引用本文： 路朋宇, 韦玉山, 黄伟. 细菌性血行性感染的脓毒症患者预后影响因素分析及预测模型建立. 中国呼吸与危重监护杂志, 2023, 22(7): 470-475. doi: 10.7507/1671-6205.202305005 复制
脓毒症是一种以宿主对感染反应失调为特征的异质性综合征，现已成为严重的公共卫生问题，并产生了严重的经济负担[1]。脓毒症的病因以感染为主，其中血行性感染的危害性最大。血行性感染占社区获得性和医院获得性脓毒症和感染性休克病例的40%，约占重症监护室（intensive care unit，ICU）获得性感染病例的20%；并与不良预后相关，特别是初始抗菌治疗选择不当或感染源控制推迟时[2]。正因为血行感染脓毒症患者治疗难度较大，且预后结局不佳，因此有效判断其预后成为临床重要的课题。近两年来已有不同的预测模型用于预测ICU获得性感染脓毒症患者、脓毒症性休克的急性肾损伤患者、ICU内急性呼吸衰竭脓毒症患者、ICU内脓毒症和肺部感染患者的预后[3-6]，但对细菌性血行性感染脓毒症患者的预测模型报道较少。本研究通过对单中心数据的回顾性分析，尝试从临床常用指标中筛选并确定与细菌性血行性感染的脓毒症患者死亡相关的独立危险因素并建立预测模型，为临床提供指导，现将初步结果报告如下。
1 资料与方法
1.1 临床资料
收集大连医科大学附属第一医院电子病案系统数据库2018年1月1日—2019年12月31日成人血培养阳性脓毒症患者入院48 h内的相关指标，包括人口学特征、生命体征、实验室检验数据等。纳入标准：（1）符合脓毒症3.0国际标准[7]；（2）年龄≥18岁的住院患者；（3）一般血（含导管尖端）培养阳性；（4）住院时间≥48 h。排除标准：（1）各种原因放弃治疗或退院者；（2）入院前一般血培养阳性者；（3）非正常死亡患者（如自杀）。本研究已通过医院伦理委员会审批（PJ-KS-KY-2022-279）。
1.2 方法
收集患者年龄、性别。患者入院后48 h内生命体征数据：体温、平均动脉压（mean arterial pressure，MAP）、心率、呼吸频率（respiratory rate，RR）、脉搏血氧饱和度（pulse oxygen saturation，SpO2）；常用且数据完整的实验室检验指标包括：血红蛋白（hemoglobin，Hb）、红细胞比容（hematocrit，HT）、白细胞计数（white blood cell count，WBC）、血小板计数（platelet count，Plt）、纤维蛋白原（fibrinogen，Fib）、D-二聚体（D-dimmer，D-D）、纤维蛋白原降解产物（fibrinogen degradation products，FDP）、血清钾离子（K+）、血清氯离子（Cl–）、血清钙离子（Ca2+）、血清磷（P）、血清镁离子（Mg2+）、血清球蛋白（globulin，Glo）、总胆红素（total bilirubin，TBIL）、谷草转氨酶（aspartate transaminase，AST）、谷丙转氨酶（alaninetransaminase，ALT）、血清白蛋白（albumin，Alb）、血培养病原体种类、器官衰竭数量及序贯脏器衰竭评分（sequential organ failure assessment，SOFA）。根据患者出院时的结局分为存活组和死亡组。观察组间相关独立危险因素。
1.3 统计学方法
