急性呼吸窘迫綜合征風險預測模型的研究進展

陳莉，沙菲，李婷

（1.長春中醫(yī)藥大學護理學院，吉林 長春 130117；2.長春市中醫(yī)院 護理部，吉林 長春 130000；3.四平市中心醫(yī)院 護理部，吉林 四平 136000）

急性呼吸窘迫綜合征（Acute Respiratory Distress Syndrome，ARDS）是指由各種肺內和肺外致病因素所致的急性彌漫性、炎癥性肺損傷引起的急性呼吸衰竭[1]。急性呼吸窘迫綜合征牽涉到多級學科領域，為目前臨床上最常見的危重病之一[2]。1項聯合50個國家重癥醫(yī)學科（Intensive Care Unit，ICU）進行的國際多中心前瞻性隊列研究結果顯示，ICU患者入院時急性呼吸窘迫綜合征發(fā)生率為10.4%，使用機械通氣患者中急性呼吸窘迫綜合征發(fā)生率則為23.4%[3]。據報道全世界每十萬人口中就有15～75例被確診為急性呼吸窘迫綜合征的病例[4]。1項回顧性研究顯示，輕度急性呼吸窘迫綜合征患者的死亡率為24%，而重度急性呼吸窘迫綜合征患者的死亡率則上升為48%[5]。一旦患者出現急性呼吸窘迫綜合征，病情即呈現出進行性加重，最終可能發(fā)生發(fā)展為多器官功能障礙綜合征（Multiple Organ Dysfunction Syndrome，MODS）[6]。因此早期識別急性呼吸窘迫綜合征高危患者尤為重要。

既往研究報道了急性呼吸窘迫綜合征的多種病因和危險因素[7-11]，與急性呼吸窘迫綜合征發(fā)病相關的危險因素包括肺內（直接）因素和肺外（間接）因素兩大類。肺內因素是指對肺部的直接損傷，包括：化學性損傷，例如吸入胃內容物、有毒氣體、煙霧、粉塵以及長時間吸入純氧氣體等；物理性損傷，例如溺水和肺部挫傷等；生物性損傷，例如彌漫性肺部感染、重癥肺炎等。其中肺外因素常見于系統(tǒng)性炎癥反應綜合征（Systemic Inflammatory Response Syndrome，SIRS）、嚴重的非胸部創(chuàng)傷、大量輸血輸液、敗血癥、急性重癥胰腺炎、各種類型的休克、還有藥物或麻醉物品中毒等。然而，處于這些原因和危險因素中的患者只有小部分會發(fā)展為急性呼吸窘迫綜合征，且這些原因和危險因素之間的關系尚不明確[12]。所以尋求有效的臨床預測篩查工具對急性呼吸窘迫綜合征的高危患者具有重要意義。急性呼吸窘迫綜合征風險預測模型作為識別和篩選高危人群的臨床工具[13]，可為醫(yī)護人員及早發(fā)現急性呼吸窘迫綜合征的高風險患者進而采取針對性的干預提供依據。近年來，國內外關于急性呼吸窘迫綜合征風險預測模型的研究大多是采用回顧性病例對照研究，選取單中心樣本，構建風險預測模型；且各個模型的適用人群與預測因子存有較大差異?，F將國內外近年來有關急性呼吸窘迫綜合征風險預測模型的研究進展進行歸納、總結與評述，以期幫助醫(yī)護人員盡早識別急性呼吸窘迫綜合征的高風險患者提供一定的參考與依據。

1 國外急性呼吸窘迫綜合征風險預測模型的研究現狀

1.1 肺損傷預測評分模型（Lung Injury Pr edictio n Sco r e，LIP S）

1.1.1 源模型 該模型是Trillo-Alvarez利用醫(yī)院電子病歷系統(tǒng)采用回顧性病例對照研究建立的風險預測模型[14]，包含了急性呼吸窘迫綜合征發(fā)生前、患者在入院時存在的14項疾病風險因子，分別是急診手術、感染性休克、急性胰腺炎、高危外傷、肺炎、誤吸、敗血癥、酗酒、使用化療藥物、糖尿病、低蛋白血癥、吸煙、FiO2>4 L/min、呼吸頻率>30次/min。其中急診手術、感染性休克、急性胰腺炎、高危外傷、肺炎、誤吸和敗血癥7個預測因子被認為是急性呼吸窘迫綜合征的高風險因子。通過受試者工作特征曲線（receiver operator characteristic curve，ROC）分析評估，該模型曲線下面積為0.84，95%CI為0.80～0.89，Hosmer-Lemeshow的檢驗值P=0.60，模型敏感性和特異性良好。

