目的:探讨入住ICU时的红细胞分布宽度（red cell distribution width, RDW）与心搏骤停（cardiac arrest, CA）患者全因病死率的关系。方法:本研究是一项回顾性队列研究（2001—2012年），从美国重症监护医学信息数据库（MIMIC-Ⅲ，v1.4）中提取首次入住ICU的成人（年龄≥18岁）CA患者的临床资料。按照90 d是否死亡进行分组，将所有患者分为生存组和死亡组，并比较两组临床特征。同时，按照四分位数间距法将RDW分成四组。采用Kaplan-Meier生存曲线分析各组患者28 d和90 d累积生存率变化情况，并采用log-rank检验加以检验。运用多因素Cox回归分析揭示RDW和CA患者全因病死率之间的关系。结果:依据纳入排除标准，最终纳入853例成人CA患者。整体人群年龄（67.26±15.84）岁，男性为534例（62.60%），SOFA评分（6.13±3.70）分。与存活组（ n=410）比较，死亡组（ n=443）患者年龄、SOFA评分、RDW、阴离子间隙、肌酐以及血磷值较高，慢性阻塞性肺疾病、急性肾损伤和脓毒症的比例较高，ICU住院时间较长；而动脉血氧分压、血红蛋白以及血总钙值较低，冠心病和急性心肌梗死的比例较低，总住院时间较短，差异均有统计学意义（均 P<0.05）。Kaplan-Meier生存曲线显示，不同RDW分组CA患者28 d和90 d累积生存率不同，差异均具有统计学意义（均 P<0.001）。多因素Cox回归分析表明入ICU时RDW升高是CA患者28 d全因病死率（ HR=1.399，95% CI：1.014~1.930， P=0.041）和90 d全因病死率（ HR=1.433，95% CI：1.064~1.929， P=0.018）的独立危险因素。 结论:RDW升高是CA患者28 d和90 d全因病死率的独立预测因子，可作为一种临床指标来预测CA患者不良预后。

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:基于美国重症监护医学信息数据库Ⅲv1.4（MIMIC-Ⅲv1.4）探讨机械功（MP）对中重度急性呼吸窘迫综合征（ARDS）的诊断价值。方法:收集MIMIC-Ⅲv1.4数据库中2001年6月至2012年10月在美国马萨诸塞州波士顿贝丝以色列女执事医疗中心住院进行有创机械通气至少48 h的ARDS患者的相关资料。提取患者人口统计学信息、疾病严重程度评分、ARDS病因、预后指标、通气前动脉血气分析和通气48 h内呼吸力学参数等。以通气前氧合指数（PaO 2/FiO 2）最低值将患者分为轻中度ARDS组（>150 mmHg，1 mmHg≈0.133 kPa）和中重度ARDS组（≤150 mmHg），比较两组间基线特征的差异。采用Logistic回归法分析与ARDS严重程度相关的独立危险因素；绘制受试者工作特征曲线（ROC曲线），计算ROC曲线下面积（AUC），评价MP对中重度ARDS的诊断价值，并用约登指数确定MP对中重度ARDS的诊断阈值。根据约登指数确定的MP最佳截点值将所有ARDS患者分为高MP组和低MP组，绘制Kaplan-Meier生存曲线，分析两组患者的28 d生存状态。 结果:共筛选出403例ARDS患者纳入分析，其中轻中度ARDS组107例，中重度ARDS组296例。两组患者年龄、序贯器官衰竭评分（SOFA）、通气前PaO 2/FiO 2最低值、通气前最后一次PaO 2/FiO 2、28 d病死率、重症监护病房（ICU）住院时间、机械通气时间、通气第2个24 h肺动态顺应性（Cdyn）及通气48 h内呼气末正压（PEEP）、平台压（Pplat）、驱动压（ΔP）、呼吸频率（RR）、肺静态顺应性（Cst）、MP、吸入氧浓度（FiO 2）差异均有统计学意义。在调整了年龄、SOFA评分、通气前最后一次PaO 2/FiO 2及相关呼吸力学参数等变量后，多因素Logistic回归分析显示，更高的ΔP、PEEP、MP及更低的通气前最后一次PaO 2/FiO 2与中重度ARDS的发生独立相关〔优势比（ OR）和95%可信区间（95% CI）分别为1.137（1.032~1.252）、1.333（1.139~1.561）、1.102（1.030~1.179）、0.996（0.993~0.998），均 P<0.01〕。ROC曲线分析显示，MP诊断中重度ARDS的最佳截点值为18.1 J/min（敏感度为81.42%，特异度为60.75%），AUC为0.745（95% CI为0.690~0.799）。根据ROC曲线得出的MP最佳截点值将所有ARDS患者分为高MP组（>18.1 J/min）和低MP组（≤18.1 J/min）；Kaplan-Meier生存曲线显示，高MP组28 d累积生存率明显低于低MP组（73.8%比85.1%；Log-Rank检验： χ2＝5.660， P＝0.017）。 结论:MP是与ARDS严重程度相关的独立预测因素，可用于诊断中重度ARDS。

