Page 121 - 南京医科大学自然版
P. 121

第45卷第12期            张晓敏,张忠满,朱 轶,等. 发热伴血小板减少综合征患者脏器损伤特征研究[J].
                 2025年12月                    南京医科大学学报(自然科学版),2025,45(12):1799-1804                      ·1803 ·


                          A
                                               0    10   20   30    40   50   60   70    80   90   100
                            Points
                                                                     1
                            Heart
                                               0          1
                            Liver
                                               0                           1
                            Pancreas
                                               0                                                    1
                            Kidney
                                               0                                     1
                            Lung
                                               0                            1
                            Brain
                                               0
                            Total points
                                               0     50    100    150   200    250    300   350    400
                            Risk of death
                                                0.01      0.05  0.10  0.20  0.30  0.40  0.50  0.60  0.70  0.80  0.90  0.95
                            B                                        C
                                        Bootstrap ROC curve
                                1.0                                      1.0  Dxy  0.875
                                                                            C(ROC) 0.937
                                                                            R2   0.604
                                                                            D    0.471
                                0.8                                         U Q Brier  -0.007
                                                                                 0.478
                               True positive rate  0.6                  Actual probability 0.8  Slope  1.000
                                                                                 0.081
                                                                            Intercept 0.000
                                                                         0.6
                                                                                 0.126
                                                                            Emax
                                                                                 0.077
                                                                            E90
                                                                            Eavg
                                                                                 0.029
                                                                            S:z
                                                                                 0.522
                                                                         0.4
                                0.4
                                                                                 0.602
                                                                            S:p
                                0.2                                      0.2           Ideal
                                           Bootstrap ROC                               Logistic calibration
                                                                                       Nonparametric
                                           Logistic model
                                 0                                        0
                                  1.0  0.8  0.6  0.4  0.2  0.0              1.0  0.8  0.6  0.4  0.2  0.0
                                         False positive rate                     Predicted probability
                   A:The nomogram for predicting in⁃hospital mortality in patients with SFTS. B:The AUC of model and the internal validation using the bootstrap
                method(resampling=1 000). C:The calibration curve of the predictive model.
                                       图2 基于SFTS患者脏器损伤评估的出院转归预测列线图及评价
                   Figure 2 Discharge outcome prediction nomogram and evaluation based on organ injury assessment of SFTS patients
                伤的发生总是伴随着心肌损伤,因此,肾损伤可能                            算出患者死亡风险。SFTS患者大多合并脏器损伤,
                是严重心肌损伤后心源性休克的并发表现。                               年龄增加和胰腺、肾、肺、脑损伤增加SFTS患者的死
                    本研究尚存一定不足:①由于回顾性质的研究                          亡风险。基于脏器损伤的出院转归预测列线图具
                特征,部分数据难以获取,本研究未对 SFTS 患者血                        有良好的临床应用价值。
                液系统损伤,特别是未对并发噬血细胞性淋巴组织                                利益冲突声明:
                细胞增生症进行分析。SFTS 相关脑炎目前缺乏统                              全体作者声明没有利益冲突。
                一明确的诊断标准,本研究中主要参照《重症发热                                Conflict of Interests:
                伴血小板减少综合征诊治专家共识》中的相关描述                                All the authors declared no conflicts of interest.
                                                                      作者贡献声明:
                进行诊断;②本研究虽行 Bootstrap 内部验证,但仍
                                                                      张晓敏负责课题设计、论文撰写;张忠满负责收集数据
                需要开展多中心研究以验证列线图在外部队列中                             和统计分析;朱轶负责图表制作和数据收集;武澎负责课题
                的表现;③由于样本量限制,本研究未对脏器损伤                            设计、论文审阅。
                严重程度进行分级。④本研究的核心在于揭示                                  Author’s Contributions:
                SFTS 患者脏器损伤的特征,对多因素 Logistic 回归                       ZHANG Xiaomin was responsible for research design and
                分析提示年龄为独立危险因素尚未进一步分析,而                            draft writing;ZHANG Zhongman was responsible for data collec⁃
                年龄与脏器损伤的潜在交互作用值得后续研究(如                            tion and analysis;ZHU Yi was responsible for plotting and col⁃
                年龄分层分析或机制探索)深入解析。本研究的特                            lecting clinical data;WU Peng was responsible for research de⁃
                                                                  sign and draft reviewing.
                色之一是基于脏器损伤评估构建出院转归预测列
                线图,结果稳定且区分度优异,评分简单易行,临床                          [参考文献]
                工作者仅需对 SFTS 患者脏器损伤进行评估即可计                        [1] CASEL M A,PARK S J,CHOI Y K. Severe fever with
   116   117   118   119   120   121   122   123   124   125   126