脓毒症（sepsis）是心脏术后患者再次转入重症监护室（intensive care unit，ICU）的重要原因[1]，也是患者在 ICU 出现多器官衰竭和导致死亡的主要原因[2-3]。它被世界卫生组织认为是一个世界性的健康问题，估计每年在全球范围内造成 600 万人死亡[4-5]。大约 1/3 的 ICU 患者会在入住 ICU 期间发生脓毒症，而且脓毒症休克死亡率高达 50%[2]。早期诊断、抗生素应用和积极的液体复苏是脓毒症患者治疗的重要手段，可有效降低死亡率[6]。
脓毒症的定义在 2016 年再次发生变化，根据第三次国际共识对脓毒症和脓毒症休克的定义（the third international consensus definitions for sepsis and septic shock，sepsis-3）[7]，脓毒症标准的焦点转向器官功能障碍的体征，而不再基于全身炎症反应综合征，器官衰竭的概念在死亡率预测方面更好。这一定义将序贯器官衰竭评分（the sequential organ failure assessment，SOFA）重新引入临床应用[8]。
最初，SOFA 评分旨在依序评估危重脓毒症患者器官功能障碍的严重程度，并在 16 个国家/地区的 40 个 ICU 中心的 1 449 例患者中得到验证[9]。由于重症患者通常会出现多个器官功能障碍，因此 SOFA 也已用于预测因其它原因引起的器官衰竭患者的死亡率[10-13]，如预测接受心脏手术或造血干细胞移植患者的死亡率[14-15]。其它疾病严重程度评分系统还包括：急性生理学评分-Ⅲ（acute physiology score-Ⅲ，APS-Ⅲ）、简化急性生理学评分（the simplified acute physiology score，SAPS）、简化急性生理学评分-Ⅱ（the simplified acute physiology score-Ⅱ，SAPS-Ⅱ）、全身炎症反应综合征评分（the systemic inflammation response score，SIRS）、logistic 器官功能障碍评分（logistic organ dysfunction score，LODS）、修正 logistic 器官功能障碍评分（modified logistic organ dysfunction score，MLODS）、牛津急性疾病严重程度评分（the Oxford acute severity of illness score，OASIS）。
Le 等[16]认为，在脓毒症患者的预后分层方面，SAPS 的性能与急性生理和慢性健康状况评价系统（the acute physiology，age，and chronic health evaluation，APACHE）内的 APS 评分系统相当，甚至更便于临床实践，因为它包含的变量较少。Moemen 等[17]也认为 SAPS-Ⅱ可用于危重患者（包括全身脓毒症患者）的预后分层；Wang 等[18]通过多中心回顾性研究发现，LODS 在预测中国医院的 ICU 严重脓毒症患者住院死亡率方面的表现良好；Chen 等[19]的回顾性研究证实 OASIS 与 ICU 脓毒症患者的预后存在显著相关性。然而，SIRS 标准由于敏感性和特异性不足，在识别脓毒症患者和风险分层的有效性方面受到质疑[20]。以上研究的人群大多集中在综合 ICU，而本研究主要聚焦于心脏术后入住 ICU 的患者。
上述评分系统均由一套客观的量化指标组成，用于评估疾病的严重程度和预后。研究[16-20]表明疾病的严重程度和患者的生理功能障碍可以揭示危重情况并预测死亡风险。早期判断病情严重程度和预后对临床决策和 ICU 资源分配至关重要，对死亡率较高的心脏术后患者尤为重要。本研究旨在评价不同疾病严重程度评分在心脏术后脓毒症的诊断价值及其在预测心脏术后患者远期预后中的价值。
1 资料与方法
1.1 数据来源
