重癥中暑患者預后危險因素Logistic回歸分析初探.pdf

1、目的：探討影響重癥中暑(severe heat stroke)患者預后的高危因素，建立重癥中暑患者預后的預測模型。
　　 方法：回顧性分析2008年6月至2011年8月期間入住南昌大學第一附屬醫(yī)院急診科觀察室30例重癥中暑患者，根據(jù)病人轉歸分為死亡組10例和存活組20例。分別對兩組病例臨床資料進行單因素分析和多因素Logistic分析。納入研究的因素有：年齡，性別，基礎病、體溫(T)、脈搏(P)、呼吸頻率(R)、是否休克、白細胞

2、計數(shù)(WBC)、血小板計數(shù)(PLT)、紅細胞壓積(HCT)、丙氨酸轉氨酶(ALT)、丙草酸轉氨酶(AST)、血糖(GLU)、肌酐(SCR)、尿素氮(BUN)、肌酸激酶(CK)、肌酸激酶同工酶(CK.MB)、血鈉(Na)、血鉀(K)、凝血酶原時間(PT)、部分凝血活酶時間(APTT)、D二聚體(D-Dimer)、3P試驗，動脈血酸堿度(PH)，動脈血二氧化碳分壓(PCO2)、動脈血氧分壓(PO2)、動脈血碳酸氫根含量(HCO3-)、格拉斯

3、哥評分(GCS)、急性生理學和慢性健康狀況評分(APACHEⅡ)。建立預測重癥中暑患者死亡的預測模型，并據(jù)此描繪受試者工作特征曲線(the receiver operating characteristic curve，ROC曲線)，求出ROC曲線下面積(area under the ROC curve，AUC)。比較預測模型與GCS評分和APACHEⅡ評分在判斷重癥中暑患者預后的價值。最后將本研究的病例資料代入Logistic方程，進

4、一步驗證預測模型的判斷能力，應用SPSS17.0和MEDCALC9.2軟件進行統(tǒng)計分析。
　　 結果：單因素分析顯示：在納入研究的29個因素中，存活組20例是與死亡組10例比較，基礎病、呼吸頻率、PLT、AST、CK-Mb、PT、APTT、PH、HCO3-、GCS評分、APACHEⅡ評分差異有統(tǒng)計學意義(P<0.05)，兩組間其余因素比較無統(tǒng)計學差異(P>0.05)。多因素Logistic回歸分析顯示：AST和PH是影響重癥中暑

5、患者預后的獨立危險因素。Logistic回歸方程(即預測模型)為：Y=78.821+0.007×AST-11.17×PH。預測模型具有統(tǒng)計學意義(<0.001)，據(jù)此描繪的ROC曲線，ROC曲線下面積AUC=0.935±0.057，95％可信區(qū)間為0.781至0.990，截斷點為0.2684。預測模型判斷重癥中暑患者死亡的敏感度為90％，特異度為85％。與GCS評分和APACHEⅡ評分比較，預測模型的AUC大于GCS評分和APACHEⅡ

6、評分AUC，差異有統(tǒng)計學意義(P<0.05)，預測模型的敏感度高于GCS評分，和APACHEⅡ評分相同，特異度高于APACHEⅡ評分，略低GCS評分。
　　 結論：是伴有基礎病、呼吸頻率、PLT、AST、CK-Mb、PT、APTT、PH、HCO3-、GCS評分、APACHEⅡ評分對于判斷重癥中暑患者預后有一定幫助。其中AST和PH是重癥中暑患者死亡相關的獨立危險因素。建立的預測模型有較高的靈敏度和特異度，價值高于GCS評分和AP