1. 引言
肺炎克雷伯菌(K. pneumoniae)中，对至少一种碳青霉烯类抗生素(包括亚胺培南、美罗培南或厄他培南)表现出耐药性的菌株被称为碳青霉烯类耐药肺炎克雷伯菌[1] [2]。根据不同的研究报告，CRKP感染患者的预后较差，总体死亡率(泌尿道感染除外)高达30%~60% [3]-[5]，已经成为主要的公共卫生威胁。导致CRKP感染患者预后不良的因素众多，临床难以评估患者的死亡风险并给予早期干预。
列线图(Nomogram)是一种基于多因素回归分析的预测模型，通过将多个预测指标整合，根据模型中各个影响因素对结局变量的贡献程度进行分析，将分析结果转化为易于理解和应用的图形界面，以表达预测模型中各个变量之间的相互关系。该模型不仅提高了预后评估的准确性，而且可视化呈现方式显著提高了临床医生对患者风险分层的理解，便于快速评估患者预后并制定个体化干预策略。目前，列线图模型已在肿瘤学[6]、肾脏疾病[7]和感染性疾病[8]等多个医学领域得到广泛应用，其临床实用性已得到多项前瞻性研究的验证。
尽管先前已有多项研究探索了CRKP感染患者的预后影响因素，但此类研究纳入指标大多为患者的临床特征[9] [10]，对于感染菌株的基因特征研究较少，在多维度评估患者预后方面较为局限。本研究通过系统分析CRKP感染患者的基本人口学特征、临床特征及分子生物学特征等多个维度数据，深入探究影响CRKP感染患者预后的关键因素。在此基础上，本研究构建了CRKP感染预后预测的列线图模型，并通过内部验证评估其预测效能。该模型的建立将有助于实现个体化治疗方案的制定，从而最终改善患者的临床预后和生存质量。
2. 对象与方法
2.1. 研究对象
收集安徽省某三甲医院2020年8月至2024年8月内所有发生CRKP感染的病例153例，根据电子病历系统中患者住院期间的临床结局分为预后良好组和不良组，其中预后良好组包括治愈、好转及病情稳定，预后不良组包括恶化、放弃治疗及死亡。纳入标准：(1) 临床标本培养后，根据微生物鉴定及药敏实验结果确定为碳青霉烯类耐药肺炎克雷伯菌；(2) 同一患者只收取第一次感染相关资料；(3) 患者的病例资料及实验室结果完备且可查询。排除标准：(1) 感染CRKP后未接受临床治疗即死亡；(2) 医疗事故所致死亡。本研究仅回顾性收集患者临床资料，不涉及患者任何隐私，已获医院研究项目的患者知情同意豁免。
2.2. 方法
2.2.1. 菌株鉴定和药物敏感性(药敏)试验
血琼脂平板培养细菌并进一步分离纯化，应用Microflex-LT/SH型质谱分析仪(德国BRUKER公司)进行菌种鉴定，使用法国BioMérieux的VITEK 2 Compact全自动细菌分析仪(卡号AST-N334和AST-N335)或英国Oxoid的Kirby-Bauer纸片扩散法检测CRKP的抗菌药物敏感性。抗菌药物敏感性结果按照2019年发布的临床和实验室标准研究所(the Clinical and Laboratory Standards Institute, CLSI)的指南进行分析。根据CLSI的指南，将对任何碳青霉烯类抗生素耐药的肺炎克雷伯菌确认为CRKP菌株。
2.2.2. 数据收集
本研究从医院病历系统中收集相关资料，包括患者的基本信息(性别、年龄)、标本类型、基础疾病(糖尿病、高血压、呼吸系统疾病、肝脏疾病、肾脏疾病等)、临床症状(肺部感染、泌尿系统感染、急性肝肾功能不全、脓毒症或休克)、侵入性操作(机械通气、中心静脉置管、留置胃管、留置尿管等)、住院情况(手术、入住ICU等)以及实验室检查结果等信息。实验室检查结果纳入统计指标包括：糖化血红蛋白(glycosylated hemoglobin, HbA1c)、C反应蛋白(C-reactive protein, CRP)、白细胞计数(white blood cells, WBC)、中性粒细胞绝对值(neutrophils, Neut)、淋巴细胞绝对值(lymphocytes, Lym)和血小板计数(platelets, PLT)。所有数据按照8:2的比例随机分成训练集和验证集，使用训练集构建列线图危险因素预测模型，验证集对模型效能进行验证。
2.2.3. 统计分析方法
使用excel、SPSS26.0和Graphpad Prism 10.0进行数据统计分析和绘图，计数资料以例或者构成比(%)表示，组间差异采用Pearson卡方检验或Fisher’s精确检验进行比较。首先对单一影响因素进行逐个分析，随后将对预后影响较大的危险因素(单因素分析P ≤ 0.1)纳入多因素Logistic回归模型中，采用逐步向后法进行多因素Logistic回归分析，根据分析结果建立列线图以预测CRKP感染患者预后不良的风险。采用ROC曲线及AUC评价列线图的区分能力，AUC值在0.5~1.0之间，值越高，说明拟合的模型分类性能越好。通过校准曲线来评估列线图的性能，曲线与校准图对角线越贴合，说明观察结果与预测概率之间的一致性越好。P < 0.05为差异具有统计学意义。
