摘要

目的 分析重症患者新发心房颤动（NOAF）的影响因素，并构建其风险预测列线图模型。方法 回顾性选取2018—2020年南京中医药大学附属医院重症医学科收治的重症患者287例为研究对象。收集患者临床资料，采用单因素、多因素Logistic回归分析探讨重症患者NOAF的影响因素；基于赤池信息量准则（AIC）最小原则，采用向后逐步回归分析筛选变量，然后构建重症患者NOAF的风险预测列线图模型；采用Bootstrap法重复抽样500次对该列线图模型进行内部验证；采用受试者工作特征（ROC）曲线评价该列线图模型的区分度，并运用Bootstrap法重复抽样500次对ROC曲线进行内部验证；采用Hosmer-Lemeshow拟合优度检验评价该列线图模型的校准度并绘制校准曲线；采用决策曲线及临床影响曲线评价该列线图模型的临床适用性。结果 多因素Logistic回归分析结果显示，年龄及入院时心率（HR）、活化部分凝血活酶时间（APTT）、肌酸激酶同工酶（CK-MB）是重症患者NOAF的独立影响因素（P<0.05）。向后逐步回归分析结果显示，当AIC=302.24时，模型拟合最好，最终筛选出6个变量，分别为年龄及入院时急性生理学和慢性健康状况评价Ⅱ（APACHE Ⅱ）评分、HR、APTT、CK-MB、脑钠肽（BNP）。基于上述6个变量构建重症患者NOAF的风险预测列线图模型。采用Bootstrap法重复抽样500次对该列线图模型进行内部验证，结果显示，κ值为0.121，准确率为0.736。ROC曲线分析结果显示，该列线图模型预测重症患者NOAF的AUC为0.730〔95%CI（0.666～0.793）〕。采用Bootstrap法重复抽样500次对ROC曲线进行内部验证，结果显示，该列线图模型预测重症患者NOAF的AUC为0.707，ROC标准差=0.100，敏感度标准差=0.056，特异度标准差=0.135。Hosmer-Lemeshow拟合优度检验结果显示，该列线图模型的拟合程度较好（χ2=0.467，P=0.792）。决策曲线分析结果显示，当阈值概率为4%～60%时，该列线图模型的临床净获益>0。临床影响曲线分析结果显示，当阈值概率>60%时，该列线图模型的预测结果和实际发生情况高度匹配。结论 年龄及入院时HR、APTT、CK-MB是重症患者NOAF的独立影响因素。本研究基于年龄及入院时APACHE Ⅱ评分、HR、APTT、CK-MB、BNP构建的重症患者NOAF的风险预测列线图模型具有较好的稳定性、校准度、临床适用性及一定区分度。

关键词