新疆生产建设兵团2016—2022年肺结核患者不良转归列线图预测模型的构建与验证

doi:10.19983/j.issn.2096-8493.2024104

摘要/Abstract

摘要：

目的: 构建新疆生产建设兵团(以下简称“兵团”)2016—2022年肺结核患者不良转归的列线图预测模型,评价模型的预测效果和应用价值。方法: 回顾性分析兵团2016—2022年肺结核患者的治疗转归情况。通过单因素log-rank检验及多因素Cox回归分析筛选变量并构建肺结核患者不良转归的预测模型,采用列线图对预测模型进行展示。采用区分度、校准度以及临床效益性评价模型的预测能力,采用Boostrap(B=1000)自抽样验证法对模型进行内部验证。结果: 2016—2022年兵团肺结核患者不良转归率为5.07%(405/7993)。多因素Cox回归分析结果显示,少数民族(HR=1.382,95%CI:1.106~1.725),年龄在30~60岁(HR=1.535,95%CI:1.097~2.148)、>60岁(HR=2.895,95%CI:2.088~4.013),合并糖尿病患者(HR=1.753,95%CI:1.255~2.450),复治(HR=1.846,95%CI:1.400~2.434),现地址类型为本省其他地区(HR=1.430,95%CI:1.129~1.810)、外省(HR=1.596,95%CI:1.186~2.147),无基层管理(HR=1.385,95%CI:1.132~1.694),现管理地区为南疆(HR=1.276,95%CI:1.017~1.600)是影响肺结核患者治疗转归的危险因素。据此构建兵团肺结核患者发生不良转归的列线图预测模型,模型的受试者工作特征曲线下面积为0.697(95%CI:0.633~0.761),校正曲线与理想曲线总体走势较为一致。结论: 本研究构建的列线图预测模型具有良好的预测价值,能够帮助临床决策者快速识别患者中高危人群并且进行个性化管理,及时规避风险从而提高患者的治疗成功率。

关键词: 结核,肺, 治疗失败, 因素分析, 统计学, 列线图

Abstract:

Objective: To construct a nomogram model for predicting adverse outcomes of tuberculosis patients in Xinjiang Production and Construction Corps (hereafter referred as “the Corps”) from 2016 to 2022, and to evaluate the predictive effectiveness and application value of the model. Methods: A retrospective analysis of treatment outcomes of TB patients in the Corps from 2016 to 2022 was conducted. Variables were selected and a prediction model for adverse outcomes in TB patients was constructed through univariable log-rank tests and multivariable Cox regression analysis, with the model presented with a nomogram. The model’s predictive ability was assessed with discrimination, calibration, and clinical utility. Internal validation was performed using the Bootstrap method (B=1000). Results: The average adverse outcome rate of tuberculosis patients treated in the Corps in 2016—2022 was 5.07% (405/7993). Multivariable Cox regression analysis identified several risk factors: ethnic minorities (HR=1.382, 95%CI: 1.106-1.725), 30-60 years old (HR=1.535, 95%CI: 1.097-2.148), >60 years (HR=2.895, 95%CI: 2.088-4.013), comorbid diabetes (HR=1.753, 95%CI: 1.255-2.450), retreatment (HR=1.846, 95%CI: 1.400-2.434), current address being other regions of the province (HR=1.430, 95%CI: 1.129-1.810) or outside of the province (HR=1.596, 95%CI: 1.186-2.147), lack of primary care center management (HR=1.385, 95%CI: 1.132-1.694), and treatment management being performed in southern Xinjiang (HR=1.276, 95%CI: 1.017-1.600). Based on these factors, a nomogram prediction model for adverse outcomes in TB patients was constructed. The area under the receiver operating characteristic curve of the model was 0.697 (95%CI: 0.633-0.761). Conclusion: The nomogram prediction model developed in this study shows good predictive value, could assist clinical decision-makers quickly identifying high-risk patients for personalized management, thereby mitigating risks and improving treatment success rate.

