引用本文： 路朋宇, 韋玉山, 黃偉. 細菌性血行性感染的膿毒癥患者預后影響因素分析及預測模型建立. 中國呼吸與危重監護雜志, 2023, 22(7): 470-475. doi: 10.7507/1671-6205.202305005 復制
膿毒癥是一種以宿主對感染反應失調為特征的異質性綜合征，現已成為嚴重的公共衛生問題，并產生了嚴重的經濟負擔[1]。膿毒癥的病因以感染為主，其中血行性感染的危害性最大。血行性感染占社區獲得性和醫院獲得性膿毒癥和感染性休克病例的40%，約占重癥監護室（intensive care unit，ICU）獲得性感染病例的20%；并與不良預后相關，特別是初始抗菌治療選擇不當或感染源控制推遲時[2]。正因為血行感染膿毒癥患者治療難度較大，且預后結局不佳，因此有效判斷其預后成為臨床重要的課題。近兩年來已有不同的預測模型用于預測ICU獲得性感染膿毒癥患者、膿毒癥性休克的急性腎損傷患者、ICU內急性呼吸衰竭膿毒癥患者、ICU內膿毒癥和肺部感染患者的預后[3-6]，但對細菌性血行性感染膿毒癥患者的預測模型報道較少。本研究通過對單中心數據的回顧性分析，嘗試從臨床常用指標中篩選并確定與細菌性血行性感染的膿毒癥患者死亡相關的獨立危險因素并建立預測模型，為臨床提供指導，現將初步結果報告如下。
1 資料與方法
1.1 臨床資料
收集大連醫科大學附屬第一醫院電子病案系統數據庫2018年1月1日—2019年12月31日成人血培養陽性膿毒癥患者入院48 h內的相關指標，包括人口學特征、生命體征、實驗室檢驗數據等。納入標準：（1）符合膿毒癥3.0國際標準[7]；（2）年齡≥18歲的住院患者；（3）一般血（含導管尖端）培養陽性；（4）住院時間≥48 h。排除標準：（1）各種原因放棄治療或退院者；（2）入院前一般血培養陽性者；（3）非正常死亡患者（如自殺）。本研究已通過醫院倫理委員會審批（PJ-KS-KY-2022-279）。
1.2 方法
收集患者年齡、性別。患者入院后48 h內生命體征數據：體溫、平均動脈壓（mean arterial pressure，MAP）、心率、呼吸頻率（respiratory rate，RR）、脈搏血氧飽和度（pulse oxygen saturation，SpO2）；常用且數據完整的實驗室檢驗指標包括：血紅蛋白（hemoglobin，Hb）、紅細胞比容（hematocrit，HT）、白細胞計數（white blood cell count，WBC）、血小板計數（platelet count，Plt）、纖維蛋白原（fibrinogen，Fib）、D-二聚體（D-dimmer，D-D）、纖維蛋白原降解產物（fibrinogen degradation products，FDP）、血清鉀離子（K+）、血清氯離子（Cl–）、血清鈣離子（Ca2+）、血清磷（P）、血清鎂離子（Mg2+）、血清球蛋白（globulin，Glo）、總膽紅素（total bilirubin，TBIL）、谷草轉氨酶（aspartate transaminase，AST）、谷丙轉氨酶（alaninetransaminase，ALT）、血清白蛋白（albumin，Alb）、血培養病原體種類、器官衰竭數量及序貫臟器衰竭評分（sequential organ failure assessment，SOFA）。根據患者出院時的結局分為存活組和死亡組。觀察組間相關獨立危險因素。
1.3 統計學方法
