构建重症发热伴血小板减少综合征患者 ICU 死亡率风险模型：为生命健康精准导航

《BMC Infectious Diseases》：Intensive care unit-based mortality risk model construction for severe fever with thrombocytopenia syndrome patients: a retrospective study

为解决重症发热伴血小板减少综合征（SFTS）患者预后评估准确性低及治疗策略优化缺乏依据的问题，研究人员开展了构建 ICU 患者死亡率风险预测模型的研究。结果发现 GCS 评分等是死亡独立危险因素，构建的列线图模型预测准确性高。这有助于早期识别高危患者，指导治疗。

　　重症发热伴血小板减少综合征（Severe Fever with Thrombocytopenia Syndrome，SFTS）是一种由大别山病毒（Dabie bandavirus，DBV）感染引起的急性人畜共患病。自 2009 年在中国河南被首次发现以来，它就像一个隐藏在暗处的 “健康杀手”，时不时地发起 “攻击”，导致疫情反复爆发。尽管全国死亡率有所下降，但重症患者的病死率依旧居高不下，一旦出现多器官衰竭、中枢神经系统受累等并发症，病死率更是高达 44.7%。这些患者常伴有呼吸衰竭、意识改变、皮肤瘀斑、胃肠道出血和肺出血等症状，病情极易进展为多器官衰竭，最终导致死亡。

面对如此严峻的形势，临床治疗却面临诸多困境。一方面，SFTS 的发病机制尚未完全阐明，就像一座迷雾重重的大山，让医生们难以找到精准治疗的方向；另一方面，现有的治疗手段虽然在不断进步，但仍无法有效降低重症患者的死亡率。在这样的背景下，为了能更准确地评估重症 SFTS 患者的预后，为治疗策略的优化提供有力指导，烟台奇山医院的研究人员勇敢地踏上了探索之路。

研究人员对 2019 年 7 月至 2023 年 10 月期间入住 ICU 的重症 SFTS 患者展开了回顾性分析。他们根据患者 28 天的预后情况，将患者分为生存组和死亡组，通过一系列严谨的研究，最终得出了重要结论：格拉斯哥昏迷评分（Glasgow Coma Scale，GCS）、log₁₀(病毒载量)、乳酸、胱抑素 C（Cystatin C，CYS-C）是重症 SFTS 患者 28 天死亡的独立危险因素（Independent Risk Factors，IRFs）。基于这些因素构建的列线图模型预测准确性极高，其曲线下面积（Area Under Curve，AUC）达到 0.92，这一成果发表在《BMC Infectious Diseases》上，为临床治疗带来了新的希望。

研究人员在开展这项研究时，主要运用了以下关键技术方法：首先是样本选取，严格按照既定的纳入和排除标准，选取了符合条件的患者；其次，利用逆转录聚合酶链反应（Reverse Transcription Polymerase Chain Reaction，RT-PCR）检测血液样本中的新型布尼亚病毒核酸，以确定患者是否感染；最后，运用 SPSS 26.0 和 R 3.5.3 软件进行数据分析，包括单因素分析、多变量逻辑回归分析等，从而筛选出独立危险因素并构建预测模型。

下面来看具体的研究结果：

1. 临床数据比较：研究涉及 218 例重症 SFTS 患者，生存组 105 人，死亡组 113 人。两组在年龄、性别等方面无显著差异，但死亡组住院时间明显更短。与生存组相比，死亡组的 GCS 评分、氧合指数显著降低，ALT、AST、BUN 等多种血清学指标以及 log₁₀(病毒载量)、乳酸水平显著升高，且意识改变、呼吸感染、出血表现的患者比例更高，接受糖皮质激素治疗、机械通气和连续肾脏替代治疗（Continuous Renal Replacement Therapy，CRRT）的人数也更多。这表明这些指标与患者的死亡可能存在密切关联。
2. 单因素和多因素分析：单因素分析显示，GCS 评分、log₁₀(病毒载量)、乳酸水平等多个指标在生存组和死亡组之间存在显著差异。多变量逻辑回归分析则进一步确定，GCS 评分、log₁₀(病毒载量)、乳酸和 CYS-C 是 28 天死亡率的独立危险因素。这为后续模型的构建提供了关键依据。
3. 列线图模型构建与验证：基于上述四个独立危险因素，研究人员构建了列线图预测模型。通过校准曲线分析、受试者工作特征曲线（Receiver Operating Characteristic Curve，ROC）分析和决策曲线分析（Decision Curve Analysis，DCA）发现，该模型校准度良好，预测准确性高，临床适用性强。这意味着它能在实际临床中帮助医生更好地预测患者的死亡风险。

在研究结论和讨论部分，研究揭示了重症 SFTS 患者在 ICU 中的死亡率高达 51.83%。此次构建的列线图模型，凭借 GCS 评分、log₁₀(病毒载量)、乳酸和 CYS-C 这些因素，显著提高了对重症 SFTS 患者预后评估的准确性，具有重要的临床应用价值。它可以帮助医生在早期识别出高风险患者，对于病情严重、预后较差的患者，医生可以考虑采取更积极的治疗措施，如早期干预、启用高级生命支持设备、谨慎选择糖皮质激素等治疗时机，合理分配稀缺且昂贵的医疗资源；对于病情相对较轻的患者，则可以适当调整治疗强度，避免过度治疗，减少医疗资源的浪费。

不过，这项研究也存在一些局限性。作为回顾性研究，数据收集和分析可能存在潜在偏倚，样本量相对较小。由于研究资源和时间的限制，无法对所有患者进行长达 90 天的随访，导致缺乏医院死亡率和 90 天死亡率的数据。此外，研究未对具体治疗措施进行分析，疾病的区域性发病和病毒感染的罕见性也给模型的外部验证带来挑战。但这些不足并不能掩盖研究的重要意义，它为后续研究奠定了坚实的基础，期待未来能有更多的研究进一步完善对重症 SFTS 患者的治疗和管理，为患者的生命健康保驾护航。