探索左室整体纵向应变在脓毒症患者中的预后价值
李美玲
罗延年
毛文杰
何囡囡
曹雯
730030 甘肃 兰州,兰州大学第二医院重症医学科一病区
摘要：目的 探讨斑点追踪超声心动图(speckle-tracking echocardiography,STE)测量的左室整体纵向应变(global longitudinal strain,GLS)在脓毒症患者预后中的预测价值,并与传统的左室射血分数(LVEF)进行比较,同时应用机器学习方法验证其预测效能.方法 前瞻性纳入119 例入住兰州大学第二医院重症监护病房(ICU)的脓毒症患者,于入ICU后24h内行超声心动图检查及STE检查,测量LVEF及左室GLS.随访3 个月,记录生存情况.通过t检验、方差分析或秩和检验比较生存组与死亡组的临床差异.采用多因素逻辑回归分析,评估左室GLS和LVEF对死亡风险的独立预测作用,并绘制受试者工作特征(ROC)曲线比较预测性能.进一步应用多种机器学习模型(随机森林、支持向量机、轻量级梯度提升机、决策树和K最近邻)对逻辑回归结果进行验证.结果 在多因素逻辑回归分析中,脓毒症休克患者的死亡风险是未休克患者的25.625倍,95%置信区间(95%CI)3.882～497.752(P=0.005),该结果在纳入LVEF后仍保持稳定[比值比(OR)=25.416,95%CI 3.862～489.217,P=0.005].使用垂体后叶素脓毒症患者的死亡风险显著增加(模型1:OR=11.803,95%CI 2.824～63.514,P=0.002;模型 3:OR=12.118,95%CI 2.860～67.301,P=0.002).脓毒症心肌损伤患者的死亡风险亦显著升高(模型 1:OR=7.806,95%CI 1.449～72.705,P=0.034;模型3:OR=8.586,95%CI 1.555～82.209,P=0.029).ROC曲线分析显示,左室GLS的预测效能[ROC曲线下面积(AUC)=0.911]优于LVEF(AUC=0.906),且同时纳入LVEF和左室GLS时,预测效能达到最高(AUC=0.916).在机器学习模型中,LVEF联合左室 GLS 的K-最近邻(KNN)模型机器学习模型表现最佳,测试集 AUC 达到0.968,卡帕值(Kappa)一致性为0.77,敏感度和特异度均为 0.91.结论 左室GLS在脓毒症患者3 个月死亡风险预测中具有独立且优于LVEF的预测价值.左室GLS与LVEF联合应用能够进一步提升预测效能,尤其在KNN表现最佳,提示其在临床风险分层和个体化管理中的应用潜力.
关键词：斑点追踪超声心动图(STE)脓毒症(sepsis)整体纵向应变(GLS)左室射血分数(LVEF)逻辑回归机器学习预后
资助基金：甘肃省科技计划项目(25JRRA1026)兰州大学第二医院萃英科技创新临床拔尖项目(CY2023-BJ-05)甘肃省高校教师创新基金项目(2024B-029)
论文发表日期：2026-03-10
在线出版日期：2026-03-27（本平台首次上网日期，不代表文献的发表时间）
页数：8( 181-188 )
英文信息