论文部分内容阅读
目的:中暑定义为在高气温、湿度大和无风环境中,表现以体温调节中枢功能障碍,汗腺功能衰竭,水、电解质代谢过多丢失为特点的病症,根据临床表现的危重程度分为先兆中暑、轻度中暑和重症中暑,而重症中暑分为三种不同状态(热痉挛、热衰竭和热射病),随后往往并发多脏器功能衰竭(MODS),危及生命。为了更好的总结经验,找出规律,指导治疗,现统计学分析影响重症中暑(severe heat stroke)患者的危险要素并建立重症中暑患者预后的预测模型,提出合理建议,及早进行相关支持对症治疗,降低病死率及病残率风险。方法:收集2012年7月至2016年9月夏季期间在南昌大学第二附属医院及南昌市第三医院急诊科重症中暑患者的临床资料,分别依次根据样本量计算、临床表现、检查指标及预后进行回顾性分析。收集归纳就诊的重症中暑患者106例,其中男83例、女23例,年龄26-92岁,平均(51.67±16.86)岁。中暑前既往史:体健94例,高血压5例,糖尿病4例,脑梗塞2例,心脏疾病1例。按照预后状况分为存活组86例和死亡组20例。对归入研究因素包括年龄(Age)、性别(Sex)、呼吸频率(R)、脉搏(P)、是否有基础病、入院时核心体温(T)、白细胞计数(WBC)、血小板计数(PLT)、谷草酸转氨酶(AST)、血糖(GLU)、肌酐(SCR)、肌酸激酶(CK)、血钠(Na+)、血钾(K+)、凝血酶原时间(PT)、动脉血酸碱度(PH)、入院时格拉斯哥评分(GCS)、脏器衰竭数目、急性生理与慢性健康评分(APACEⅡ评分)分别进行单因素分析及多因素Logistic回归分析,找出上述指标因素中对重症中暑患者死亡率的相关性因素。最后验证预测模型预测能力,并将患者临床资料纳入模型后绘制出工作特征曲线(the receiver operating characteristic curve,ROC曲线)及算出ROC曲线下面积(AUC)。对比预测模型分别与GSC评分、APACEⅡ评分在评估判断重症中暑患者预后的能力。结果:回顾性单因素分析显示:年龄、是否有基础病、体温、R、P、PLT、AST、CK、SCR、PT、PH、脏器衰竭数目、GSC评分、APACEⅡ评分差异有统计学意义(P<0.05),存在影响重症中暑患者预后危险。经过多因素Logistic回归分析显示:肌酸激酶(CK)是判断重症中暑预后的独立危险因素。据此模型描绘ROC曲线,并计算出该曲线AUC=0.998,95%可信区间是0.986至1.109。分别与GSC评分和APACEⅡ评分对比,预测模型AUC均大于GSC评分和APACEⅡ评分的AUC,差异有统计学意义(p<0.000),且数据采集方便、快捷,总体均优于APACEⅡ评分。结论:重症中暑患者的病程中,是否有基础病、体温、R、P、PLT、AST、CK、SCR、PT、PH、脏器衰竭数目、GSC评分、APACEⅡ评分对于判断重症中暑预后有一定帮助。尤以CK是重症中暑患者死亡相关性独立危险因素,实时监测,及时、及早对症治疗,对于患者病情控制及改善预后起到关键作用。