急性心肌梗死患者住院期间死亡风险模型的构建

doi:10.3877/cma.j.issn.1674-6880.2023.02.005

目的

识别住院期间高死亡风险的急性心肌梗死患者，尽早进行干预，减少病死率。

方法

收集2013年6月1日至2022年5月31日期间在温州医科大学附属东阳医院住院的1 251例急性心肌梗死患者的临床资料，分析该类患者住院期间死亡的独立危险因素，绘制列线图。采用受试者工作特征（ROC）曲线评估模型的判别能力，同时用校准图评估模型的校准度和决策曲线分析法（DCA）评估预测模型的临床有效性，并应用bootstrap法进行内验证。

结果

逐步回归分析显示，年龄[比值比（OR）= 1.060，95%置信区间（CI）（1.035，1.087），P < 0.001]及入院后24 h内肌酐[OR = 1.003，95%CI（1.001，1.005），P = 0.012]、乳酸[OR = 1.190，95%CI（1.064，1.332），P = 0.002]、肌酸激酶同工酶[OR = 1.003，95%CI（1.001，1.004），P < 0.001]、B型脑钠肽前体[OR = 1.006，95%CI（1.004，1.008），P < 0.001]及白细胞计数[OR = 1.055，95%CI（1.006，1.105），P = 0.024]的最大值为急性心肌梗死患者住院期间死亡的独立危险因素。建模后ROC曲线下面积为0.851（P < 0.001），校准图的P值为0.896，Brier scaled为0.055，calibration slope为1.000，R²为0.328，DCA曲线在两条极端曲线之上。内验证曲线提示校正曲线与理想曲线之间重合度高。

结论

入院后24 h内肌酐、乳酸、肌酸激酶同工酶、B型脑钠肽前体、白细胞计数的最大值及发病的年龄为急性心肌梗死患者住院期间死亡的独立危险因素，由上述指标建立的模型在预测急性心肌梗死患者住院期间死亡风险中有较好的意义。

关键词: 心肌梗死, 危险因素, 预测模型, 预后, bootstrap法, 列线图, 逐步回归分析

Objective

To identify the acute myocardial infarction patients with bad outcomes during hospitalization and to help clinical physicians to take intervention measures to reduce the mortality.

Methods

Clinical data were collected from 1 251 patients with acute myocardial infarction who were hospitalized in the Affiliated Dongyang Hospital of Wenzhou Medical University between 1st Jan 2013 and 31th May 2022. Independent risk factors of death during hospitalization were screened. Based on the screened variables, a nomogram prediction model was established. Then the model was evaluated for its prediction power by a receiver operating characteristic (ROC) curve, calibration accuracy by a GiViTI calibration curve and clinical effectiveness by decision curve analysis (DCA). Finally, the established prediction model was validated by a bootstrap assay.

Results

Stepwise regression analysis showed that age [odds ratio (OR) = 1.060, 95% confidence interval (CI) (1.035, 1.087), P < 0.001] and the maximum values of creatinine [OR = 1.003, 95%CI (1.001, 1.005), P = 0.012], lactic acid [OR = 1.190, 95%CI (1.064, 1.332), P = 0.002], creatine kinase isoenzymes [OR = 1.003, 95%CI (1.001, 1.004), P < 0.001], B-type natriuretic peptide precursor [OR = 1.006, 95%CI (1.004, 1.008), P < 0.001] and white blood cell [OR = 1.055, 95%CI (1.006, 1.105), P = 0.024] within 24 hours after hospitalization were significantly associated with death in hospital among patients with acute myocardial infarction. The area under the ROC curve of the prediction model was 0.851 (P < 0.001), with P value of 0.896, calibration slope of 1.000, R² of 0.328 and Brier scaled value of 0.055 in the calibration curve and with the DCA curve above the two extreme curves. In validation using bootstrap, the bias-corrected curve was closed to the idea curve.