采用SPSS 25.0軟件對數據進行分析，分類變量以例數或百分比表示，組間比較采用χ2檢驗。連續變量以中位數（四分位數）［M（P25，P75）］表示，組間比較采用Mann-Whitney U檢驗。首先采用單因素組間比較篩選具備統計學差異的危險因子，隨后納入多因素Logistic回歸（后退法）分析以確定納入模型的預后危險因素，以P<0.05為差異有統計學意義。將確定的危險因素經多因素Logistic回歸（進入法）分析，確立預測模型并繪制受試者操作特征（receiver operator characteristic，ROC）曲線，以ROC曲線下面積（area under the ROC curve，AUC）代表模型的總體預測效能。模型的準確性判別則采用自舉重采樣（bootstrap-resampling）方法，通過R語言軟件進行內部驗證，并繪制列線圖，同時以平均絕對誤差（mean absolute error，MAE）和均方誤差（mean squared error，MSE）衡量模型準確性（MAE與MSE值越小代表模型準確性越佳）。
2 結果
2.1 一般情況
共檢索到1189例患者，最終符合條件且數據完整而納入研究的患者為563例（圖1），其中男351例（62.3%），女212例（37.7%），平均年齡65.8（57.0，77.0）歲；398例（70.6%）患者存活，165例（29.4%）患者死亡。感染病原體類型為革蘭染色陽性者301例，其中存活組220例（55.3%），死亡組81例（49.1%）；革蘭染色陰性者262例，存活組178例（44.7%），死亡組84例（50.9%）。
圖1
患者篩查流程
2.2 存活組與死亡組的組間比較
存活組與死亡組之間的單因素比較提示，兩組年齡存在顯著性差異（P=0.000），但性別比較未見顯著差異（P=0.121））。基礎生命體征比較，體溫、MAP、心率、RR與SpO2等指標存在顯著差異（P<0.05）。SOFA評分兩組比較存在顯著差異（P=0.000）。實驗室指標方面，兩組間病原體種類未見顯著差異。其他實驗室指標，如Hb、HT、WBC、Plt、Fib、D-D、FDP、K+、Cl–、Ca2+、P、Mg2+、Glo、TBIL、AST、ALT和Alb均有顯著差異（P<0.05）。組間比較合并器官功能衰竭數量差異有統計學意義（P =0.000）。結果見表1。
表1
血行性感染膿毒癥患者預后組間單因素分析［例（%）/M（P25，P75）］
2.3 細菌性血行性感染膿毒癥患者預后影響因素Logistic回歸分析
采用多因素Iogistic回歸分析（后退法）對表1中具有顯著統計學意義的變量進行分析，共篩選出年齡、心率、Plt、Fib、K+、Cl–、AST、Glo共8個差異有統計學意義的獨立危險因素，結果見表2。
表2
細菌性血行感染膿毒癥患者預后影響因素Logistic回歸分析（后退法）
2.4 預后模型的建立
繼續使用Logistic回歸分析（進入法）將上一步8個獨立危險因素及其他有臨床參考價值的指標納入Logistic回歸模型進行分析，共有年齡、心率、Plt、Fib、K+、Cl–、 AST、Glo、MAP共9指標納入模型，并保存該模型概率值，結果見表3。MAP盡管在組間比較中差異有統計學意義，但在Logistic回歸（后退法）中差異未顯示出統計學意義而未成為死亡的獨立危險因素，而既往大量研究表明MAP與膿毒癥患者預后有直接關系。而血清Cl–的P值處于臨界值，在模型中有很大可能性與患者預后相關，因此本研究繼續將MAP和Cl–納入預測模型，以進一步評價兩者的價值。使用納入9個獨立危險因素的Logistic回歸模型的概率值繪制ROC曲線，Logistic回歸模型預測效能良好，其AUC為0.779（95%CI 0.737～0.821）。結果見圖2。
表3
細菌性血行感染膿毒癥患者預后影響因素logistic回歸分析（進入法）
圖2
Logistic回歸模型的概率值繪制ROC曲線
