好(脓毒症-1: AUC0.846，95％ CI0.792-0.900;脓毒症-3: AUC0.848，95％CI0.794-0.901)。EPMMS评分=0.292×（ln APACHEⅡ评分）+0.023×(ln NLR)+0.013×（ln CRP，mg/ml），ln代表自然对数。依据EPMMS评分将人群1划分的4个危险等级，随着危险等级升高，脓毒症-1/-3的发生率（中、高及极高风险组发生脓毒症的概率分别是低风险组2.468/3.369、3.544/5.514及6.991/11.515倍）与患者的死亡率（中、高及极高风险组发生脓毒症的概率分别是低风险组3.450，12.267及15.300倍）均随之升高。
　　结论:
　　包含NLR、CRP及APACHEⅡ评分的EPMMS模型能够早期准确预警ICU内重症患者的脓毒症;EPMMS评分，即0.292×（ln APACHEⅡ评分）+0.023×(lnNLR)+0.013×(ln CRP，mg/ml)，对重症患者28天死亡率也有一定预测能力。
　　第三部分 亮氨酸拉链基序ATF样转录因子(BATF)联合多变量改良EPMMS模型及其应用
　　目的:
　　前期研究“重症患者脓毒症EPMMS模型的构建”中构建的EPMMS模型具有较好地识别重症患者中脓毒症的能力，但纳入指标均基于常规临床数据。鉴于脓毒症病理生理过程仍未完全阐明，引入新的候选指标有望进一步提高模型的预警效能。既往Timothy等通过生物信息学研究方法发现，11个基因在早期重症感染与非感染性炎症患者之间的表达存在显著性差异。本部分研究拟以其中表达显著升高的6个基因作为候选生物学标志物进行筛选，并与前期的EPMMS模型联合，以进一步优化脓毒症预警模型。而后，将改良的EPMMS模型在重症患者人群中进行应用，验证其预测脓毒症的能力。
　　方法:
　　本项研究在浙江大学医学院附属第一医院重症监护室(ICU)及急诊重症监护室(EICU)中开展，共纳入166例重症患者，分为人群1（32人）、人群2(75人)和人群3（61人）。人群1用于验证生物学标志物在脓毒症与非脓毒症白细胞中表达的差异。人群2用于改良EPMMS模型，即在EPMMS模型中加入有差异表达的生物学标志物，以logistic回归进行筛选，并采用Hosmer-Lemeshow试验来评价改良模型的拟合优度、采用AUC评价改良模型对脓毒症的分辨能力。最后，在人群3中进一步验证改良EPMMS模型的脓毒症预测能力。
　　结果:
　　各生物标志物在人群1中的表达结果显示，癌胚抗原相关细胞粘附分子1(CEACAM1)(P=0.010)与亮氨酸拉链基序ATF样转录因子（BATF)（P=0.024）mRNA在脓毒症与非脓毒症重症病人中表达存在显著性差异。而在人群2中，单因素分析结果显示，BATF(P＜0.001)mRNA在脓毒症与非脓毒症重症病人中表达存在显著性差异，而CEACAM1 mRNA在脓毒症与非脓毒症重症病人中表达差异不显著。故在单因素分析后，将BATF变量纳入logistic回归模型。多变量分析显示，急性生理和慢性健康评估(APACHE)Ⅱ评分、中性粒细胞-淋巴细胞比值(NLR)、C反应蛋白(CRP)水平水平及BATF表达水平是脓毒症发生的危险因素。Hosmer-Lemeshow检验结果显示改良的EPMMS模型具有良好的拟合优度（x2=11.077，P=0.197）。同原EPMMS模型相比，加入生物学标志物BATF后的改良EPMMS模型区分脓毒症与非脓毒症的能力有所提高。在人群3中，改良EPMMS模型显示了良好的区分脓毒症与非脓毒症的能力，并且其预测危险等级的增加与脓毒症发病率增加的趋势相关。
　　结论:
　　在6个候选基因中，BATF在脓毒症与非脓毒症病人血白细胞中表达存在显著性差异，是重症患者脓毒症发生的独立危险因素。包含BATF、NLR、CRP水平及APACHEⅡ评分的改良EPMMS模型提高了脓毒症预警能力，并且，能够通过危险分层预测重症患者脓毒症发生的风险程度。

目录

声明

致谢

摘要

中英文缩略词对照表

引言

参考文献

第一部分 重症患者抗生素使用现状调查

1 材料与方法

1．1 研究设计与背景

1．2 研究对象

1．3 定义与临床标准

1．4 数据收集

1．5 数据统计

2 结果

2．1 病人的基本情况

2．2 重症病例抗生素使用与抗生素耐药的特征

3 讨论

4 小结

参考文献

第二部分 重症患者脓毒症多变量早期预警模型(EPMMS)的构建

1 材料与方法

1．1 病人的入选与排除标准

1．2 感染与脓毒症患者的评价

1．3 数据收集

1．4 实验室指标检查

1．5 统计分析

2 结果

2．1 人群1病人基本特征

2．2 脓毒症-1预警模型构建与验证

2．3 EPMMS模型在人群2中的验证

2．4 EPMMS模型评分的应用

3 讨论

4 小结

参考文献

第三部分 亮氨酸拉链基序ATF样转录因子(BATF)联合多变量改良EPMMS模型及其应用

1 材料与方法

2．2 研究对象

2．3 感染患者的评价

2．4 标本采集及实验室检查

2．5 荧光定量PCR

2．6 临床数据收集

2．7 统计分析

2 结果

2．1 人群1病例基本特征

2．2 生物学标志物在重症人群1中的表达

2．3 人群2与3的基本情况

2．4 BATF联合多因素改良EPMMS模型

2．5 改良的EPMMS模型在人群3中应用

3 讨论

4 小结

参考文献

全文结论

脓毒症的诊断与抗生素治疗

作者简历及在学期间所取得的科研成果