这项研究使用 1.4 版本的 MIMIC-Ⅲ数据库[21]。MIMIC-Ⅲ数据库是一个大型的、可自由获取的数据库，包括 2001～2012 年贝斯以色列女执事医疗中心（Beth Israel Deaconess Medical Center，BIDMC）ICU 5 万多名患者健康相关的匿名数据。由麻省理工学院（Massachusetts Institute of Technology，MIT）、菲利普斯医疗保健（Phillips Healthcare）和 BIDMC 联合开发。任何遵守数据使用协议并参加过“保护人类研究受试者”培训的研究人员都可以使用该数据库。作者在完成“保护人类研究受试者”培训课程（认证号：37043738）后获取访问数据库的资格。
1.2 临床资料和分组
接受心内直视手术后入住心脏专科 ICU 的成年患者纳入本回顾性研究。疾病诊断方法：根据 MIMIC-Ⅲ数据库中提供的患者诊断信息进行判断。纳入标准：（1）年龄>18 岁患者；（2）心脏手术包括单纯冠状动脉旁路移植术（coronary artery bypass grafting，CABG）或瓣膜重建/置换术，以及两者结合，所有的择期和紧急手术都包括在内。排除标准：（1）年龄>89 岁患者；（2）孕妇或哺乳期妇女；（3）ICU 期间应用体外膜肺氧合（extracorporeal membrane oxygenation，ECMO）或接受连续肾脏替代疗法（continuous renal replacement therapy，CRRT）；（4）合并获得性免疫缺陷综合征、淋巴瘤、转移瘤、实体瘤、类风湿性关节炎、糖尿病、酗酒、物质滥用、抑郁症、其它精神障碍、瘫痪以及其它神经系统疾病；（5）倘若患者有多次（≥2 次）入住 ICU 的记录，则只取首次入住 ICU 记录纳入统计分析。
分组与分层：根据纳入与排除标准，最终 6 638 例患者纳入统计分析。根据国际疾病分类第 9 版临床修订本手术与操作（ICD-9-CM）编码确定患者 ICU 期间是否出现脓毒症（MIMIC-Ⅲ数据库中收录多种不同的脓毒症诊断标准，对 ICU 患者进行脓毒症的诊断）。本研究主要根据 Levy 等[22]建立的诊断标准诊断入选的患者是否出现心脏术后脓毒症，并据此将本研究纳入的患者分为非脓毒症组（n=5 470）与脓毒症组（n=1 168）。根据患者心脏术后 10 年是否存活，将患者分为生存组（n=4 893）与非生存组（n=1 745）。各评分系统的最佳阈值由 X-tile 3.6.1 程序确定，其统计学原理：在评估疾病严重程度评分大小与心脏术后患者的生存状况的相关性过程中，通过取其最大卡方值和最小 P 值来确定最佳截断值[23]。本研究按最佳截断值对患者进行风险分层；大于最佳截断值为高风险层，低于最佳截断值则为低风险层。
1.3 数据提取
本研究通过使用结构化查询语言（structure query language，SQL，代码来自 MIMIC 数据库的代码库 https://github.com/MIT-LCP/mimic-code）[24]以及 pgAdmin4 PostgreSQL 软件（9.6 版）来进行数据提取[25]。提取患者以下信息：入住 ICU 时的年龄、性别、体重、手术紧急程度、入院诊断、ICU 期间是否被诊断为脓毒症、机械通气时间、入院时间、出院时间、入住 ICU 时间、转出 ICU 时间、ICU 入住次数、总 ICU 住院时间、总住院时间、死亡标志（包括 ICU 死亡、院内死亡以及出院后死亡）以及相对应的死亡时间。此外，本研究根据代码库所提供的代码提取每位患者的 SOFA、APS-Ⅲ、SAPS、SAPS-Ⅱ、SIRS、LODS、MLODS、OASIS。以上疾病严重程度评分是在患者于 ICU 入院的最初 24 h 内计算所得。
在 MIMIC-Ⅲ数据库中缺失数据很常见，因此本研究采用 EM（expectation maximization）算法进行插补。而且，在本研究中，每一项变量的丢失率均未超过 15%。
