切换至 "中华医学电子期刊资源库"
高级检索
中华临床医师杂志(电子版)

中华临床医师杂志(电子版) ›› 2022, Vol. 16 ›› Issue (11) : 1120 -1125. doi: 10.3877/cma.j.issn.1674-0785.2022.11.015

临床研究

基于贝叶斯网络模型在脓毒症患者血小板减少症发生因素中的分析
童译庆1, 张建明1, 贺星星1, 傅一牧1, 赵刚1, 封启明1,†()   
  1. 1. 200030　上海，上海市第六人民医院急诊科
  • 收稿日期:2021-12-24 出版日期:2022-11-15
  • 通信作者: 封启明
  • 基金资助:
    上海市第六人民医院2021年度院级回顾性临床研究课题(ynhg202107); 上海促进市级医院临床技能与临床创新能力三年行动计划项目(SHDC2020CR6030)

Identification of factors related to thrombocytopenia in patients with sepsis based on Bayesian network model

Yiqing Tong1, Jianming Zhang1, Xingxing He1, Yimu Fu1, Gang Zhao1, Qiming Feng1,†()   

  1. 1. Department of Emergency, Shanghai Sixth People's Hospital, Shanghai 200030, China
  • Received:2021-12-24 Published:2022-11-15
  • Corresponding author: Qiming Feng
全文 ( ) 下载PDF ( ) 导出引用
引用本文：

童译庆, 张建明, 贺星星, 傅一牧, 赵刚, 封启明. 基于贝叶斯网络模型在脓毒症患者血小板减少症发生因素中的分析[J]. 中华临床医师杂志(电子版), 2022, 16(11): 1120-1125.

Yiqing Tong, Jianming Zhang, Xingxing He, Yimu Fu, Gang Zhao, Qiming Feng. Identification of factors related to thrombocytopenia in patients with sepsis based on Bayesian network model[J]. Chinese Journal of Clinicians(Electronic Edition), 2022, 16(11): 1120-1125.

目的

分析脓毒症患者血小板减少症发生因素，并构建脓毒症患者发生血小板减少症的贝叶斯网络模型，探讨脓毒症患者发生血小板减少症及其相关因素间的网络关系，通过网络模型推理反映各影响因素对脓毒症患者发生血小板减少症的影响程度。

方法

选取上海市第六人民医院急诊重症监护病房（EICU）2019年1月至2020年12月收治的98例脓毒症患者。其中男53例，女45例，年龄（59.37±4.28）岁。统计所有患者ICU住院期间血小板减少症发生情况并依此将患者分为发生组与未发生组，设计基线资料调查表收集两组基线资料，应用Logistics回归分析对脓毒症患者发生血小板减少症的影响因素进行初筛，各影响因素间及其与脓毒症患者发生血小板减少症的关系运用贝叶斯网络模型分析。

结果

98例脓毒症患者中发生血小板减少症33例（33.67%）。两组患者的真菌性感染、感染性休克占比及白细胞介素6（IL-6）、血栓弹力图最大振幅（MA）值比较差异有统计学意义（均P＜0.05），组间其他资料比较差异无统计学意义（P＞0.05）。经Logistic回归分析结果显示，真菌性感染（OR=7.185，95%CI为1.168-44.184）、感染性休克（OR=4.024，95%CI为1.081-14.983）、血清IL-6过表达（OR=9.360，95%CI为2.283-38.379）均是脓毒症患者血小板减少症发生的危险因素（P＜0.05），MA值过表达（OR=0.814，95%CI为0.734-0.902）是脓毒症患者血小板减少症发生的保护因素（P＜0.05）；有向无环的贝叶斯网络结构图形显示，真菌性感染、感染性休克、IL-6、MA值与脓毒症患者血小板减少症发生有关。

结论

脓毒症患者血小板减少症发生可能与真菌性感染、感染性休克、高IL-6水平、低MA值有关。

关键词: 脓毒症, 血小板减少症, 贝叶斯网络, 白细胞介素6, 血小板计数
Objective

To identify the factors related to thrombocytopenia in patients with sepsis, and to construct a Bayesian network model of thrombocytopenia in those patients to explore the network relationship between thrombocytopenia and its related factors and to reflect the extent of influence of various factors on thrombocytopenia in patients with sepsis by network model reasoning.

Methods

Ninety-eight patients with sepsis admitted to the intensive care unit (ICU) of Shanghai Sixth People's Hospital from January 2019 to December 2020 were selected. Among them, there were 53 males and 45 females, with an age of (59.37±4.28) years. The occurrence of thrombocytopenia in all patients during ICU stay was statistically analyzed and the patients were divided into either an occurrence group or a non-occurrence group according to the occurrence of thrombocytopenia or not. Baseline data questionnaire was designed to collect baseline data of the two groups. Logistic regression analysis was used to screen the influencing factors of thrombocytopenia in patients with sepsis, and the relationship between each influencing factor and thrombocytopenia in patients with sepsis was analyzed using the Bayesian network model.