2.5 細菌性血行性感染膿毒癥患者預后預測模型的內部驗證和列線圖
使用R語言程序通過內部驗證法對該模型的準確性進行驗證。MAE=0.011，MSE=0.00018，結果見圖3。該模型列線圖結果顯示在總分210～320區間，預測效能良好，結果見圖4。
圖3
細菌性血行性感染膿毒癥患者預后預測模型內部驗證
圖4
細菌性血行性感染膿毒癥患者預測模型列線圖
3 討論
膿毒癥是一種以宿主對感染反應失調為特征的異質性綜合征，其中細菌性血行性感染膿毒癥更是嚴重威脅患者的生命，是感染性疾病中致死率最高的病種之一，并造成顯著的經濟和精神負擔。如何評估細菌性血行性感染膿毒癥患者的預后始終是感染、急重癥領域的研究重點和難點。在本次單中心的回顧性分析中，我們利用Logistic回歸分析顯示年齡、血行性感染膿毒癥發病48 h內的心率、平均動脈壓、血小板、纖維蛋白原、血清K+、血清Cl–、血清Glo、AST等指標是患者死亡的獨立危險因素，由以上9個變量組構成的Logistic回歸模型預測效能良好。以上指標為臨床評估血行性感染膿毒癥患者的結局提供了較好的參考。
從以上分析來看，部分常見的臨床指標對預后的判斷有明顯的提示作用。高齡、心率增快以及MAP下降均為血行性感染患者不良預后的獨立危險因素，與Zhang等[4]及Bloch等[8]的研究結果相似。在本研究中，超過一半的血行性感染發生在65歲及以上的患者中，70%的死亡病例發生在該年齡組。一項在成人患者中早期識別膿毒癥患者的前瞻性診斷隊列研究的發展和外部驗證研究，納入了基于6個變量（年齡>65歲、溫度>38 ℃、收縮壓≤110 mm Hg、心率>110次/min、SpO2≤95%、精神狀態改變）各1分的簡單計數的預測模型具有良好的判別和校準能力。以上研究結果強調了年齡、心率、MAP（血壓）等在血行性感染、膿毒癥老年患者中的重要（危險）性。
眾所周知，膿毒癥患者存在顯著的凝血功能失調，并導致膿毒癥相關凝血病及凝血系統組成部分的改變。在極端情況下，膿毒癥可導致彌漫性血管內凝血，大量的血栓形成造成體內凝血因子的巨大消耗，最終引起全身血栓形成和出血[9]。Tang等[10]對新型冠狀病毒性膿毒癥患者進行分類的模型研究結果顯示，使用7種凝血功能指標作為危險因素對新型冠狀病毒性膿毒癥患者預后的預測效果較好。與其研究結果相似，我們的研究中死亡組的Plt、Fib顯著低于存活組，FDP和D-D顯著高于存活組，印證了膿毒癥病理生理學機制。
本研究發現，血清K+和Cl–也是預后不良的敏感指標，死亡組的血清K+和Cl–水平均顯著高于存活組。血行性感染危重癥患者中導致電解質水平失衡的主要原因有入出量的失衡、腎功能減退、代謝性酸中毒、機械通氣和藥物影響。既往文獻支持高氯血癥、高鉀血癥與病死率的直接關系。以Cl–為例，研究表明在危重癥患者中快速輸注大量富含氯化物的晶體溶液作為復蘇液可能會導致高氯代謝性酸中毒。高氯血癥與不良臨床結局相關，尤其是腎毒性作用[11-13]。值得注意的是，電解質紊亂常合并急性腎損傷或其他重要臟器功能障礙，但本研究未顯示電解質異常同時伴有腎臟指標的異常，且腎臟、肝臟指標也未顯示與不良預后的關聯性。究其原因，可能是因為盡管兩組電解質水平存在差異，但仍然在正常水平內，可能處于疾病早期，尚未達到腎損傷階段。