采用SPSS 25.0软件对数据进行分析，分类变量以例数或百分比表示，组间比较采用χ2检验。连续变量以中位数（四分位数）［M（P25，P75）］表示，组间比较采用Mann-Whitney U检验。首先采用单因素组间比较筛选具备统计学差异的危险因子，随后纳入多因素Logistic回归（后退法）分析以确定纳入模型的预后危险因素，以P<0.05为差异有统计学意义。将确定的危险因素经多因素Logistic回归（进入法）分析，确立预测模型并绘制受试者操作特征（receiver operator characteristic，ROC）曲线，以ROC曲线下面积（area under the ROC curve，AUC）代表模型的总体预测效能。模型的准确性判别则采用自举重采样（bootstrap-resampling）方法，通过R语言软件进行内部验证，并绘制列线图，同时以平均绝对误差（mean absolute error，MAE）和均方误差（mean squared error，MSE）衡量模型准确性（MAE与MSE值越小代表模型准确性越佳）。
2 结果
2.1 一般情况
共检索到1189例患者，最终符合条件且数据完整而纳入研究的患者为563例（图1），其中男351例（62.3%），女212例（37.7%），平均年龄65.8（57.0，77.0）岁；398例（70.6%）患者存活，165例（29.4%）患者死亡。感染病原体类型为革兰染色阳性者301例，其中存活组220例（55.3%），死亡组81例（49.1%）；革兰染色阴性者262例，存活组178例（44.7%），死亡组84例（50.9%）。
图1
患者筛查流程
2.2 存活组与死亡组的组间比较
存活组与死亡组之间的单因素比较提示，两组年龄存在显著性差异（P=0.000），但性别比较未见显著差异（P=0.121））。基础生命体征比较，体温、MAP、心率、RR与SpO2等指标存在显著差异（P<0.05）。SOFA评分两组比较存在显著差异（P=0.000）。实验室指标方面，两组间病原体种类未见显著差异。其他实验室指标，如Hb、HT、WBC、Plt、Fib、D-D、FDP、K+、Cl–、Ca2+、P、Mg2+、Glo、TBIL、AST、ALT和Alb均有显著差异（P<0.05）。组间比较合并器官功能衰竭数量差异有统计学意义（P =0.000）。结果见表1。
表1
血行性感染脓毒症患者预后组间单因素分析［例（%）/M（P25，P75）］
2.3 细菌性血行性感染脓毒症患者预后影响因素Logistic回归分析
采用多因素Iogistic回归分析（后退法）对表1中具有显著统计学意义的变量进行分析，共筛选出年龄、心率、Plt、Fib、K+、Cl–、AST、Glo共8个差异有统计学意义的独立危险因素，结果见表2。
表2
细菌性血行感染脓毒症患者预后影响因素Logistic回归分析（后退法）
2.4 预后模型的建立
继续使用Logistic回归分析（进入法）将上一步8个独立危险因素及其他有临床参考价值的指标纳入Logistic回归模型进行分析，共有年龄、心率、Plt、Fib、K+、Cl–、 AST、Glo、MAP共9指标纳入模型，并保存该模型概率值，结果见表3。MAP尽管在组间比较中差异有统计学意义，但在Logistic回归（后退法）中差异未显示出统计学意义而未成为死亡的独立危险因素，而既往大量研究表明MAP与脓毒症患者预后有直接关系。而血清Cl–的P值处于临界值，在模型中有很大可能性与患者预后相关，因此本研究继续将MAP和Cl–纳入预测模型，以进一步评价两者的价值。使用纳入9个独立危险因素的Logistic回归模型的概率值绘制ROC曲线，Logistic回归模型预测效能良好，其AUC为0.779（95%CI 0.737～0.821）。结果见图2。
表3
细菌性血行感染脓毒症患者预后影响因素logistic回归分析（进入法）
图2
Logistic回归模型的概率值绘制ROC曲线
