急性胰腺炎并发持续性炎症的影响因素分析及预测模型的构建

急性胰腺炎患者SIRS发生预测模型的构建及验证。通过多变量Logistic回归分析发现红细胞分布宽度、纤维蛋白原、淀粉酶、血糖和乳酸脱氢酶是独立危险因素，建立的nomogram模型AUC达0.816，优于单指标及BISAP评分，与实际风险一致性良好，临床决策阈值0.4-1。

　　

摘要 通俗语言总结

---

目的：

研究急性胰腺炎（AP）患者发生全身炎症反应综合征（SIRS）的促成因素，并据此开发一种新的诺模图预测模型。

方法：

通过多变量逻辑回归分析来确定SIRS的独立预测因子，这些因子是根据单变量分析的统计显著性选定的。根据结果，238名AP患者被分为非SIRS组（n=170）和SIRS组（n=68）。逻辑回归分析识别出SIRS并发症的独立预测因子。随后，我们结合逻辑回归模型开发了一个可视化的诺模图预测模型。该模型的预测能力通过接收者操作特征（ROC）曲线分析来确定，从而得出敏感性、特异性和预测准确性。

结果：

研究发现，在急性胰腺炎患者群体中，SIRS的发生率为28.6%。分析表明，红细胞分布宽度（RDW）、纤维蛋白原（FIB）、淀粉酶（AMY）、血糖（Glu）和乳酸脱氢酶（LDH）是SIRS的独立风险因素。此外，我们计算出的SIRS预测模型的ROC曲线下面积（AUC）为0.816，超过了各个风险指标（RDW、FIB、AMY、Glu和LDH）以及急性胰腺炎严重程度床旁指数（BISAP）评分的AUC。我们还进行了相关性分析以验证预测因子之间的关系并排除多重共线性。校准曲线图显示，诺模图预测的SIRS风险与实际风险吻合良好。最后，该模型的临床决策曲线表明，在0.4–1的概率阈值范围内，它能够有效指导及时干预的临床决策。

结论：

该模型以临界值≥0.332预测非SIRS，敏感性为71.3%，特异性为87.1%，Kappa值为0.56。这些结果表明，该预测模型基于入院数据，建议在多个时间点（如24小时、48小时和72小时）进行额外验证，以全面评估SIRS风险的发展情况。总体而言，这种诺模图预测模型为AP患者提供了一种高效且简单的SIRS预测方法。