目的 分析ICU患者感染多重耐药菌(Multi-drug resistance organism,MDRO)的危险因素,并构建列线图模型.方法 回顾性分析新疆医科大学第一附属医院2020年1月-2023年12月入住ICU的383例MDRO感染患者临床资料,按照1∶1比例随机选取本院同时期入住ICU的非MDRO感染患者383例的临床资料作对照.通过Logistic回归分析确立独立危险因素,建立模型方程,使用R软件绘制列线图模型.结果 单因素分析结果显示,MDRO感染患者与非MDRO感染患者入院类型、手术、简化急性生理学评分Ⅱ(SAPS Ⅱ)评分、急性生理与慢性健康评分Ⅱ(APACHEⅡ)评分、骨科疾病、使用激素类药物、气管切开、机械通气、中心静脉置管、抗生素联用、抗生素使用时间、白介素-6水平比较,差异均有统计学意义(P＜0.05).多因素分析结果显示,抗生素使用时间、使用激素类药物、入院类型、手术、SAPSⅡ评分、气管切开是ICU患者MDRO感染的独立危险因素(P＜0.05).基于以上6种因素构建列线图模型,经Hosmer-Lemeshow检验,x2=4.857,P=0.773;模型校准曲线与理想曲线吻合良好;受试者工作特征(ROC)曲线显示6种因素联合预测ICU患者MDRO感染的曲线下面积(Area under curve,AUC)为0.829[95％CI:(0.800～0.858)],最佳截断值为0.548,灵敏度为0.708,特异度为0.841.结论 本研究构建的列线图模型拥有良好的临床实用价值,可为临床医务人员早期识别ICU患者MDRO感染风险及制定相应的防控措施提供参考.

目的:探讨血清线粒体ATP合酶C亚基水平在脓毒症患者心功能状态及预后评估中的价值。方法:前瞻性纳入2017年1月1日至2018年12月31日在温州医科大学附属第一医院急诊重症监护室（EICU）收住的165例脓毒症患者，男103例（62.4%），女62例（37.6%），年龄（63±14）岁。使用人ATP合成酶脂质结合蛋白（ATP5G1）ELISA试剂盒检测患者入EICU后24 h内的血清ATP合酶C亚基水平。对照组为健康体检者，共45例。收集患者临床资料，根据左室射血分数（LVEF）及临床结局不同进行分组，比较各组之间临床指标的差异，评价血清ATP合酶C亚基水平对脓毒症患者心功能状态及预后评估的价值，分析脓毒症患者心功能状态及预后的独立危险因素。结果:脓毒症组血清ATP合酶C亚基水平高于对照组［（116±62） μg/L比（77±34） μg/L， P<0.001］。脓毒症心功能障碍组血清ATP合酶C亚基水平高于心功能正常组（ P<0.001），死亡组血清ATP合酶C亚基水平高于存活组（ P<0.05）。绘制ATP合酶C亚基、肌酸激酶同工酶（CK-MB）、B型钠尿肽（BNP）、肌钙蛋白I（cTnI）、左房舒张末期内径、左室收缩末期内径、左室舒张末期容量、左室收缩末期容量受试者工作曲线（ROC）来评估脓毒症患者心功能障碍，曲线下面积（AUC）分别为0.928、0.661、0.837、0.814、0.703、0.831、0.794、0.765，其中ATP合酶C亚基截断值、灵敏度、特异度分别为139.44 ng/L、100%、75.2%。logistic回归分析得出ATP合酶C亚基、BNP、左房舒张末期内径是脓毒症患者心功能障碍的独立危险因素（均 P<0.05）。绘制年龄、尿素氮（BUN）、ATP合酶C亚基、急性生理学与慢性健康状况评分系统Ⅱ评分（APACHEⅡ）、简化急性生理评分（SAPSⅡ）ROC曲线来评估脓毒症患者预后，其AUC分别为0.719、0.772、0.656、0.868、0.884，其中ATP合酶C亚基的截断值、灵敏度、特异度分别为131.24 ng/L、61.9%、68.7%。logistic回归分析得出年龄、BUN、ATP合酶C亚基、发生心功能障碍、APACHEⅡ评分及SAPSⅡ评分是脓毒症患者预后的独立危险因素（均 P<0.05）。 结论:血清ATP合酶C亚基水平与脓毒症患者心功能障碍密切相关，并能有效预测患者预后。

