Dự đoán rủi ro nhiễm trùng trong chảy máu tiêu hóa cấp tính: Công cụ giám sát động đã được xác nhận cải thiện phân loại sớm

Những điểm nổi bật

• Một nhóm đối chứng đa trung tâm (n=1,449) đã tạo ra một biểu đồ dự đoán đa biến đã được xác nhận, dự đoán nhiễm trùng ở bệnh nhân bị chảy máu tiêu hóa cấp tính (AGIB).

• Bảy biến có sẵn thường xuyên—bệnh thận mạn tính (CKD), tốc độ hô hấp (RR), tỷ lệ bạch cầu trung tính trên bạch cầu lympho (NLR), protein phản ứng C (CRP), creatinin (Cr), thời gian thromboplastin cục bộ hoạt hóa (APTT) và fibrinogen (FIB)—đã thúc đẩy mô hình.

• Khả năng phân biệt mạnh mẽ trong các tập dữ liệu (AUC 0.827 huấn luyện; 0.836 kiểm tra nội bộ; 0.884 kiểm tra ngoại vi), với hiệu chỉnh chặt chẽ (MSEs 0.00094, 0.00791, 0.00045) và minh chứng về tính hữu ích lâm sàng bằng phân tích đường cong quyết định (DCA).

• Mô hình được cung cấp thông qua hệ thống cảnh báo trực tuyến, nhằm mục đích cho phép giám sát động và quản lý sớm, chủ động.

Bối cảnh lâm sàng và nhu cầu chưa đáp ứng

Chảy máu tiêu hóa cấp tính (AGIB) là một tình trạng khẩn cấp phổ biến với tỷ lệ mắc và tử vong đáng kể, thường yêu cầu phân loại nhanh chóng và chăm sóc cấp cứu. Trong bối cảnh AGIB, nhiễm trùng thứ phát và tiến triển thành nhiễm trùng làm tăng nguy cơ và liên quan đến sự gia tăng lớn về tỷ lệ tử vong trong bệnh viện. Việc xác định sớm bệnh nhân có nguy cơ cao mắc nhiễm trùng là cần thiết để hướng dẫn cường độ giám sát, đẩy nhanh chẩn đoán và hướng dẫn can thiệp kinh nghiệm đồng thời tránh sử dụng không cần thiết các nguồn lực ở bệnh nhân có nguy cơ thấp.

Các điểm số nguy cơ bệnh nặng chung hiện có (ví dụ, APACHE II và SOFA) và các điểm số cụ thể cho AGIB (ví dụ, Glasgow-Blatchford Score, GBS) không được thiết kế đặc biệt để dự đoán nhiễm trùng sau đó trong dân số AGIB và có thể thiếu độ nhạy hoặc độ đặc hiệu cho kết quả này. Một công cụ nguy cơ thực tế, đã được xác nhận và động, sử dụng dữ liệu lâm sàng và phòng thí nghiệm có sẵn thường xuyên để cung cấp ước lượng nguy cơ nhiễm trùng thời gian thực ở bệnh nhân AGIB giải quyết một khoảng cách lâm sàng quan trọng.

Thiết kế nghiên cứu và phương pháp

Nghiên cứu của Jiang et al. (EClinicalMedicine, 2025) là một nhóm đối chứng đa trung tâm được thực hiện tại Trung Quốc từ tháng 1 năm 2020 đến tháng 7 năm 2024, nhằm phát triển và xác nhận một mô hình dự đoán thời gian thực về nhiễm trùng ở bệnh nhân trưởng thành nhập viện vì AGIB. Nhóm đối chứng tổng thể bao gồm 1,449 bệnh nhân (tuổi trung bình 65 tuổi; 68.7% nam giới). Bệnh nhân có thời gian lưu viện dưới 24 giờ, hoặc có nhiễm trùng hoặc nhiễm trùng sẵn có khi nhập viện, đã bị loại trừ.

Thiết kế và nhóm đối chứng:

• Nhóm huấn luyện: hồi cứu, n = 878 (trung tâm chính)
• Kiểm tra nội bộ triển vọng: n = 187 (đăng ký triển vọng tại trung tâm chính)
• Kiểm tra ngoại vi: n = 384 (ba bệnh viện hạng ba độc lập)

Định nghĩa kết quả: Nhiễm trùng được định nghĩa theo tiêu chuẩn Sepsis-3, tức là rối loạn chức năng cơ quan đe dọa tính mạng do phản ứng chủ đạo bị rối loạn đối với nhiễm trùng.

