糖尿病足感染病原微生物分布及风险预测模型的建立

作者：詹师; 杨召伍; 陈山; 陈漠水

来源：中国现代医学杂志, 2023, 33(10): 95-100.

• 糖尿病足
• 感染
• 病原菌分布特点
• 风险预测模型

目的 分析糖尿病足（DF）感染病原微生物分布特征，并建立DF感染风险预测模型。方法 选取2019年1月—2022年1月文昌市人民医收治的82例DF患者为研究对象，对其足部创面分泌物进行细菌培养，总结DF感染病原菌分布特点，多因素Logistic回归分析确定DF感染独立危险因素并建立风险预测模型，绘制受试者工作特征（ROC）曲线判断各独立指标与风险预警模型诊断的准确性，交叉验证法验证风险预警模型效能。结果 82例DF患者中有50例足部分泌物中分离出病原菌，共检出病原菌79株，其中革兰阳性菌37株（46.84%），革兰阴性菌38株（48.10%），真菌4株（5.06%）。多因素Logistic回归分析结果提示，DF病程[■=2.201(95%CI:1.754,2.763)]、周围神经病变[■=3.177(95%CI:1.518,6.652)]、白细胞计数（WBC）[■=2.425(95%CI:1.512,3.890)]、低密度脂蛋白胆固醇（LDL-C）[■=1.976(95%CI:1.481,2.636)]是DF感染的独立危险因素（P <0.05）。ROC曲线结果表明，DF病程、周围神经病变、WBC、LDL-C预测DF感染的曲线下面积（AUC）分别为0.665、0.659、0.685和0.645，敏感性分别为68.0%(0.538,0.841)、60.0%(0.563,0.794)、76.0%(0.550,0.882)和62.0%(0.512,0.803，特异性分别为68.7%(0.548,0.853)、71.9%(0.615,0.899)、59.4%(0.440,0.603)和62.5%(0.536,0.815)。将上述进入多因素Logistic回归模型变量的b作为系数，建立风险预警模型，Logit(P)=ey/（1+ey）,y=0.789×DF病程+1.156×周围神经病变+0.886×WBC+0.681×LDL-C-3.157。ROC曲线分析结果表明，风险预测模型AUC为0.908，截断值为0.513，敏感性及特异性分别为84.10%(0.651,0.917)和75.61%(0.579,0.855)。结论 DF感染率较高，但多为单一病原菌感染，DF病程、周围神经病变、WBC、LDL-C是DF感染的独立危险因素，以此为基础建立风险预测模型，便于临床快速准确筛查DF感染高危人群。

• 单位
  中南大学湘雅医学院; 文昌市人民医院