1.4 统计学分析
应用 SPSS 26.0 统计软件、Stata MP 16、R 软件 3.6.3（http://www.R-project.org）、X-tile 3.6.1 程序以及 MedCalc 19.2.6 对数据进行处理。连续变量用 Kolmogorow-Smirnov 检验进行正态性检验，正态分布的计量资料以均数±标准差（
±s）表示，若不符合正态分布则以中位数及四分位数［M（P25，P75）］表示。分类变量以频数和百分比（%）表示。连续变量的组间比较采用 t 检验或 Mann-Whitney U 检验，分类变量的组间比较采用 χ2 检验。非参数检验适用于非正态分布的数据。采用 DeLong 的方法比较每个评分系统的受试者工作特征（ROC）曲线下面积（AUC），从而评价各评分系统区分脓毒症的准确性[26]。通过 X-tile 程序确定各评分系统的最佳截断值，然后按最佳截断值对患者进行风险分层。最后，绘制 Kaplan-Meier 生存曲线以可视化地描述患者中、远期生存状况，并选用 log-rank 法检验两组患者的生存曲线是否有差异。P<0.05 为差异有统计学意义。
1.5 伦理审查
MIMIC-Ⅲ数据库的建立得到了 MIT 和 BIDMC 机构审查委员会（Institutional Review Boards，IBR）的批准，认证号：37043738。由于原始的 MIMIC-Ⅲ数据收集不会影响患者安全，并且所有数据均根据《健康保险携带和责任法案》（Health Insurance Portability and Accountability Act，HIPAA）隐私规则进行了身份去识别化，因此 MIT 和 BIDMC 的 IBR 均豁免签署知情同意书的要求。
2 结果
2.1 脓毒症与非脓毒症患者基线资料的比较
与非脓毒症组相比，脓毒症组的女性构成比较高（P=0.000），年龄较大（P=0.000），急诊手术的构成比较高（P=0.000）；SOFA（P=0.000）、APS-Ⅲ（P=0.000）、SAPS（P=0.000）、SAPS-Ⅱ（P=0.000）、LODS（P=0.000）、MLODS（P=0.000）及 OASIS（P=0.000）评分均高于非脓毒症组；然而两组患者在体重与 SIRS 评分方面的差异均无统计学意义（P>0.05）；见表 1。
表1
脓毒症与非脓毒症患者基线资料比较［例（%）/
/M（P25，P75）］
2.2 各评分系统区分脓毒症的准确性比较
将 6 种评分系统的 AUC 进行多次比较，临界 P 值调整为 0.05/6 并进行 Bonferroni 校正。与 SOFA 评分相比，APS-Ⅲ（P<0.000）、SAPS-Ⅱ（P<0.000）、LODS（P<0.000）评分的 AUC 较大，即其区分脓毒症的准确性较高；见表 2、图 1。
图1
各评分系统区分脓毒症的 ROC 曲线
表2
各评分系统区分脓毒症的准确性比较
2.3 脓毒症与非脓毒症患者术后临床结局比较
与非脓毒症组相比，脓毒症组机械通气时间（P=0.000）、ICU 住院时间（P=0.000）、总住院时间（P=0.000）均较长，ICU 内死亡构成比（P=0.000）以及院内死亡构成比（P=0.000）较大；而且脓毒症组的 28 d（P=0.000）、90 d（P=0.000）、6 个月（P=0.000）、1 年（P=0.000）、3 年（P=0.000）、5 年（P=0.000）及 10 年（P=0.000）总体生存率均低于非脓毒症组；见表 3。
表3
两组患者术后临床结局对比［例（%）/M（P25，P75）］
2.4 生存组与非生存组患者临床资料比较