Key words: Tuberculosis, pulmonary, Treatment failure, Factor analysis, statistical, Nomogram

中图分类号:

马晓玲, 赵永年, 段丽丽, 刘新文. 新疆生产建设兵团2016—2022年肺结核患者不良转归列线图预测模型的构建与验证[J]. 结核与肺部疾病杂志, 2024, 5(6): 552-559. doi: 10.19983/j.issn.2096-8493.2024104

Ma Xiaoling, Zhao Yongnian, Duan Lili, Liu Xinwen. Construction and validation of a nomogram model for predicting adverse outcomes of pulmonary tuberculosis patients in 2016—2022 in Xinjiang Production and Construction Corps[J]. Journal of Tuberculosis and Lung Disease, 2024, 5(6): 552-559. doi: 10.19983/j.issn.2096-8493.2024104

图/表 7

表1

肺结核患者治疗转归的影响因素的单因素分析

因素	合计 (例)	治疗成功(7588例)		不良转归(405例)		χ²值	P值
因素	合计 (例)	例数	构成比(%)	例数	构成比(%)	χ²值	P值
性别						0.022	0.883
男性	5001	4749	94.97	252	5.03
女性	2992	2839	94.89	153	5.11
年龄(岁)						58.624	<0.001
≤30	1666	1621	97.30	45	2.70
31~60	3543	3392	95.74	151	4.26
>60	2784	2575	92.49	209	7.51
民族						18.633	<0.001
汉族	5455	5218	95.66	237	4.34
少数民族	2538	2370	93.38	168	6.62
延迟就诊						1.526	0.217
否	4599	4354	94.67	245	5.33
是	3394	3234	95.29	160	4.71
职业						29.099	<0.001
农民/牧民	4275	4058	94.92	217	5.08
教师/学生	464	456	98.28	8	1.72
工人/民工	764	737	96.47	27	3.53
医务人员/干部职员	228	221	96.93	7	3.07
离退人员	2010	1874	93.23	136	6.77
其他	252	242	96.03	10	3.97
患者来源						10.325	0.016
追踪	5392	5095	94.49	297	5.51
转诊	1453	1383	95.18	70	4.82
直接就诊	862	831	96.40	31	3.60
其他	286	279	97.55	7	2.45
合并糖尿病						13.361	<0.001
否	7533	7168	95.15	365	4.85
是	460	420	91.30	40	8.70
患者诊断分型						10.252	0.036
原发	317	299	94.32	18	5.68
血行播散	473	435	91.97	38	8.03
继发	6780	6450	95.13	330	4.87
结核性胸膜炎	412	394	95.63	18	4.37
气管支气管结核	11	10	90.90	1	9.10
诊断结果						3.685	0.158
病原学阳性	2493	2351	94.30	142	5.70
病原学阴性	4899	4669	95.31	230	4.69
无病原学结果	601	568	94.51	33	5.49
治疗分类						64.280	<0.001
初治	7403	7069	95.49	334	4.51
复治	590	519	87.97	71	12.03
现地址类型						14.898	<0.001
本县(区)	5541	5291	95.49	250	4.51
本省其他地区	1740	1639	94.20	101	5.80
外省	712	658	92.42	54	7.58
基层管理						4.561	0.033
是	4084	3895	95.45	186	4.50
否	3909	3690	94.40	219	5.60
现管理地区						25.395	<0.001
北疆	4841	4644	95.93	197	4.07
南疆	3152	2944	93.40	208	6.60