目的:探讨入住重症监护室的脓毒症相关谵妄（sepsis-associated delirium，SAD）患者预后的影响因素，并进一步构建列线图。方法:本研究为回顾性队列研究，收集医学信息市场重症监护数据库MIMIC-Ⅲ（Medical Information Mart for Intensive Care Ⅲ, MIMIC-Ⅲ）数据库中符合脓毒症相关谵妄的患者作为建模组，以及嘉兴市第一医院2021年1月至2022年9月收治的符合脓毒症相关谵妄的患者作为验证组进行外部验证。纳入标准：(1)年龄≥18岁；(2)首次入住ICU；(3)住ICU时间>24 h；（4）符合脓毒症诊断；(5)采用CAM-ICU工具进行谵妄筛查符合谵妄诊断。收集患者一般信息、生命体征、既往史及实验室检查等，将28 d死亡作为结局指标。采用多因素logistic回归确定独立影响因素，建立列线图模型，通过校准曲线、受试者工作曲线下面积（the area under the receiver operating characteristic curve, AUC）、决策曲线分析以及Hosmer-Lemeshow检验对预测模型效度进行评价。结果:建模组共250例患者纳入研究，验证组共154例患者纳入研究。在建模组中，多因素Logistic回归显示，年龄（ OR=1.057，95% CI: 1.030~1.084， P<0.001），呼吸频率（ OR=1.117，95% CI: 1.037~1.202， P=0.003），乳酸（ OR=1.137，95% CI:1.011~1.279， P=0.032），血红蛋白（ OR=0.983，95% CI: 0.970~0.997， P=0.020），SOFA评分（ OR=1.184，95% CI:1.070~1.309， P=0.001）是脓毒症相关谵妄患者28 d死亡的独立影响因素。由上述5个因素构建的列线图AUC为0.773（95% CI: 0.705~0.841)，Hosmer-Lemeshow检验显示模型拟合良好（ P=0.875），决策曲线分析显示，该模型的净获益较好。验证组的AUC为0.864（95% CI: 0.799~0.928），Hosmer-Lemeshow检验显示模型拟合良好（ P=0.488），决策曲线显示模型净获益较好。 结论:本研究基于年龄、呼吸频率、乳酸、血红蛋白、SOFA评分构建的预测模型对脓毒症相关谵妄患者预后具有较好的预测价值。能够帮助临床医生早期识别脓毒症相关谵妄患者死亡的相关危险因素以进行早期干预。

目的:进一步完善科室信息系统，建立多参数重症医学数据库，为重症医学大数据分析研究提供资料，为其他医疗机构建立相关数据库提供参考。方法:在充分了解科室临床及科研工作需要的前提下，解放军总医院第一医学中心重症医学科基于重症医学临床信息系统，整合了医院信息系统（HIS）、电子病历系统（EMR）、监护信息系统（Moniter）、检验信息系统（LIS）、放射信息系统（RIS）中患者的病例资料，初步建立了重症医学数据库。在此基础上进行相关数据分析及验证；并对比重症医学监护信息数据库（MIMIC-Ⅲ）而逐步完善其内容及架构。结果:在2017年9月至2020年2月重症医学临床信息系统运行期间，该重症医学数据库共纳入2 207例次重症患者的诊疗信息，包括患者进入重症监护病房（ICU）前及在ICU期间的全部数据，如人口统计学信息、生命体征、药物治疗、出入量记录、样本采集时间、实验室检查结果、手术治疗和多种临床常用评分数据及诊断等。所收集的数据按照内容不同分别储存至不同的数据表中，各表通过主键相互连接。数据库中收集的数据可经信息系统进行初步统计分析，并已经用于部分临床研究，可将临床与科研紧密结合。结论:基于重症医学临床信息系统建立的重症医学数据库，可为医疗机构进行重症患者规范化治疗和临床研究提供帮助；其功能的进一步完善可以更好地适用于我国危重患者人群的数据分析。

