APP下载

基于常规实验室检验结果的布鲁菌病预测模型的建立

2023-02-08杨芳王亚辉程林岳奇杨萍何玲玲

医疗装备 2023年1期
关键词:布鲁菌变量曲线

杨芳,王亚辉,程林,岳奇,杨萍,何玲玲

新疆生产建设兵团第三师总医院检验科 (新疆图木舒克市 843901)

布鲁菌病不仅为社会造成巨大经济损失,而且严重威胁人类身心健康,其主要临床表现为发热(波状热)、疲劳感、出汗和不适等非特异性流感样症状。由于缺乏典型症状与体征,布鲁菌病容易与其他疾病混淆。布鲁菌病诊断主要依赖实验室检查,方法包括细菌培养、血清学检测或核酸扩增试验,检测结果的准确性对布鲁菌病的确诊和正确治疗至关重要[1]。布鲁菌的分离培养一直是布鲁菌病实验室诊断的金标准,但由于试验时间长、生物安全风险高,不适合普遍使用,且在慢性病例与局部感染病例中敏感性较低[2]。血清学检查依靠布鲁菌相关抗体作为间接证据,特异性不高,如抗体未产生或滴度未达到诊断标准,只用血清学检测可能会导致漏诊。核酸扩增法具有灵敏度高、技术简单、安全快速等特点,但价格昂贵,需要特定的仪器设备,且已康复患者检查结果可长时间保持阳性,因此其临床诊断与治疗意义不明确。上述3种诊断方法均对实验室硬件和环境要求较高且费时,不利于临床医师的早期临床决策。多变量预测模型可综合除实验室检查外的多种独立变量,对个体某种疾病患病风险概率进行预测[3]。目前利用人口学特征与常规生化检测结果对布鲁菌病进行预测诊断的研究较少。本研究通过人口学特征、血常规和肝肾功检查结果建立布鲁菌病诊断模型,以期进行风险评估和疾病早期预警,现报道如下。

1 资料与方法

1.1 一般资料

本研究为单中心回顾性队列研究,收集2019年4月至2022年2月我院收治的321例布鲁菌病患者为布鲁菌病组,选取同期261名健康人群为对照组。其中布鲁菌病组男190例,女131例;年龄42~62岁,中位年龄51岁;对照组男132例,女129例,年龄35~56岁,中位年龄49岁。两组性别、年龄等一般资料比较,差异无统计学意义(P>0.05),具有可比性。本研究遵守《赫尔辛基宣言》,并经医院医学伦理委员会批准(伦理审批文号202201)。

纳入标准:年龄≥18岁;确诊布鲁菌病,符合《中国布鲁菌病诊治专家共识》[4]诊断标准。排除标准:合并严重心肝肾疾病或全身性疾病;重要实验室检查数据缺失。

1.2 方法

1.2.1 平板凝集试验

试验步骤参考《布鲁氏菌病诊断》[5](WS/T 269-2019)操作规范,在玻片上加30 ul 待检血清,然后加30 ul 虎红平板凝集抗原(辽宁迪浩生物公司,批号:20220302)并用木签混匀,在5 min 内观察结果,同时用阴性、阳性血清按照上述步骤进行对照试验。结果判定标准:出现肉眼可见的凝集反应判定为阳性;液体均匀浑浊、未见凝集反应判定为阴性。

1.2.2 细菌培养

取患者血液样本置于哥伦比亚血琼脂平板(郑州安图生物工程股份有限公司,批号:20220421B),35℃环境下培养18~24 h,培养后平板出现较湿润、灰色针尖大小菌落,48 h 后形成圆形、凸起、光滑、较小的灰色菌落,72 h 后逐渐增大,若镜下见紫色球杆状、形似血小板样、多位于破坏细胞内的细菌,则可初步诊断。

1.2.3 数据采集和研究终点

布鲁菌病临床预测模型根据《个体预后或诊断的多变量预测模型透明报告》(Transparent reporting of a multivariable prediction model for individual prognosis or diagnosis,TRIPOD)阐述的方法进行设计与建立[6]。布鲁菌病组从电子病历系统采集患者人口学特征和临床数据,并根据既往报道[7]及临床相关性,选择12 个预测因子,其中包括年龄、性别、白细胞(white blood cell,WBC)计数、中性粒细胞(neutrophil,NEU)计数、血小板(platelet,PLT)水平、血红蛋白(Hemoglobin,Hb)水平、C-反应蛋白(C-reactive protein,CRP)水平、谷丙转氨酶(Alanine aminotransferase,ALT)水平、谷草转氨酶(Aspartate aminotransferase,AST)水平、总蛋白(total protein,TP)水平及血清白蛋白(albumin,ALB)水平;同时选取同时期健康人群作为对照组。研究终点为分析布鲁菌病的独立预测因素。

