Baidu
map

细菌性重症肺炎患儿继发抗生素相关性腹泻预测模型的构建和验证

2022-11-30 安徽省妇幼保健院儿科 安徽医学 发表于江苏省

目的 分析细菌性重症肺炎患儿继发抗生素相关性腹泻(AAD)的危险因素,构建细菌性重症肺炎患儿继发AAD个性化的预测模型,并进行验证。方法 选取2018年3月至2020年5月安徽省妇幼保健医院儿科收治的

中文标题:

细菌性重症肺炎患儿继发抗生素相关性腹泻预测模型的构建和验证

发布日期:

2022-11-30

简要介绍:

目的 分析细菌性重症肺炎患儿继发抗生素相关性腹泻(AAD)的危险因素,构建细菌性重症肺炎患儿继发AAD个性化的预测模型,并进行验证。方法 选取2018年3月至2020年5月安徽省妇幼保健医院儿科收治的细菌性重症肺炎患儿237例,依据AAD发生情况分为AAD组(n=81)和非AAD组(n=156)。收集并比较两组患儿的临床资料,筛选患儿继发AAD的影响因素,采用R软件(R 3.6.1)绘制继发AAD的列线图预测模型,并进行验证。结果 多因素logistic回归分析显示,年龄≤2岁(OR=2.803,95%CI:1.480~5.308)、白细胞计数≥15×10~9/L(OR=2.532,95%CI:1.331~4.816)、C反应蛋白≥5 mg/L(OR=2.014,95%CI:1.052~3.858)、抗生素使用时间≥5 d(OR=2.775,95%CI:1.445~5.331)、联用抗生素(OR=4.036,95%CI:2.118~7.691)、使用头孢哌酮-舒巴坦钠(OR=2.329,95%CI:1.077~5.034)、使用哌拉西林-他唑巴坦(OR=2.663,95%CI:1.220~5.811)是患儿继发AAD的危险因素(P<0.05)。构建预测细菌性重症肺炎患儿继发AAD的模型,经受试者工作特征曲线下面积(AUC为0.811,95%CI:0.754~0.869)和内部验证后的Harrell’s C-index(0.788)证实,该模型具有较好的区分度和预测稳定性,Hosmer-Leweshow拟合优度检验(χ~2=8.240,P=0.411)及校准曲线提示列线图模型具有较好的校准度。临床决策分析曲线表明,当AAD发生的阈值概率处于0.08~0.70时,采用列线图模型的临床净获益水平最高。结论 基于细菌性重症肺炎患儿继发AAD的7项独立风险因素,构建细菌性重症肺炎患儿继发AAD个性化的预测模型,能较为可靠地预测细菌性重症肺炎患儿继发AAD的发生概率。