本研究還發現血清Glo和AST也有不良預后的提示作用。膿毒癥時，肝臟在感染和大量炎性介質的刺激下會產生廣泛的內皮損傷及肝細胞的合成功能障礙，該過程還與血小板活化過程密切相關，促進凝血因子消耗，最終導致微血管血栓形成和多器官功能障礙，臨床呈現出上述相關指標的顯著改變[14]。血清Glo是多種蛋白質的混合物，一般是指免疫球蛋白，免疫球蛋白與膿毒癥時機體對病原體的識別和防御直接相關，因此該指標的下降提示患者的防御功能的減退，故與不良預后直接相關。一項應用隨機森林機器學習算法預測ICU患者膿毒癥發生的研究共納入20個變量，其中包含與本研究重疊的年齡、Plt、Fib、血清K+、血清Cl–、Glo等6個變量。該研究模型的AUC為0.91，敏感性87%，準確性89%[15]，提示Glo可納入預后評價指標的參數體系。另一方面，AST是廣泛使用的肝功能指標，肝細胞受損時細胞膜的滲透性增強，受損的肝細胞會釋放出大量的細胞質酶進入血液，這可能是膿毒癥中AST水平升高的原因。與我們的研究類似。Zheng等[16]研發的膿毒癥住院病死率風險評分將年齡、心率、Plt和AST作為預后評價參數，從而早期發現高危膿毒癥患者。
研究中患者的納入標準為Sepsis3.0，但與標準不同，除了傳統的呼吸、凝血、肝臟、心血管系統（MAP）、中樞神經系統和腎臟指標之外，年齡、電解質以及免疫球蛋白也是膿毒癥的預后參考指標。這可能與研究限定為血行性感染有關，可能也與樣本量較少有關。無論如何，上述指標值得參考，并可通過后續的大樣本前瞻性研究對其價值進行進一步探討。本研究其他的局限性包括研究為一項單中心回顧性研究，需要多中心進行驗證；其次，我們使用的是內部驗證法對模型進行的驗證，存在一定的局限性，可能需要驗證數據集對模型進行驗證；另外，模型納入研究病案數相對較少，需要大數據集進行比較驗證；最后，膿毒癥是一個不斷發展的疾病，我們以入院48 h內的數據對患者進行分析，缺乏連續性觀察指標，從而忽視了膿毒癥發生發展的過程。
綜上所述，我們的研究納入年齡、MAP、Plt、Fib、血清K+、Cl–以及AST和血清Glo建立的預測模型，可成功預測細菌血行性感染膿毒癥患者的危險因素患者的預后。在膿毒癥患者中基礎生命體征、凝血功能、肝功能以及腎功能障礙導致的內環境紊亂對其預后至關重要，臨床工作中醫生應當對以上幾個方面重點關注，早期及時地進行干預減少不良預后的發生。
利益沖突：本研究不涉及任何利益沖突。
膿毒癥是一種以宿主對感染反應失調為特征的異質性綜合征，現已成為嚴重的公共衛生問題，并產生了嚴重的經濟負擔[1]。膿毒癥的病因以感染為主，其中血行性感染的危害性最大。血行性感染占社區獲得性和醫院獲得性膿毒癥和感染性休克病例的40%，約占重癥監護室（intensive care unit，ICU）獲得性感染病例的20%；并與不良預后相關，特別是初始抗菌治療選擇不當或感染源控制推遲時[2]。正因為血行感染膿毒癥患者治療難度較大，且預后結局不佳，因此有效判斷其預后成為臨床重要的課題。近兩年來已有不同的預測模型用于預測ICU獲得性感染膿毒癥患者、膿毒癥性休克的急性腎損傷患者、ICU內急性呼吸衰竭膿毒癥患者、ICU內膿毒癥和肺部感染患者的預后[3-6]，但對細菌性血行性感染膿毒癥患者的預測模型報道較少。本研究通過對單中心數據的回顧性分析，嘗試從臨床常用指標中篩選并確定與細菌性血行性感染的膿毒癥患者死亡相關的獨立危險因素并建立預測模型，為臨床提供指導，現將初步結果報告如下。
1 資料與方法
1.1 臨床資料
收集大連醫科大學附屬第一醫院電子病案系統數據庫2018年1月1日—2019年12月31日成人血培養陽性膿毒癥患者入院48 h內的相關指標，包括人口學特征、生命體征、實驗室檢驗數據等。納入標準：（1）符合膿毒癥3.0國際標準[7]；（2）年齡≥18歲的住院患者；（3）一般血（含導管尖端）培養陽性；（4）住院時間≥48 h。排除標準：（1）各種原因放棄治療或退院者；（2）入院前一般血培養陽性者；（3）非正常死亡患者（如自殺）。本研究已通過醫院倫理委員會審批（PJ-KS-KY-2022-279）。
1.2 方法