Results

Among the 98 patients with sepsis, 33 had thrombocytopenia (33.67%). Fungal infection, septic shock, interleukin-6 (IL-6) level, and maximum amplitude of thromboelastogram (MA) differed significantly between the two groups (P＜0.05 for all), but there was no statistical significant difference in other data between the two groups (P＞0.05 for all). Logistic regression analysis demonstrated that fungal infection (odds ratio [OR]=7.185, 95% confidence interval [CI]:1.168-44.184), septic shock (OR=4.024, 95%CI:1.081-14.983), and overexpression of serum IL-6 (OR=9.360, 95%CI:2.283-38.379) were risk factors for thrombocytopenia in patients with sepsis (P＜0.05 for all), while elevation of MA value (OR=0.814, 95%CI:0.734-0.902) was a protective factor for thrombocytopenia (P＜0.05). Directed acyclic Bayesian network structure graph showed that fungal infection, septic shock, IL-6, and MA value were associated with thrombocytopenia in patients with sepsis.

Conclusion

The occurrence of thrombocytopenia in patients with sepsis may be related to fungal infection, septic shock, high IL-6 level, and low MA value

Key words: Sepsis, Thrombocytopenia, Bayesian network, Interleukin 6, Platelet count
表1 两组脓毒症患者一般资料比较
项目 发生组（n=33） 未发生组（n=65） χ2/t值 P值
性别［例（%）］ 0.004 0.948
男 18（54.6） 35（53.9）
女 15（45.5） 30（46.2）
年龄［例（%）］ 0.046 0.831
≥60岁 17（51.5） 32（49.2）
＜60岁 16（48.5） 33（50.8）
感染部位［例（%）］
肺部感染 21（63.6） 43（66.2） 0.063 0.969
腹腔感染 7（21.2） 13（20.0）
泌尿系统感 5（15.2） 9（13.9）
真菌性感染［例（%）］ 16.867 ＜0.001
是 13（39.4） 4（6.2）
否 20（60.6） 61（93.8）
SOFA（
x¯
±s，分）		 3.39±0.92 3.37±0.86 0.106 0.916
APACHEⅡ（
x¯
±s，分）		 21.38±5.32 22.07±6.13 0.550 0.584
感染性休克［例（%）］ 7.685 0.006
有 18（54.6） 17（26.2）
无 15（45.5） 48（73.9）
使用抗血小板药物［例（%）］ 0.722 0.396
是 7（21.2） 19（29.2）
否 26（78.8） 46（70.8）
使用抗凝药物［例（%）］ 0.520 0.471
是 6（18.2） 16（24.6）
否 27（81.8） 49（75.4）
CRRT治疗［例（%）］ 0.008 0.929
是 13（39.4） 25（38.5）
否 20（60.6） 40（61.5）
表2 2组脓毒症患者的实验室检查资料比较（
xˉ
±s）
项目 发生组（n=33） 未发生组（n=65） t/χ2值 P值
IL-6（ng/L） 121.48±18.45 105.26±17.23 4.003 ＜0.001
PCT（μg/L） 1.19±0.31 1.07±0.30 1.851 0.067
CRP（mg/L） 123.45±21.73 125.17±22.68 0.360 0.720
APTT（s） 29.32±4.27 28.69±4.18 0.700 0.486
PT（s） 12.47±2.18 11.98±2.40 0.984 0.327
FIB（g/L） 2.95±0.89 2.73±0.85 1.192 0.236
D-D（mg/L） 4.65±1.03 4.39±1.10 1.129 0.262
WBC（×109/L） 13.60±2.17 12.95±2.60 1.234 0.220
MA值（min） 57.30±8.23 66.95±6.79 6.183 ＜0.001
K值（min） 1.32±0.45 1.28±0.34 0.492 0.624
R值（min） 5.10±1.68 4.87±1.46 0.700 0.486
