
-
生物通官微
陪你抓住生命科技
跳动的脉搏
急诊科实体瘤发热患者败血症风险预测简化模型的构建与内部验证
《BMC Infectious Diseases》:A simplified and clinically applicable prediction model for early identification of bacteremia in febrile patients with solid tumors in the emergency department
【字体: 大 中 小 】 时间:2026年10月08日 来源:BMC Infectious Diseases 3.2
编辑推荐:
摘要背景败血症是癌症患者的一种严重且可能危及生命的并发症,需要及时识别并尽早开始治疗。然而,由于临床表现不典型,因此在急诊科(ED)就诊的发热性癌症患者中早期识别败血症仍然具有挑战性。本研究旨在开发并内部验证一种简化模型,用于预测急诊科中患有实体瘤的发热患者的败血症风险。方法我们
败血症是癌症患者的一种严重且可能危及生命的并发症,需要及时识别并尽早开始治疗。然而,由于临床表现不典型,因此在急诊科(ED)就诊的发热性癌症患者中早期识别败血症仍然具有挑战性。本研究旨在开发并内部验证一种简化模型,用于预测急诊科中患有实体瘤的发热患者的败血症风险。
我们对2024年1月至12月期间因发热来到一家三级学术医院急诊科的成人实体瘤患者进行了回顾性研究。败血症的诊断依据是血液培养结果。候选预测因子通过最小绝对收缩量选择算法(LASSO)回归进行评估,随后进行多变量逻辑回归。模型性能通过判别能力、校准、决策曲线分析和内部10折交叉验证进行评估。
共纳入466例发热急诊就诊病例,其中82例(17.6%)患有败血症。最终确定的四变量模型包括前降钙素、脉搏率、中性粒细胞与淋巴细胞比值和白蛋白。该模型的判别能力较强(AUC为0.948;10折交叉验证的AUC为0.947),而单独使用前降钙素的AUC为0.922。在最佳 cut-off 值下,模型的敏感性为0.819,特异性为0.923。交叉验证的校准结果显示截距为-0.144,斜率为0.913。
这一简化模型表现出良好的内部性能,可能为实体瘤发热患者的早期败血症风险分层提供一种有前景的方法。在常规临床应用之前,还需要进行独立的外部验证和前瞻性临床效用评估。
不适用。
败血症是癌症患者的一种严重且可能危及生命的并发症,需要及时识别并尽早开始治疗。然而,由于临床表现不典型,因此在急诊科(ED)就诊的发热性癌症患者中早期识别败血症仍然具有挑战性。本研究旨在开发并内部验证一种简化模型,用于预测急诊科中患有实体瘤的发热患者的败血症风险。
我们对2024年1月至12月期间因发热来到一家三级学术医院急诊科的成人实体瘤患者进行了回顾性研究。败血症的诊断依据是血液培养结果。候选预测因子通过最小绝对收缩量选择算法(LASSO)回归进行评估,随后进行多变量逻辑回归。模型性能通过判别能力、校准、决策曲线分析和内部10折交叉验证进行评估。
共纳入466例发热急诊就诊病例,其中82例(17.6%)患有败血症。最终确定的四变量模型包括前降钙素、脉搏率、中性粒细胞与淋巴细胞比值和白蛋白。该模型的判别能力较强(AUC为0.948;10折交叉验证的AUC为0.947),而单独使用前降钙素的AUC为0.922。在最佳 cut-off 值下,模型的敏感性为0.819,特异性为0.923。交叉验证的校准结果显示截距为-0.144,斜率为0.913。
这一简化模型表现出良好的内部性能,可能为实体瘤发热患者的早期败血症风险分层提供一种有前景的方法。在常规临床应用之前,还需要进行独立的外部验证和前瞻性临床效用评估。
不适用。