International Journal of Surgery：预测感染胰腺坏死患者的存活率

急性胰腺炎(AP)是胃肠道疾病住院的主要原因之一，据报道，全球发病率为每10万人年34例。虽然大多数AP患者经历了一个平静的病程，但大约20%的患者进展为中重度AP (MSAP)或重度AP (SAP)伴胰腺坏死和/或器官衰竭，包括67%的无菌胰腺坏死和33%的感染性胰腺坏死(IPN)。值得注意的是，IPN是MSAP和SAP患者死亡率的关键决定因素，其死亡率高达15-35%。因此，早期识别IPN患者的死亡率预测因素是很重要的。

鉴于重症患者的高死亡率，人们开发了多种预测模型来预测病程早期AP的严重程度和死亡率，如急性生理和慢性健康评估II、急性胰腺炎严重程度床边指数和Ranson评分。然而，这些模型具有一定的局限性，如需要大量的强制性变量，或对死亡率预测的敏感性和特异性较低，从而限制了其临床应用。此外，目前的临床评分系统主要侧重于预测AP的严重程度，而不是准确预测死亡率。因此，开发一种能够有效准确地估计IPN病例个体化患者死亡率的预测模型是至关重要和势在必行的。

近年来，随机生存森林(random survival forest, RSF)方法作为一种机器学习技术，在变量选择和死亡率预测方面显示出了良好的效果。具体来说，在变量共线性和高维以及事件数量限制的情况下，它对重要变量的选择是有用的。此外，RSF允许描述连续预测因子与生存结果之间的非线性关联，并对依赖图和部分依赖图(PDP)中重要预测因子的影响方向和程度提供了有价值的见解。同时，条件生存分析(conditional survival, CS)是癌症研究中常用的一种方法，它可以反映生存率随时间的动态变化，而不是从发病开始的累积生存率。到目前为止，在IPN患者中使用RSF方法、CS分析和预测nomogram生存模型识别重要变量尚未见报道。

2023年10月18日发表在International Journal of Surgery的文章，采用RSF方法来识别最显著的预测因子并捕获临床相关的非线性阈值效应;CS用于揭示IPN患者的生存随时间的动态变化，并开发了一种基于Cox模型的nomogram结合CS，为临床医生和患者提供个性化和实时的预后信息。此外，构建了一个基于逻辑回归的nomogram，以增强在临床环境中的实际适用性。

2011年1月至2022年12月，对连续在一家大型三级医院注册的335名IPN患者进行了前瞻性队列研究。随机生存森林方法首先用于确定最重要的预测因素，并捕获临床相关的非线性阈值效应。瞬时死亡风险和CS首次用于揭示IPN患者生存的动态变化。首先开发了包含CS和基于逻辑回归的基于Cox模型的诺姆图，并使用引导方法进行了内部验证。

研究结果显示，随机生存森林模型确定了七个最重要的死亡率预测因素，包括器官衰竭次数、器官衰竭持续时间、年龄、从发病到第一次干预的时间、出血、血流感染和严重程度分类。器官衰竭的持续时间，以及从开始到第一次干预的时间显示了明显的阈值和与死亡率的非线性关系。瞬时死亡风险在前30天内逐渐降低，CS分析表明，自诊断以来实时存活率逐渐改善，在15、30天、45天、60和75天后，90天的存活率分别从0.778逐渐提高到0.838、0.881、0.974和0.992。使用逐步回归选择进一步变量后，使用五个预测器（年龄、器官衰竭次数、出血、从发病到首次干预的时间和血液感染）来构建CS诺姆图和逻辑回归诺姆图，两者都通过1000个引导图表现出优异的性能。

综上所述，在这项研究中，我们采用了RSF方法来确定7个最重要的死亡率预测因素，包括器官衰竭的数量、器官衰竭持续时间、年龄、从开始到第一次干预的时间、出血、血液感染和严重程度分类。器官衰竭的持续时间和从发病到第一次干预的时间表现出明显的阈值和与IPN患者死亡率的非线性关系。与此同时，我们还展示了IPN患者的生存模式，随着时间的推移，生存率会动态改善。此外，使用这些独立的预测器构建了CS电图和逻辑回归电图。据我们所知，这项研究是现有文献中利用机器学习预测IPN患者实时存活率的最大前瞻性队列之一，可以帮助临床医生优化临床决策和预期管理。

原始出处

Ning, Caihonga,b,c; Ouyang, Huia,b; Shen, Dingchenga,b,c; Sun, Zefanga,b,c; Liu, Baiqia,b,c; Hong, Xiaoyuea,b,c; Lin, Chiayana,b,c; Li, Jiaronga,b,c; Chen, Lua,b,c; Li, Xinyinga,b; Huang, Gengwen MDa,b,c. Prediction of survival in patients with infected pancreatic necrosis: a prospective cohort study. International Journal of Surgery ():10.1097/JS9.0000000000000844, October 18, 2023. | DOI: 10.1097/JS9.0000000000000844