1.1.2 發(fā)展與應用 Trillo-Alvarez隨后通過對463名有急性呼吸窘迫綜合征風險的患者采用前瞻性研究對該模型進行了外部驗證，以檢驗模型的外部有效性和實用性[14]。結果ROC曲線下面積為0.84，95%CI為0.77～0.91，Hosmer-Lemeshow的檢驗值P=0.88，表明驗證隊列中模型具有良好的校準性。Gajic[15]對該模型進一步驗證并完善，研究招募了5 584名高危急性呼吸窘迫綜合征患者，最終377例患者發(fā)生了急性呼吸窘迫綜合征。研究顯示肺損傷預測評分每增加1分，發(fā)生急性呼吸窘迫綜合征的優(yōu)勢比（odds ratio，OR）為1.34（95%CI為0.78～0.82，P<0.001），ROC曲線下面積為0.80，其靈敏度為0.69，特異度為0.78；并認為當肺損傷預測評分≥4分時，即可判定為急性呼吸窘迫綜合征的高危患者。夏炎火等[16]選取43例急性呼吸窘迫綜合征患者和32例非急性呼吸窘迫綜合征患者對該模型進行了臨床應用，研究顯示肺損傷預測評分具有較好的預測效能，ROC曲線下面積為0.832，95%CI為0.728～0.908；且當肺損傷預測評分>7分時，預測急性呼吸窘迫綜合征的敏感度為83.72%，特異性為78.12%，陽性預測率為83.7%，陰性預測率為78.1%。

1.1.3 特點與用途 該模型預測早期急性呼吸窘迫綜合征的準確性較高，具備良好的敏感度和特異性，有利于臨床上將沒有急性呼吸窘迫綜合征高危風險的患者排除。該模型涉及的相關指標在患者疾病初期即可獲得，且不受患者是否使用機械輔助呼吸的限制，也不局限于重癥監(jiān)護室患者[17]；此外，評分結果判別明晰便捷，分值越高，患急性呼吸窘迫綜合征的風險則越大[18]，臨床可操作性較強。不過Trillo-Alvarez在建立模型時采用的是單中心回顧性研究，且樣本量不大，這可能會導致邏輯回歸模型過度擬合。因此，在臨床使用該模型作為急性呼吸窘迫綜合征的預測工具時還需要通過多中心大樣本數據信息進一步驗證。

1.2 N-gr am模型

1.2.1 源模型 該模型由Mayampurath通過對138例急性呼吸窘迫綜合征患者的信息數據進行整合分析后研發(fā)的可泛化模型[19]，是基于自然語言處理（natural language processing，NLP）建立的一項獨立的衛(wèi)生系統(tǒng)模型，被稱為N-gram。該模型通過大數據的形式識別并處理患者的病歷信息，整合來自于實驗室檢查結果、放射學檢測報告、呼吸監(jiān)測指標和疾病特征等方面的數據資料，從而篩選出高危險性患者。該模型在識別急性呼吸窘迫綜合征方面的準確率為77%，陽性預測值為55%，其ROC曲線下面積為0.73，95%CI為0.61～0.85，模型效能良好。

1.2.2 發(fā)展與應用 隨后，Mayampurath在芝加哥大學醫(yī)學中心利用醫(yī)學信息數據庫選取235名高風險急性呼吸窘迫綜合征患者對該模型進行了外部驗證[19]，其中110例患者發(fā)生了急性呼吸窘迫綜合征。此次外部驗證數據集囊括來自內科和外科的不同類型患者，各類型患者急性呼吸窘迫綜合征患病率迥然不同。驗證結果顯示N-gram模型對急性呼吸窘迫綜合征患者具有良好的判別能力，該模型ROC曲線下面積為0.78，95%CI為0.72～0.84。

