摘要
目的：本研究拟通过构建早期预测重症急性胰腺炎（Severeacutepancreatitis，SAP）列线图模型，为早期识别SAP高危患者筛选临床可靠的血清学指标，并为高危患者实施针对性治疗措施提供预警以及参考。 方法：本研究为回顾性研究，选取2015年1月1日至2022年12月31日间安徽医科大学第二附属医院收治的急性胰腺炎（Acutepancreatitis，AP）患者，根据纳入及排除标准，共纳入AP患者620例，根据亚特兰大AP分级指南进行分级。将全部患者按7:3的比例随机分为试验队列（434例）和验证队列（186例），分别将两队列的中的病人分为SAP组以及非SAP组（None-severeacutepancreatitis，NSAP组），NSAP组包含轻重和中重症，SAP组只包含重症。其中试验队列中NSAP组共333例，SAP组共101例，验证队列中NSAP组共137例，SAP组共49例。收集患者一般资料以及入院第一天一般资料和临床资料，并按照Ranson评分、BISAP评分（Bedsideindexforseverityinacutepancreatitis，BISAP）、急性生理学和慢性健康评估II评分（AcutephysiologyandchronichealthevaluationIIscore，APACHEIIscore）这三个评分系统对AP患者进行评分。首先比较试验队列、验证队列的基线资料，依次通过组间比较、logistic单因素、多因素回归分析对试验队列中患者的一般资料、临床资料进行筛选得到回归模型，并通过Spearman法将多因素分析所得的几个预测指标与上述三个评分系统相关性的分析，侧面佐证这些指标与AP严重程度的关系。然后通过R语言，将函数回归模型进行可视化处理，得到列线图评估模型，并对这个线列图模型进行验证。通过R语言qROC分析预测模型与其他三个评分系统对SAP诊断的灵敏度、特异度。最后通过决策曲线验证比较列线图模型与其他三个诊断模型的临床效益。 结果：（1）试验队列和验证队列的基线资料并无差异。（2）对试验队列进行组间分析后，结果显示，两组患者的以下指标无显著差异（P值gt;0.05）：年龄、性别、病因、血淀粉酶、血脂肪酶、甘油三酯。两组患者的以下指标有显著差异（P值均lt;0.05）：体重指数（bodymassindex,BMI）、肌酐、C-反应蛋白、血尿素氮、中性粒细胞/淋巴细胞比值（neutrophil-lymphocytesratio，NLR）、白细胞计数（Whitebloodcellcount,WBC）、降钙素原（Procalcitonin,PCT）、红细胞分布宽度(Redcelldistributionwidth，RDW)、白蛋白（albumin,ALB）、肿瘤坏死因子-α（Tumornecrosisfactor-α，TNF-α）水平的差异均有统计学意义（P值均lt;0.05）。Logistic单因素、多因素分析显示RDW、ALB、NLR、PCT、TNF-α、BMI水平均是SAP的独立预测因子。Logistic多因素回归模型分析显示P=0.178，这说明该回归模型有效。多因素分析最终结果显示NLR（OR=1.102，95%CI1.000~1.192，Plt;0.001）、RDW（OR=2.540，95%CI2.049~3.163，Plt;0.001）、BMI（OR=1.094，95%CI1.003~1.181，P=0.042）、PCT（OR=1.130，95%CI1.023~1.245，Plt;0.001）、TNF-α（OR=1.511，95%CI1.009~1.644，Plt;0.001）是SAP发作的独立危险因素；ALB（OR=0.753，95%CI0.724~0.895，Plt;0.001）是SAP发作的独立保护因素。（3）RDW、NLR、PCT、TNF-α、BMI与三个评分系统均呈正相关，ALB与三个评分系统均呈负相关。（4）通过R语言构建列线图，提示得分超过120分有发生SAP的可能，得分达210分SAP的发生率超过90%，其中NLR、RDW在我们的列线图中占有较高的得分权重比，对SAP的预测更为重要。（4）在试验队列以及验证队列的验证中列线图的一致性指数分别为0.936（95%CI,0.920~0.952），0.936（95%CI,0.914~0.958），均大于0.9，这说明列线图模型对SAP有良好的区分能力。校准度验证中，两队列得到的校准曲线与标准曲线基本一致，表明该列线图对SAP有良好的校准能力。（5）ROC曲线分析显示列线图模型预测SAP的AUC=0.936，高于APACHEII评分、Ranson评分、BISAP评分，并且灵敏度（0.944）、特异度均（0.833），均较高，说明该列线图对SAP具有良好的预测价值。（6）决策曲线分析显示在绝大部分阈概率下，列线图模型预测SAP发生的临床获益高于APACHEII评分、Ranson评分、BISAP评分。 结论：（1）RDW、NLR、PCT、TNF-α、BMI、ALB是SAP发生的良好预测因子，并且与APACHEII评分、Ranson评分、BISAP评分三个评分系统的相关性良好。（2）本研究建立的列线图预测SAP的发生的灵敏度、特异度较高，均高于APACHEII评分、Ranson评分、BISAP评分三个评分系统，临床获益也更高。
NETL