3. 结果
3.1. 训练集和验证集均衡性检验
该研究共纳入153名受试者，我们将研究人群分为训练集(n = 122)和验证集(n = 31)。患者临床特征方面，训练集和验证集在年龄、糖尿病和肿瘤方面的差异具有统计学意义(P < 0.05)，其余指标两组之间无显著差异(见表1)。在菌株的耐药基因及毒力基因携带方面，训练集和验证集无显著差异(见表2)。
Table 1. Clinical characteristics of CRKP-infected patients in the training and validation sets
表1. 训练集和验证集CRKP感染患者的临床特征
特征 |
总数(n = 153) |
训练组(n = 122) |
验证组(n = 31) |
P值 |
年龄 |
58.71 ± 17.60 |
57.07 ± 17.76 |
65.13 ± 15.62 |
0.022 |
性别 |
|
|
|
|
女性 |
53 (34.64) |
43 (35.25) |
10 (32.26) |
|
男性 |
100 (65.36) |
79 (64.75) |
21 (67.74) |
0.755 |
基础疾病 |
|
|
|
|
高血压，n(%) |
54 (35.29) |
42 (34.43) |
12 (38.71) |
0.656 |
糖尿病，n(%) |
28 (18.30) |
18 (14.75) |
10 (32.26) |
0.024 |
肿瘤，n (%) |
40 (26.14) |
37 (30.33) |
3 (9.68) |
0.019 |
化疗史，n (%) |
20 (13.07) |
18 (14.75) |
2 (6.45) |
0.354 |
医院获得性感染，n (%) |
137 (89.54) |
110 (90.16) |
27 (87.10) |
0.865 |
肺部感染，n (%) |
90 (58.82) |
74 (60.66) |
16 (51.61) |
0.361 |
风湿免疫性疾病，n (%) |
11 (7.19) |
9 (7.38) |
2 (6.45) |
1 |
消化道疾病，n (%) |
49 (32.03) |
39 (31.97) |
10 (32.26) |
0.975 |
肝脏疾病，n (%) |
36 (23.53) |
27 (22.13) |
9 (29.03) |
0.419 |
循环系统疾病，n (%) |
47 (30.72) |
36 (29.51) |
11 (35.48) |
0.52 |
神经系统疾病，n (%) |
70 (45.75) |
58 (47.54) |
12 (38.71) |
0.378 |
肾脏疾病，n (%) |
42 (27.45) |
32 (26.23) |
10 (32.26) |
0.502 |
入住ICU，n (%) |
26 (16.99) |
20 (16.39) |
6 (19.35) |
0.695 |
脓毒症或休克，n (%) |
46 (30.07) |
39 (31.97) |
7 (22.58) |
0.309 |
检出前使用碳青霉烯酶药物，n (%) |
66 (43.14) |
57 (46.72) |
9 (29.03) |
0.076 |
检出前使用头孢类药物，n (%) |
75 (49.02) |
59 (48.36) |
16 (51.61) |
0.746 |
Table 2. Gene profile of CRKP strains in the training and validation sets
表2. 训练集和验证集CRKP菌株携带基因分析
特征 |
总数(n = 153) |
训练组(n = 122) |
验证组(n = 31) |
P值 |
耐药基因 |
|
|
|
|
blaKPC, n (%) |
124 (81.05) |
100 (81.97) |
24 (77.42) |
0.564 |
blaNDM, n (%) |
25 (16.34) |
21 (17.21) |
4 (12.90) |
0.562 |
blaIMP, n (%) |
3 (1.96) |
1 (0.82) |
2 (6.45) |
0.105 |
blaOXA, n (%) |
4 (2.61) |
2 (1.64) |
2 (6.45) |
0.183 |
毒力基因 |
|
|