1.2.3 特點與用途 該模型基于自然語言處理的新型模式，可以幫助醫(yī)護人員更全面、更迅速地識別急性呼吸窘迫綜合征病例，也可以作為招募急性呼吸窘迫綜合征患者參加臨床試驗的篩選工具。且該模型通過了外部數據的驗證，選用的驗證人群代表性良好，說明其預測性能具有一定的可靠性與科學性。

1.3 Ir i y ama團隊模型

1.3.1 源模型 該模型源于2016年1月—2017年3月在日本59個重癥監(jiān)護室開展的關于非肺部膿毒血癥患者急性呼吸窘迫綜合征的多中心、前瞻性隊列研究[20]，此研究共納入了594例非肺膿毒血癥患者，最終85例（14.3%）患有急性呼吸窘迫綜合征。選取13項風險因子作為觀測指標，分別是年齡、性別、入院來源、體質量指數、吸煙狀況、充血性心力衰竭、慢性阻塞性肺疾病、糖尿病、類固醇使用、他汀類藥物使用、感染部位、感染性休克、APACHE II評分，在患者入院的第1天和第4天進行評估篩查，對單因素結果采用逐步回歸分析，建立多因素Logistic回歸模型。研究發(fā)現患者入住重癥監(jiān)護室、既往軟組織感染史、較高的APACHE II評分是急性呼吸窘迫綜合征的獨立危險因子。

1.3.2 發(fā)展與應用 該研究結果顯示，重癥監(jiān)護室患者患急性呼吸窘迫綜合征的概率高于從醫(yī)院病房或其他醫(yī)院轉院的患者（OR=1.89，95%CI=1.06～3.40），軟組織感染患者患急性呼吸窘迫綜合征的概率高于其它部位感染患者（OR=2.37，95%CI=1.04～5.40），APACHE II評分較高的患者（OR=1.08，95%CI=1.05～1.12）發(fā)生急性呼吸窘迫綜合征的風險更高。

1.3.3 特點與用途 該模型針對非肺膿毒血癥患者設計，可以作為臨床醫(yī)護人員預測非肺膿毒血癥患者并發(fā)急性呼吸窘迫綜合征風險的輔助工具。但該研究僅在患者入院后的第1天和第4天進行風險篩查，結局指標可能產生不可測量的混雜因素，該模型在患者住院的其它時期能否應用，其科學性仍需佐證。另外，該研究選取對象人群僅局限于日本地區(qū)，可能存在有地理環(huán)境的變化與差異[21]，模型所需預測指標是否符合我國人口學特征還有待進一步的考證。

2 國內急性呼吸窘迫綜合征風險預測模型的研究現狀

2.1 急性呼吸窘迫綜合征預警體系

2.1.1 源模型 黃力維[22]通過在全國13家三級甲等醫(yī)院重癥醫(yī)學科采用多中心隊列研究，建立了適合中國患者的急性呼吸窘迫綜合征預警體系。該研究通過單因素分析發(fā)現，體質量指數、免疫功能障礙、心血管疾病、急性胰腺炎、急性腹膜炎、重癥感染、肺炎、誤吸、肺挫傷、低蛋白血癥、酸中毒、PaO2/FiO2≤300為急性呼吸窘迫綜合征發(fā)生的影響因素。用多因素Logistic回歸進一步分析，預警體系最終納入7項獨立危險因素，包括急性胰腺炎、肺炎、誤吸、肺挫傷4種高危原發(fā)疾病以及低蛋白血癥、酸中毒、PaO2/FiO2≤300這3項高危指標。該體系ROC曲線下面積為0.779，確定7.5為體系的閾值，體系預測急性呼吸窘迫綜合征發(fā)生的敏感性為73.3%，特異性為81.1%。