表1

表2

表3

影响肺结核成功治疗的多因素Cox回归分析结果

因素	β值	$s x ˉ$ 值	Wald χ²值	P值	HR(95%CI)值
年龄(岁)
≤30					1.000
30~60	0.429	0.172	6.247	0.012	1.535(1.097~2.148)
>60	1.063	0.167	40.687	<0.001	2.895(2.088~4.013)
民族
汉族					1.000
少数民族	0.323	0.113	8.124	0.004	1.382(1.106~1.725)
职业
农民/牧民					1.000
教师/学生	-0.464	0.387	1.436	0.231	0.629(0.294~1.343)
工人/民工	-0.025	0.214	0.013	0.909	0.976(0.642~1.483)
医务人员/干部职员	-0.141	0.390	0.131	0.717	0.868(0.404~1.864)
离退人员	0.174	0.135	1.651	0.199	1.190(0.913~1.551)
其他	0.297	0.330	0.811	0.368	1.346(0.705~2.573)
患者来源
追踪					1.000
转诊	-0.043	0.137	0.097	0.755	0.958(0.732~1.254)
直接就诊	-0.304	0.197	2.392	0.122	0.738(0.502~1.085)
其他	-0.488	0.387	1.591	0.207	0.614(0.287~1.311)
合并糖尿病
否					1.000
是	0.562	0.171	10.814	0.001	1.753(1.255~2.450)
治疗分类
初治					1.000
复治	0.613	0.141	18.871	<0.001	1.846(1.400~2.434)
现地址类型
本县区					1.000
本省其他地区	0.357	0.120	8.813	0.003	1.430(1.129~1.810)
外省	0.467	0.151	9.539	0.002	1.596(1.186~2.147)
基层管理
是					1.000
否	0.326	0.103	10.034	0.002	1.385(1.132~1.694)
现管理地区
北疆					1.000
南疆	0.243	0.116	4.424	0.035	1.276(1.017~1.600)
患者诊断分型
原发					1.000
血行播散性	0.219	0.287	0.580	0.446	1.224(0.709~2.185)
继发性	-0.296	0.244	1.475	0.224	0.744(0.461~1.199)
结核性胸膜炎	-0.547	0.342	2.564	0.109	0.578(0.296~1.13)
气管支气管结核	0.499	1.032	0.234	0.629	1.648(0.218~12.464)