收集患者年齡、性別。患者入院后48 h內生命體征數據：體溫、平均動脈壓（mean arterial pressure，MAP）、心率、呼吸頻率（respiratory rate，RR）、脈搏血氧飽和度（pulse oxygen saturation，SpO2）；常用且數據完整的實驗室檢驗指標包括：血紅蛋白（hemoglobin，Hb）、紅細胞比容（hematocrit，HT）、白細胞計數（white blood cell count，WBC）、血小板計數（platelet count，Plt）、纖維蛋白原（fibrinogen，Fib）、D-二聚體（D-dimmer，D-D）、纖維蛋白原降解產物（fibrinogen degradation products，FDP）、血清鉀離子（K+）、血清氯離子（Cl–）、血清鈣離子（Ca2+）、血清磷（P）、血清鎂離子（Mg2+）、血清球蛋白（globulin，Glo）、總膽紅素（total bilirubin，TBIL）、谷草轉氨酶（aspartate transaminase，AST）、谷丙轉氨酶（alaninetransaminase，ALT）、血清白蛋白（albumin，Alb）、血培養病原體種類、器官衰竭數量及序貫臟器衰竭評分（sequential organ failure assessment，SOFA）。根據患者出院時的結局分為存活組和死亡組。觀察組間相關獨立危險因素。
1.3 統計學方法
采用SPSS 25.0軟件對數據進行分析，分類變量以例數或百分比表示，組間比較采用χ2檢驗。連續變量以中位數（四分位數）［M（P25，P75）］表示，組間比較采用Mann-Whitney U檢驗。首先采用單因素組間比較篩選具備統計學差異的危險因子，隨后納入多因素Logistic回歸（后退法）分析以確定納入模型的預后危險因素，以P<0.05為差異有統計學意義。將確定的危險因素經多因素Logistic回歸（進入法）分析，確立預測模型并繪制受試者操作特征（receiver operator characteristic，ROC）曲線，以ROC曲線下面積（area under the ROC curve，AUC）代表模型的總體預測效能。模型的準確性判別則采用自舉重采樣（bootstrap-resampling）方法，通過R語言軟件進行內部驗證，并繪制列線圖，同時以平均絕對誤差（mean absolute error，MAE）和均方誤差（mean squared error，MSE）衡量模型準確性（MAE與MSE值越小代表模型準確性越佳）。
2 結果
2.1 一般情況
共檢索到1189例患者，最終符合條件且數據完整而納入研究的患者為563例（圖1），其中男351例（62.3%），女212例（37.7%），平均年齡65.8（57.0，77.0）歲；398例（70.6%）患者存活，165例（29.4%）患者死亡。感染病原體類型為革蘭染色陽性者301例，其中存活組220例（55.3%），死亡組81例（49.1%）；革蘭染色陰性者262例，存活組178例（44.7%），死亡組84例（50.9%）。
圖1
患者篩查流程
2.2 存活組與死亡組的組間比較
存活組與死亡組之間的單因素比較提示，兩組年齡存在顯著性差異（P=0.000），但性別比較未見顯著差異（P=0.121））。基礎生命體征比較，體溫、MAP、心率、RR與SpO2等指標存在顯著差異（P<0.05）。SOFA評分兩組比較存在顯著差異（P=0.000）。實驗室指標方面，兩組間病原體種類未見顯著差異。其他實驗室指標，如Hb、HT、WBC、Plt、Fib、D-D、FDP、K+、Cl–、Ca2+、P、Mg2+、Glo、TBIL、AST、ALT和Alb均有顯著差異（P<0.05）。組間比較合并器官功能衰竭數量差異有統計學意義（P =0.000）。結果見表1。