1.3 统计学处理

采用R software(version 4.1.1)软件进行统计分析。符合正态分布连续变量以±s表示,采用t检验;非正态分布计量资料以M(P25,P75)表示,比较采用非参数Mann-Whitney U 秩和检验。分类变量以率表示,采用χ2检验或Fisher精确概率检验。多因素分析采用二分类Logistics回归,模型系数检验采用Wald检验,检验值α=0.05。建立模型前,将拟纳入变量进行多重共线性检验,排除方差膨胀因子>10的变量,然后将剩余变量纳入Logistic回归模型,在赤池信息量准则下采用逐步回归法进行变量筛选并建立最终模型。利用模型纳入指标建立列线图进行风险预测,并评价各指标的相对重要性。模型的预测诊断能力和校准度分别采用受试者工作特征曲线(receiver operating characteristic curve,ROC)的曲线下面积(area under the cure,AUC)和校准曲线进行评价。利用最大约登指数(Youden's index)确定模型和单个指标诊断布鲁菌病的敏感性、特异性、阳性预测值(positive predictive value,PPV)和阴性预测值(negative predictive value,NPV)。采用Delong检验将最终模型AUC与单个指标进行比较,并采用临床决策曲线分析(decision curve analysis,DCA)评价模型的临床实用性。采用Bootstrap法(500次)对模型进行内部验证。P<0.05为差异有统计学意义。

2 结果

2.1 纳入研究对象的基线特征

布鲁菌病组在年龄、男性患者比例和CRP水平均显著高于健康组,差异有统计学意义(P<0.05),见表1。

表1 纳入研究对象基线特征

2.2 布鲁菌病相关因素分析

对相关因素进行Logistic回归分析结果表明,性别、CRP 水平、PLT 水平、Hb 水平、ALB水平和ALT 水平为布鲁菌病的独立预测因素,见表2。

表2 布鲁菌病相关因素分析

2.3 预测模型建立

将备选变量纳入模型后WBC 和TP 因共线性被剔除,经进一步筛选,逐步回归模型最终纳入6 个变量,其中包括性别、CRP 水平、PLT 水平、Hb 水平、ALB 水平及ALT 水平。模型的敏感性和特异性分别为0.88 和0.82,AUC(95%CI)为0.93(0.92~0.95) (图1A),校准曲线提示预测概率和实际概率具有较好的一致性(图1 B)。预测效能最高的单变量为CRP,但其AUC(95%CI)显著低于模型[0.83(0.80~0.87)vs. 0.93(0.92~0.95),P<0.01],见图2。依据模型结果产生的列线图和各变量相对重要性见图3。DCA 曲线提示模型的净获利显著高于单变量CRP(图4)。内部验证模型的AUC(95%CI) 为0.93(0.91~0.95),ROC 曲线和校准曲线见图5。

