论文部分内容阅读
目的 探究一种预测新型冠状病毒肺炎患者的重症风险模型的构建.方法 对天津市收治的168例新型冠状病毒肺炎患者进行回顾研究分析,将研究人群以是否重症进行分层,并按7:3比例随机分为建模组和验证组,其中建模组共117例用作模型的建立,验证组共51例用于检验模型应用的效度及评价.采用受试者工作特征(ROC)曲线评价各评分系统对患者重症风险的预测能力.结果 研究人群的新型冠状病毒肺炎患者重症率37.5%,logistic回归分析结果表明,年龄(OR=1.091,95%CI:1.007~1.181,P= 0.032)、糖尿病(OR = 28.549,95%CI:1.753~465.039,P=0.019)、冠心病(OR = 125.649,95%CI:2.728~5787.957,P= 0.013)、淋巴细胞计数(OR= 0.007,95%CI:0.001~0.160,P = 0.007)、肌红蛋白 MB(OR = 1.087,95%CI:1.036~1.140,P= 0.001)、Pa02/Fi02(OR = 0.974,95%CI:0.957~0.991,P= 0.004)为患者重症的独立危险因素,预测模型:P = 1/[1+e-(0.087×年龄+3.352×糖尿病+4.833×冠心病-5.003×LY+0.083×肌红蛋白MB-0.027×PaO2/FrO2+6.540)],其ROC曲线下面积(AUC)为0.914(95%CI:0.836~0.993),logistic回归模型的预测敏感度为89.47%、特异度为87.5%.结论 logistic回归模型能较好预测新型冠状病毒肺炎患者的重症风险,可提高对重症高危患者的早期识别,以期早期采取干预等治疗策略降低重症风险.