基于急性胰腺炎数据库研究急性胰腺炎病情严重程度及感染性胰腺坏死的早期预测方法

摘要

背景与目的：　　急性胰腺炎(AP)是一个世界范围内高发病率和死亡率的常见疾病，其中重症急性胰腺炎(SAP)死亡率达36%-50%。研究显示器官功能衰竭和感染性胰腺坏死(IPN)是决定死亡的主要因素，早期评估患者的病情严重度及IPN的发生，以指导积极地早期治疗是改善患者预后、降低病死率的关键。2012年新修订的亚特兰大分类标准（简称新亚特兰大标准）将AP的严重程度分为三级：轻度AP(MAP)、中度AP (MSAP)和重度AP (SAP)，但未推荐APACHE Ⅱ等多因素评分系统或生物学指标用于MSAP或SAP的早期预测。本研究目的通过建立大样本的AP数据库，找出预测MSAP、SAP和死亡风险的最佳评分系统或生物学指标，并基于数据库筛选出与IPN发生的相关因素，建立早期预测IPN的多因素评分系统。　　方法：　　（一）急性胰腺炎数据库的建立　　1．AP数据库的收集内容及标准参照国内外最新的AP诊治共识和指南，经我院消化内科专家讨论后制定；　　2．采用Epi Info 7软件设计AP数据库，包括设计住院和门诊随访的资料的输入页面，设计自动计算功能，然后连续性地收集AP住院患者数据。　　（二）比较多因素评分系统及生物学指标在早期预测急性胰腺炎病情严重程度的价值　　1．从建立的AP数据库中选取年龄在18岁至85岁，发病3天以内入院AP患者作为研究对象，分别按1992年亚特兰大分类标准（简称旧亚特兰大标准）和新亚特兰大分类标准对病情严重程度进行分级；将住院期间死亡或病重自动出院的患者界定为有死亡风险患者。　　2．将多因素评分系统和生物学指标在MAP、MSAP和SAP三组间进行显著性检验，再以受试者操作特征(ROC)曲线比较它们预测病情严重度和死亡风险的准确性。　　（三）多分类Logistic回归和决策树建立预测感染性胰腺坏死的多因素评分系统　　1．从建立的AP数据库选取年龄在18～85岁、发病3天内入院患者作为研究对象，按新亚特兰大分类标准分为3组：无胰腺坏死(NPN)组、无菌性胰腺坏死(SPN)组和感染性胰腺坏死(IPN)组。　　2．从临床资料中选取可能与IPN相关的变量，进行NPN、SPN和IPN组间临床变量的显著性检验，从中挑选有统计学差异的变量作为多分类Logistic回归和决策树分析的自变量，定义属性、编码并设置哑变量。　　3．将入选的研究对象随机分为建模库(占60%)和验证库(占40%)，以NPN、SPN和IPN作为因变量，通过平行线检验选择有序或无序多分类Logistic回归分析，以逐步回归法筛选与IPN密切相关的自变量建立多分类Logistic回归模型；以CHAID为生长法进行决策树分析筛选自变量并建立CHAID模型。　　4．根据多分类Logistic回归筛选的变量的权重系数和变量类型建立预测IPN的多因素评分系统，基于决策树模型筛选的变量建立预测IPN的多因素评分系统，通过计算ROC曲线下面积(AUC)来比较两种多因素评分系统预测IPN的准确性。　　结果：　　（一）急性胰腺炎数据库的建立　　1．建立的AP数据库收集了269项指标，包括基本信息、病史资料、体格检查、实验室检查、影像学检查、内科治疗、干预措施、并发症、病情评估与预后和出院随访资料。已连续性收集了2011年1月1日到2012年12月31日入住南昌大学第一附属医院的1087例AP患者数据。　　2．AP数据库实现了多项创新性功能，包括自动检查错误数据、自动计算数据、自动评分、自动诊断短暂性和持续性器官功能衰竭，自动诊断MAP、MSAP和SAP。此外，它还具有数据查询、数据导入与交换、数据统计分析等功能。　　（二）比较多因素评分系统及单因素生物学指标在早期预测急性胰腺炎病情严重程度的价值　　1．从AP数据库中选取的708例患者，按旧亚特兰大AP分类标准诊断MAP278例(39.26%)，SAP 430例(60.74%)；按照新亚特兰大分类标准诊断MAP 215例(30.23%)，MSAP 324例(45.90%)和SAP 169例(23.87%)；死亡或病重自动出院的患者41例(5.79%)， 新亚特兰大分类标准诊断的SAP患者其死亡风险显著高于MSAP患者（17.16%比3.7%，P＜0.001）。　　