目的:对比病原菌培养阳性脓毒症（CPS）与培养阴性脓毒症（CNS）患者的特征和结局，以了解培养阴性对预后的影响，并探讨其可能的死亡风险因素。方法:采用回顾性队列研究方法，以从美国重症监护医学信息数据库Ⅳv0.4（MIMIC-Ⅳv0.4）中筛选出的脓毒症患者作为研究对象。根据确诊脓毒症前后24 h内病原菌培养结果将患者分为CPS组和CNS组，比较两组患者的一般资料、病情资料及医疗操作等。在3个回归模型下，应用Logistic回归法分析CNS与住院病死率的关系。利用卡方分析及中介效应分析探讨初始抗菌药物治疗和90 d内抗菌药物使用史对CNS患者住院病死率的影响。结果:共8 587例脓毒症患者纳入最终分析，其中CPS组5 483例，CNS组3 104例。与CPS组相比，CNS组患者年龄更小〔岁：68（56，79）比70（58，81）〕，序贯器官衰竭评分（SOFA）及入重症监护病房（ICU）24 h内进行机械通气、肾脏替代治疗和使用血管升压素比例更高〔SOFA评分（分）：3（2，5）比3（2，4），机械通气：48.61%（1 509/3 104）比39.25%（2 152/5 483），肾脏替代治疗：13.69%（425/3 104）比9.68%（531/5 483），血管升压素：15.79%（490/3 104）比13.44%（737/5 483）〕，且ICU住院时间更长〔d：5（3，10）比3（2，6）〕，住院病死率更高〔25.00%（776/3 104）比18.53%（1 016/5 483）〕，差异均有统计学意义（均 P<0.01）；但两组在性别分布、入ICU类型、简化急性生理学评分Ⅱ（SAPSⅡ）、查尔森合并症指数（CCI）评分等方面差异均无统计学意义。经过多种因素校正后，CNS是患者院内死亡的危险因素〔优势比（ OR）＝1.441，95%可信区间（95% CI）为1.273~1.630， P<0.001〕。卡方分析及中介效应分析结果显示，初始抗菌药物治疗对CNS患者住院病死率升高没有显著影响，而90 d内抗菌药物使用史是CNS患者院内死亡的危险因素（ OR＝1.683，95% CI为1.328~2.134， P<0.05），CNS在90 d内抗菌药物使用史及院内死亡中的中介效应显著（ Z＝5.302， P<0.001），中介效应占比为7.58%。 结论:CNS患者较CPS患者病情更重，预后更差。既往90 d内使用过抗菌药物可能与CNS患者住院病死率升高有关，但并不能完全解释CNS高病死率的原因。

目的:探讨各类重症监护病房（ICU）患者的基本特征及入ICU首日6种重症患者疾病严重程度常用评分对28 d死亡风险的预测价值。方法:提取美国重症监护医学信息数据库Ⅳ 2.0（MIMIC-Ⅳ 2.0）中2008至2019年重症患者的一般资料、疾病严重程度评分〔急性生理学评分Ⅲ（APSⅢ）、牛津急性疾病严重程度评分（OASIS）、Logistic器官功能障碍评分（LODS）、简化急性生理学评分Ⅱ（SAPSⅡ）、全身炎症反应综合征（SIRS）评分、序贯器官衰竭评分（SOFA）〕及预后等指标。绘制各类ICU中6种重症评分预测患者28 d死亡风险的受试者工作特征曲线（ROC曲线），并计算ROC曲线下面积（AUC），使用最大约登指数定义最佳临界值，采用Delong法对各类ICU的AUC进行两两验证。结果:共纳入53 150例重症患者，其中内科ICU（MICU）占比最多（19.25%，10 233例），其次为心血管外科ICU（CVICU；17.78%，9 450例），而神经ICU（NICU）占比最少（6.25%，3 320例）。心血管内科ICU（CCU）患者年龄最大〔岁：71.79（60.27，82.33）〕。NICU患者ICU住院时间最长〔d：2.84（1.51，5.49）〕，且占总住院时间比例最高〔63.51%（34.61%，97.07%）〕；综合ICU患者ICU住院时间最短〔d：1.75（0.99，3.05）〕；CVICU患者ICU住院时间占总住院时间比例最低〔27.69%（18.68%，45.18%）〕。在入ICU首日评分方面，NICU患者6种评分均低于其他类型ICU，MICU患者APSⅢ、LODS、OASIS、SOFA评分均高于其他ICU；而SAPⅡ、SIRS评分均在CVICU最高。