Phát triển mô hình: Phân tích hồi quy logistic đa biến được sử dụng để phát triển biểu đồ. Các biến dự đoán ứng viên được chọn từ các dấu hiệu lâm sàng và tham số phòng thí nghiệm thu thập thường xuyên. Hiệu suất mô hình được đánh giá bằng diện tích dưới đường cong đặc trưng hoạt động nhận dạng (AUC) cho khả năng phân biệt, đường cong hiệu chỉnh và sai số bình phương trung bình (MSE) cho hiệu chỉnh, phân tích đường cong quyết định (DCA) cho tính hữu ích lâm sàng, và SHapley Additive exPlanations (SHAP) cho khả năng giải thích mô hình. Khả năng phân biệt của mô hình được so sánh với các điểm số GBS, APACHE II, và SOFA. Một nền tảng trực tuyến thực hiện biểu đồ cung cấp giám sát rủi ro thời gian thực và cảnh báo.

Kết quả chính

Tần suất và kết quả: Trong 1,449 bệnh nhân có AGIB, 223 (15.4%) mắc nhiễm trùng. Nhiễm trùng liên quan đến tỷ lệ tử vong trong bệnh viện tăng đáng kể: 23.7% trong nhóm nhiễm trùng so với 6.8% trong nhóm không nhiễm trùng (p < 0.001).

Các biến dự đoán cuối cùng: Bảy biến nổi lên là các biến dự đoán chính được bao gồm trong biểu đồ:

• Bệnh thận mạn tính (CKD)
• Tốc độ hô hấp (RR)
• Tỷ lệ bạch cầu trung tính trên bạch cầu lympho (NLR)
• Protein phản ứng C (CRP)
• Creatinin (Cr)
• Thời gian thromboplastin cục bộ hoạt hóa (APTT)
• Fibrinogen (FIB)

Khả năng phân biệt mô hình: Biểu đồ đã thể hiện khả năng phân biệt mạnh mẽ trong các tập dữ liệu:

• AUC tập huấn luyện 0.827 (95% CI 0.759–0.888)
• AUC kiểm tra nội bộ 0.836 (95% CI 0.776–0.896)
• AUC kiểm tra ngoại vi 0.884 (95% CI 0.816–0.952)

Hiệu suất so sánh: Tác giả báo cáo rằng mô hình mới vượt trội hơn một số điểm số đã được thiết lập (GBS, APACHE II) trong việc phân biệt bệnh nhân sau đó mắc nhiễm trùng. Mặc dù SOFA được thiết kế để lượng hóa rối loạn chức năng cơ quan cấp tính và vẫn là một đối tác quan trọng, sự kết hợp cụ thể của các biến liên quan đến AGIB và viêm/đồng máu trong biểu đồ đã cải thiện dự đoán nhiễm trùng trong dân số này.

Hiệu chỉnh và tính hữu ích lâm sàng: Các đường cong hiệu chỉnh cho thấy sự đồng thuận tuyệt vời giữa xác suất dự đoán và tỷ lệ mắc nhiễm trùng quan sát được trong các mức độ rủi ro, với sai số bình phương trung bình 0.00094 (huấn luyện), 0.00791 (kiểm tra nội bộ), và 0.00045 (kiểm tra ngoại vi). Phân tích đường cong quyết định chỉ ra lợi ích ròng trong phạm vi ngưỡng xác suất lâm sàng phù hợp, hỗ trợ tiềm năng hữu ích lâm sàng cho việc ra quyết định dựa trên rủi ro.

Khả năng giải thích và hiểu biết về mô hình: Phân tích SHAP xếp hạng tầm quan trọng tương đối của các biến dự đoán và minh họa cách thay đổi trong các biến cụ thể chuyển dịch rủi ro cá nhân. Ví dụ, CRP và NLR cao hơn, APTT kéo dài, creatinin cao hơn và sự hiện diện của CKD tăng nguy cơ dự đoán nhiễm trùng; fibrinogen cao hơn có mối liên hệ phức tạp phản ánh sự tương tác giữa đồng máu và viêm.