2．ROC曲线分析显示，各种多因素评分系统(APACHEⅡ评分、Ranson标准、BISAP评分)，CTSI和生物学指标(HCT、BUN、Cr、CRP和PCT)对于MSAP无预测价值，AUC在0.448～0.615之间。　　3．ROC曲线分析显示，多因素评分系统、CTSI对于新亚特兰大标准诊断的SAP均有早期预测价值。在入院第1天和第2天，APACHEⅡ评分预测SAP的AUC分别为0.752和0.772; BISAP评分预测SAP的AUC分别为0.715和0.736;Ranson标准、CTSI和CRP在入院第2天预测SAP的AUC分别为0.718、0.654和0.707;其它生物学指标预测SAP的AUC均低于0.7。　　4．ROC曲线分析显示，入院第1天APACHEⅡ评分、BISAP评分、HCT、BUN和Cr预测死亡风险的AUC分别为0.893、0.818、0.559、0.875和0.844，入院第2天APACHEⅡ评分、Ranson标准、BISAP评分、BUN、Cr、CRP和PCT预测死亡风险的AUC分别为0.864、0.723、0.755、0.904、0.853、0.628和0.726,入院第3天内CTSI预测死亡风险的AUC为0.478。　　（三）多分类Logistic回归和决策树建立预测感染性胰腺坏死的多因素评分系统　　1．从AP数据库中选取的708例患者中，NPN患者521例(73.6%)，SPN患者127例(17.9%)，IPN患者60例(8.5%)。其中合并SPN的死亡风险为9.45%，合并IPN患者的死亡风险达20.00%，经行×列卡方检验差异有统计学意义(P＜0.001)。　　2．多分类Logistic回归分析筛选出呼吸次数、体温、吸烟史、CTSI、NEU、Cr和PCT共7个预测IPN的变量，OR值分别为5.898、2.563、4.464、3.243、3.116、2.83和5.456。基于多分类Logistic回归模型建立了多因素评分系统，ROC曲线分析其预测IPN的AUC为0.947，截断值取9分的敏感性为95.09%，特异性为79.8%。　　3．决策树选出CTSI、PCT和NEU_个预测变量，其中CTSI分节点的界值为3分（卡方值=145.78，P＜0.001），PCT分节点的界值为0.5ng/ml(卡方值=29.325，P＜0.001)，NEU分节点的界值为85%(卡方值=12.229，P=0.001）。基于决策树CHAID模型建立了多因素评分系统，ROC曲线分析其预测IPN的AUC为0.869，截断值取3分的敏感性为85.71%，特异性为69.14%。　　4．ROC曲线分析显示，Logistic多因素评分系统预测IPN的准确性最高(AUC=0.945)，决策树多因素评分系统和PCT均有很高的准确性（AUC分别为0.869和0.864），但低于Logistic多因素评分系统； CTSI和APACHEⅡ评分预测IPN的AUC分别为0.756和0.690。　　结论：　　1．利用Epi info 7软件成功建立了AP数据库，创新性地设计了自动检查错误数据、自动计算、自动评分、自动诊断等功能，使用简单、界面友好、成本低廉，在临床和科研中有很高的应用价值。　　2．基于AP数据库的患者数据分析显示，各种多因素评分系统（如APACHEⅡ、BISAP等）和生物学指标（如CRP、BUN）对MSAP都无预测价值，只对SAP和死亡风险有预测价值；其中APACHE Ⅱ评分的预测SAP和死亡风险的准确性最高，BUN和Cr对于死亡风险的预测准确性也很高。　　3．基于AP数据库进行多分类Logistic回归和决策树分析，分别建立了早期预测IPN的Logistic多因素评分系统和决策树多因素评分系统，其中Logistic多因素评分系统预测IPN的准确性最高，它对于指导SAP患者的抗生素使用和干预治疗具有临床应用价值。

目录

第一个书签之前