预后方面，以MICU患者28 d病死率最高（14.14%，1 447/10 233），而CVICU患者病死率最低（2.88%，272/9 450）。ROC曲线分析6种评分对各类ICU患者28 d死亡风险的预测价值显示，在综合ICU，以APSⅢ、LODS、SAPSⅡ预测价值较大〔AUC及95%可信区间（95% CI）分别为0.84（0.83~0.85）、0.82（0.81~0.84）、0.83（0.82~0.84）〕；在外科ICU（SICU），以OASIS、LODS、SAPSⅡ预测价值较大〔AUC及95% CI分别为0.80（0.79~0.82）、0.79（0.78~0.81）、0.79（0.77~0.80）〕；在MICU，以APSⅢ、SAPSⅡ预测价值较大〔AUC及95% CI分别为0.84（0.82~0.85）、0.82（0.81~0.83）〕；在CCU，以APSⅢ、SAPSⅡ预测价值较大〔AUC及95% CI分别为0.86（0.85~0.88）、0.85（0.83~0.86）〕；在创伤ICU（TICU），以LODS、SAPSⅡ预测价值较大〔AUC及95% CI分别为0.83（0.82~0.83）、0.83（0.82~0.84）〕；在NICU，以OASIS、SAPSⅡ预测价值较大〔AUC及95% CI分别为0.83（0.80~0.85）、0.81（0.78~0.83）〕；在CVICU则以APSⅢ、LODS、SAPSⅡ预测价值较大〔AUC及95% CI分别为0.84（0.83~0.85）、0.81（0.80~0.82）、0.78（0.77~0.78）〕。 结论:对于综合ICU、MICU、CCU、CVICU患者，可应用APSⅢ或SAPSⅡ评分预测28 d死亡风险；对于SICU和NICU患者，可应用OASIS或SAPSⅡ评分预测28 d死亡风险；对于TICU患者，可应用SAPSⅡ或LODS评分预测28 d死亡风险；对于CVICU患者，则可应用APSⅢ或LODS评分预测28 d死亡风险。

目的:观察经鼻高流量氧疗（HFNC）对慢性阻塞性肺疾病（COPD）合并高碳酸血症患者的临床疗效，并评估生理参数指标对COPD合并轻度高碳酸血症患者疗效的早期预测价值。方法:采用回顾性队列研究方法，选择美国重症监护医学信息数据库-Ⅳ（MIMIC-Ⅳ）截至2020年9月发布的2008至2019年COPD合并轻度高碳酸血症患者的相关记录〔45 mmHg（1 mmHg＝0.133 kPa）<动脉血二氧化碳分压（PaCO 2）≤ 60 mmHg〕。根据接受HFNC或无创呼吸机分为HFNC组和无创通气（NIV）组。收集入选患者的性别、年龄、体质量指数（BMI）、简化急性生理学评分Ⅱ（SAPSⅡ）、查尔森合并症指数（CCI）评分、生理参数等基线数据。根据HFNC组基线数据进行倾向评分匹配，比较两组患者治疗48 h和28 d插管率、28 d病死率、重症监护病房（ICU）住院时间、总住院时间，以及治疗48 h内各时间段的生理参数的差异。绘制受试者工作特征曲线（ROC曲线），分析治疗4 h心率/脉搏血氧饱和度（HR/SpO 2）比值及ROX指数〔SpO 2/（吸入氧浓度，FiO 2×呼吸频率，RR）〕预测24 h与48 h插管的准确性。 结果:共筛查524 520份住院记录，纳入患者153例，其中HFNC组37例，NIV组116例。根据基线数据进行倾向性评分匹配后HFNC组患者31例，NIV组患者84例。两组患者性别、年龄、BMI、SAPSⅡ、CCI评分、生理参数等基线数据以及除ICU住院时间外的预后指标比较差异均无统计学意义。HFNC组ICU住院时间较NIV组明显延长〔d：4.6（3.1，10.0）比3.1（1.6，5.8）， P<0.05〕。与0～8 h比较，治疗40～48 h HR、RR仅HFNC组明显降低〔HR（次/min）：84.1±12.2比91.1±16.4，RR（次/min）：19.8±4.9比21.6±4.1，均 P<0.05〕；而HFNC组和NIV组pH值均明显升高（7.42±0.08比7.36±0.05，7.41±0.06比7.36±0.05，均 P<0.05），PaCO 2均明显降低〔mmHg：46.3（39.5，51.0）比49.8（45.5，54.0），46.0 （40.5，51.5）比49.5（46.5，55.3），均 P<0.05〕。