表3 脓毒症患者血小板减少症发生因素的logistics回归分析
指标 B 标准误 WaId χ2值 P值 OR值（95%CI）
常量 5.224 3.040 2.954 0.086 -
真菌性感染 1.972 0.927 4.528 0.033 7.185（1.168~44.184）
感染性休克 1.392 0.671 4.309 0.038 4.024（1.081~14.983）
IL-6 2.236 0.720 9.650 0.002 9.360（2.283~38.379）
PCT 1.933 1.015 3.626 0.057 6.912（0.945~50.548）
MA值 -0.206 0.053 15.271 ＜0.001 0.814（0.734~0.902）
表4 受试者工作特征（ROC）曲线检验各指标预测脓毒症患者发生血小板减少症最佳截断值
指标 AUC 95%CI 最佳截断值 特异性 敏感度
IL-6 0.743 0.636~0.849 113.590 μg/L 0.708 0.758
MA值 0.825 0.735~0.16 62.435 min 0.800 0.727
表5 指标赋值说明
自变量 变量说明 赋值
真菌性感染 分类变量 “1”=是，“0”=否
感染性休克 分类变量 “1”=是，“0”=否
IL-6 分类变量 “1”=≥113.590 ng/L，“0”=＜113.590 ng/L
MA值 分类变量 “1”=≥62.435 min，“0”=＜62.435 min
表6 脓毒症患者血小板减少症发生的条件概率分布表
父节点 血小板减少症
真菌性感染 感染性休克 IL-6≥113.590 ng/L MA值＜62.435 min 发生 未发生
是 是 是 是 0.667 0.333
是 是 是 否 1.000 0.000
是 是 否 是 0.333 0.667
是 否 是 是 0.500 0.500
否 是 是 是 0.750 0.250
否 否 是 是 0.375 0.625
否 是 否 是 0.071 0.929
否 是 是 否 1.000 0.000
是 是 否 否 0.765 0.235
是 否 否 是 0.333 0.667
是 否 是 否 1.000 0.000
是 否 否 是 0.333 0.667
否 否 否 否 0.400 0.600
否 否 否 是 0.028 0.972
否 否 是 否 0.500 0.500
否 是 否 否 0.800 0.200
1
Li MF, Li XL, Fan KL, et al. Platelet desialylation is a novel mechanism and a therapeutic target in thrombocytopenia during sepsis: an open-label, multicenter, randomized controlled trial [J]. J Hematol Oncol, 2017, 10(1):104.
2
Koyama K, Katayama S, Muronoi T, et al. Time course of immature platelet count and its relation to thrombocytopenia and mortality in patients with sepsis [J]. PLoS One, 2018, 13(1):e0192064.
3
周南君, 汤展宏. 血小板减少症对脓毒症患者预后的影响:系统回顾和Meta分析 [J].中国实用内科杂志, 2021, 41(3):238-242,256.
4
Bedet A, Razazi K, Boissier F, et al. Mechanisms of thrombocytopenia during septic shock: a multiplex cluster analysis of endogenous sepsis mediators [J]. Shock, 2018, 49(6):641-648.
5
江玲芝, 汪明珊, 王金柱, 等. 脓毒症合并急性肾损伤患者继发血小板减少症的危险因素分析 [J].中华临床感染病杂志, 2017, 10(3):187-193.
6
中国医师协会急诊医师分会, 中国研究型医院学会休克与脓毒症专业委员会. 中国脓毒症/脓毒性休克急诊治疗指南(2018) [J].中国急救医学, 2018, 38(9):741-756.
7
中华医学会血液学分会止血与血栓学组. 成人原发免疫性血小板减少症诊断与治疗中国专家共识(2016年版) [J].中华血液学杂志, 2016, 37(2):89-93.
8
Guirgis FW, Puskarich MA, Smotherman C, et al. Development of a simple sequential organ failure assessment score for risk assessment of emergency department patients with sepsis [J]. J Intensive Care Med, 2020, 35(3):270-278.
9
谢铎文, 潘景业. 急性生理学与慢性健康状况评分系统:1978-2010 [J].中国中西医结合急救杂志, 2010, 17(6):378-381.
10
廖秋霞, 席修明. 脓毒症患者发生血小板减少的危险因素及其对临床结局的影响 [J].内科急危重症杂志, 2020, 26(4):310-314.
11