表1
血行性感染膿毒癥患者預后組間單因素分析［例（%）/M（P25，P75）］
2.3 細菌性血行性感染膿毒癥患者預后影響因素Logistic回歸分析
采用多因素Iogistic回歸分析（后退法）對表1中具有顯著統計學意義的變量進行分析，共篩選出年齡、心率、Plt、Fib、K+、Cl–、AST、Glo共8個差異有統計學意義的獨立危險因素，結果見表2。
表2
細菌性血行感染膿毒癥患者預后影響因素Logistic回歸分析（后退法）
2.4 預后模型的建立
繼續使用Logistic回歸分析（進入法）將上一步8個獨立危險因素及其他有臨床參考價值的指標納入Logistic回歸模型進行分析，共有年齡、心率、Plt、Fib、K+、Cl–、 AST、Glo、MAP共9指標納入模型，并保存該模型概率值，結果見表3。MAP盡管在組間比較中差異有統計學意義，但在Logistic回歸（后退法）中差異未顯示出統計學意義而未成為死亡的獨立危險因素，而既往大量研究表明MAP與膿毒癥患者預后有直接關系。而血清Cl–的P值處于臨界值，在模型中有很大可能性與患者預后相關，因此本研究繼續將MAP和Cl–納入預測模型，以進一步評價兩者的價值。使用納入9個獨立危險因素的Logistic回歸模型的概率值繪制ROC曲線，Logistic回歸模型預測效能良好，其AUC為0.779（95%CI 0.737～0.821）。結果見圖2。
表3
細菌性血行感染膿毒癥患者預后影響因素logistic回歸分析（進入法）
圖2
Logistic回歸模型的概率值繪制ROC曲線
2.5 細菌性血行性感染膿毒癥患者預后預測模型的內部驗證和列線圖
使用R語言程序通過內部驗證法對該模型的準確性進行驗證。MAE=0.011，MSE=0.00018，結果見圖3。該模型列線圖結果顯示在總分210～320區間，預測效能良好，結果見圖4。
圖3
細菌性血行性感染膿毒癥患者預后預測模型內部驗證
圖4
細菌性血行性感染膿毒癥患者預測模型列線圖
3 討論
膿毒癥是一種以宿主對感染反應失調為特征的異質性綜合征，其中細菌性血行性感染膿毒癥更是嚴重威脅患者的生命，是感染性疾病中致死率最高的病種之一，并造成顯著的經濟和精神負擔。如何評估細菌性血行性感染膿毒癥患者的預后始終是感染、急重癥領域的研究重點和難點。在本次單中心的回顧性分析中，我們利用Logistic回歸分析顯示年齡、血行性感染膿毒癥發病48 h內的心率、平均動脈壓、血小板、纖維蛋白原、血清K+、血清Cl–、血清Glo、AST等指標是患者死亡的獨立危險因素，由以上9個變量組構成的Logistic回歸模型預測效能良好。以上指標為臨床評估血行性感染膿毒癥患者的結局提供了較好的參考。
從以上分析來看，部分常見的臨床指標對預后的判斷有明顯的提示作用。高齡、心率增快以及MAP下降均為血行性感染患者不良預后的獨立危險因素，與Zhang等[4]及Bloch等[8]的研究結果相似。在本研究中，超過一半的血行性感染發生在65歲及以上的患者中，70%的死亡病例發生在該年齡組。一項在成人患者中早期識別膿毒癥患者的前瞻性診斷隊列研究的發展和外部驗證研究，納入了基于6個變量（年齡>65歲、溫度>38 ℃、收縮壓≤110 mm Hg、心率>110次/min、SpO2≤95%、精神狀態改變）各1分的簡單計數的預測模型具有良好的判別和校準能力。以上研究結果強調了年齡、心率、MAP（血壓）等在血行性感染、膿毒癥老年患者中的重要（危險）性。