2.5 细菌性血行性感染脓毒症患者预后预测模型的内部验证和列线图
使用R语言程序通过内部验证法对该模型的准确性进行验证。MAE=0.011，MSE=0.00018，结果见图3。该模型列线图结果显示在总分210～320区间，预测效能良好，结果见图4。
图3
细菌性血行性感染脓毒症患者预后预测模型内部验证
图4
细菌性血行性感染脓毒症患者预测模型列线图
3 讨论
脓毒症是一种以宿主对感染反应失调为特征的异质性综合征，其中细菌性血行性感染脓毒症更是严重威胁患者的生命，是感染性疾病中致死率最高的病种之一，并造成显著的经济和精神负担。如何评估细菌性血行性感染脓毒症患者的预后始终是感染、急重症领域的研究重点和难点。在本次单中心的回顾性分析中，我们利用Logistic回归分析显示年龄、血行性感染脓毒症发病48 h内的心率、平均动脉压、血小板、纤维蛋白原、血清K+、血清Cl–、血清Glo、AST等指标是患者死亡的独立危险因素，由以上9个变量组构成的Logistic回归模型预测效能良好。以上指标为临床评估血行性感染脓毒症患者的结局提供了较好的参考。
从以上分析来看，部分常见的临床指标对预后的判断有明显的提示作用。高龄、心率增快以及MAP下降均为血行性感染患者不良预后的独立危险因素，与Zhang等[4]及Bloch等[8]的研究结果相似。在本研究中，超过一半的血行性感染发生在65岁及以上的患者中，70%的死亡病例发生在该年龄组。一项在成人患者中早期识别脓毒症患者的前瞻性诊断队列研究的发展和外部验证研究，纳入了基于6个变量（年龄>65岁、温度>38 ℃、收缩压≤110 mm Hg、心率>110次/min、SpO2≤95%、精神状态改变）各1分的简单计数的预测模型具有良好的判别和校准能力。以上研究结果强调了年龄、心率、MAP（血压）等在血行性感染、脓毒症老年患者中的重要（危险）性。
众所周知，脓毒症患者存在显著的凝血功能失调，并导致脓毒症相关凝血病及凝血系统组成部分的改变。在极端情况下，脓毒症可导致弥漫性血管内凝血，大量的血栓形成造成体内凝血因子的巨大消耗，最终引起全身血栓形成和出血[9]。Tang等[10]对新型冠状病毒性脓毒症患者进行分类的模型研究结果显示，使用7种凝血功能指标作为危险因素对新型冠状病毒性脓毒症患者预后的预测效果较好。与其研究结果相似，我们的研究中死亡组的Plt、Fib显著低于存活组，FDP和D-D显著高于存活组，印证了脓毒症病理生理学机制。
本研究发现，血清K+和Cl–也是预后不良的敏感指标，死亡组的血清K+和Cl–水平均显著高于存活组。血行性感染危重症患者中导致电解质水平失衡的主要原因有入出量的失衡、肾功能减退、代谢性酸中毒、机械通气和药物影响。既往文献支持高氯血症、高钾血症与病死率的直接关系。以Cl–为例，研究表明在危重症患者中快速输注大量富含氯化物的晶体溶液作为复苏液可能会导致高氯代谢性酸中毒。高氯血症与不良临床结局相关，尤其是肾毒性作用[11-13]。值得注意的是，电解质紊乱常合并急性肾损伤或其他重要脏器功能障碍，但本研究未显示电解质异常同时伴有肾脏指标的异常，且肾脏、肝脏指标也未显示与不良预后的关联性。究其原因，可能是因为尽管两组电解质水平存在差异，但仍然在正常水平内，可能处于疾病早期，尚未达到肾损伤阶段。