与HFNC组同期比较，治疗40～48 h NIV组HR、PaO 2均升高〔HR（次/min）：91.1±15.4比84.1±12.2，PaO 2（mmHg）：99.5（86.0，132.3）比85.8（76.5，118.0），均 P<0.05〕，PaO 2/FiO 2降低〔mmHg：223.8（216.5，285.0）比278.0（212.3，306.0）， P<0.05〕。HFNC组治疗4 h HR/SpO 2和ROX指数对24 h与48 h插管均有一定的预测价值，其中4 h HR/SpO 2预测24 h和48 h插管的ROC曲线下面积（AUC）均高于ROX指数（24 h为0.649比0.574，48 h为0.692比0.581，均 P<0.01）；4 h HR/SpO 2和ROX指数预测24 h与48 h插管的95%可信区间（95% CI）分别为0.497～0.780、0.567～0.799、0.450～0.694、0.454～0.716。HR/SpO 2和ROX指数预测24 h与48 h插管的敏感度均较高，分别为84.6%、92.9%、88.2%、94.4%，特异度均较低，分别为52.3%、23.7%、54.7%、29.6%。 结论:HFNC可用于COPD合并轻度高碳酸血症患者，但不能完全替代NIV。HFNC治疗4 h ROX指数预测COPD合并轻度高碳酸血症患者插管的准确性不高。

目的:探讨改良序贯器官衰竭评分(improved sequential organ failure assessment, ISOFA)对肺炎克雷伯菌脓毒症预后的评估价值。方法:回顾性分析2018年1月1日至2019年6月30日吉林大学第一医院收治的379例肺炎克雷伯菌脓毒症患者的临床资料。按28 d预后情况分为存活组和死亡组，比较2组患者的年龄、性别、C反应蛋白、降钙素原、细菌耐药分级、发生脓毒症休克等指标。统计学分析采用独立样本 t检验、曼-惠特尼 U检验和 χ2检验。logistic回归分析影响患者预后的危险因素；Spearman相关系数判定ISOFA与各评分系统包括查尔森评分(Charlson′s weighted index of comorbidities，WIC)、英国国家早期预警评分(national early warning system，NEWS)、急性生理学和慢性健康状况评分Ⅱ(acute physiology and chronic health evaluationⅡ，APACHEⅡ)、简化急性生理学评分Ⅱ(simplified acute physiology scoreⅡ，SAPSⅡ)、急性脓毒症病死率评分(mortality in emergency department sepsis score，MEDS)、序贯器官衰竭评分(sequential organ failure assessment，SOFA)、急性胃肠损伤分级(acute gastrointestinal injury，AGI)的相关性；采用受试者操作特征曲线下面积(area under receiver operating characteristic curve，AUROC)比较各评分系统对肺炎克雷伯菌脓毒症预后的评估价值。采用Kaplan-Meier生存曲线评价ISOFA风险分层在生存情况中的意义。 结果:379例肺炎克雷伯菌脓毒症患者中，存活组278例，死亡组101例。2组患者的年龄、性别、发生脓毒症休克、细菌耐药分级、C反应蛋白、降钙素原，以及WIC、NEWS、APACHE Ⅱ、SAPSⅡ、MEDS、SOFA、AGI、ISOFA比较，差异均有统计学意义( t＝-3.218, χ2＝6.781、24.374、27.208， Z＝-3.689、-5.022、-4.396、-4.697、-7.438、-6.348、-6.358、-8.676、-6.680、-11.658，均 P<0.01)。单因素分析得到ISOFA的计算方法：ISOFA＝SOFA＋1.5×AGI。多因素logistic回归提示ISOFA、性别、SOFA、降钙素原、C反应蛋白、细菌耐药分级是影响预后的独立危险因素。