欢迎访问心血管病防治知识,今天是

心血管病防治知识 ›› 2026, Vol. 16 ›› Issue (11): 28-33.

• 临床研究 • 上一篇    下一篇

老年心力衰竭患者发生感染相关再入院风险预测模型的构建

陈新浩, 邱晓春   

  1. 龙岩市第二医院,福建 龙岩 364000
  • 出版日期:2026-06-15 发布日期:2026-08-26

  • Online:2026-06-15 Published:2026-08-26

摘要: 目的 探讨老年心力衰竭患者发生感染相关再入院的独立影响因素,利用数据构建列线图模型并实施验证。方法 采用回顾性研究设计,选取2022年2月至2025年2月期间于龙岩市第二医院住院治疗的老年心力衰竭患者250例的数据资料进行分析。根据患者出院后90 d内是否因感染相关原因再次入院分为两组:再入院组、未再入院组。对比两组的各项数据资料,通过单因素分析以及多因素分析的方法实施数据分析,分析老年心力衰竭患者发生感染相关再入院的独立影响因素。利用多因素分析的结果,构建老年心力衰竭患者发生感染相关再入院风险的预测模型,并对模型的预测效能实施验证。结果 在本次参与调查的250名住院治疗的老年心力衰竭患者之中,出院后90 d内共有67人发生感染相关再入院,即老年心力衰竭患者感染相关再入院率为26.80%。单因素以及Logistic多因素分析结果显示,糖尿病罹患情况、出院前白蛋白水平、出院前NT-proBNP水平是老年心力衰竭患者发生感染相关再入院的独立影响因素(P<0.05)。依据多因素分析所筛选出来的变量构建老年心力衰竭患者发生感染相关再入院的列线图风险模型。列线图模型的校准曲线分析可见,平均误差为0.029。临床决策曲线分析结果显示,在风险阈值概率3%-100%,列线图模型的净获益率>0。临床影响曲线的分析结果显示,在风险阈值概率大于0.6的情况下,列线图模型预测和实际发生情况匹配程度良好。利用列线图模型对老年心力衰竭患者发生感染相关再入院的的情况进行ROC曲线的预测,ROC曲线下面积为0.918,最佳截断值为34.21%,预测灵敏度为83.58%,预测特异度为90.71%,利用Bootstrap自抽样法进行内部验证,重复自抽样1 000次,获得列线图模型的校正C指数为0.909。结论 本研究成功构建并验证了一个基于糖尿病史、白蛋白水平和NT-proBNP水平的列线图预测模型,该模型能够准确预测老年心力衰竭患者发生感染相关再入院的风险。

关键词: 心力衰竭, 感染相关再入院, 预测模型, 糖耐病, 白蛋白