本研究还发现血清Glo和AST也有不良预后的提示作用。脓毒症时，肝脏在感染和大量炎性介质的刺激下会产生广泛的内皮损伤及肝细胞的合成功能障碍，该过程还与血小板活化过程密切相关，促进凝血因子消耗，最终导致微血管血栓形成和多器官功能障碍，临床呈现出上述相关指标的显著改变[14]。血清Glo是多种蛋白质的混合物，一般是指免疫球蛋白，免疫球蛋白与脓毒症时机体对病原体的识别和防御直接相关，因此该指标的下降提示患者的防御功能的减退，故与不良预后直接相关。一项应用随机森林机器学习算法预测ICU患者脓毒症发生的研究共纳入20个变量，其中包含与本研究重叠的年龄、Plt、Fib、血清K+、血清Cl–、Glo等6个变量。该研究模型的AUC为0.91，敏感性87%，准确性89%[15]，提示Glo可纳入预后评价指标的参数体系。另一方面，AST是广泛使用的肝功能指标，肝细胞受损时细胞膜的渗透性增强，受损的肝细胞会释放出大量的细胞质酶进入血液，这可能是脓毒症中AST水平升高的原因。与我们的研究类似。Zheng等[16]研发的脓毒症住院病死率风险评分将年龄、心率、Plt和AST作为预后评价参数，从而早期发现高危脓毒症患者。
研究中患者的纳入标准为Sepsis3.0，但与标准不同，除了传统的呼吸、凝血、肝脏、心血管系统（MAP）、中枢神经系统和肾脏指标之外，年龄、电解质以及免疫球蛋白也是脓毒症的预后参考指标。这可能与研究限定为血行性感染有关，可能也与样本量较少有关。无论如何，上述指标值得参考，并可通过后续的大样本前瞻性研究对其价值进行进一步探讨。本研究其他的局限性包括研究为一项单中心回顾性研究，需要多中心进行验证；其次，我们使用的是内部验证法对模型进行的验证，存在一定的局限性，可能需要验证数据集对模型进行验证；另外，模型纳入研究病案数相对较少，需要大数据集进行比较验证；最后，脓毒症是一个不断发展的疾病，我们以入院48 h内的数据对患者进行分析，缺乏连续性观察指标，从而忽视了脓毒症发生发展的过程。
综上所述，我们的研究纳入年龄、MAP、Plt、Fib、血清K+、Cl–以及AST和血清Glo建立的预测模型，可成功预测细菌血行性感染脓毒症患者的危险因素患者的预后。在脓毒症患者中基础生命体征、凝血功能、肝功能以及肾功能障碍导致的内环境紊乱对其预后至关重要，临床工作中医生应当对以上几个方面重点关注，早期及时地进行干预减少不良预后的发生。
利益冲突：本研究不涉及任何利益冲突。
脓毒症是一种以宿主对感染反应失调为特征的异质性综合征，现已成为严重的公共卫生问题，并产生了严重的经济负担[1]。脓毒症的病因以感染为主，其中血行性感染的危害性最大。血行性感染占社区获得性和医院获得性脓毒症和感染性休克病例的40%，约占重症监护室（intensive care unit，ICU）获得性感染病例的20%；并与不良预后相关，特别是初始抗菌治疗选择不当或感染源控制推迟时[2]。正因为血行感染脓毒症患者治疗难度较大，且预后结局不佳，因此有效判断其预后成为临床重要的课题。近两年来已有不同的预测模型用于预测ICU获得性感染脓毒症患者、脓毒症性休克的急性肾损伤患者、ICU内急性呼吸衰竭脓毒症患者、ICU内脓毒症和肺部感染患者的预后[3-6]，但对细菌性血行性感染脓毒症患者的预测模型报道较少。本研究通过对单中心数据的回顾性分析，尝试从临床常用指标中筛选并确定与细菌性血行性感染的脓毒症患者死亡相关的独立危险因素并建立预测模型，为临床提供指导，现将初步结果报告如下。
1 资料与方法
1.1 临床资料
收集大连医科大学附属第一医院电子病案系统数据库2018年1月1日—2019年12月31日成人血培养阳性脓毒症患者入院48 h内的相关指标，包括人口学特征、生命体征、实验室检验数据等。纳入标准：（1）符合脓毒症3.0国际标准[7]；（2）年龄≥18岁的住院患者；（3）一般血（含导管尖端）培养阳性；（4）住院时间≥48 h。排除标准：（1）各种原因放弃治疗或退院者；（2）入院前一般血培养阳性者；（3）非正常死亡患者（如自杀）。本研究已通过医院伦理委员会审批（PJ-KS-KY-2022-279）。
1.2 方法