ISOFA与WIC、NEWS、APACHEⅡ、SAPSⅡ、MEDS、SOFA的Spearman相关系数分别为0.327、0.371、0.614、0.564、0.578、0.847。WIC、NEWS、MEDS、SAPSⅡ、APACHEⅡ、SOFA、SOFA＋AGI、ISOFA预测肺炎克雷伯菌脓毒症预后的AUROC及95%可信区间分别为0.646(0.584～0.708)、0.657(0.597～0.716)、0.712(0.654～0.771)、0.713(0.653～0.773)、0.749(0.693～0.806)、0.788(0.737～0.838)、0.872(0.826～0.917)、0.891(0.845～0.937)，表明ISOFA预测效果最佳。Kaplan-Meier生存曲线提示，ISOFA低风险水平、中等风险水平、高风险水平间的生存情况差异均有统计学意义(均 P<0.01)。 结论:ISOFA对预测肺炎克雷伯菌脓毒症预后有重要的临床意义。

目的:利用可视化方法展现机械通气患者不同机械功率暴露强度-持续时间组合与死亡风险之间的关系。方法:从美国重症监护医学信息数据库Ⅳ v1.0（MIMIC-Ⅳ v1.0）中筛选出接受机械通气的危重病患者，并根据氧合指数（PaO 2/FiO 2）分为4个亚组，即>300 mmHg（1 mmHg≈0.133 kPa）组、201～300 mmHg组、101～200 mmHg组、≤100 mmHg组。收集不同患者人群的基线特征、呼吸机参数及预后指标。对每位患者均使用从低到高的机械功率阈值（5～30 J/min，以1 J/min为间隔递增）评估不同机械功率的暴露情况（高于设定阈值即记录为1次暴露），并根据其对应的持续时间，统计不同暴露强度-持续时间组合的事件次数。根据患者28 d存活/死亡情况，分别计算存活者和死亡者在每种暴露强度-持续时间组合下的暴露次数，并根据暴露次数计算不同机械功率暴露强度-持续时间组合的生存优势比（ OR）。以暴露持续时间为横坐标、暴露强度为纵坐标，生成二维表格，并利用热图及其相应等位线视图实现 OR值的可视化，从而评估死亡风险。 结果:最终共纳入5 378例接受机械通气的患者，PaO 2/FiO 2>300 mmHg组2 069例，201～300 mmHg组813例，101～200 mmHg组1 493例，≤100 mmHg组1 003例。随着PaO 2/FiO 2下降，患者病情严重程度评分〔序贯器官衰竭评分（SOFA）、简化急性生理学评分Ⅱ（SAPSⅡ）〕逐渐升高，合并症比例也呈上升趋势。在呼吸机参数方面，随着PaO 2/FiO 2下降，患者机械功率逐渐增加〔分别为10.4（7.8，13.9）、11.3（8.5，14.7）、13.6（10.0，18.2）、16.7（12.5，22.0）J/min， P<0.01〕；在预后方面，随着PaO 2/FiO 2下降，患者28 d病死率逐渐升高〔分别为29.1%（601/2 069）、26.9%（219/813）、28.1%（420/1 493）、33.3%（334/1 003）， P<0.05〕。在可视化热图中观察到，机械通气患者28 d死亡风险随着机械功率暴露强度增大和持续时间延长而逐渐增加，表现为两个差异明显的区域：靠近左下角的区域（机械功率暴露强度低、持续时间短）呈蓝色，代表生存优势大；靠近右上角的区域（机械功率暴露强度高、持续时间长）呈红色，代表死亡风险大。根据 OR值拟合得到的等位线可见，在死亡风险相同的情况下，机械功率暴露强度较高时所需持续时间较短，而较低的机械功率暴露强度则需要较长的持续时间。上述变化趋势在整体人群及不同氧合人群中均有类似体现。 结论:更高暴露强度和（或）更长持续时间的机械功率与机械通气患者不良临床结局相关。同时考虑机械功率的暴露强度和持续时间，有助于评估机械通气患者肺保护的实施效果，并指导机械通气策略的调整，以达到减少呼吸机相关性肺损伤发生的目的。

