[摘要]"目的"采用諾莫圖模型、隨機(jī)森林模型、決策樹模型分別構(gòu)建血流感染（bloodstream"infection，BSI）的鑒別診斷模型。方法"回顧性分析2022年1月至2024年1月于浦江縣人民醫(yī)院診斷治療的BSI患者225例，按照7∶3的比例將患者分為訓(xùn)練集和驗證集，運用諾莫圖模型、隨機(jī)森林模型、決策樹模型建立革蘭陰性菌BSI（Gram"negative"BSI，GN-BSI）、革蘭陽性菌BSI（Gram"positive"BSI，GP-BSI）的鑒別診斷模型，并分析不同模型的鑒別效能。結(jié)果"二元Logistic回歸分析顯示，中性粒細(xì)胞與淋巴細(xì)胞比值（neutrophil"to"lymphocyte"ratio，NLR）、C反應(yīng)蛋白（C-reactive"protein，CRP）、白細(xì)胞介素-6（interleukin-6，IL-6）、紅細(xì)胞體積分布寬度與血小板比值（red"cell"volume"distribution"width"to"platelet"ratio，RPR）、降鈣素原（procalcitonin，PCT）均為GN-BSI和GP-BSI的鑒別診斷變量（Plt;0.05）。在訓(xùn)練集中，諾莫圖模型、隨機(jī)森林模型、決策樹模型鑒別GN-BSI和GP-BSI的曲線下面積（area"under"the"curve，AUC）分別為0.900、0.911、0.884，其中隨機(jī)森林模型的預(yù)測AUC顯著高于決策樹模型（Z=3.521，P=0.038）。在驗證集中，諾莫圖模型、隨機(jī)森林模型、決策樹模型鑒別GN-BSI和GP-BSI的AUC分別為0.908、0.916、0.893，其中隨機(jī)森林模型的預(yù)測AUC顯著高于決策樹模型（Z=3.412，P=0.042）。結(jié)論"3種模型對GN-BSI和GP-BSI均有較好的鑒別價值，其中隨機(jī)森林模型和諾莫圖模型的鑒別性能較高。

[關(guān)鍵詞]"血流感染；諾莫圖模型；決策樹模型；隨機(jī)森林模型

[中圖分類號]"R446.5""""""[文獻(xiàn)標(biāo)識碼]"A""""[DOI]"10.3969/j.issn.1673-9701.2024.31.013

Construct"a"machine"learning"model"for"differential"diagnosis"of"bloodstream"infection"based"on"laboratory"indicators

ZHANG"Mei1，"JIN"Miaoling1，"LI"Cui2

1.Department"of"Laboratory，"Pujiang"Branch"of"the"First"Affiliated"Hospital，"Zhejiang"University"School"of"Medicine"（Pujiang"County"People’s"Hospital），"Pujiang"322200，"Zhejiang，"China;"2.Department"of"General"Surgery，"Pujiang"Branch"of"the"First"Affiliated"Hospital，"Zhejiang"University"School"of"Medicine"（Pujiang"County"People’s"Hospital），"Pujiang"322200，"Zhejiang，"China

[Abstract]"Objective"To"construct"a"diagnosis"models"for"differential"diagnosis"of"bloodstream"infection"（BSI）"using"nomogram"model，"random"forest"model，"and"decision"tree"model，"respectively."Methods"A"retrospective"analysis"was"performed"on"225"BSI"patients"diagnosed"and"treated"innbsp;Pujiang"County"People’s"Hospital"from"January"2022"to"January"2024，"and"the"patients"were"divided"into"a"training"set"and"a"validation"set"according"to"a"ratio"of"7"："3."The"differential"diagnostic"models"for"Gram"negative"BSI"（GN-BSI）"and"Gram"positive"BSI"（GP-BSI）"were"established"by"nomogram"model，"random"forest"model，"and"decision"tree"model，"and"the"differential"diagnostic"efficacy"of"different"models"were"analyzed."Results"Binary"Logistic"regression"analysis"showed"that"neutrophil"to"lymphocyte"ratio"（NLR），"C-reactive"protein"（CRP），"interleukin-6"（IL-6），"red"cell"volume"distribution"width"to"platelet"ratio"（RPR），"procalcitonin"（PCT）"were"diagnostic"variable"between"GN-BSI"and"GP-BSI"（Plt;0.05）."In"training"set，"area"under"the"curve"（AUC）"of"nomogram"model，"random"forest"model"and"decision"tree"model"to"identify"GN-BSI"and"GP-BSI"were"0.900，"0.911"and"0.884，"respectively，"and"AUC"of"random"forest"model"was"significantly"higher"than"that"of"decision"tree"model"（Z=3.521，"P=0.038）."In"verification"set，"AUC"of"nomogram"model，"random"forest"model"and"decision"tree"model"for"identifying"GN-BSI"and"GP-BSI"were"0.908，"0.916"and"0.893，"respectively，"and"AUC"of"random"forest"model"was"significantly"higher"than"that"of"decision"tree"model"（Z=3.412，"P=0.042）."Conclusion"The"three"models"have"good"identification"value"for"GN-BSI"and"GP-BSI，"among"which"the"random"forest"model"and"nomogram"model"have"better"identification"performance.