2.1.2 發(fā)展與應用 黃力維[22]隨后使用該預警體系對198例入住參研醫(yī)院重癥醫(yī)學科的患者進行檢驗，其最強的風險預測因子為肺挫傷（OR=4.037，95%CI為1.2～13.01，P<0.001），其余參數的OR為2.093～3.074。該體系預測急性呼吸窘迫綜合征的ROC曲線下面積為0.828，靈敏度為77.9%，特異度為68.3%，預測效能中等偏上[23]。

2.1.3 特點與用途 該體系參與研究的醫(yī)療單位較多，在一定程度上可以反映中國患者急性呼吸窘迫綜合征發(fā)生的高風險因素狀況，但并不適用于臨床實踐與動態(tài)監(jiān)測[24]。此外，該研究由于數據缺失率較高且沒有進行刪失數據的插補，模型結果可能存有一定程度的偏倚[25]。并且模型的外推性如何，仍需進一步的驗證。因此，還需采用更多的外部樣本病例數據對該預警體系進行全面的檢測，以進一步完善該體系。

2.2 急性呼吸窘迫綜合征早期風險預測模型

2.2.1 源模型 荊晨晨等[26]通過采用病例對照研究，選取223例入住重癥監(jiān)護室時間＞24 h的患者，建立了急性呼吸窘迫綜合征早期風險預測模型。選取患者年齡、性別、體質量指數、肥胖、吸煙史、酗酒史、休克、膿毒癥、腦外傷、淹溺、肺挫傷、多發(fā)性骨折、酸中毒、糖尿病、非肺部腫瘤、腦血管疾病、肝臟疾病、胸水、腎臟疾病、誤吸、肺炎、急腹癥、煙塵吸入、充血性心力衰竭、低蛋白血癥、脊柱手術、心臟手術、主動脈手術、使用化療藥物、氧分壓、氧合指數、鈉離子濃度、pH值、尿素氮統(tǒng)共34項指標，通過肺損傷預測評分、英國國家早期預警評分（National Early Warning Score，NEWS）、肺 炎 嚴 重 指 數（Pneumonia Severity Index，PSI）評分系統(tǒng)這3項研究工具評定患者得出相應的分值，其中所有指標為患者入重癥監(jiān)護室第1次動脈血氣分析測得結果。將34項指標與3項研究工具評定的分值進行單因素分析，采用多因素Logistic回歸分析建立統(tǒng)計模型。研究結果顯示，年齡、肺損傷預測評分、英國國家早期預警評分、肺炎嚴重指數是急性呼吸窘迫綜合征的獨立預測因子，模型公式[26]為：Z=0.128×年齡+0.845×LIPS+1.040×NEWS+0.032×PSI-20.059。

2.2.2 發(fā)展與應用 該模型選取同一醫(yī)院同一重癥監(jiān)護室的112例患者進行內部驗證[26]，其中非急性呼吸窘迫綜合征患者80例，急性呼吸窘迫綜合征患者32例。結果顯示模型的ROC曲線下面積為0.926，95%CI為0.880～0.973，靈敏度為90.6%，特異度為81.2%，Youden指數為0.718，模型閾值為13.7，預測性能較好[23]。并且該研究依據模型評分將風險值劃分為3個風險層級：＜13.7分為低風險組，13.7～16.6分為中風險組，＞16.6分為高風險組。

2.2.3 特點與用途 該模型是基于肺損傷預測評分建立的急性呼吸窘迫綜合征早期風險預測模型，模型靈敏度與特異度均較高。并且研究者還對該模型進行了風險值劃分，分為低危、中危、高危3個風險等級，不僅能輔助醫(yī)護人員給予患者不同層級的護理措施與預防性干預，而且能夠對患者的病情狀況進行持續(xù)性地動態(tài)評估，更具備針對性與時效性[27]。該模型的局限性在于建模隊列與驗證隊列病例數據均來自于同一所醫(yī)院的同一重癥監(jiān)護室，沒有進行外部驗證，未來有待于在其他醫(yī)療機構進行多中心檢驗，以評估該模型的臨床實用價值。