|
|
iucA, n (%) |
91 (59.48) |
71 (58.20) |
20 (64.52) |
0.522 |
rmpA, n (%) |
27 (17.65) |
19 (15.57) |
8 (25.81) |
0.182 |
RmpA2, n (%) |
87 (56.86) |
69 (56.56) |
18 (58.06) |
0.88 |
ybtS, n (%) |
123 (80.39) |
97 (79.51) |
26 (83.87) |
0.585 |
mrkD, n (%) |
140 (91.50) |
113 (92.62) |
27 (87.10) |
0.532 |
iroB, n (%) |
7 (4.58) |
7 (5.74) |
0 (0.00) |
0.377 |
allS, n (%) |
9 (5.88) |
6 (4.92) |
3 (9.68) |
0.563 |
peg-344, n (%) |
59 (38.56) |
47 (38.52) |
12 (38.71) |
0.985 |
wabG, n (%) |
141 (92.16) |
113 (92.62) |
28 (90.32) |
0.959 |
fimH, n (%) |
110 (71.90) |
91 (74.59) |
19 (61.29) |
0.141 |
entB, n (%) |
152 (99.35) |
121 (99.18) |
31 (100.00) |
1 |
3.2. CRKP感染患者预后不良的单因素Logistic分析
对训练集数据进行单因素逻辑回归分析，结果显示，CRKP感染患者临床特征方面的预后不良的危险因素主要为神经系统疾病、化疗史、脓毒症或休克等(见表3)，分子特征方面，对患者预后影响较大的基因为peg-344 (P < 0.1) (见表4)。
Table 3. Univariate regression analysis for clinical characteristics of CRKP-infected patients
表3. CRKP感染患者临床特征单因素回归分析
变量 |
β |
OR (95%CI) |
P值 |
年龄 |
0 |
1.00 (0.98~1.02) |
0.807 |
性别 |
0.15 |
1.16 (0.59~2.26) |
0.670 |
高血压 |
−0.43 |
0.65 (0.33~1.27) |
0.209 |
糖尿病(是vs.否) |
0.03 |
1.03 (0.45~2.35) |
0.937 |
神经系统疾病 |
−0.98 |
0.37 (0.19~0.73) |
0.004 |
循环系统疾病 |
0.56 |
1.74 (0.87~3.49) |
0.115 |
消化道疾病 |
0.07 |
1.07 (0.54~2.12) |
0.840 |
肝脏疾病 |
0.52 |
1.68 (0.79~3.56) |
0.179 |
肾脏疾病 |
0.24 |
1.27 (0.62~2.58) |
0.517 |
风湿免疫性疾病 |
−0.87 |
0.42 (0.11~1.65) |
0.213 |
肿瘤 |
0.78 |
2.18 (1.05~4.56) |
0.037 |
化疗史 |
1.17 |
3.21 (1.16~8.87) |
0.025 |
医院获得性感染 |
0.38 |
1.46 (0.50~4.24) |
0.486 |
肺部感染 |
0.42 |
1.52 (0.79~2.92) |
0.208 |
入住ICU |
1.18 |
3.25 (1.31~8.02) |
0.011 |
脓毒症或休克 |
1.28 |
3.60 (1.73~7.49) |
<0.001 |
检出前使用碳青霉烯酶药物 |
0.74 |
2.09 (1.09~4.00) |
0.027 |
检出前使用头孢类药物 |
−0.14 |
0.87 (0.46~1.65) |
0.670 |
Table 4. Univariate regression analysis for MLST types and carried genes of CRKP strains
表4. CRKP菌株MLST分型及携带基因单因素回归分析
变量 |
β |
OR (95%CI) |
P值 |
CRKP耐药基因 |
|
|
|
blaKPC |
0.4 |
1.49 (0.65~3.40) |
0.349 |
blaNDM |
−0.28 |
0.76 (0.32~1.81) |
0.529 |
blaIMP |
−0.53 |
0.59 (0.05~6.61) |