收集患者年龄、性别。患者入院后48 h内生命体征数据：体温、平均动脉压（mean arterial pressure，MAP）、心率、呼吸频率（respiratory rate，RR）、脉搏血氧饱和度（pulse oxygen saturation，SpO2）；常用且数据完整的实验室检验指标包括：血红蛋白（hemoglobin，Hb）、红细胞比容（hematocrit，HT）、白细胞计数（white blood cell count，WBC）、血小板计数（platelet count，Plt）、纤维蛋白原（fibrinogen，Fib）、D-二聚体（D-dimmer，D-D）、纤维蛋白原降解产物（fibrinogen degradation products，FDP）、血清钾离子（K+）、血清氯离子（Cl–）、血清钙离子（Ca2+）、血清磷（P）、血清镁离子（Mg2+）、血清球蛋白（globulin，Glo）、总胆红素（total bilirubin，TBIL）、谷草转氨酶（aspartate transaminase，AST）、谷丙转氨酶（alaninetransaminase，ALT）、血清白蛋白（albumin，Alb）、血培养病原体种类、器官衰竭数量及序贯脏器衰竭评分（sequential organ failure assessment，SOFA）。根据患者出院时的结局分为存活组和死亡组。观察组间相关独立危险因素。
1.3 统计学方法
采用SPSS 25.0软件对数据进行分析，分类变量以例数或百分比表示，组间比较采用χ2检验。连续变量以中位数（四分位数）［M（P25，P75）］表示，组间比较采用Mann-Whitney U检验。首先采用单因素组间比较筛选具备统计学差异的危险因子，随后纳入多因素Logistic回归（后退法）分析以确定纳入模型的预后危险因素，以P<0.05为差异有统计学意义。将确定的危险因素经多因素Logistic回归（进入法）分析，确立预测模型并绘制受试者操作特征（receiver operator characteristic，ROC）曲线，以ROC曲线下面积（area under the ROC curve，AUC）代表模型的总体预测效能。模型的准确性判别则采用自举重采样（bootstrap-resampling）方法，通过R语言软件进行内部验证，并绘制列线图，同时以平均绝对误差（mean absolute error，MAE）和均方误差（mean squared error，MSE）衡量模型准确性（MAE与MSE值越小代表模型准确性越佳）。
2 结果
2.1 一般情况
共检索到1189例患者，最终符合条件且数据完整而纳入研究的患者为563例（图1），其中男351例（62.3%），女212例（37.7%），平均年龄65.8（57.0，77.0）岁；398例（70.6%）患者存活，165例（29.4%）患者死亡。感染病原体类型为革兰染色阳性者301例，其中存活组220例（55.3%），死亡组81例（49.1%）；革兰染色阴性者262例，存活组178例（44.7%），死亡组84例（50.9%）。
图1
患者筛查流程
2.2 存活组与死亡组的组间比较
存活组与死亡组之间的单因素比较提示，两组年龄存在显著性差异（P=0.000），但性别比较未见显著差异（P=0.121））。基础生命体征比较，体温、MAP、心率、RR与SpO2等指标存在显著差异（P<0.05）。SOFA评分两组比较存在显著差异（P=0.000）。实验室指标方面，两组间病原体种类未见显著差异。其他实验室指标，如Hb、HT、WBC、Plt、Fib、D-D、FDP、K+、Cl–、Ca2+、P、Mg2+、Glo、TBIL、AST、ALT和Alb均有显著差异（P<0.05）。组间比较合并器官功能衰竭数量差异有统计学意义（P =0.000）。结果见表1。