Conclusions

Age and the maximum values of creatinine, lactic acid, creatine kinase isoenzymes, B-type natriuretic peptide precursor and white blood cell within 24 hours after hospitalization are independent risk factors of death in hospital among patients with acute myocardial infarction. The established model owns good prediction power for their death during hospitalization.

Key words: Myocardial infarction, Risk factor, Prediction model, Prognosis, Bootstrap, Nomogram, Stepwise regression analysis

表1 急性心肌梗死患者住院期间死亡风险单因素分析[M（P₂₅，P₇₅）]

组别	例数	性别（例，男/女）	年龄（岁）	糖尿病[例（%）]	高血压[例（%）]	肌酐（μmol/L）	乳酸（mmol/L）	肌酸激酶同工酶（U/L）
存活组	1 154	832/322	71（60，80）	297（25.7）	701（60.7）	81（68，95）	1.8（1.3，2.7）	51（25，88）
死亡组	97	56/41	81（77，86）	27（27.8）	67（69.1）	106（87，224）	3.5（2.0，5.9）	69（32，236）
χ²/Z值		8.281	30 401.000	0.111	2.278	29 705.500	28 468.000	45 445.000
P值		0.004	< 0.001	0.740	0.131	< 0.001	< 0.001	0.002
组别	例数	AST（U/L）	行急诊PCI术[例（%）]	超敏C反应蛋白（mg/L）	肌钙蛋白T（μg/L）	B型脑钠肽前体（ng/L）	溶栓[例（%）]	白细胞计数（× 10⁹/L）
存活组	1 154	89（34，248）	625（54.2）	13（4，40）	1.6（0.3，4.2）	11.9（4.0，42.9）	35（3.0）	9.0（7.5，11.5）
死亡组	97	166（60，467）	28（28.9）	42（14，65）	2.0（0.3，6.0）	85.9（31.1，213.5）	4（4.1）	9.7（8.3，16.1）
χ²/Z值		43 175.000	21.940	35 585.000	50 883.000	25 082.000	-	42 984.000
P值		< 0.001	< 0.001	< 0.001	0.137	< 0.001	0.537	< 0.001

表1 急性心肌梗死患者住院期间死亡风险单因素分析[M（P₂₅，P₇₅）]

组别	例数	性别（例，男/女）	年龄（岁）	糖尿病[例（%）]	高血压[例（%）]	肌酐（μmol/L）	乳酸（mmol/L）	肌酸激酶同工酶（U/L）
存活组	1 154	832/322	71（60，80）	297（25.7）	701（60.7）	81（68，95）	1.8（1.3，2.7）	51（25，88）
死亡组	97	56/41	81（77，86）	27（27.8）	67（69.1）	106（87，224）	3.5（2.0，5.9）	69（32，236）
χ²/Z值		8.281	30 401.000	0.111	2.278	29 705.500	28 468.000	45 445.000
P值		0.004	< 0.001	0.740	0.131	< 0.001	< 0.001	0.002
组别	例数	AST（U/L）	行急诊PCI术[例（%）]	超敏C反应蛋白（mg/L）	肌钙蛋白T（μg/L）	B型脑钠肽前体（ng/L）	溶栓[例（%）]	白细胞计数（× 10⁹/L）
存活组	1 154	89（34，248）	625（54.2）	13（4，40）	1.6（0.3，4.2）	11.9（4.0，42.9）	35（3.0）	9.0（7.5，11.5）
死亡组	97	166（60，467）	28（28.9）	42（14，65）	2.0（0.3，6.0）	85.9（31.1，213.5）	4（4.1）	9.7（8.3，16.1）
χ²/Z值		43 175.000	21.940	35 585.000	50 883.000	25 082.000	-	42 984.000
P值		< 0.001	< 0.001	< 0.001	0.137	< 0.001	0.537	< 0.001