与非生存组相比，生存组的女性构成比较低（P=0.000），体重较重（P=0.000），年龄较小（P=0.000），择期手术构成比较高（P=0.000）；见表 4。非生存组的 SOFA（P=0.000）、APS-Ⅲ（P=0.000）、SAPS（P=0.000）、SAPS-Ⅱ（P=0.000）、LODS（P=0.000）、MLODS（P=0.000）、OASIS（P=0.000）评分的高风险构成比均高于生存组，但两组 SIRS 评分的高风险构成比差异无统计学意义（P=0.206）。SOFA（HR=2.50，95%CI 2.23～2.80，P<0.000）、SAPS（HR=2.93，95%CI 2.64～3.26，P<0.000）、SAPS-Ⅱ（HR=2.77，95%CI 2.51～3.04，P<0.000）、APS-Ⅲ（HR=2.90，95%CI 2.63～3.20，P<0.000）、LODS（HR=2.17，95%CI 1.97～2.38，P<0.000）、MLODS（HR=2.04，95%CI 1.86～2.25，P<0.000）、OASIS（HR=2.37，95%CI 2.16～2.60，P<0.000）评分的高风险层心脏手术患者术后 10 年总体生存率均低于低风险层患者；见图 2。
表4
生存组与非生存者两组患者基线资料［例（%）/
/M（P25，P75）］
图2
心脏术后各评分系统分层的 Kaplan-Meier 生存曲线及 log-rank 检验
3 讨论
在过去的半个世纪中，随着医疗保健预防方面的重大进步以及诊断技术和治疗方案的改进，人口预期寿命已大大增加。这些不断变化的人口统计学特征已经对 ICU 产生了巨大影响，入院患者的平均年龄和 ICU 入院总数的增长速度超过医疗保健资源的增长速度[27]。从经过验证的 ICU 量表中获得的信息可能会在指导 ICU 医生决策方面发挥越来越重要的作用，并可能在未来促进基于证据的有限医疗资源的配给。
迄今为止，许多研究[27-30]已经证实高龄对 ICU 结局存在负面影响。尽管高龄明显与死亡率增加相关，但其它表示疾病严重程度的年龄相关因素比单独年龄更能预测老年患者的 ICU 结局[31]。这些因素包括入院诊断、合并症、手术紧急程度以及入 ICU 之前患者的功能状态。常用的 ICU 预后评分模型包括 SOFA、APS-Ⅲ、SAPS、SAPS-Ⅱ、SIRS、LODS、MLODS、OASIS。这些评分系统结合了年龄、性别、体重、其它生理学参数、合并症、入院诊断、手术紧急状态和格拉斯哥昏迷评分（the Glasgow coma scale，CCS），可提供预测 ICU 死亡率的数值评分。
本研究通过 Kaplan-Meier 生存曲线及 log-rank 法检验各个疾病严重程度评分系统高、低风险组患者的 10 年总体生存率是否有差异，并没有再将其它因素作为协变量考虑在内进行风险比的矫正。这是由于研究中的所有疾病严重程度评分系统均由一套经过多因素分析矫正的客观量化指标组成。
本研究发现 SOFA[32]、APS-Ⅲ[33]、SAPS[31]、SAPS-Ⅱ[17]、LODS[17]、MLODS 以及 OASIS[19]评分系统对于预测心脏术后 10 年总体生存率具有良好的性能，而 SIRS 标准评分不具备此性能，这一发现与之前的研究[20, 34]一致，其原因为：SIRS 的标准［SIRS 标准定义：心率>90 次/min；呼吸频率>20 次/min 或动脉二氧化碳分压<32 mm Hg；体温<36℃ 或>38℃；白细胞计数<4 000/mm3 或>12 000/mm3 或>10% 的细胞未成熟；SIRS 阳性被定义为评分≥2 分（满分 4 分）[35]］还不够具体，不足以识别具有高死亡风险的患者[36]。另一方面，疾病发展到器官功能障碍阶段的脓毒症患者有时可能不符合两个 SIRS 标准。Kaukonen 等[20]的一项研究支持了这一假设，在这项研究中，每 8 例感染和器官功能障碍患者中就有 1 例不符合 SIRS 标准。