[Key"words]"Bloodstream"infection;"Nomogram"model;"Decision"tree"model;"Random"forest"model

血培養(yǎng)是診斷血流感染（bloodstream"infection，BSI）和鑒別病原菌的金標(biāo)準(zhǔn)，但其培養(yǎng)周期長[1]。在診斷BSI后，臨床常采用廣譜抗生素進(jìn)行經(jīng)驗性抗菌治療，導(dǎo)致耐藥菌和藥物不良反應(yīng)的風(fēng)險增加。不同病原菌對抗生素的敏感性不同，因此及早明確BSI患者的病原菌對臨床合理使用抗生素有重要意義。目前關(guān)于革蘭陰性菌BSI（Gram"negative"BSI，GN-BSI）、革蘭陽性菌BSI（Gram"positive"BSI，GP-BSI）的鑒別報道較多，Wang等[2]報道降鈣素原（procalcitonin，PCT）鑒別GN-BSI的曲線下面積（area"under"the"curve，AUC）為0.818；Gao等[3]報道PCT結(jié)合血小板參數(shù)對鑒別GN-BSI和GP-BSI有一定價值。本研究基于實驗室常規(guī)檢測指標(biāo)，通過3種模型構(gòu)建GN-BSI和GP-BSI的鑒別診斷模型，并對模型效能進(jìn)行驗證和比較，現(xiàn)將結(jié)果報道如下。

1""資料與方法

1.1""研究對象

回顧性分析2022年1月至2024年1月于浦江縣人民醫(yī)院診治的BSI患者225例，其中男124例，女101例，平均年齡（56.79±12.37）歲。納入標(biāo)準(zhǔn)：①BSI的診斷標(biāo)準(zhǔn)符合《醫(yī)院感染診斷標(biāo)準(zhǔn)（試行）》[4]；②體溫gt;38℃或lt;36℃，伴寒戰(zhàn)或低血壓；③一次或多次從血培養(yǎng)中分離出病原菌；④年齡gt;18歲。排除標(biāo)準(zhǔn)：①真菌性BSI；②伴惡性血液系統(tǒng)疾??；③多種細(xì)菌感染；④脾功能亢進(jìn)；⑤臨床資料不完整。根據(jù)血培養(yǎng)中病原菌革蘭染色結(jié)果將其分為GN-BSI組和GP-BSI組。本研究經(jīng)浦江縣人民醫(yī)院倫理委員會批準(zhǔn)，所有患者均簽署知情同意書。

1.2"nbsp;方法

通過電子病歷系統(tǒng)收集所有研究對象的年齡、

性別、病原菌種類、中性粒細(xì)胞（neutrophil，N）、淋巴細(xì)胞（lymphocyte，L）、紅細(xì)胞體積分布寬度（red"cell"volume"distribution"width，RDW）、血小板（platelet，PLT）、C反應(yīng)蛋白（C-reactive"protein，CRP）、PCT、白細(xì)胞介素-6（interleukin-6，IL-6），并計算N與L比值（neutrophil"to"lymphocyte"ratio，NLR）、RDW與PLT比值（RDW"to"ratio，RPR）。"""""按照7∶3的比例將所有研究對象分為訓(xùn)練集和驗證集；訓(xùn)練集用于構(gòu)建鑒別模型，驗證集用于模型性能驗證。

1.3""統(tǒng)計學(xué)方法

采用SPSS"22.0軟件對數(shù)據(jù)進(jìn)行統(tǒng)計分析。計數(shù)資料以例數(shù)（百分率）[n（%）]表示，組間比較采用χ2檢驗；正態(tài)分布的計量資料以均數(shù)±標(biāo)準(zhǔn)差（）表示，組間比較采用獨立樣本t檢驗，非正態(tài)分布的計量資料以中位數(shù)（四分位數(shù)間距）"""[M（Q1，Q3）]表示，組間比較采用Mann-Whitney"U檢驗。采用二元Logistic回歸逐步篩選影響因素，將Plt;0.05的變量納入模型分析，先后通過諾莫圖模型、隨機(jī)森林模型、決策樹模型構(gòu)建BSI鑒別模型，通過受試者操作特征曲線（receiver"operating"characteristic"curve，ROC曲線）在訓(xùn)練集和驗證集對模型的鑒別效能進(jìn)行分析，Plt;0.05為差異有統(tǒng)計學(xué)意義。