目的:基于不同监督机器学习算法，构建并验证适用于脓毒性休克患者28 d死亡风险的最佳预测模型。方法:从美国重症监护医学信息数据库Ⅳ v2.0（MIMIC-Ⅳ v2.0）中筛选出符合脓毒症3.0的脓毒性休克患者，随机抽取病例，其中70%作为训练集，30%作为验证集。从人口学特征及基础生命体征、入重症监护病房（ICU）24 h内血清学指标及可能影响指标的合并症、功能评分及高级生命支持3个层面提取相关预测变量。比较基于决策树分类回归树（CART）、随机森林（RF）、支持向量机（SVM）、线性回归（LR）及超级学习器〔SL，综合了CART、RF和极端梯度提升（XGBoost）〕5种主流机器学习算法构建的模型对脓毒性休克患者28 d死亡的预测效能，筛选最佳算法模型。利用LASSO回归、RF和XGBoost算法，通过取交集确定最佳预测变量，构建预测模型。采用受试者工作特征曲线（ROC曲线）验证模型的预测效能；采用校准曲线评估模型的准确性；采用决策曲线分析（DCA）验证模型的实用性。结果:最终共纳入3?295例脓毒性休克患者，28 d存活2?164例，死亡1?131例，病死率为34.32%；其中，训练集2?307例（28 d死亡792例，病死率为34.33%），验证集988例（28 d死亡339例，病死率为34.31%）。基于训练集数据分别建立5种机器学习模型；在纳入3个层面的变量后，RF、SVM、LR 3种机器学习模型在验证集预测脓毒性休克患者28 d死亡的ROC曲线下面积（AUC）依次为0.823〔95%可信区间（95% CI）为0.795～0.849〕、0.823（95% CI为0.796～0.849）、0.810（95% CI为0.782～0.838），高于CART算法模型（AUC＝0.750，95% CI为0.717～0.782）和SL算法模型（AUC＝0.756，95% CI为0.724～0.789），故将以上3种算法模型确定为最佳算法模型。综合3个层面变量后，通过LASSO回归、RF和XGBoost算法筛选并取交集，得出16个最佳预测变量，依次为入ICU 24 h内pH最大值、白蛋白（Alb）最大值、体温最大值、血乳酸（Lac）最小值、Lac最大值、血肌酐（SCr）最大值、Ca 2+最大值、血红蛋白（Hb）最小值、白细胞计数（WBC）最小值、年龄、简化急性生理学评分Ⅲ（SAPSⅢ）、WBC最大值、急性生理学评分Ⅲ（APSⅢ）、Na +最小值、体质量指数（BMI）及活化部分凝血活酶时间（APTT）最小值。ROC曲线分析显示，以上述16个最佳预测变量构建的Logistic回归模型为最佳预测模型，在验证集中的AUC为0.806（95% CI为0.778～0.835）；校准曲线及DCA曲线显示，该模型的精准度较高，且净收益最高可达0.3，其预测效能明显优于传统以单一功能评分〔APSⅢ评分、SAPSⅢ评分、序贯器官衰竭评分（SOFA）〕建立的模型〔AUC（95% CI）分别为0.746（0.715～0.778）、0.765（0.734～0.796）、0.625（0.589～0.661）〕。 结论:以pH值、Alb、体温、Lac、SCr、Ca 2+、Hb、WBC、SAPSⅢ评分、APSⅢ评分、Na +、BMI、APTT等16个最佳变量构建的Logistic回归模型为脓毒性休克患者28 d死亡风险的最佳预测模型，其效能稳定，区分度及精准度均较高。

目的:探讨脓毒症患者液体平衡与预后的时间相关性。方法:基于美国重症监护医学信息数据库Ⅳ 2.0（MIMIC-Ⅳ 2.0）中2008至2019年收治的脓毒症患者数据进行回顾性队列研究。选择年龄≥18岁、重症监护病房（ICU）住院时间≥2 d的脓毒症患者，计算患者入ICU 1~7 d每日液体平衡量和累积液体平衡量（CFB），并根据CFB将患者分为液体负平衡组（CFB%<0%）、液体平衡组（0%≤CFB%≤10%）、液体超负荷组（CFB%>10%）。将住院期间是否死亡定义为结局事件。采用多因素Logistic回归分析入ICU 7 d内不同CFB状态与脓毒症患者住院死亡风险之间的时间相关性。此外，对脓毒性休克患者、住ICU≥7 d的脓毒症患者进行亚组分析。结果:最终纳入11 437例脓毒症患者，其中男性6 595例，女性4 842例；年龄（64.4±16.4）岁；10 253例（89.6%）患者存活，1 184例（10.4%）患者住院期间死亡。