表1
血行性感染脓毒症患者预后组间单因素分析［例（%）/M（P25，P75）］
2.3 细菌性血行性感染脓毒症患者预后影响因素Logistic回归分析
采用多因素Iogistic回归分析（后退法）对表1中具有显著统计学意义的变量进行分析，共筛选出年龄、心率、Plt、Fib、K+、Cl–、AST、Glo共8个差异有统计学意义的独立危险因素，结果见表2。
表2
细菌性血行感染脓毒症患者预后影响因素Logistic回归分析（后退法）
2.4 预后模型的建立
继续使用Logistic回归分析（进入法）将上一步8个独立危险因素及其他有临床参考价值的指标纳入Logistic回归模型进行分析，共有年龄、心率、Plt、Fib、K+、Cl–、 AST、Glo、MAP共9指标纳入模型，并保存该模型概率值，结果见表3。MAP尽管在组间比较中差异有统计学意义，但在Logistic回归（后退法）中差异未显示出统计学意义而未成为死亡的独立危险因素，而既往大量研究表明MAP与脓毒症患者预后有直接关系。而血清Cl–的P值处于临界值，在模型中有很大可能性与患者预后相关，因此本研究继续将MAP和Cl–纳入预测模型，以进一步评价两者的价值。使用纳入9个独立危险因素的Logistic回归模型的概率值绘制ROC曲线，Logistic回归模型预测效能良好，其AUC为0.779（95%CI 0.737～0.821）。结果见图2。
表3
细菌性血行感染脓毒症患者预后影响因素logistic回归分析（进入法）
图2
Logistic回归模型的概率值绘制ROC曲线
2.5 细菌性血行性感染脓毒症患者预后预测模型的内部验证和列线图
使用R语言程序通过内部验证法对该模型的准确性进行验证。MAE=0.011，MSE=0.00018，结果见图3。该模型列线图结果显示在总分210～320区间，预测效能良好，结果见图4。
图3
细菌性血行性感染脓毒症患者预后预测模型内部验证
图4
细菌性血行性感染脓毒症患者预测模型列线图
3 讨论
脓毒症是一种以宿主对感染反应失调为特征的异质性综合征，其中细菌性血行性感染脓毒症更是严重威胁患者的生命，是感染性疾病中致死率最高的病种之一，并造成显著的经济和精神负担。如何评估细菌性血行性感染脓毒症患者的预后始终是感染、急重症领域的研究重点和难点。在本次单中心的回顾性分析中，我们利用Logistic回归分析显示年龄、血行性感染脓毒症发病48 h内的心率、平均动脉压、血小板、纤维蛋白原、血清K+、血清Cl–、血清Glo、AST等指标是患者死亡的独立危险因素，由以上9个变量组构成的Logistic回归模型预测效能良好。以上指标为临床评估血行性感染脓毒症患者的结局提供了较好的参考。
从以上分析来看，部分常见的临床指标对预后的判断有明显的提示作用。高龄、心率增快以及MAP下降均为血行性感染患者不良预后的独立危险因素，与Zhang等[4]及Bloch等[8]的研究结果相似。在本研究中，超过一半的血行性感染发生在65岁及以上的患者中，70%的死亡病例发生在该年龄组。一项在成人患者中早期识别脓毒症患者的前瞻性诊断队列研究的发展和外部验证研究，纳入了基于6个变量（年龄>65岁、温度>38 ℃、收缩压≤110 mm Hg、心率>110次/min、SpO2≤95%、精神状态改变）各1分的简单计数的预测模型具有良好的判别和校准能力。以上研究结果强调了年龄、心率、MAP（血压）等在血行性感染、脓毒症老年患者中的重要（危险）性。