2""結(jié)果

2.1""訓(xùn)練集兩組患者的臨床資料比較

訓(xùn)練集包含GN-BSI患者92例，GP-BSI患者65例。GN-BSI組患者的NLR、RDW、RPR、CRP、PCT、IL-6均顯著高于GP-BSI組（Plt;0.05），見表1。

2.2""二元Logistic回歸分析

二元Logistic回歸分析中，變量方差膨脹因子均lt;10，說明變量間不存在嚴(yán)重共線性。結(jié)果顯示NLR、CRP、IL-6、RPR、PCT均為GN-BSI和GP-BSI的鑒別因素（Plt;0.05），見表2。

2.3""諾莫圖模型

將二元Logstic回歸分析中有統(tǒng)計學(xué)意義的指標(biāo)納入諾莫圖模型中，將危險因素分值相加后的總分對應(yīng)風(fēng)險讀數(shù)即為GN-BSI的概率，見圖1。

2.4""隨機(jī)森林模型

采用重復(fù)5次十折交叉驗證對自變量進(jìn)行取舍，當(dāng)變量為6時口袋外數(shù)據(jù)最小，因此本研究選取前6項變量對模型進(jìn)行優(yōu)化，重要性評分居前6位的依次為PCT、NLR、IL-6、CRP、RPR、RDW。

2.5""決策樹模型

以基尼系數(shù)為基礎(chǔ)進(jìn)行樹的生長，以最小代價復(fù)雜度減枝法對決策樹進(jìn)行減枝，結(jié)果顯示決策樹分為3層，見圖2。與GN-BSI相關(guān)的影響因素依次為PCT、IL-6、CRP、NLR、RPR、RDW。

2.6""訓(xùn)練集3種模型的鑒別價值比較

訓(xùn)練集中，諾莫圖模型、隨機(jī)森林模型、決策樹模型鑒別GN-BSI和GP-BSI的AUC分別為0.900、0.911、0.884，見圖3。隨機(jī)森林模型的預(yù)測AUC顯著高于決策樹模型（Z=3.521，P=0.038）。

2.7""驗證集3種模型的鑒別價值比較

驗證集包含GN-BSI患者40例，GP-BSI患者28例。諾莫圖模型、隨機(jī)森林模型、決策樹模型鑒別GN-BSI和GP-BSI的AUC分別為0.908、0.916、0.893，見圖4。隨機(jī)森林模型的預(yù)測AUC顯著高于決策樹模型（Z=3.412，P=0.042）。

3""討論

根據(jù)《拯救膿毒癥運動：膿毒癥與感染性休克治療國際指南2021版》[5]要求，對疑似BSI患者，在留取血培養(yǎng)標(biāo)本后，應(yīng)盡早開始抗菌治療，并根據(jù)當(dāng)?shù)夭≡幟羟闆r決定經(jīng)驗性治療是否需要覆蓋革蘭陽性菌和革蘭陰性菌，待血培養(yǎng)和藥敏結(jié)果報告后，再進(jìn)行調(diào)整。因此，盡早判斷GP-BSI、GN-BSI對臨床治療、抗生素選擇、預(yù)后把控有一定價值。諾莫圖模型、隨機(jī)森林模型、決策樹模型是機(jī)器學(xué)習(xí)算法中重要的分類器，已被廣泛應(yīng)用于鑒別和預(yù)測模型中。由于3種模型運算方法不同，其鑒別效能有所差異。本研究通過3種運算方式構(gòu)建鑒別模型，以期為臨床快速判斷GP-BSI和GN-BSI，進(jìn)而為指導(dǎo)臨床用藥提供依據(jù)。