另外，值得一提的是，APS-Ⅲ评分在区分心脏术后脓毒症能力方面优于 SOFA 评分。APS-Ⅲ评分系统是 APACHE-Ⅳ评分系统的一部分；APS 将患者的生理参数[37]（包括生命体征、动脉血气测量、CCS、血液样本的实验室检查结果和尿量）合成为一个反映患者健康状况的整数，值越高表明严重程度越高；而 SOFA 评分被提议专门用于脓毒症[8]。但是，SOFA 最初是根据专家共识开发的，尽管 SOFA 评分已在随后的研究中得到了广泛的验证，但由于其入选研究的病例混杂，故偏倚很大[21]。因此，与 SOFA 评分相比，APS-Ⅲ评分可能在单独的 CABG 或瓣膜重建/置换术，以及两者结合的心脏术后患者群体中区分脓毒症的能力较强，但需要通过进一步的前瞻性研究提供充足的证据。
本研究存在以下三方面的局限性：第一，这项研究的研究对象只包括接受 CABG 和瓣膜手术患者，因此，本研究的结论可能不适用于接受其它心脏外科手术的患者。第二，这项研究为回顾性分析，可能会产生其固有的偏倚；第三，由于 MIMIC-Ⅲ数据库仅包含患者的基线资料以及在 ICU 住院期间的临床资料，患者术前与术中的临床数据并未收录到该数据库中，因而难以识别纳入本研究分析的患者是否存在术前感染。因此，需要通过前瞻性研究或回顾性分析临床资料更为丰富的数据库加以验证和矫正。
总之，与 SOFA 评分相比，APS-Ⅲ评分可能在单独的 CABG 或瓣膜重建/置换术，以及两者结合的心脏术后患者群体中具有较高的诊断脓毒症的价值；除 SIRS 标准评分外，SOFA、APS-Ⅲ、SAPS、SAPS-Ⅱ、LODS、MLODS 以及 OASIS 评分系统均可用于预测心脏术后患者的远期预后。
利益冲突：无。
作者贡献：沈瑞环负责论文设计、数据整理与分析以及论文初稿撰写；王旭负责论文审阅与修改；鲁中原负责论文部分设计。
脓毒症（sepsis）是心脏术后患者再次转入重症监护室（intensive care unit，ICU）的重要原因[1]，也是患者在 ICU 出现多器官衰竭和导致死亡的主要原因[2-3]。它被世界卫生组织认为是一个世界性的健康问题，估计每年在全球范围内造成 600 万人死亡[4-5]。大约 1/3 的 ICU 患者会在入住 ICU 期间发生脓毒症，而且脓毒症休克死亡率高达 50%[2]。早期诊断、抗生素应用和积极的液体复苏是脓毒症患者治疗的重要手段，可有效降低死亡率[6]。
脓毒症的定义在 2016 年再次发生变化，根据第三次国际共识对脓毒症和脓毒症休克的定义（the third international consensus definitions for sepsis and septic shock，sepsis-3）[7]，脓毒症标准的焦点转向器官功能障碍的体征，而不再基于全身炎症反应综合征，器官衰竭的概念在死亡率预测方面更好。这一定义将序贯器官衰竭评分（the sequential organ failure assessment，SOFA）重新引入临床应用[8]。
最初，SOFA 评分旨在依序评估危重脓毒症患者器官功能障碍的严重程度，并在 16 个国家/地区的 40 个 ICU 中心的 1 449 例患者中得到验证[9]。由于重症患者通常会出现多个器官功能障碍，因此 SOFA 也已用于预测因其它原因引起的器官衰竭患者的死亡率[10-13]，如预测接受心脏手术或造血干细胞移植患者的死亡率[14-15]。其它疾病严重程度评分系统还包括：急性生理学评分-Ⅲ（acute physiology score-Ⅲ，APS-Ⅲ）、简化急性生理学评分（the simplified acute physiology score，SAPS）、简化急性生理学评分-Ⅱ（the simplified acute physiology score-Ⅱ，SAPS-Ⅱ）、全身炎症反应综合征评分（the systemic inflammation response score，SIRS）、logistic 器官功能障碍评分（logistic organ dysfunction score，LODS）、修正 logistic 器官功能障碍评分（modified logistic organ dysfunction score，MLODS）、牛津急性疾病严重程度评分（the Oxford acute severity of illness score，OASIS）。