眾所周知，膿毒癥患者存在顯著的凝血功能失調，并導致膿毒癥相關凝血病及凝血系統組成部分的改變。在極端情況下，膿毒癥可導致彌漫性血管內凝血，大量的血栓形成造成體內凝血因子的巨大消耗，最終引起全身血栓形成和出血[9]。Tang等[10]對新型冠狀病毒性膿毒癥患者進行分類的模型研究結果顯示，使用7種凝血功能指標作為危險因素對新型冠狀病毒性膿毒癥患者預后的預測效果較好。與其研究結果相似，我們的研究中死亡組的Plt、Fib顯著低于存活組，FDP和D-D顯著高于存活組，印證了膿毒癥病理生理學機制。
本研究發現，血清K+和Cl–也是預后不良的敏感指標，死亡組的血清K+和Cl–水平均顯著高于存活組。血行性感染危重癥患者中導致電解質水平失衡的主要原因有入出量的失衡、腎功能減退、代謝性酸中毒、機械通氣和藥物影響。既往文獻支持高氯血癥、高鉀血癥與病死率的直接關系。以Cl–為例，研究表明在危重癥患者中快速輸注大量富含氯化物的晶體溶液作為復蘇液可能會導致高氯代謝性酸中毒。高氯血癥與不良臨床結局相關，尤其是腎毒性作用[11-13]。值得注意的是，電解質紊亂常合并急性腎損傷或其他重要臟器功能障礙，但本研究未顯示電解質異常同時伴有腎臟指標的異常，且腎臟、肝臟指標也未顯示與不良預后的關聯性。究其原因，可能是因為盡管兩組電解質水平存在差異，但仍然在正常水平內，可能處于疾病早期，尚未達到腎損傷階段。
本研究還發現血清Glo和AST也有不良預后的提示作用。膿毒癥時，肝臟在感染和大量炎性介質的刺激下會產生廣泛的內皮損傷及肝細胞的合成功能障礙，該過程還與血小板活化過程密切相關，促進凝血因子消耗，最終導致微血管血栓形成和多器官功能障礙，臨床呈現出上述相關指標的顯著改變[14]。血清Glo是多種蛋白質的混合物，一般是指免疫球蛋白，免疫球蛋白與膿毒癥時機體對病原體的識別和防御直接相關，因此該指標的下降提示患者的防御功能的減退，故與不良預后直接相關。一項應用隨機森林機器學習算法預測ICU患者膿毒癥發生的研究共納入20個變量，其中包含與本研究重疊的年齡、Plt、Fib、血清K+、血清Cl–、Glo等6個變量。該研究模型的AUC為0.91，敏感性87%，準確性89%[15]，提示Glo可納入預后評價指標的參數體系。另一方面，AST是廣泛使用的肝功能指標，肝細胞受損時細胞膜的滲透性增強，受損的肝細胞會釋放出大量的細胞質酶進入血液，這可能是膿毒癥中AST水平升高的原因。與我們的研究類似。Zheng等[16]研發的膿毒癥住院病死率風險評分將年齡、心率、Plt和AST作為預后評價參數，從而早期發現高危膿毒癥患者。
研究中患者的納入標準為Sepsis3.0，但與標準不同，除了傳統的呼吸、凝血、肝臟、心血管系統（MAP）、中樞神經系統和腎臟指標之外，年齡、電解質以及免疫球蛋白也是膿毒癥的預后參考指標。這可能與研究限定為血行性感染有關，可能也與樣本量較少有關。無論如何，上述指標值得參考，并可通過后續的大樣本前瞻性研究對其價值進行進一步探討。本研究其他的局限性包括研究為一項單中心回顧性研究，需要多中心進行驗證；其次，我們使用的是內部驗證法對模型進行的驗證，存在一定的局限性，可能需要驗證數據集對模型進行驗證；另外，模型納入研究病案數相對較少，需要大數據集進行比較驗證；最后，膿毒癥是一個不斷發展的疾病，我們以入院48 h內的數據對患者進行分析，缺乏連續性觀察指標，從而忽視了膿毒癥發生發展的過程。
綜上所述，我們的研究納入年齡、MAP、Plt、Fib、血清K+、Cl–以及AST和血清Glo建立的預測模型，可成功預測細菌血行性感染膿毒癥患者的危險因素患者的預后。在膿毒癥患者中基礎生命體征、凝血功能、肝功能以及腎功能障礙導致的內環境紊亂對其預后至關重要，臨床工作中醫生應當對以上幾個方面重點關注，早期及時地進行干預減少不良預后的發生。
利益沖突：本研究不涉及任何利益沖突。