PCT既是診斷BSI的可靠指標(biāo)，同時也對鑒別GP-BSI、GN-BSI有一定價值。Luo等[6]研究顯示GN-BSI患者的PCT高于GP-BSI患者，其鑒別AUC為0.752。本研究發(fā)現(xiàn)PCT在諾莫圖模型、隨機(jī)森林模型、決策樹模型中均為GP-BSI、GN-BSI的鑒別診斷變量。PCT鑒別診斷GP-BSI、GN-BSI的確切機(jī)制暫未明確，有研究認(rèn)為與革蘭陽性菌和革蘭陰性菌激活炎癥反應(yīng)的信號通路不同有關(guān)[7]。CRP是一種由肝臟合成的急性時相反應(yīng)蛋白，可反映機(jī)體炎癥水平的高低。Sfetsiori等[8]發(fā)現(xiàn)惡性血液病患兒中，GN-BSI患兒的CRP高于GP-BSI，是GN-BSI的獨立影響因素。本研究發(fā)現(xiàn)CRP在3種分析模型中均為鑒別診斷變量，但在不同模型中的重要性稍有不同，可能與模型的運算方式有關(guān)。Yang等[9]研究報道GN-BSI患者的IL-6明顯高于GP-BSI，其鑒別AUC為0.735，且對碳青霉烯腸桿菌同樣有一定的鑒別能力。本研究發(fā)現(xiàn)IL-6為3種模型共有鑒別變量，在二元Logistic回歸中OR值為1.009，在決策樹處于第2層，在隨機(jī)森林模型中處于第3重要因子。NLR結(jié)合與細(xì)胞免疫有關(guān)的中性粒細(xì)胞及與體液免疫相關(guān)的淋巴細(xì)胞，可穩(wěn)定反映機(jī)體炎癥狀態(tài)。錢樹坤等[10]研究顯示GN-BSI患者的NLR高于GP-BSI，是鑒別診斷GN-BSI、GP-BSI的潛在指標(biāo)。Li等[11]則比較9種炎癥標(biāo)志物對GN-BSI、GP-BSI的鑒別價值，發(fā)現(xiàn)NLR鑒別AUC為0.728，在9種炎癥標(biāo)志物中鑒別能力最高。本研究發(fā)現(xiàn)NLR為3種模型共有鑒別變量，在二元Logistic回歸中OR值為1.130，在決策樹模型中處于第2層，在隨機(jī)森林模型中處于第2重要變量。既往研究發(fā)現(xiàn)RDW不僅反映紅細(xì)胞體積的異質(zhì)性，還可提示感染的類別和嚴(yán)重程度[12]。余高平等[13]發(fā)現(xiàn)GN-BSI患者的PLT低于GP-BSI患者，是GN-BSI潛在鑒別變量。RPR作為新型炎癥標(biāo)志物已被證明與自身免疫性疾病、惡性腫瘤臨床分期及不良預(yù)后有一定關(guān)聯(lián)[14]；暫未見其對區(qū)分GN-BSI、GP-BSI的報道。本研究發(fā)現(xiàn)GN-BSI患者的RDW、RPR高于GP-BSI，RPR在3種模型中均為共同鑒別變量。

諾莫圖模型具有直觀性和可操作性，被廣泛應(yīng)用于模型分析中，但在模型構(gòu)建過程中對數(shù)據(jù)要求較高（如數(shù)量、是否共線性），易因數(shù)據(jù)因素影響模型效能[15]。隨機(jī)森林模型對數(shù)據(jù)要求低，且可自動分析因子間的交互作用和非線性作用，可通過有目的的放飛對數(shù)據(jù)的利用，提高模型的鑒別效能[16]。決策樹模型可通過樹形圖節(jié)點直觀了解變量的分析過程，且對數(shù)據(jù)缺失、數(shù)據(jù)類型要求較低，但模型呈現(xiàn)和應(yīng)用過程較為復(fù)雜，易出現(xiàn)泛化和擬合能力偏弱的現(xiàn)象。本研究分析3種模型在訓(xùn)練集和驗證集的表現(xiàn)，發(fā)現(xiàn)3種模型對GN-BSI、GP-BSI均有較高的鑒別效能，其中隨機(jī)森林模型鑒別效能最佳，其次為諾莫圖模型，這一結(jié)果與既往報道的機(jī)器學(xué)習(xí)模型一致[17]。

綜上所述，本研究通過諾莫圖模型、隨機(jī)森林模型、決策樹模型構(gòu)建GN-BSI、GP-BSI的鑒別模型。模型的構(gòu)建可規(guī)避單一指標(biāo)鑒別效能低下的局限，有助于及早識別GN-BSI和GP-BSI，提高臨床經(jīng)驗性抗生素治療的科學(xué)性，減少耐藥菌株的產(chǎn)生。

利益沖突：所有作者均聲明不存在利益沖突。

[參考文獻(xiàn)]

