一种基于非侵入性方法的诺莫图,用于区分肝脏的格兰阳性和格兰阴性细菌感染
Haoran Li1, Xi Chen2, Hui Feng1
1Department of Ultrasound, Fifth Medical Center of Chinese PLA General Hospital, Beijing, People's Republic of China.
Infection and drug resistance
|October 4, 2024
概括
这项研究开发了一种使用超声波特征的预测模型,以区分格兰正细菌 (GPB) 肝 (LA) 和格兰阴性细菌 (GNB) LA. 该模型有助于早期诊断和选择肝的抗生素.
科学领域:
- 放射学和医学成像学 医学成像学
- 传染性疾病 传染性疾病
- 肝病学 肝病学是一种肝病学.
背景情况:
- 肝 (LA) 诊断通常依赖于超声波 (美国),但由于重叠的美国特征,区分格兰阳性细菌 (GPB) 和格兰阴性细菌 (GNB) 病因具有挑战性.
- 准确的区分对于及时和适当的抗生素选择至关重要,影响患者的治疗结果.
研究的目的:
- 提取有价值的超声波 (US) 特性,以区分GPB-LA和GNB-LA.
- 建立和验证一个预测模型,根据美国的发现来区分导致肝的致病生物.
主要方法:
- 从436名肝患者的临床,实验室和美国特征的回顾性分析.
- 在训练组 (n=262) 上使用后勤回归和LASSO分析开发预测模型.
- 使用曲线下的面积 (AUC),校准曲线和决策曲线分析 (DCA) 的模型性能评估,并对单独的组进行验证 (n=174).
主要成果:
- 总共分析了436名患者 (369名GNB-LA,67名GPB-LA).
- 确定了11个预测因素,包括性别,年龄,肝脏背景,内部气泡,回声废物,壁壁加厚,内壁外观,温度,糖尿病,肝胆道手术和中性粒细胞计数.
- 开发的Nomogram预测模型实现了0.80的AUC (95%CI:0.73-0.87) 来区分GNB-LA和GPB-LA,在验证组的AUC为0.79 (95%CI:0.69-0.89).
结论:
- 建立了一个强大的预测模型,以帮助早期诊断肝脏的致病生物.
- 这种模式可以促进更早地选择敏感的抗生素,从而可能缩短肝患者的治疗时间.