0.666 |
blaOXA |
−0.95 |
0.39 (0.04~3.80) |
0.415 |
CRKP毒力基因 |
|
|
|
rmpA |
−0.25 |
0.78 (0.34~1.82) |
0.565 |
rmpA2 |
0.24 |
1.27 (0.67~2.41) |
0.472 |
iucA |
0.15 |
1.16 (0.61~2.22) |
0.652 |
ybtS |
−0.21 |
0.81 (0.36~1.80) |
0.603 |
mrkD |
−0.35 |
0.70 (0.22~2.19) |
0.542 |
iroB |
0.48 |
1.62 (0.35~7.48) |
0.539 |
allS |
0.42 |
1.52 (0.39~5.89) |
0.545 |
peg-344 |
0.56 |
1.75 (0.91~3.37) |
0.096 |
wabG |
0.18 |
1.20 (0.36~3.95) |
0.768 |
fimH |
0.62 |
1.87 (0.90~3.87) |
0.104 |
3.3. 影响CRKP感染患者预后的多因素Logistic分析
考虑到训练集预后不良组病例为58例，根据“事件数每变量(Events Per Variable, EPV)”的推荐值(5~10)，本研究纳入的自变量不宜超过5个，多因素logistic分析结果显示神经系统疾病、入住ICU、败血症或休克、peg-344基因阳性是CRKP感染患者死亡的独立危险因素(见表5)。
Table 5. Multivariate logistic regression analysis of adverse prognostic outcomes during hospitalization in patients with CRKP infection
表5. CRKP感染患者住院期间预后不良的多因素logistic回归分析
变量 |
β值 |
SE |
Z |
P值 |
OR值(95%CI) |
神经系统疾病 |
−1.18 |
0.38 |
−3.06 |
0.002 |
0.31 (0.14~0.65) |
入住ICU |
1.30 |
0.40 |
3.29 |
0.001 |
3.67 (1.69~7.97) |
败血症或休克 |
0.97 |
0.40 |
2.42 |
0.016 |
2.65 (1.20~5.83) |
CRKP peg-344基因 |
0.79 |
0.38 |
2.09 |
0.036 |
2.21 (1.05~4.63) |
3.4. CRKP感染患者预后列线图预测模型的建立
利用多因素logistic回归分析筛选出的4个预后不良危险因素(神经系统疾病、转ICU、败血症或休克、peg-344基因阳性)构建CRKP感染患者死亡风险列线图预测模型(图1)，根据列线图，得出个体每个预测指标对应的分数值，得出每个指标评分的总分后，与总分相对应的预测概率为CRKP感染患者预后不良的概率。
3.5. 列线图模型的效能评估
将所有数据按照随机8:2的比例进行切分，用训练集数据构建列线图预测模型，分别绘制训练集和验证集在列线图模型中的ROC曲线及计算曲线下面积，训练集的ROC曲线下面积为0.770 (95%CI: 0.687~0.854) (见图2)，验证集ROC曲线下面积为0.717 (95%CI: 0.527~0.907) (见图3)，显示出列线图模型区分度良好。分别绘制训练集和验证集的校准曲线，如图4、图5所示，训练集和验证集的校准曲线趋近于对角理想曲线，Hosmer Lemeshow (HL)检验显示该风险预测模型的拟合优度良好。
Figure 1. Predictive model for poor prognosis in CRKP-infected patients using independent risk factors
图1. CRKP感染患者预后不良独立危险因素预测模型
Figure 2. ROC curve of the training set
图2. 训练集ROC曲线
Figure 3. ROC curve of the validation set
图3. 验证集ROC曲线
Figure 4. Calibration curve of the training set
图4. 训练集的校正曲线
Figure 5. calibration curve of the validation set
图5. 验证集的校正曲线
4. 讨论