目的:探讨微小RNA－17－5p(miR－17－5p)在食管鳞癌(ESCC)中的表达及其对ESCC细胞增殖和侵袭的影响。方法:采用实时荧光定量PCR(RT－qPCR)检测ESCC组织和细胞中miR－17－5p的表达。将miR－17－5p抑制剂和阴性对照转染食管鳞癌细胞EC9706和TE1，RT－qPCR检测转染后细胞中miR－17－5p的表达水平，细胞计数试剂盒8和EdU检测转染后细胞的增殖情况，Transwell小室检测细胞的侵袭能力。采用双荧光素酶报告实验分析miR－17－5p与成视网膜细胞瘤样蛋白2(RBL2)直接的相互作用，Western blot检测转染后RBL2蛋白的表达，RT－qPCR检测RBL2在ESCC组织中的表达，并分析其与miR－17－5p表达的相关性。结果:ESCC组织中miR－17－5p的相对表达水平为4.222±0.39，高于正常食管上皮组织(1.081±0.046， P<0.001)。ESCC细胞EC9706、Eca109、TE1、KYSE450、KYSE70和KYSE520中miR－17－5p的相对表达水平分别为13.84±1.266、6.453±0.293、11.41±0.520、2.613±0.548、5.251±0.239和4.251±0.195，均高于正常食管上皮细胞Het－1A(1.007±0.079，均 P<0.05)。Ⅲ＋Ⅳ期ESCC组织中miR－17－5p的表达水平(5.094±0.562)高于Ⅰ＋Ⅱ期患者(2.934±0.364)，差异有统计学意义( P<0.01)；有淋巴结转移患者中miR－17－5p的表达水平(5.523±0.634)高于无淋巴结转移患者(3.533±0.461)，差异有统计学意义( P<0.05)。miR－17－5p高表达患者的生存率低于miR－17－5p低表达患者，差异有统计学意义( P<0.05)。miR－17－5p抑制剂能下调EC9706和TE1细胞中miR－17－5p的表达，其表达下调抑制细胞的增殖和侵袭能力。双荧光素酶报告实验显示，无论是EC9706细胞还是TE1细胞，在RBL2 3′UTR－WT载体和miR－17－5p mimic共转染后，荧光素酶的活性显著降低( P<0.01)，RBL2是miR－17－5p的直接作用靶点。Western blot检测显示，miR－17－5p抑制剂组EC9706和TE1细胞中RBL2蛋白的表达量分别为0.936±0.055和0.923±0.048，明显高于对照组(分别为0.087±0.019和0.102±0.010)，差异均有统计学意义(均 P<0.001)。ESCC组织中RBL2的表达水平为0.219±0.510，低于正常食管上皮组织(0.983±0.324， P<0.001)。ESCC组织中miR－17－5p的表达水平与RBL2的表达水平呈负相关( r＝－0.462, P<0.001)。RBL2表达下调能逆转miR－17－5p抑制剂引发的细胞增殖和侵袭能力降低。 结论:miR－17－5p参与ESCC的发生、发展过程，有望成为ESCC潜在的分子治疗靶点。