相关资料下载:
[AttachmentFileName(sort=1, fileName=细菌性重症肺炎患儿继发抗生素相关性腹泻预测模型的构建和验证.pdf)] GetToolGuiderByIdResponse(projectId=1, id=a750b1c002890915, title=细菌性重症肺炎患儿继发抗生素相关性腹泻预测模型的构建和验证, enTitle=, guiderFrom=安徽医学, authorId=0, author=, summary=目的 分析细菌性重症肺炎患儿继发抗生素相关性腹泻(AAD)的危险因素,构建细菌性重症肺炎患儿继发AAD个性化的预测模型,并进行验证。方法 选取2018年3月至2020年5月安徽省妇幼保健医院儿科收治的, cover=https://img.medsci.cn/Random/hospital-staff-doctor-review-PTX6YZP.jpg, journalId=0, articlesId=null, associationId=3832, associationName=安徽省妇幼保健院儿科, associationIntro=安徽省妇幼保健院儿科, copyright=0, guiderPublishedTime=Wed Nov 30 00:00:00 CST 2022, originalUrl=, linkOutUrl=, content=<p><span style="color: #666666;">目的 分析细菌性重症肺炎患儿继发抗生素相关性腹泻(AAD)的危险因素,构建细菌性重症肺炎患儿继发AAD个性化的预测模型,并进行验证。方法 选取2018年3月至2020年5月安徽省妇幼保健医院儿科收治的细菌性重症肺炎患儿237例,依据AAD发生情况分为AAD组(n=81)和非AAD组(n=156)。收集并比较两组患儿的临床资料,筛选患儿继发AAD的影响因素,采用R软件(R 3.6.1)绘制继发AAD的列线图预测模型,并进行验证。结果 多因素logistic回归分析显示,年龄&le;2岁(OR=2.803,95%CI:1.480~5.308)、白细胞计数&ge;15&times;10~9/L(OR=2.532,95%CI:1.331~4.816)、C反应蛋白&ge;5 mg/L(OR=2.014,95%CI:1.052~3.858)、抗生素使用时间&ge;5 d(OR=2.775,95%CI:1.445~5.331)、联用抗生素(OR=4.036,95%CI:2.118~7.691)、使用头孢哌酮-舒巴坦钠(OR=2.329,95%CI:1.077~5.034)、使用哌拉西林-他唑巴坦(OR=2.663,95%CI:1.220~5.811)是患儿继发AAD的危险因素(P<0.05)。构建预测细菌性重症肺炎患儿继发AAD的模型,经受试者工作特征曲线下面积(AUC为0.811,95%CI:0.754~0.869)和内部验证后的Harrell&rsquo;s C-index(0.788)证实,该模型具有较好的区分度和预测稳定性,Hosmer-Leweshow拟合优度检验(&chi;~2=8.240,P=0.411)及校准曲线提示列线图模型具有较好的校准度。临床决策分析曲线表明,当AAD发生的阈值概率处于0.08~0.70时,采用列线图模型的临床净获益水平最高。结论 基于细菌性重症肺炎患儿继发AAD的7项独立风险因素,构建细菌性重症肺炎患儿继发AAD个性化的预测模型,能较为可靠地预测细菌性重症肺炎患儿继发AAD的发生概率。</span></p>, tagList=[TagDto(tagId=468683, tagName=细菌性重症肺炎), TagDto(tagId=468684, tagName=继发抗生素相关性腹泻)], categoryList=[CategoryDto(categoryId=4, categoryName=消化, tenant=100), CategoryDto(categoryId=12, categoryName=呼吸, tenant=100), CategoryDto(categoryId=18, categoryName=儿科, tenant=100), CategoryDto(categoryId=85, categoryName=指南&解读, tenant=100), CategoryDto(categoryId=21100, categoryName=达仁堂循证e学界, tenant=100)], articleKeywordId=0, articleKeyword=, articleKeywordNum=6, guiderKeywordId=0, guiderKeyword=, guiderKeywordNum=6, haveAttachments=1, attachmentList=null, guiderType=0, guiderArea=共识, guiderLanguage=0, guiderRegion=3, opened=0, paymentType=, paymentAmount=10, recommend=0, recommendEndTime=null, sticky=0, stickyEndTime=null, allHits=2407, appHits=27, showAppHits=0, pcHits=173, showPcHits=2378, likes=0, shares=2, comments=0, approvalStatus=1, publishedTime=Thu Jan 05 22:31:00 CST 2023, publishedTimeString=2022-11-30, pcVisible=1, appVisible=1, editorId=0, editor=FUNNYMAN, waterMark=0, formatted=0, memberCards=[], isPrivilege=0, deleted=0, version=3, createdBy=null, createdName=FUNNYMAN, createdTime=Mon Dec 26 22:32:29 CST 2022, updatedBy=4754896, updatedName=侠胆医心, updatedTime=Sun Dec 31 14:59:18 CST 2023, courseDetails=[], otherVersionGuiders=[], isGuiderMember=false, ipAttribution=江苏省, attachmentFileNameList=[AttachmentFileName(sort=1, fileName=细菌性重症肺炎患儿继发抗生素相关性腹泻预测模型的构建和验证.pdf)])
细菌性重症肺炎患儿继发抗生素相关性腹泻预测模型的构建和验证.pdf
下载请点击:
评论区 (0)
#插入话题
Baidu
map
Baidu
map
Baidu
map