Triển khai: Một nền tảng trực tuyến tích hợp biểu đồ và cho phép cập nhật rủi ro động, thời gian thực khi có các dấu hiệu sống mới và giá trị phòng thí nghiệm. Hệ thống tạo ra các cảnh báo để đánh dấu rủi ro nhiễm trùng đang tăng, giúp các bác sĩ nâng cao giám sát, lấy mẫu hoặc cân nhắc điều trị kinh nghiệm sớm theo các quy trình địa phương.

Giải thích và ý nghĩa lâm sàng

Nghiên cứu này cung cấp một công cụ thực tế và đã được xác nhận, được điều chỉnh cho dân số AGIB, để ước lượng rủi ro mắc nhiễm trùng sau đó bằng cách sử dụng các biến có sẵn thường xuyên khi nhập viện hoặc trong những ngày đầu tiên của việc nằm viện. Các ý nghĩa chính bao gồm:

• Phân loại rủi ro: Biểu đồ có thể giúp phân loại bệnh nhân cho việc giám sát cường độ cao hơn (ví dụ, chuyển sớm vào ICU hoặc nâng cấp chăm sóc) và ưu tiên đánh giá chẩn đoán cho nhiễm trùng (máu nuôi cấy, chụp ảnh).
• Can thiệp có mục tiêu: Bệnh nhân có nguy cơ cao có thể được đánh giá cho các can thiệp sớm, theo hướng dẫn, như kiểm soát nguồn nhanh chóng và điều trị kháng sinh kịp thời khi được đánh giá lâm sàng và vi sinh học.
• Phân bổ nguồn lực: Trong các cơ sở có năng lực ICU hạn chế, một công cụ dự đoán đã được xác nhận có thể giúp phân bổ nguồn lực giám sát và điều trị cho bệnh nhân có khả năng hưởng lợi nhất.
• Giám sát động: Hệ thống giám sát trực tuyến phù hợp với quy trình làm việc lâm sàng hiện đại và hỗ trợ đánh giá rủi ro lặp lại thay vì một dự đoán tĩnh.

Điểm mạnh

Các điểm mạnh chính bao gồm kích thước mẫu tổng thể tương đối lớn, thiết kế đa trung tâm với kiểm tra nội bộ triển vọng và kiểm tra ngoại vi độc lập, sử dụng các biến dự đoán có sẵn thường xuyên, đánh giá hiệu chỉnh và tính hữu ích lâm sàng (DCA) chính thức, và khả năng giải thích mô hình thông qua SHAP. Nền tảng trực tuyến được cung cấp chứng minh khả thi cho việc tích hợp trong thực tế và sử dụng động.

Hạn chế và cảnh báo

Dù hiệu suất hứa hẹn, một số hạn chế nên hướng dẫn việc áp dụng lâm sàng và công việc trong tương lai:

• Tổng quát hóa về địa lý và dân số: Nghiên cứu được thực hiện tại các bệnh viện hạng ba ở Trung Quốc. Kiểm tra ngoại vi trong các hệ thống y tế khác, các nhóm dân tộc và các bệnh viện cộng đồng là cần thiết.
• Tiêu chí lựa chọn: Bệnh nhân có thời gian nằm viện <24 giờ và những người đã có nhiễm trùng hoặc nhiễm trùng sẵn có khi nhập viện bị loại trừ, điều này hạn chế khả năng áp dụng cho các lần nhập viện rất ngắn và bệnh nhân đã bị nhiễm trùng khi đến.
• Nhận định và thiên lệch còn lại tiềm ẩn: Giống như bất kỳ mô hình phát triển quan sát nào, các yếu tố chưa đo lường có thể ảnh hưởng đến mối liên hệ giữa các biến dự đoán. Các nghiên cứu tác động triển vọng là cần thiết để lượng hóa lợi ích lâm sàng.
• Gánh nặng cảnh báo và ngưỡng quyết định: Việc triển khai các cảnh báo thời gian thực có nguy cơ tạo ra kết quả dương tính giả và mệt mỏi cảnh báo của bác sĩ. Việc hiệu chỉnh ngưỡng quyết định và tích hợp với các chương trình quản lý/triển khai là cần thiết.
• Kết quả ngoài nhiễm trùng trong bệnh viện: Mô hình dự đoán sự xuất hiện của nhiễm trùng; ảnh hưởng đến các kết quả tiếp theo (ví dụ, thời gian đến kháng sinh, thời gian nằm viện ICU, tử vong dài hạn) cần được đánh giá triển vọng trong các thử nghiệm triển khai.