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。

目的:应用LASSO-Logistic回归法建立脓毒性休克死亡风险预测模型，并进行验证。方法:采用回顾性队列研究方法，基于开源的美国重症监护医学信息数据库Ⅲ v1.4（MIMIC-Ⅲ v1.4），纳入符合脓毒症3.0标准的脓毒性休克患者，提取人群特征、主要体征和实验室指标、住院情况及结局指标等数据。采用LASSO回归法筛选预测变量，使用Logistic回归法构建脓毒性休克死亡风险预测模型。采用Hosmer-Lemeshow检验评价预测模型校准度，采用受试者工作特征曲线（ROC曲线）评价模型区分度。结果:共纳入693例脓毒性休克患者，30 d存活445例，死亡248例，30 d病死率为35.8%。根据LASSO回归法筛选出的9个预测变量和结局变量构建Logistic回归模型，结果显示，年龄、Elixhauser共病指数、血乳酸（Lac）、K +升高和使用机械通气与30 d病死率增加相关〔优势比（ OR）及95%可信区间（95% CI）分别为1.023（1.010~1.037）、1.047（1.022~1.074）、1.213（1.133~1.305）、2.241（1.664~3.057）、2.165（1.433~3.301），均 P<0.01〕，收缩压（SBP）、舒张压（DBP）、体温、脉搏血氧饱和度（SpO 2）下降也与30 d病死率增加相关〔 OR（95% CI）分别为0.974（0.957~0.990）、0.972（0.950~0.994）、0.693（0.556~0.857）、0.971（0.949~0.992），均 P<0.05〕。校准曲线显示，脓毒性休克死亡风险预测模型的预测风险与实际情况有较好的一致性；ROC曲线分析显示，预测模型的ROC曲线下面积（AUC）为0.839（95% CI为0.803~0.876），具有可较好地区分死亡与非死亡风险患者的能力。 结论:脓毒性休克死亡风险预测模型对脓毒性休克患者30 d死亡风险有较好的识别能力，包含9个医院容易获得的变量（年龄、Elixhauser共病指数、机械通气、Lac、K +、SBP、DBP、体温、SpO 2），可被临床医生用来计算脓毒性休克患者个体死亡风险。

目的:探讨经胸超声心动图（transthoracic echocardiography，TTE）评估对重症监护室（intensive care unit，ICU）患者发生急性肾损伤（acute kidney injury，AKI）后住院预后的影响。方法:回顾性收集美国重症监护医学信息数据库（MIMIC-Ⅲ v1.4）中AKI患者的临床资料，并根据患者是否在AKI诊断24 h内行TTE分为TTE组和非TTE组（No-TTE组，未行TTE检查或首次TTE检查超过24 h），采用倾向性评分匹配法（propensity score matching，PSM）平衡两组患者基本资料的差异，采用Cox回归分析AKI患者住院28 d全因病死（主要终点事件）的独立危险因素。PSM匹配后，分析TTE对患者次要终点事件（第1、2、3天静脉输液量、尿量，28 d内无机械通气、血管加压药和肾脏替代治疗的时间，利尿剂使用，48 h内血肌酐下降幅度，ICU住院时间及住院时间）的影响。结果:23 945例AKI患者中有3 365例（14.1%）在AKI诊断24 h内进行了TTE评估，两组患者按照1∶1匹配后最终各有3 361例患者被纳入本研究，匹配后两组患者各指标均衡性较好（标准均数差均<0.1）。PSM匹配前后，TTE组患者住院28 d全因病死率均明显低于No-TTE组（10.76%比13.04%， χ2=13.535， P<0.001；10.65%比18.80%， χ2=88.932， P<0.001）。以住院28 d全因病死作为终点事件，Kaplan-Meier生存曲线结果显示TTE组患者的累积生存率在匹配前后均明显高于No-TTE组（Log-rank χ2=15.438， P<0.001和Log-rank χ2=75.360， P<0.001）。多因素Cox回归分析结果显示，匹配前后TTE均是患者住院28 d全因病死的独立影响因素（ HR=0.80，95% CI 0.73~0.89， P<0.001； HR=0.58，95% CI 0.51~0.65， P<0.001）；各亚组分析亦显示，匹配前后TTE均是患者住院28 d全因病死的独立影响因素。PSM匹配后，TTE组患者诊断AKI后第1天及第2天静脉输注量明显高于No-TTE组（均 P<0.01），第1天及第3天尿量也明显高于No-TTE组（均 P<0.01），28 d内无机械通气时间及无血管加压药时间均显著低于No-TTE组患者（均 P<0.01），使用利尿剂比例显著高于No-TTE组（54.1%比44.2%， χ2=65.609， P<0.001），48 h内血肌酐下降幅度也显著高于No-TTE组[36.6（23.0，97.2）μmol/L比30.1（14.2，61.9）μmol/L， Z=-9.549， P<0.001]，ICU住院时间也显著低于No-TTE组[5.03（3.40，8.90）d比5.37（3.77，10.00）d， Z=-6.589， P<0.001]，其他次要终点事件两组间差异无统计学意义（均 P>0.05）。 结论:ICU患者AKI发病后及时有效的TTE评估可显著改善危重症患者的预后。