• 梁欣荃，"唐亦舒，"朱平，"等."不同類型急性白血病患者血流感染流行病學(xué)及預(yù)后分析——一項長達(dá)九年多中心947例患者回顧性研究[J]."臨床血液學(xué)雜志，"2023，"36（1）："27–32."
• WANG"Z"H，"WEI"X"B，"LIAO"X"L，"et"al."Pcv-aCO2"and"procalcitonin"levels"for"the"early"diagnosis"of"bloodstream"infections"caused"by"Gram-negative"bacteria[J]."Am"J"Med"Sci，"2022，"364（6）："752–757."
• GAO"Q，"LI"Z，"MO"X，"et"al."Combined"procalcitonin"and"hemogram"parameters"contribute"to"early"differential"diagnosis"of"Gram-negative/Gram-positive"bloodstream"infections[J]."J"Clin"Lab"Anal，"2021，"35（9）："e23927."
• 中華人民共和國衛(wèi)生部."醫(yī)院感染診斷標(biāo)準(zhǔn)（試行）[J]."中華醫(yī)學(xué)雜志，"2001，"81（5）："314–320."
• 紀(jì)文燾，"孟巖，"薄祿龍，"等."《拯救膿毒癥運動：膿毒癥與感染性休克治療國際指南2021版》的解讀[J]."中華麻醉學(xué)雜志，"2021，"41（12）："1409–1413."
• LUO"X，"CHEN"S，"ZHANG"J，"et"al."Procalcitonin"as"a"marker"of"Gram-negative"bloodstream"infections"in"hematological"patients"with"febrile"neutropenia[]."Leuk"Lymphoma，"2019，"60（10）："2441–2448."
• MURRI"R，"MASTROROSA"I，"TACCARI"F，"et"al."Procalcitonin"is"useful"in"driving"the"choice"of"early"antibiotic"treatment"in"patients"with"bloodstream"infections[J]."Eur"Rev"Med"Pharmacol"Sci，"2018，"22（10）："3130–3137."
• SFETSIORI"A"E，"DOGANIS"D，"DOUDOULAKAKIS"A，"et"al."Predictive"factors"for"Gram-negative"versus"Gram-positive"bloodstream"infections"in"children"with"cancer[J]."J"Pediatr"Hematol"Oncol，"2022，"44（2）："e368–e373."
• YANG"X"G，"ZENG"J，"YU"X，"et"al."PCT，"IL-6，"and"IL-10"facilitate"early"diagnosis"and"pathogen"classifications"in"bloodstream"infection[J]."Ann"Clin"Microbiol"Antimicrob，"2023，"22（1）："103."
• 錢樹坤，"劉建華，"李銳."血清PCT、CRP、NLR對血流感染患者細(xì)菌類型的評估價值及其對預(yù)后的影響[J]."標(biāo)記免疫分析與臨床，"2022，"29（1）："11–14，"18."
• LI"X，"YUAN"X，"WANG"C."The"clinical"value"of"IL-3，"IL-4，"IL-12p70，"IL-17A，"IFN-γ，"MIP-1β，"NLR，"P-selectin，"and"TNF-α"in"differentiating"bloodstream"infections"caused"by"Gram-negative，"Gram-positive"bacteria"and"fungi"in"hospitalized"patients："An"observational"study[J]."Medicine"（Baltimore），"2019，"98（38）："e17315."
• 王萍，"王華彬，"涂瓊."PCT、RDW及內(nèi)毒素聯(lián)合檢測在兒童血流感染中的應(yīng)用價值研究[J]."中國醫(yī)學(xué)創(chuàng)新，"2021，"18（18）："172–175."
• 余高平，"胡春財."聯(lián)合檢測降鈣素原和血小板相關(guān)參數(shù)對革蘭陰性菌血流感染的早期診斷價值[J]."標(biāo)記免疫分析與臨床，"2023，"30（4）："641–646."
• 韓曉艷，"殷衛(wèi)兵，"魏新平."術(shù)前紅細(xì)胞分布寬度與血小板計數(shù)比值與腎細(xì)胞癌預(yù)后的關(guān)系[J]."實驗與檢驗醫(yī)學(xué)，"2023，"41（4）："453–457."
• 龔軍."基于機(jī)器學(xué)習(xí)算法的原發(fā)性高血壓并發(fā)冠心病診斷模型研究[D]."重慶："重慶醫(yī)科大學(xué)，"2020."
• ZHAO"B，"GABRIEL"R"A，"VAIDA"F，"et"al."Using"machine"learning"to"construct"nomograms"for"patients"with"metastatic"colon"cancer[J]."Colorectal"Dis，"2020，"22（8）："914–922.
• PELLEGRINO"E，"JACQUES"C，"BEAUFILS"N，"et"al."Machine"learning"random"forest"for"predicting"oncosomatic"variant"NGS"analysis[J]."Sci"Rep，"2021，"11（1）："21820."

（收稿日期：2024–05–31）

（修回日期：2024–10–13）