与存活患者相比，死亡组患者年龄更大，体质量更轻，序贯器官衰竭评分（SOFA）和简化急性生理学评分Ⅱ（SAPSⅡ）更高，ICU住院时间更长，脓毒性休克发病率更高，使用有创机械通气、肾脏替代治疗（RRT）及血管活性药物的比例更高。在合并症方面，死亡组患者中充血性心力衰竭、肾脏疾病、肝脏疾病、肿瘤更常见。死亡组入ICU 7 d内每日液体平衡量均高于存活组；存活组和死亡组CFB随ICU住院时间延长而逐渐增加。多因素Logistic回归分析显示，在校正了年龄、性别、种族、SOFA评分、SAPSⅡ评分、合并症以及是否使用有创机械通气、RRT、血管活性药物后，入ICU第1天液体超负荷为脓毒症患者住院死亡风险降低的保护因素〔优势比（ OR）＝0.74，95%可信区间（95% CI）为0.64~0.86， P＝0.001〕；而第3天液体超负荷是导致脓毒症患者住院死亡风险增加的危险因素（ OR＝1.70，95% CI为1.47~1.97， P<0.001），并且在第4~7天均显示住院死亡风险逐渐增加。此外，对脓毒性休克患者和住ICU≥7 d的脓毒症患者分析得到相同的结果。 结论:入ICU第1天液体超负荷会降低脓毒症患者住院死亡风险，然而从第3天开始会增加住院死亡风险。因此，在不同时间对脓毒症患者液体平衡进行管理可能会改善预后。

目的:探讨机器学习方法对创伤合并急性呼吸窘迫综合征（ARDS）患者院内死亡的预测价值。方法:采用回顾性非干预性病例对照研究。从于美国重症监护医学信息数据库Ⅲ（MIMICⅢ）数据库中提取符合柏林ARDS标准定义的创伤合并ARDS患者，收集患者的基本信息〔包括性别、年龄、体质量指数（BMI）、pH值、氧合指数、实验室指标、重症监护病房（ICU）住院时间、行机械通气（MV）或连续性肾脏替代治疗（CRRT）比例、急性生理学评分Ⅲ（APSⅢ）、序贯器官衰竭评分（SOFA）和简化急性生理学评分Ⅱ（SAPSⅡ）〕、并发症和合并症〔包括高血压、糖尿病、感染、急性失血性贫血、脓毒症、休克、酸中毒和肺炎〕以及预后情况。采用多因素Logistic回归分析筛选有意义的变量（ P<0.05），构建Logistic回归模型、XGBoost模型和人工神经网络模型，并绘制受试者工作特征曲线（ROC曲线）评估3个模型对创伤合并ARDS患者院内死亡的预测价值。 结果:共纳入760例创伤合并ARDS患者，其中轻度346例，中度301例，重度113例；院内存活618例，院内死亡142例；736例接受MV，65例接受CRRT。多因素Logistic回归分析筛选出有意义的变量，包括年龄〔优势比（ OR）＝1.035，95%可信区间（95% CI）为1.020~1.050， P<0.001〕、BMI（ OR＝0.949，95% CI为0.917~0.983， P＝0.003）、血尿素氮（BUN； OR＝1.019，95% CI为1.004~1.033， P＝0.010）、血乳酸（Lac； OR＝1.213，95% CI为1.124~1.309， P<0.001）、红细胞分布宽度（RDW； OR＝1.249，95% CI为1.102~1.416， P<0.001）、血细胞比容（HCT； OR＝1.057，95% CI为1.019~1.097， P＝0.003）、高血压（ OR＝0.614，95% CI为0.389~0.968， P＝0.036）、感染（ OR＝0.463，95% CI为0.289~0.741， P＝0.001）、急性肾衰竭（ OR＝2.021，95% CI为1.267~3.224， P＝0.003）、脓毒症（ OR＝2.105，95% CI为1.265~3.502， P＝0.004），使用上述变量构建模型。Logistic回归模型、XGBoost模型和人工神经网络模型预测创伤合并ARDS患者院内死亡的ROC曲线下面积（AUC）分别为0.737（95% CI为0.659~0.815）、0.745（95% CI为0.672~0.819）和0.757（95% CI为0.680~0.884），任意两个模型之间比较差异均无统计学意义（均 P>0.05）。 结论:纳入年龄、BMI、BUN、Lac、RDW、HCT、高血压、感染、急性肾衰竭、脓毒症变量的Logistic回归模型、XGBoost模型和人工神经网络模型对创伤合并ARDS患者院内死亡有良好的预测价值。