Le 等[16]认为，在脓毒症患者的预后分层方面，SAPS 的性能与急性生理和慢性健康状况评价系统（the acute physiology，age，and chronic health evaluation，APACHE）内的 APS 评分系统相当，甚至更便于临床实践，因为它包含的变量较少。Moemen 等[17]也认为 SAPS-Ⅱ可用于危重患者（包括全身脓毒症患者）的预后分层；Wang 等[18]通过多中心回顾性研究发现，LODS 在预测中国医院的 ICU 严重脓毒症患者住院死亡率方面的表现良好；Chen 等[19]的回顾性研究证实 OASIS 与 ICU 脓毒症患者的预后存在显著相关性。然而，SIRS 标准由于敏感性和特异性不足，在识别脓毒症患者和风险分层的有效性方面受到质疑[20]。以上研究的人群大多集中在综合 ICU，而本研究主要聚焦于心脏术后入住 ICU 的患者。
上述评分系统均由一套客观的量化指标组成，用于评估疾病的严重程度和预后。研究[16-20]表明疾病的严重程度和患者的生理功能障碍可以揭示危重情况并预测死亡风险。早期判断病情严重程度和预后对临床决策和 ICU 资源分配至关重要，对死亡率较高的心脏术后患者尤为重要。本研究旨在评价不同疾病严重程度评分在心脏术后脓毒症的诊断价值及其在预测心脏术后患者远期预后中的价值。
1 资料与方法
1.1 数据来源
这项研究使用 1.4 版本的 MIMIC-Ⅲ数据库[21]。MIMIC-Ⅲ数据库是一个大型的、可自由获取的数据库，包括 2001～2012 年贝斯以色列女执事医疗中心（Beth Israel Deaconess Medical Center，BIDMC）ICU 5 万多名患者健康相关的匿名数据。由麻省理工学院（Massachusetts Institute of Technology，MIT）、菲利普斯医疗保健（Phillips Healthcare）和 BIDMC 联合开发。任何遵守数据使用协议并参加过“保护人类研究受试者”培训的研究人员都可以使用该数据库。作者在完成“保护人类研究受试者”培训课程（认证号：37043738）后获取访问数据库的资格。
1.2 临床资料和分组
接受心内直视手术后入住心脏专科 ICU 的成年患者纳入本回顾性研究。疾病诊断方法：根据 MIMIC-Ⅲ数据库中提供的患者诊断信息进行判断。纳入标准：（1）年龄>18 岁患者；（2）心脏手术包括单纯冠状动脉旁路移植术（coronary artery bypass grafting，CABG）或瓣膜重建/置换术，以及两者结合，所有的择期和紧急手术都包括在内。排除标准：（1）年龄>89 岁患者；（2）孕妇或哺乳期妇女；（3）ICU 期间应用体外膜肺氧合（extracorporeal membrane oxygenation，ECMO）或接受连续肾脏替代疗法（continuous renal replacement therapy，CRRT）；（4）合并获得性免疫缺陷综合征、淋巴瘤、转移瘤、实体瘤、类风湿性关节炎、糖尿病、酗酒、物质滥用、抑郁症、其它精神障碍、瘫痪以及其它神经系统疾病；（5）倘若患者有多次（≥2 次）入住 ICU 的记录，则只取首次入住 ICU 记录纳入统计分析。
分组与分层：根据纳入与排除标准，最终 6 638 例患者纳入统计分析。根据国际疾病分类第 9 版临床修订本手术与操作（ICD-9-CM）编码确定患者 ICU 期间是否出现脓毒症（MIMIC-Ⅲ数据库中收录多种不同的脓毒症诊断标准，对 ICU 患者进行脓毒症的诊断）。本研究主要根据 Levy 等[22]建立的诊断标准诊断入选的患者是否出现心脏术后脓毒症，并据此将本研究纳入的患者分为非脓毒症组（n=5 470）与脓毒症组（n=1 168）。根据患者心脏术后 10 年是否存活，将患者分为生存组（n=4 893）与非生存组（n=1 745）。各评分系统的最佳阈值由 X-tile 3.6.1 程序确定，其统计学原理：在评估疾病严重程度评分大小与心脏术后患者的生存状况的相关性过程中，通过取其最大卡方值和最小 P 值来确定最佳截断值[23]。本研究按最佳截断值对患者进行风险分层；大于最佳截断值为高风险层，低于最佳截断值则为低风险层。
