《Frontiers in Cellular and Infection Microbiology》：Analysis of prognostic risk factors and risk management measures for patients with ischemic stroke and bloodstream infection based on machine learning
编辑推荐：
本研究创新性地应用LASSO（Least absolute shrinkage and selection operator）机器学习算法，系统筛选缺血性卒中（Ischemic stroke）合并血流感染（bloodstream infection）患者的核心预后风险因素，构建并验证了具有优异预测效能（28天预后AUC达0.844-0.861）的列线图（Nomogram）模型。模型揭示肺炎、心力衰竭（HF）、冠心病（CHD）、机械通气（MV）、低白蛋白（ALB）、高丙氨酸氨基转移酶（ALT）及高C反应蛋白-淋巴细胞比值（CLR）为关键风险因子，为临床实施个体化干预（如针对性抗感染、营养支持与免疫调节）提供了量化工具，对降低该类患者死亡率（研究队列达14.8%）具有重要临床意义。
引言
缺血性卒中已成为全球范围内致残和致死的主要原因之一。2021年全球新发缺血性卒中病例约760万，卒中病史患者总数超过7700万。人口老龄化加速及高血压、糖尿病等基础疾病患病率上升，导致缺血性卒中发病率持续增长，给医疗系统及家庭带来沉重负担。缺血性卒中患者因脑组织缺氧缺血导致免疫抑制，常伴有吞咽困难、意识障碍及机械通气（MV）等因素，易继发感染，严重者可发展为血流感染。一旦发生血流感染，病原体及其毒素可经循环系统播散，引发脓毒症、全身炎症反应综合征及感染性休克等严重并发症，直接加剧病情，升高死亡风险。因此，探索缺血性卒中合并血流感染患者的预后风险因素并建立有效的预测模型，对临床实施精准风险管理至关重要。
方法
本研究回顾性纳入广东省第二中医药大学附属医院2022年1月至2024年12月期间收治的缺血性卒中合并血流感染患者。纳入标准包括：确诊缺血性卒中、血培养阳性且符合血流感染诊断标准（如发热>38°C、寒战或低血压等）。排除重复病例及关键数据缺失者，最终筛选出338例患者，按7:3比例随机分为训练集（237例）与验证集（101例）。同时收集来自广州白云区第一人民医院等中心的156例患者作为外部验证集。采用LASSO回归算法进行变量筛选，并与传统Cox回归模型（Model 1）进行比较。通过受试者工作特征曲线下面积（AUC）、校准曲线及决策曲线（DCA）等指标评估模型性能。
结果
患者特征：训练集与验证集患者在年龄、性别、基础疾病分布及实验室指标方面均具有可比性。总队列28天死亡率为14.8%，显著高于普通缺血性卒中患者（3-6.4%）。
模型构建与比较：LASSO回归筛选出7个核心变量构建Model 2，包括肺炎、HF、CHD、MV、ALB、ALT及CLR。Model 2在训练集中预测28天预后的AUC为0.861，C-index为0.842，均优于Model 1（AUC=0.796）。模型在内部验证集（AUC=0.844）和外部验证集（AUC=0.860）均表现出良好判别力。校准曲线显示预测概率与实际概率高度一致，决策曲线分析表明模型在5%-25%风险阈值范围内具有良好临床净获益。
列线图应用：基于Model 2构建的列线图可将7个变量转换为总分，进而预测7天、14天及28天生存概率。例如，一名合并肺炎、心力衰竭，ALB为24.76 g/L，ALT为175.5 U/L，CLR为605.269的患者，总分为98分，其7天、14天及28天生存概率分别为60%、45%和35%。该患者实际于感染后8天死亡，验证了模型的准确性。
讨论
本研究证实肺炎、HF、CHD等合并症及MV是缺血性卒中合并血流感染患者预后的重要风险因素。肺炎作为卒中后最常见感染并发症，可加剧全身炎症反应及脑缺氧；心血管合并症则通过影响循环功能加重感染应激。MV作为侵入性操作，不仅增加感染风险，也反映患者病情严重程度。实验室指标中，低ALB反映营养与免疫功能障碍；高ALT提示肝损伤，影响毒素清除与代谢平衡；高CLR（CRP/淋巴细胞）则表征炎症-免疫失衡状态，其变化幅度较单一指标更能敏感反映预后风险。针对上述风险因素，临床可采取分层管理策略：低危患者（总分<60）常规监护；中危患者（60-80分）加强监护与感染预防；高危患者（≥80分）转入ICU并启动多学科团队干预。动态监测ALB、ALT、CLR等指标变化，及时调整治疗方案，有助于改善预后。
结论
本研究成功利用LASSO回归构建了缺血性卒中合并血流感染患者的预后预测模型，识别出肺炎、HF、CHD、MV、低ALB、高ALT及高CLR等7个核心风险因素。模型预测效能优异，列线图工具便于临床快速评估个体风险，为实施精准风险管理提供了重要依据。尽管存在单中心回顾性研究的局限性，但本研究为该领域预后管理提供了新方法，为后续多中心研究奠定了基础。