表3

图1

图2

图3

图4

参考文献 20

[1]	杜威, 刘春雨, 王路生, 等. 结核病发病机制的研究进展. 中国人兽共患病学报, 2022, 38(3):217-225. doi:10.3969/j.issn.1002-2694.2022.00.005.
[2]	World Health Organization. Global tuberculosis report 2023. Geneva: World Health Organization, 2023.
[3]	闫银锁, 许琰, 倪新兰, 等. 肺结核患者治疗结局影响因素多水平模型分析. 中国卫生统计, 2021, 38(1):25-27. doi:10.3969/j.issn.1002-674.2021.01.007.
[4]	孙博, 滕冲, 冯丽平, 等. 2018—2022年内蒙古自治区兴安盟结核病流行特征及发病预测模型应用. 疾病监测, 2024, 39(2):200-206. doi.10.3784/jbjc.202310240562.
[5]	邓亚利, 张英, 刘新文, 等. 灰色模型在新疆生产建设兵团结核病流行趋势预测中的应用. 职业与健康, 2018, 34(21):2963-2966. doi:10.13329/j.cnki.zyyjk.2018.0829.
[6]	李本春, 王应军, 曹晓玉. 肺结核患者服药依从性预测模型的建立. 现代医学, 2022, 50(5):529-535. doi:10.3939/j.issn.1671-7562.2022.02.001.
[7]	陈代权, 林淑芳, 戴志松, 等. 基于列线图的利福平敏感肺结核患者不良转归预测模型的构建和验证. 中国防痨杂志, 2023, 45(10):957-966. doi:10.19982/j.issn.1000-6621.20230141.
[8]	Riley RD, Ensor J, Snell KIE, et al. Calculating the sample size required for developing a clinical prediction model. BMJ, 2020, 368:m441. doi:10.1136/bmj.m441.
[9]	中华人民共和国国家卫生健康委员会. 中国结核病预防控制工作技术规范(2020年版). 国卫办疾控函(2020)279号. 2020-09-14.
[10]	刘瑶, 马晓雪, 黄爱菊, 等. 2010—2019年贵州省汉族与少数民族学生肺结核流行现况. 现代预防医学, 2022, 49(15):2744-2750. doi:10.20043/j.cnki.MPM.202202288.
[11]	高静韬, 刘宇红. 2020年世界卫生组织全球结核病报告要点解读. 河北医科大学学报, 2021, 42(1):1-6. doi:10.3969/j.issn.1007-3205.2021.01.001.
[12]	蒋泽顺, 杨正贵, 李江平, 等. 宁夏结核病治疗转归影响因素分析及预测模型的建立. 现代预防医学, 2021, 48(16):2905-2910.
[13]	梁达, 赵晓银, 商越, 等. 青海省结核病患者治疗结局影响因素分析及贝叶斯网络模型研究. 疾病监测, 2022, 37(2):210-213. doi:10.3784/jbjc.202103230151.
[14]	麦维兰江·阿不力米提, 地尔木拉提·吐孙, 刘振江, 等. 2016—2018年喀什地区初治涂阳肺结核患者治疗效果及其影响因素分析. 中国防痨志, 2021, 43(4):391-397. doi:10.3969/j.issn.1000-6621.2021.04.016.
[15]	Ali MK, Karanja S, Karama M. Factors associated with tuberculosis treatment outcomes among tuberculosis patients attending tuberculosis treatment centres in 2016-2017 in Mogadishu, Somalia. Pan Afr Med J, 2017,28:197. doi:10.11604/pamj.2017.28.197.13439.
[16]	Kassim SA, Cote A, Kassim SM, et al. Factors influencing treatment outcomes of tuberculosis patients attending health facilities in Galkayo Puntland, Somalia. J Public Health (Oxf), 2021, 43(4):887-895. doi:10.1093/pubmed/fdaa146.
[17]	Di Gennaro F, Lattanzio R, Guido G, et al. Predictors for Pulmonary Tuberculosis Outcome and Adverse Events in an Italian Referral Hospital: A Nine-Year Retrospective Study (2013—2021). Ann Glob Health, 2022, 88(1):26. doi:10.5334/aogh.3677.
[18]	Nanzaluka FH, Chibuye S, Kasapo CC, et al. Factors associated with unfavourable tuberculosis treatment outcomes in Lusaka, Zambia, 2015: a secondary analysis of routine surveillance data. Pan Afr Med J, 2019, 32:159. doi:10.11604/pamj.2019.32.159.18472. pmid: 31308862
[19]	Peetluk LS, Ridolfi FM, Rebeiro PF, et al. Systematic review of prediction models for pulmonary tuberculosis treatment outcomes in adults. BMJ Open, 2021, 11(3):e044687. doi:10.1136/bmjopen-2020-044687.
[20]	Peetluk LS, Rebeiro PF, Ridolfi FM, et al. A Clinical Prediction Model for Unsuccessful Pulmonary Tuberculosis Treatment Outcomes. Clin Infect Dis, 2022, 74(6):973-982. doi:10.1093/cid/ciab598.

变量	赋值	变量	赋值
年龄	≤30岁=1,31~60岁=2,>60岁=3	治疗分类	初治=0,复治=1
民族	汉族=0,少数民族=1	现地址类型	本县(区)=1,本省其他地区=2,外省=3
职业	农民/牧民=1,教师/学生=2,工人/民工=3,医务人员/干部职员=4,离退人员=5,其他=6	基层管理	是=0,否=1
患者来源	追踪=1,转诊=2,直接就诊=3,其他=4	现管理地区	北疆=0,南疆=1
合并糖尿病	否=0,是=1	治疗转归	治疗成功=0,不良转归=1
患者诊断分型	原发=1,血行播散=2,继发=3,结核性胸膜炎=4	生存时间	开始治疗日期到停止治疗日期之间的时间间隔