图1 逐步回归模型的ROC 曲线和校准曲线

图2 模型与CRP 的AUC 面积对比图

图3 逐步回归模型的列线图和纳入因素的相对重要性图

图4 预测模型与CRP 的DCA 曲线

图5 内部验证模型的ROC 曲线和校准曲线

2.4 预测模型的诊断效能分析

模型对疾病的的预测诊断效能优于单个指标变量,见表3。

表3 模型和单个变量的预测效能

3 讨论

近年来,预测模型主要用于布鲁菌病流行病学研究[8]。利用人口学特征和常规实验室检查数据建立预测模型对布鲁菌病进行风险评估和诊断的研究报道较少。本研究所建预测模型中纳入的6个预测变量在既往研究中均有报道,但既往研究均为评价单个指标和布鲁菌病的相关性。Shi 等[9]在研究中回顾性分析了2 041例布鲁菌病患者的临床特征,其中男性患者占比为77%;施玉静等[10]分析了我国南北方2015—2016年布鲁菌病流行特征,发现病例以青壮年男性(72.9%)为主,本研究中病例组男性比例为59%,男性患布鲁菌病的风险为女性的2.84倍,与既往研究结果相似。布鲁菌病在男性群体中高发的原因可能为从事牲畜养殖、屠宰、运输或销售的人群中男性占比较高,暴露于传染源的机会较多[11]。CRP 是在机体受到感染或组织损伤时出现的一种急性期反应血浆蛋白。本研究结果中布鲁菌病组的CRP 水平较健康组显著升高,与Hashemi 等[12]的研究结果相似。布鲁菌病患者血液中CRP 水平显著升高的原因可能为布鲁菌感染导致机体发生出血急性炎症反应,且疾病处于活动期,促进CRP 大量合成[13]。Trotta 等[14]近期的一项研究表明,在布鲁菌病患者体内血小板可直接与单核细胞和嗜中性粒细胞相互作用,形成复合物,且该交互作用可调节单核细胞和嗜中性粒细胞功能从而增强人体抗感染能力。因此,当发生布鲁菌感染时,PLT、单核细胞和NEU 计数可出现升高。本研究中布鲁菌病组PLT 计数和NEU 计数均较健康组显著升高,说明感染导致的免疫细胞计数升高很可能会间接引起PLT 计数增加。早期一项研究[13]分析了212名布鲁菌病患者的血液学指标,结果表明71%的患者合并不同程度的贫血,同时53%的患者出现了脾肿大;此外,Olt 等[15]的研究表明布鲁菌病与基线血红蛋白值密切相关。本研究中布鲁菌病组血红蛋白值显著低于健康组,与既往研究结果相似,分析原因可能与布鲁菌感染引发的炎症有关[16]。急性和慢性布鲁菌病常累及肝脏,布鲁菌病患者的肝损伤主要表现为转氨酶及血清白蛋白水平异常,有时会发展为急性肝炎。本研究中布鲁菌病组的血清白蛋白和ALT 较健康组差异均有统计学意义,可能原因为布鲁杆菌感染引发了肝损害。

以上证据表明本预测模型纳入的变量不仅差异有统计学意义,且都具有实际临床意义,由这些预测因素构成的模型对布鲁菌病的预测诊断效能是稳定可靠的。本研究回顾性分析了321例布鲁菌病患者及同期261名健康人群的临床特征和实验室检查数据并建立了布鲁菌病的预测诊断模型。多因素Logistic回归结果表明性别、CRP 水平、PLT 水平、Hb 水平、ALB 水平和ALT 水平是布鲁菌病的独立预测因素。根据多因素分析结果建立的预测诊断模型诊断效能较好且预测概率和实际概率具有较好的一致性,内部模型验证表明模型具有良好的稳定性和可靠性。本研究中预测效能最高的单个指标CRP的AUC(95%CI)达到了0.84(0.81~0.87),但仍显著低于模型的AUC值。此外,DCA 分析表明模型的净获利显著高于CRP。模型相对于单个变量具有多变量综合分析的优势,因此模型对疾病的预测诊断效果优于单个指标。

布鲁菌病的诊断金标准是血液培养,并不能直接利用预测模型确诊,本研究的意义在于在特异性检查结果出来前对布鲁菌病进行风险评估和早期预警。此外,在不具备血清学检查、血培养和核酸扩增等检查条件时,对具有明确的动物制品接触史且出现类似症状的患者,尤其是上述几项实验室检查出现异常者,可利用模型的诺模图对其进行初步评估,对于诊断概率大的人群需及早进行隔离干预,并进一步行针对性检查和治疗,对布鲁菌病的防控、治疗及预后具有较强的临床指导意义。

本研究也存在一定的局限性:研究为回顾性研究,可能会存在混杂因素和选择性偏倚,但本研究制定了严格的纳入排除标准,且样本量较大,一定程度上减少了上述偏倚的风险;模型纳入的备选指标数量较少,有可能漏掉一些特异性、敏感性较强的预测因素,未来研究需扩展实验室检验指标;本预测模型只进行了内部验证,未来可进行前瞻性多中心外部验证来评价模型的适用性和普遍性。

综上所述,本研究利用布鲁菌病患者的临床特征和常规实验室检查数据建立了布鲁菌病的预测诊断模型。性别、CRP、PLT、Hb、ALB 和ALT 是布鲁菌病的独立预测因素。模型的预测效能优于单个指标,本模型为临床医师评估布鲁菌病风险和预测诊断提供了重要参考依据。

猜你喜欢

布鲁菌变量曲线
未来访谈:出版的第二增长曲线在哪里?
抓住不变量解题
幸福曲线
也谈分离变量
沿平坦凸曲线Hilbert变换的L2有界性
广西羊种布鲁菌病菌株种型鉴定及评价
某县布鲁菌病的血清学监测分析
自回归求和移动平均乘积季节模型在我国布鲁菌病短期月发病人数预测中的应用
梦寐以求的S曲线
两种全自动微生物鉴定系统在布鲁菌鉴定中的应用比较