表2 急性心肌梗死患者住院期间死亡风险的多因素Logistic回归分析

变量	回归系数	标准误	Wald值	OR值	95%CI	P值
女性	0.022	0.264	0.007	1.022	0.605 ~ 1.706	0.935
年龄（岁）	0.057	0.013	19.918	1.059	1.033 ~ 1.087	< 0.001
肌酐（μmol/L）	0.003	0.001	4.973	1.003	1.000 ~ 1.005	0.021
乳酸（mmol/L）	0.175	0.058	9.242	1.191	1.064 ~ 1.335	0.002
肌酸激酶同工酶（U/L）	0.003	< 0.001	15.721	1.003	1.001 ~ 1.004	< 0.001
AST（U/L）	< 0.001	< 0.001	0.143	1.000	0.999 ~ 1.001	0.706
行急诊PCI术	-0.519	0.289	3.236	0.595	0.334 ~ 1.038	0.072
超敏C反应蛋白（mg/L）	0.001	0.003	0.254	1.001	0.996 ~ 1.007	0.589
B型脑钠肽前体（ng/L）	0.006	0.001	21.418	1.006	1.003 ~ 1.008	< 0.001
白细胞计数（× 10⁹/L）	0.048	0.025	3.606	1.049	0.998 ~ 1.102	0.058

表2 急性心肌梗死患者住院期间死亡风险的多因素Logistic回归分析

变量	回归系数	标准误	Wald值	OR值	95%CI	P值
女性	0.022	0.264	0.007	1.022	0.605 ~ 1.706	0.935
年龄（岁）	0.057	0.013	19.918	1.059	1.033 ~ 1.087	< 0.001
肌酐（μmol/L）	0.003	0.001	4.973	1.003	1.000 ~ 1.005	0.021
乳酸（mmol/L）	0.175	0.058	9.242	1.191	1.064 ~ 1.335	0.002
肌酸激酶同工酶（U/L）	0.003	< 0.001	15.721	1.003	1.001 ~ 1.004	< 0.001
AST（U/L）	< 0.001	< 0.001	0.143	1.000	0.999 ~ 1.001	0.706
行急诊PCI术	-0.519	0.289	3.236	0.595	0.334 ~ 1.038	0.072
超敏C反应蛋白（mg/L）	0.001	0.003	0.254	1.001	0.996 ~ 1.007	0.589
B型脑钠肽前体（ng/L）	0.006	0.001	21.418	1.006	1.003 ~ 1.008	< 0.001
白细胞计数（× 10⁹/L）	0.048	0.025	3.606	1.049	0.998 ~ 1.102	0.058

表3 急性心肌梗死患者住院期间死亡风险的逐步回归分析

变量	回归系数	标准误	Wald值	OR值	95%CI	P值
年龄（岁）	0.058	0.013	21.317	1.060	1.035 ~ 1.087	< 0.001
肌酐（μmol/L）	0.003	0.001	6.275	1.003	1.001 ~ 1.005	0.012
乳酸（mmol/L）	0.174	0.057	9.589	1.190	1.064 ~ 1.332	0.002
肌酸激酶同工酶（U/L）	0.003	0.001	21.381	1.003	1.001 ~ 1.004	< 0.001
行急诊PCI术	-0.537	0.287	3.486	0.585	0.328 ~ 1.018	0.062
B型脑钠肽前体（ng/L）	0.006	0.001	23.639	1.006	1.004 ~ 1.008	< 0.001
白细胞计数（× 10⁹/L）	0.054	0.024	5.094	1.055	1.006 ~ 1.105	0.024

