Page 119 - 《南京医科大学学报（自然科学版）》2026年第3期

第46卷第3期 杨 洋，朱 轶，吴 昊. 基于列线图的 VA⁃ECMO 患者临床死亡风险预测模型构建［J］.
2026年3月 南京医科大学学报（自然科学版），2026，46（3）：425-434 ·427 ·

nal replacement therapy，CRRT）、机械通气（mechani⁃ cTnT、CK、CK⁃MB、sST⁃2、WBC、ALB、输注红细胞、血
cal ventilation）和主动脉球囊反搏（intra⁃aortic bal⁃ 小板输注量等11个变量在ECMO存活和死亡患者中
loon pump，IABP）辅助。实验室检查及生命体征纳 差异有统计学意义（P < 0.05，表1、2）。
入上机期间12 h内最差的实验数据。 2.2 多因素 Cox 回归分析及基于 Nomogram 的预测
ECMO 的启动和管理细节遵循《体外生命支持 模型构建
［6］
组织（ELSO）指南》 。股动脉、股静脉是外周插管 在单因素分析基础上，为筛选与院内全因死亡
的首选，插管方式以超声引导下经皮穿刺法首选， 风险相关的基线临床因素并构建具有临床可操作
穿刺困难者切开置管。ECMO 初始血流量为 50~ 性的预测模型，采用LASSO回归对候选变量进行筛
70 mL/（kg·min），根据患者血气和血流动力学参数 选，以减少多重共线性并降低过拟合风险。随后，

调整。VA⁃ECMO 根据有无活动性出血调整 APTT 将LASSO回归筛选出的变量纳入多因素Cox比例风
和 ACT：无活动性出血 ACT 160~180 s、APTT 45~60 险回归模型，构建院内死亡风险预测模型。
s；有活动性出血ACT 130~160 s、APTT 40~50 s。在心 多因素 Cox 回归分析结果显示，cTnT、sST2、
脏功能改善并维持稳定血流动力学的情况下，可逐 Hb、PT、血钠水平及 ALT 与院内死亡风险显著相关
步进行撤机试验并评估拔管时机。 （P < 0.05）。WBC及ALB在模型中呈边缘统计学意

1.3 统计学方法 义。以上 8 个指标被纳入最终预测模型（表 3）。关
采用 R 语言 4.4.3 软件包对数据进行统计分 于 WBC 与 ALB 在多因素分析中未达到统计学显著
析。定性资料采用频数和构成比进行描述；符合正 但仍纳入列线图，本研究构建的是预后预测模型，
态分布的定量资料以均数±标准差（x ± s）表示；不符 其主要目标是提高模型整体预测性能，而非解释单
合正态分布的定量资料以中位数（四分位数）［M 个变量的独立因果效应。因此，在变量筛选阶段采
（P25，P75）］表示。以上机时间为随访起点，随访至出 用LASSO回归方法，通过交叉验证选择最佳惩罚参
院或死亡（以先发生者为准），以院内全因死亡为终 数，以最小化预测误差并优化模型的整体判别能
点事件。本研究主要终点为院内全因死亡。28 d仅 力。在预测模型构建中，变量的保留依据其对模型
作为时间依赖受试者工作特征（receiver operating 整体性能（如 C⁃index、校准度）的贡献，而非单一变
characteristic，ROC）曲线分析的固定时间节点，用于 量的 P 值显著性。既往研究亦指出，在预测模型中
评价模型在短期时间窗口内的区分能力，并不代表 即使部分变量未达到传统统计学显著性标准，只要
终点定义的改变。本研究结局变量为时间⁃事件数 能够改善模型的整体预测能力，仍可予以保留 。
［7］
据，包含随访时间及删失信息（部分患者在随访期 此外，WBC 与 ALB 分别反映炎症反应及炎症/营养
内未发生死亡事件），因此采用生存分析方法进行 状态，在重症及 ECMO 患者预后评估中具有明确的
统计建模。基于时间⁃事件数据特征，采用 Cox 比例 生物学合理性。因此综合统计学方法与临床意义，
风险回归模型分析各因素与院内死亡风险之间的 本研究最终将其纳入列线图模型。上述变量从心肌
关联。采用LASSO回归筛选预测变量，构建多因素 损伤、炎症反应、凝血功能、血液携氧能力及内环境紊
Cox 回归模型。基于最终模型构建列线图，用于预 乱等多个病理生理层面反映了AMI合并心源性休克
测患者院内生存率。通过一致性指数（C⁃index）及时 并接受VA⁃ECMO支持患者的疾病严重程度。
间依赖 ROC 曲线下面积（area under the curve，AUC） 在模型构建过程中，LASSO 回归在最小标准误
评价模型区分度，采用校准曲线评估模型校准度， 时对应的最简模型包含 10 个候选变量，为 cTnT、
并通过临床决策曲线分析（decision curve analysis， sST2、WBC、Hb、PT、APTT、INR、血钠、ALT 及 ALB
DCA）评价模型的临床实用价值。P < 0.05 为差异 （图1、2）。在此基础上，经多因素Cox回归分析进一
有统计学意义。 步筛选变量，并综合考虑临床可获得性、指标稳定
性及预测时点的一致性，最终纳入 8 个基线变量构
2 结 果
建列线图预测模型，分别为 cTnT、sST2、WBC、Hb、
2.1 影响患者死亡的单因素分析 PT、血钠、ALT 及 ALB。尽管 APTT 和 INR 在 LASSO
本组患者存活 62 例，死亡 100 例，最小运转天 筛选及初步多因素分析中具有统计学意义，但两者
数为1 d，最大运转天数为43 d，中位运转天数为5（3， 易受抗凝策略及检测时点影响，且与PT存在一定共
8）d。单因素分析结果显示，高血压、糖尿病、吸烟史、 线性。为提高模型稳定性、临床可解释性及简洁