CRKP已成为临床常见的多重耐药菌株之一，随着碳青霉烯类药物的广泛使用，CRKP的检出率在全球范围内呈现上升趋势[11] [12]，因其多重耐药特性，常导致临床治疗面临重大挑战，表现为可选治疗方案有限、疗程延长及预后不良等临床困境。既往多项研究探讨了CRKP感染患者预后的影响因素[13]-[15]，如感染性休克、机械通气、联合抗菌药物治疗及免疫抑制治疗等。然而，关于CRKP毒力基因携带情况对患者预后的影响，目前尚不清楚。本研究回顾性分析了安徽省某三级医院近4年CRKP感染患者的临床特征及感染细菌的基因特征，发现神经系统疾病、入住ICU、败血症或休克及菌株peg-344基因阳性是 CRKP 感染患者预后不良的独立危险因素。基于此结果，我们构建了一个列线图预测模型，通过内部验证发现该模型具有良好的预测性能。
研究显示，神经系统疾病和自身免疫性疾病密切相关，神经系统疾病可能由机体免疫调节功能异常引起[16] [17]，此类患者往往伴有免疫功能低下，同时神经外科手术或侵入性诊疗措施可能进一步加重机体负担[18]，因此CRKP的入侵易导致病情恶化，对患者预后产生不良影响。同时我们的研究表明，入住ICU会增加患者预后不良的风险，这与岳彩妮[19]等人发现一致。入住ICU的患者通常病情危重、基础疾病复杂、住院时间长，且常需接受气管插管、中心静脉置管、导尿管留置等侵袭性操作，大大增加了患者的死亡风险。败血症或感染性休克也与CRKP感染患者的预后不良有关，败血症是CRKP感染的常见临床表现之一[20]，能够导致全身炎症反应综合征(Systemic Inflammatory Response Syndrome, SIRS)和微循环障碍，而休克作为败血症的终末阶段，因伴随持续低灌注和乳酸堆积，可迅速引起多器官功能障碍(Multiple Organ Dysfunction Syndrome, MODS)。因此，早期识别休克及时启动液体复苏和血管活性药物可有效改善患者预后。
近年来，关于CRKP感染患者临床预后的影响因素研究已从传统的临床特征分析逐步拓展至分子生物学层面。多项研究表明，菌株的分子特征与感染严重程度及临床转归密切相关[21]。Wu等人研究表明，全球51%~68%的CRKP临床分离株携带高毒力基因，且中国菌株的高毒力基因检出率显著高于其他国家[22]。然而，CRKP毒力基因对患者预后的独立影响尚不明确，限制了精准防控策略的制定。
本研究对CRKP感染患者的毒力基因进行统计分析，发现peg-344基因阳性携带是患者死亡的独立危险因素(OR = 2.21, 95%CI: 1.05~4.63, P < 0.05)。Peg-344基因主要位于肺炎克雷伯菌毒力质粒上，其编码产物属于代谢物转运蛋白超家族中的渗透酶，参与细菌细胞内外物质转运过程[23]。多项研究证实，peg-344与iroB、iucA、rmpA、rmpA2五个毒力基因的组合检测是目前预测高毒力肺炎克雷伯菌(hypervirulent Klebsiella pneumoniae, hvKP)最可靠的分子标志物[23] [24]，并且Liao等人研究发现peg-344对hvKP的诊断效能最佳，敏感度及特异度均大于95% [25]。动物实验研究进一步表明，peg-344通过促进hvKP从肺部向全身器官(脾脏、肾脏等)播散而增强致病性，peg-344基因缺失可使细菌系统性感染能力显著降低(P < 0.01) [26]。因此，peg-344毒力基因的检测不仅有助于hvKP的早期识别，也能为临床预后评估提供重要依据，除了预测之外，我们的模型还有望指导临床决策。例如，当一名患者被该模型确定为预后不良的高风险患者时，临床医生可以考虑采取更积极的管理策略。这可能包括迅速开始联合抗生素治疗而不是单一治疗，增加临床和实验室监测的频率(例如，每日随访炎症标志物和器官功能)。未来的研究应侧重于制定临床方案，并通过介入研究评估这种模型驱动的干预措施对患者预后的影响。
综上，本研究构建了CRKP院内感染预后情况的列线图预测模型，经过模型预测性能及拟合优度验证，发现该模型预测性能较好，有一定的临床应用前景。然而，本研究为单中心的回顾性研究，样本量偏小，且训练集与测试集均来自同一样本总体，未能进行外部验证，并且尽管我们进行了统计调整，但训练队列和验证队列之间基线特征的不平衡可能会引入残留混淆并影响我们模型的可泛化性。这种潜在的偏倚需要在更大的、前瞻性收集的、更平衡的数据集中进一步验证。未来将扩大样本量、进行多中心的研究，进一步优化此类列线图模型的构建及外部验证，同时应考虑采用更全面的基因组测序技术，全面覆盖CRKP可能携带的所有耐药和毒力基因，以了解CRKP的演变和传播情况，为预测提供更多的早期参考指标。
基金项目
安徽省自然科学基金项目(2408085MH233)；安徽省卫生健康科研项目(AHWJ2024Aa10005)；感染性疾病安徽省重点实验室(AHIDL-2412R)。
NOTES
*通讯作者。