表3 急性心肌梗死患者住院期间死亡风险的逐步回归分析

变量	回归系数	标准误	Wald值	OR值	95%CI	P值
年龄（岁）	0.058	0.013	21.317	1.060	1.035 ~ 1.087	< 0.001
肌酐（μmol/L）	0.003	0.001	6.275	1.003	1.001 ~ 1.005	0.012
乳酸（mmol/L）	0.174	0.057	9.589	1.190	1.064 ~ 1.332	0.002
肌酸激酶同工酶（U/L）	0.003	0.001	21.381	1.003	1.001 ~ 1.004	< 0.001
行急诊PCI术	-0.537	0.287	3.486	0.585	0.328 ~ 1.018	0.062
B型脑钠肽前体（ng/L）	0.006	0.001	23.639	1.006	1.004 ~ 1.008	< 0.001
白细胞计数（× 10⁹/L）	0.054	0.024	5.094	1.055	1.006 ~ 1.105	0.024

图1 列线图注：B型脑钠肽前体为真实值/100

图2 模型的受试者工作特征曲线（a）、校准图（b）及决策曲线分析法曲线（c）

图3 内验证曲线

1	Piepoli MF, Hoes AW, Agewall S, et al. 2016 European guidelines on cardiovascular disease prevention in clinical practice: the Sixth Joint Task Force of the European Society of Cardiology and Other Societies on Cardiovascular Disease Prevention in Clinical Practice (constituted by representatives of 10 societies and by invited experts) Developed with the special contribution of the European Association for Cardiovascular Prevention & Rehabilitation (EACPR)[J]. Eur Heart J, 2016, 37 (29): 2315-2381.
2	Lacey B, Herrington WG, Preiss D, et al. The role of emerging risk dactors in cardiovascular outcomes[J]. Curr Atheroscler Rep, 2017, 19 (6): 28.
3	Sanchis-Gomar F, Perez-Quilis C, Leischik R, et al. Epidemiology of coronary heart disease and acute coronary syndrome[J]. Ann Transl Med, 2016, 4 (13): 256.
4	《心肺血管病杂志》编辑部.中国心血管健康与疾病报告2019[J].心肺血管病杂志，2020，39（9）：145-1156.
5	Amsterdam EA, Wenger NK, Brindis RG, et al. 2014 AHA/ACC guideline for the management of patients with non-ST-elevation acute coronary syndromes: a report of the American College of Cardiology/American Heart Association Task Force on Practice Guidelines[J]. J Am Coll Cardiol, 2014, 64 (24): e139-e228.
6	Ibanez B, James S, Agewall S, et al. 2017 ESC guidelines for the management of acute myocardial infarction in patients presenting with ST-segment elevation: the task force for the management of acute myocardial infarction in patients presenting with ST-segment elevation of the European Society of Cardiology (ESC)[J]. Eur Heart J, 2018, 39 (2): 119-177.
7	Antman EM, Cohen M, Bernink PJ, et al. The TIMI risk score for unstable angina/non-ST elevation MI: a method for prognostication and therapeutic decision making[J]. JAMA, 2000, 284 (7): 835-842.
8	Morrow DA, Antman EM, Charlesworth A, et al. TIMI risk score for ST-elevation myocardial infarction: a convenient, bedside, clinical score for risk assessment at presentation: an intravenous nPA for treatment of infarcting myocardium early Ⅱ trial substudy[J]. Circulation, 2000, 102 (17): 2031-2037.
9	Granger CB, Goldberg RJ, Dabbous O, et al. Predctors of hospital mortality in the global registry of acute coronary events[J]. Arch Intern Med, 2003, 163 (19): 2345-2353.
10	Al'Aref SJ, Singh G, van Rosendael AR, et al. Determinants of in-hospital mortality after percutaneous coronary intervention: a machine learning approach[J]. J Am Heart Assoc, 2019, 8 (5): e011160.