Bình luận chuyên gia và bối cảnh hướng dẫn

Sepsis-3 nhấn mạnh việc nhận diện sớm rối loạn chức năng cơ quan do nhiễm trùng và can thiệp kịp thời. Các công cụ đặc biệt xác định bệnh nhân có nguy cơ cao mắc nhiễm trùng sau một sự kiện khởi đầu như AGIB bổ sung cho phán đoán của bác sĩ và sàng lọc nhiễm trùng tiêu chuẩn. Tuy nhiên, các công cụ dự đoán không nên thay thế việc đánh giá tại giường hoặc phán đoán lâm sàng; thay vào đó, chúng nên đóng vai trò là phụ trợ để tập trung sự chú ý và đẩy nhanh việc chăm sóc theo hướng dẫn.

Trước khi triển khai rộng rãi, các tổ chức nên thực hiện kiểm tra xác nhận địa phương, đánh giá cách các cảnh báo sẽ thay đổi quy trình làm việc và đo lường các kết quả hướng đến bệnh nhân. Chiến lược triển khai có biện pháp cần bao gồm giáo dục bác sĩ, lựa chọn ngưỡng phù hợp và theo dõi hiệu suất cảnh báo và kết quả lâm sàng được khuyến nghị.

Kết luận và bước tiếp theo

Biểu đồ dự đoán thời gian thực được phát triển bởi Jiang et al. đại diện cho một cách tiếp cận hứa hẹn, đã được xác nhận, để xác định bệnh nhân AGIB có nguy cơ cao mắc nhiễm trùng, sử dụng các biến dự đoán sẵn có và một khung mô hình có thể giải thích. Công cụ đã thể hiện khả năng phân biệt mạnh mẽ, hiệu chỉnh chặt chẽ và tiềm năng hữu ích lâm sàng trong kiểm tra ngoại vi đa trung tâm, và đã được triển khai thông qua một nền tảng giám sát trực tuyến.

Các ưu tiên trong tương lai bao gồm kiểm tra ngoại vi trong các cơ sở y tế đa dạng, các nghiên cứu triển khai triển vọng đánh giá tác động đến việc ra quyết định lâm sàng và kết quả bệnh nhân, và tinh chỉnh ngưỡng để cân bằng độ nhạy và độ đặc hiệu trong khi giảm thiểu mệt mỏi cảnh báo. Sự tích hợp với các hệ thống hồ sơ sức khỏe điện tử và các chương trình quản lý sẽ là trung tâm để tận dụng tối đa lợi ích của giám sát rủi ro nhiễm trùng động trong AGIB.

Kinh phí

Nghiên cứu được tài trợ bởi Chương trình Nghiên cứu và Phát triển Chìa khóa Quốc gia Trung Quốc, Dự án Quỹ Khoa học Tự nhiên Quốc gia Trung Quốc, Chương trình Sáng tạo Kiến thức Vũ Hán, và Dự án Tài năng Sáng tạo Chéo Bệnh viện Nhân dân Vũ Hán.

ClinicalTrials.gov

Không có mã số ClinicalTrials.gov được báo cáo cho nghiên cứu phát triển và xác nhận mô hình quan sát này.

Tham khảo

1. Jiang G, Sun S, Wang Q, Liu Z, Huang C, Quan F, Zuo X, Peng T, Xu J, Duan H, Barajas-Martínez H, Zhang D, Hu D, Zhan L. Mô hình dự đoán rủi ro thời gian thực cho nhiễm trùng ở bệnh nhân chảy máu tiêu hóa cấp tính: phát triển và xác nhận đa trung tâm của công cụ giám sát động. EClinicalMedicine. 2025 Oct 24;90:103574. doi: 10.1016/j.eclinm.2025.103574. PMID: 41209656; PMCID: PMC12595275.

2. Singer M, Deutschman CS, Seymour CW, et al. Định nghĩa quốc tế đồng thuận lần thứ ba về nhiễm trùng và sốc nhiễm trùng (Sepsis-3). JAMA. 2016;315(8):801–810. doi:10.1001/jama.2016.0287.

3. Evans L, Rhodes A, Alhazzani W, et al. Chiến dịch Sống sót trước Nhiễm trùng: Hướng dẫn quốc tế về quản lý nhiễm trùng và sốc nhiễm trùng 2021. Intensive Care Med. 2021;47(11):1181–1247. doi:10.1007/s00134-021-06506-y.