众所周知，脓毒症患者存在显著的凝血功能失调，并导致脓毒症相关凝血病及凝血系统组成部分的改变。在极端情况下，脓毒症可导致弥漫性血管内凝血，大量的血栓形成造成体内凝血因子的巨大消耗，最终引起全身血栓形成和出血[9]。Tang等[10]对新型冠状病毒性脓毒症患者进行分类的模型研究结果显示，使用7种凝血功能指标作为危险因素对新型冠状病毒性脓毒症患者预后的预测效果较好。与其研究结果相似，我们的研究中死亡组的Plt、Fib显著低于存活组，FDP和D-D显著高于存活组，印证了脓毒症病理生理学机制。
本研究发现，血清K+和Cl–也是预后不良的敏感指标，死亡组的血清K+和Cl–水平均显著高于存活组。血行性感染危重症患者中导致电解质水平失衡的主要原因有入出量的失衡、肾功能减退、代谢性酸中毒、机械通气和药物影响。既往文献支持高氯血症、高钾血症与病死率的直接关系。以Cl–为例，研究表明在危重症患者中快速输注大量富含氯化物的晶体溶液作为复苏液可能会导致高氯代谢性酸中毒。高氯血症与不良临床结局相关，尤其是肾毒性作用[11-13]。值得注意的是，电解质紊乱常合并急性肾损伤或其他重要脏器功能障碍，但本研究未显示电解质异常同时伴有肾脏指标的异常，且肾脏、肝脏指标也未显示与不良预后的关联性。究其原因，可能是因为尽管两组电解质水平存在差异，但仍然在正常水平内，可能处于疾病早期，尚未达到肾损伤阶段。
本研究还发现血清Glo和AST也有不良预后的提示作用。脓毒症时，肝脏在感染和大量炎性介质的刺激下会产生广泛的内皮损伤及肝细胞的合成功能障碍，该过程还与血小板活化过程密切相关，促进凝血因子消耗，最终导致微血管血栓形成和多器官功能障碍，临床呈现出上述相关指标的显著改变[14]。血清Glo是多种蛋白质的混合物，一般是指免疫球蛋白，免疫球蛋白与脓毒症时机体对病原体的识别和防御直接相关，因此该指标的下降提示患者的防御功能的减退，故与不良预后直接相关。一项应用随机森林机器学习算法预测ICU患者脓毒症发生的研究共纳入20个变量，其中包含与本研究重叠的年龄、Plt、Fib、血清K+、血清Cl–、Glo等6个变量。该研究模型的AUC为0.91，敏感性87%，准确性89%[15]，提示Glo可纳入预后评价指标的参数体系。另一方面，AST是广泛使用的肝功能指标，肝细胞受损时细胞膜的渗透性增强，受损的肝细胞会释放出大量的细胞质酶进入血液，这可能是脓毒症中AST水平升高的原因。与我们的研究类似。Zheng等[16]研发的脓毒症住院病死率风险评分将年龄、心率、Plt和AST作为预后评价参数，从而早期发现高危脓毒症患者。
研究中患者的纳入标准为Sepsis3.0，但与标准不同，除了传统的呼吸、凝血、肝脏、心血管系统（MAP）、中枢神经系统和肾脏指标之外，年龄、电解质以及免疫球蛋白也是脓毒症的预后参考指标。这可能与研究限定为血行性感染有关，可能也与样本量较少有关。无论如何，上述指标值得参考，并可通过后续的大样本前瞻性研究对其价值进行进一步探讨。本研究其他的局限性包括研究为一项单中心回顾性研究，需要多中心进行验证；其次，我们使用的是内部验证法对模型进行的验证，存在一定的局限性，可能需要验证数据集对模型进行验证；另外，模型纳入研究病案数相对较少，需要大数据集进行比较验证；最后，脓毒症是一个不断发展的疾病，我们以入院48 h内的数据对患者进行分析，缺乏连续性观察指标，从而忽视了脓毒症发生发展的过程。
综上所述，我们的研究纳入年龄、MAP、Plt、Fib、血清K+、Cl–以及AST和血清Glo建立的预测模型，可成功预测细菌血行性感染脓毒症患者的危险因素患者的预后。在脓毒症患者中基础生命体征、凝血功能、肝功能以及肾功能障碍导致的内环境紊乱对其预后至关重要，临床工作中医生应当对以上几个方面重点关注，早期及时地进行干预减少不良预后的发生。
利益冲突：本研究不涉及任何利益冲突。