11	Gao N, Qi X, Dang Y, et al. Establishment and validation of a risk model for prediction of in-hospital mortality in patients with acute ST-elevation myocardial infarction after primary PCI[J]. BMC Cardiovasc Disord, 2020, 20 (1): 513.
12	Hou X, Du X, Wang G, et al. Readily accessible risk model to predict in-hospital major adverse cardiac events in patients with acute myocardial infarction: a retrospective study of Chinese patients[J]. BMJ Open, 2021, 11 (7): e044518.
13	王斌，陈剑平，欧阳建.脓毒症患者30天死亡风险预测模型的建立[J].中华急诊医学杂志，2021，30（10）：1240-1247.
14	Zhang Z, Zheng B, Liu N, et al. Mechanical power normalized to predicted body weight as a predictor of mortality in patients with acute respiratory distress syndrome[J]. Intensive Care Med, 2019, 45 (6): 856-864.
15	Hsieh FY, Lavori PW. Sample-size calculations for the Cox proportional hazards regression model with nonbinary covariates[J]. Control Clin Trials, 2000, 21 (6): 552-560.
16	Harrell FE Jr, Califf RM, Pryor DB, et al. Evaluating the yield of medical tests[J]. JAMA, 1982, 247 (18): 2543-2546.
17	Silva TB, Oliveira CZ, Faria EF, et al. Development and validation of a nomogram to estimate the risk of prostate cancer in Brazil[J]. Anticancer Res, 2015, 35 (5): 2881-2886.
18	Niu XK, He WF, Zhang Y, et al. Developing a new PI-RADS v2-based nomogram for forecasting high-grade prostate cancer[J]. Clin Radiol, 2017, 72 (6): 458-464.
19	Nattino G, Finazzi S, Bertolini G. A new test and graphical tool to assess the goodness of fit of logistic regression models[J]. Stat Med, 2016, 35 (5): 709-720.
20	Vickers AJ, Cronin AM, Elkin EB, et al. Extensions to decision curve analysis, a novel method for evaluating diagnostic tests, prediction models and molecular markers[J]. BMC Med Inform Decis Mak, 2008 (8): 53.
21	James SK, Lindahl B, Siegbahn A, et al. N-terminal pro-brain natriuretic peptide and other risk markers for the separate prediction of mortality and subsequent myocardial infarction in patients with unstable coronary artery disease: a Global Utilization of Strategies To Open occluded arteries (GUSTO)-Ⅳ substudy[J]. Circulation, 2003, 108 (3): 275-281.
22	Lazzeri C, Valente S, Chiostri M, et al. Clinical significance of lactate in acute cardiac patients[J]. World J Cardiol, 2015, 7 (8): 483-489.
23	Zhao XT, Zhang CF, Liu QJ. Meta-analysis of Nicorandil effectiveness on myocardial protection after percutaneous coronary intervention[J]. BMC Cardiovasc Disord, 2019, 19 (1): 144.
24	Auer J, Verbrugge FH, Lamm G. Editor's choice-What do small serum creatinine changes tell us about outcomes after acute myocardial infarction[J]. Eur Heart J Acute Cardiovasc Care, 2018, 7 (8): 739-742.
25	Shen S, Ye J, Wu X, et al. Association of N-terminal pro-brain natriuretic peptide level with adverse outcomes in patients with acute myocardial infarction: a meta-analysis[J]. Heart Lung, 2021, 50 (6): 863-869.
26	Eimonte M, Paulauskas H, Daniuseviciute L, et al. R-esidual effects of short-term whole-body cold-water immersion on the cytokine profile, white blood cell count, and blood markers of stress[J]. Int J Hyperthermia, 2021, 38 (1): 696-707.