Zhou X, Tang G. Some doubts on the meta-analysis of the clinical significance of thrombocytopenia complicating sepsis [J]. J Infect, 2019, 79(3):277-287.
12
陈静, 龚宗炼, 葛颖, 等. 脓毒症患者感染病原学特点及血液指标的监测分析 [J].中华医院感染学杂志, 2019, 29(17):2571-2574.
13
Harbi GA, Chaari A. Platelets parameters in septic shock: clinical usefulness and prognostic value [J]. Blood Coagul Fibrinolysis, 2020, 31(7):421-425.
14
Fogagnolo A, Taccone FS, Campo G, et al. Impaired platelet reactivity in patients with septic shock: a proof-of-concept study [J]. Platelets, 2020, 31(5):652-660.
15
谢然, 陈礼文, 张浩, 等. IL-6评估发热伴血小板减少综合征患者病情及预后研究 [J].安徽医科大学学报, 2021, 56(9):1475-1479.
16
李健, 许华, 王兵, 等. 白细胞介素-18在脓毒症血小板减少症中的表达及临床意义 [J].实用医学杂志, 2018, 34(02):205-208.
17
崔利丹, 金志鹏, 王琪, 等. 血栓弹力图在脓毒症及脓毒性休克患儿并弥散性血管内凝血病情评估中的价值 [J].中华实用儿科临床杂志, 2017, 32(18):1398-1401.
18
Ninan KF, Iyadurai R, Varghese JK, et al. Thromboelastograph: a prognostic marker in sepsis with organ dysfunction without overt bleeding [J]. J Crit Care, 2021, 65:177-183.
[1] 孟建标, 张庚, 焦燕娜. 脓毒症合并心功能障碍患者早期肠道微生态改变的探讨[J]. 中华危重症医学杂志(电子版), 2023, 16(04): 279-285.
[2] 陈宇, 冯芳, 张露, 刘健. 基于生物信息学分析筛选脓毒症心肌病关键致病基因[J]. 中华危重症医学杂志(电子版), 2023, 16(04): 286-291.
[3] 韩媛媛, 热孜亚·萨贝提, 冒智捷, 穆福娜依·艾尔肯, 陆晨, 桑晓红, 阿尔曼·木拉提, 张丽. 组合式血液净化治疗对脓毒症患者血清炎症因子水平和临床预后的影响[J]. 中华危重症医学杂志(电子版), 2023, 16(04): 272-278.
[4] 莫小乔, 胡喆莹, 廖冬花, 谢天. 脓毒症继发急性肾损伤患者死亡风险预测模型构建及评估[J]. 中华危重症医学杂志(电子版), 2023, 16(03): 198-206.
[5] 张晓燕, 肖东琼, 高沪, 陈琳, 唐发娟, 李熙鸿. 转录因子12过表达对脓毒症相关性脑病大鼠大脑皮质的保护作用及其机制[J]. 中华妇幼临床医学杂志(电子版), 2023, 19(05): 540-549.
[6] 魏徐, 张鸽, 伍金林. 新生儿脓毒症相关性凝血病的监测和治疗[J]. 中华妇幼临床医学杂志(电子版), 2023, 19(04): 379-386.
[7] 姚咏明. 如何精准评估烧伤脓毒症患者免疫状态[J]. 中华损伤与修复杂志(电子版), 2023, 18(06): 552-552.
[8] 杨梅, 周春, 赵艾红, 王琴. 儿童难治性肺炎支原体肺炎所致塑型性支气管炎风险列线图模型的构建[J]. 中华实验和临床感染病杂志(电子版), 2023, 17(04): 274-281.
[9] 徐燕群, 李平, 杨兴, 薛慧. 脂多糖通过促进透明质酸受体CD44向核转移介导牙周膜细胞白细胞介素6释放[J]. 中华口腔医学研究杂志(电子版), 2023, 17(05): 335-344.
[10] 窦上文, 邓欢, 刘邦锋, 岳高远志, 朱华财, 刘永达. 术前复查尿培养在预测微通道经皮肾镜取石术相关感染并发症中的作用[J]. 中华腔镜泌尿外科杂志(电子版), 2023, 17(04): 361-366.
[11] 李伟, 卓剑, 黄川, 黄有攀. Lac、HO-1、sRAGE、CRP/ALB表达及脓毒症并发ARDS危险因素分析[J]. 中华肺部疾病杂志(电子版), 2023, 16(04): 514-516.
[12] 苗软昕, 乔晞. Toll样受体在脓毒症性急性肾损伤中的作用[J]. 中华肾病研究电子杂志, 2023, 12(04): 210-214.
[13] 李世明, 黄蔚, 刘玲. HMGB1介导脓毒症相关凝血功能障碍的作用机制及其治疗进展[J]. 中华重症医学电子杂志, 2023, 09(03): 269-273.
[14] 谭睿, 王晶, 於江泉, 郑瑞强. 脓毒症中高密度脂蛋白、载脂蛋白A-I和血清淀粉样蛋白A的作用研究进展[J]. 中华临床医师杂志(电子版), 2023, 17(06): 749-753.
[15] 蔡荇, 郑瑞强. 肝素结合蛋白在脓毒症中的应用及研究进展[J]. 中华临床医师杂志(电子版), 2023, 17(04): 487-490.
阅读次数
全文


摘要

版权所有 中华医学会 中华医学电子音像出版社有限责任公司  京ICP备14006079号-1  网络出版服务许可证：(署)网出证(京)字第075号