2.3 Zha ng團隊模型

2.3.1 源模型 Zhang等[28]通過由33家醫(yī)院組成的臨床試驗網絡隨機篩查2 688例患者，將282例需要機械通氣的急性呼吸窘迫綜合征患者納入模型研究。前期選取45項風險指標，其中所有實驗室檢查指標為患者入院24 h內首次測得結果，研究顯示年齡、使用血管加壓藥物、血鉀濃度、血小板計數、心率、血紅蛋白、體溫、PaO2被確定為高風險因子，擬合方程為：g（x）=0.06×年齡（歲）+2.23（使用血管加壓藥物）+1.37×血鉀濃度（mmol/L）-0.007×血小板計數（×109）+0.03×心率（/min）-0.29×Hb（g/dl）-0.67×T（°C）+0.01×PaO2+13。

2.3.2 發(fā)展與應用 該模型ROC曲線下面積為0.85，95%CI為0.79～0.90，采用Hosmer-Lemeshow擬合優(yōu)度檢驗，測試統(tǒng)計量為6.54（P=0.59），預測模型效能較佳[23]。

2.3.3 特點與用途 該預測模型包含8個風險因子，在臨床實際中很容易獲取，且納入模型的所有參數均為患者入院24 h內首次監(jiān)測指標，有利于醫(yī)護人員早期識別高風險的急性呼吸窘迫綜合征患者。此模型的局限性是僅納入了需要機械通氣的患者，適用人群較為局限，對非機械通氣的患者是否適用還有待甄別與驗證。另外，建模時研究對象人群選擇了隨機的患者，而不是選用能夠連續(xù)觀察的隊列數據，且缺乏外部數據的驗證，對模型的準確性有一定的影響[29]。

3 展望

目前國內外關于急性呼吸窘迫綜合征風險預測模型的研究較為單一，大多是采用回顧性病例對照研究，選取單中心樣本，通過多因素Logistic回歸分析構建風險預測模型，且很少進行外部數據的檢驗，同時也未連續(xù)觀察患者的病情狀況，這可能導致模型的局限性較大、實用性不強，科學性有待考證。并且各個模型的適用人群與預測因子尚存在較大差異，因此臨床實際可操作性不高。國內既往研究將危險因素作為急性呼吸窘迫綜合征的重要指引要素，以探究急性呼吸窘迫綜合征的發(fā)生發(fā)展與患者病情變化之間的關聯[30-32]。但關于急性呼吸窘迫綜合征的預測模型相對較少。國外對于急性呼吸窘迫綜合征發(fā)生風險的預測研究相對較早，但由于地域差異、種族迥然，是否適用于我國人群還有待進一步的驗證與完善。故本研究結論對后續(xù)工作提供以下建議：（1）構建預測模型時建議以國內外急性呼吸窘迫綜合征風險評估因子及危險因素作為內容依據，同時采用多中心大樣本數據，例如在不同的研究地點與機構同時進行，這不僅能在較短時間內收集到較多的樣本含量，提高效率，且病例數據范圍比單中心廣，樣本更具代表性。研究方法宜選用回顧性研究和前瞻性研究相結合的方式，同時注意監(jiān)測指標數據的動態(tài)變化。此外，建立模型之后還應該使用外部樣本病例數據在多地區(qū)進行驗證，以提高研究結論的普適性與科學性。（2）數據統(tǒng)計可以選用分層分析，當同一風險因素指標多次測量時，推薦使用能處理非獨立數據的多水平混合效應模型和廣義估計模型，逐次篩選高風險因素，以確保模型的可靠性與外推性[33]。還可以對模型評分結果進行等級劃分[34]，以區(qū)分不同風險等級的急性呼吸窘迫綜合征患者，方便醫(yī)護人員給予不同層級的診療與護理方案。（3）最后需多次檢驗模型的信效度與擬合度，使模型的效能達到最優(yōu)。（4）在未來研究中還可考慮聯合電子信息化系統(tǒng)設置軟件程序，以開發(fā)出更先進的風險評估研究工具。此外，能否將預測工具應用于延續(xù)性護理評估，以減少患者復發(fā)或新發(fā)急性呼吸窘迫綜合征的可能性，從而將預測模型的價值效能發(fā)揮到最大。