[1]	许杰, 李亚俊, 韩军伟. 两种入路下腹腔镜根治性全胃切除术治疗超重胃癌的效果比较[J/OL]. 中华普外科手术学杂志(电子版), 2025, 19(01): 19-22.
[2]	奚玲, 仝瀚文, 缪骥, 毛永欢, 沈晓菲, 杜峻峰, 刘晔. 基于肌少症构建的造口旁疝危险因素预测模型[J/OL]. 中华普外科手术学杂志(电子版), 2025, 19(01): 48-51.
[3]	高杰红, 黎平平, 齐婧, 代引海. ETFA和CD34在乳腺癌中的表达及与临床病理参数和预后的关系研究[J/OL]. 中华普外科手术学杂志(电子版), 2025, 19(01): 64-67.
[4]	李代勤, 刘佩杰. 动态增强磁共振评估中晚期低位直肠癌同步放化疗后疗效及预后的价值[J/OL]. 中华普外科手术学杂志(电子版), 2025, 19(01): 100-103.
[5]	公宇, 廖媛, 尚梅. 肝细胞癌TACE术后复发影响因素及预测模型建立[J/OL]. 中华肝脏外科手术学电子杂志, 2024, 13(06): 818-824.
[6]	关小玲, 周文营, 陈洪平. PTAAR在乙肝相关慢加急性肝衰竭患者短期预后中的预测价值[J/OL]. 中华肝脏外科手术学电子杂志, 2024, 13(06): 841-845.
[7]	张润锦, 阳盼, 林燕斯, 刘尊龙, 刘建平, 金小岩. EB病毒相关胆管癌伴多发转移一例及国内文献复习[J/OL]. 中华肝脏外科手术学电子杂志, 2024, 13(06): 865-869.
[8]	陈晓鹏, 王佳妮, 练庆海, 杨九妹. 肝细胞癌VOPP1表达及其与预后的关系[J/OL]. 中华肝脏外科手术学电子杂志, 2024, 13(06): 876-882.
[9]	刘郁, 段绍斌, 丁志翔, 史志涛. miR-34a-5p 在结肠癌患者的表达及其与临床特征及预后的相关性研究[J/OL]. 中华消化病与影像杂志(电子版), 2024, 14(06): 485-490.
[10]	王景明, 王磊, 许小多, 邢文强, 张兆岩, 黄伟敏. 腰椎椎旁肌的研究进展[J/OL]. 中华临床医师杂志(电子版), 2024, 18(09): 846-852.
[11]	韦巧玲, 黄妍, 赵昌, 宋庆峰, 陈祖毅, 黄莹, 蒙嫦, 黄靖. 肝癌微波消融术后中重度疼痛风险预测列线图模型构建及验证[J/OL]. 中华临床医师杂志(电子版), 2024, 18(08): 715-721.
[12]	蔡晓雯, 李慧景, 丘婕, 杨翼帆, 吴素贤, 林玉彤, 何秋娜. 肝癌患者肝动脉化疗栓塞术后疼痛风险预测模型的构建及验证[J/OL]. 中华临床医师杂志(电子版), 2024, 18(08): 722-728.
[13]	颜世锐, 熊辉. 感染性心内膜炎合并急性肾损伤患者的危险因素探索及死亡风险预测[J/OL]. 中华临床医师杂志(电子版), 2024, 18(07): 618-624.
[14]	郭曌蓉, 王歆光, 刘毅强, 何英剑, 王立泽, 杨飏, 汪星, 曹威, 谷重山, 范铁, 李金锋, 范照青. 不同亚型乳腺叶状肿瘤的临床病理特征及预后危险因素分析[J/OL]. 中华临床医师杂志(电子版), 2024, 18(06): 524-532.
[15]	董晟, 郎胜坤, 葛新, 孙少君, 薛明宇. 反向休克指数乘以格拉斯哥昏迷评分对老年严重创伤患者发生急性创伤性凝血功能障碍的预测价值[J/OL]. 中华临床医师杂志(电子版), 2024, 18(06): 541-547.

阅读次数

全文

摘要

选择文件类型/文献管理软件名称

选择包含的内容

Establishment of a prediction model for death during hospitalization in patients with acute myocardial infarction

模态框（Modal）标题

选择文件类型/文献管理软件名称

选择包含的内容

Establishment of a prediction model for death during hospitalization in patients with acute myocardial infarction