1.3 数据提取
本研究通过使用结构化查询语言（structure query language，SQL，代码来自 MIMIC 数据库的代码库 https://github.com/MIT-LCP/mimic-code）[24]以及 pgAdmin4 PostgreSQL 软件（9.6 版）来进行数据提取[25]。提取患者以下信息：入住 ICU 时的年龄、性别、体重、手术紧急程度、入院诊断、ICU 期间是否被诊断为脓毒症、机械通气时间、入院时间、出院时间、入住 ICU 时间、转出 ICU 时间、ICU 入住次数、总 ICU 住院时间、总住院时间、死亡标志（包括 ICU 死亡、院内死亡以及出院后死亡）以及相对应的死亡时间。此外，本研究根据代码库所提供的代码提取每位患者的 SOFA、APS-Ⅲ、SAPS、SAPS-Ⅱ、SIRS、LODS、MLODS、OASIS。以上疾病严重程度评分是在患者于 ICU 入院的最初 24 h 内计算所得。
在 MIMIC-Ⅲ数据库中缺失数据很常见，因此本研究采用 EM（expectation maximization）算法进行插补。而且，在本研究中，每一项变量的丢失率均未超过 15%。
1.4 统计学分析
应用 SPSS 26.0 统计软件、Stata MP 16、R 软件 3.6.3（http://www.R-project.org）、X-tile 3.6.1 程序以及 MedCalc 19.2.6 对数据进行处理。连续变量用 Kolmogorow-Smirnov 检验进行正态性检验，正态分布的计量资料以均数±标准差（
±s）表示，若不符合正态分布则以中位数及四分位数［M（P25，P75）］表示。分类变量以频数和百分比（%）表示。连续变量的组间比较采用 t 检验或 Mann-Whitney U 检验，分类变量的组间比较采用 χ2 检验。非参数检验适用于非正态分布的数据。采用 DeLong 的方法比较每个评分系统的受试者工作特征（ROC）曲线下面积（AUC），从而评价各评分系统区分脓毒症的准确性[26]。通过 X-tile 程序确定各评分系统的最佳截断值，然后按最佳截断值对患者进行风险分层。最后，绘制 Kaplan-Meier 生存曲线以可视化地描述患者中、远期生存状况，并选用 log-rank 法检验两组患者的生存曲线是否有差异。P<0.05 为差异有统计学意义。
1.5 伦理审查
MIMIC-Ⅲ数据库的建立得到了 MIT 和 BIDMC 机构审查委员会（Institutional Review Boards，IBR）的批准，认证号：37043738。由于原始的 MIMIC-Ⅲ数据收集不会影响患者安全，并且所有数据均根据《健康保险携带和责任法案》（Health Insurance Portability and Accountability Act，HIPAA）隐私规则进行了身份去识别化，因此 MIT 和 BIDMC 的 IBR 均豁免签署知情同意书的要求。
2 结果
2.1 脓毒症与非脓毒症患者基线资料的比较
与非脓毒症组相比，脓毒症组的女性构成比较高（P=0.000），年龄较大（P=0.000），急诊手术的构成比较高（P=0.000）；SOFA（P=0.000）、APS-Ⅲ（P=0.000）、SAPS（P=0.000）、SAPS-Ⅱ（P=0.000）、LODS（P=0.000）、MLODS（P=0.000）及 OASIS（P=0.000）评分均高于非脓毒症组；然而两组患者在体重与 SIRS 评分方面的差异均无统计学意义（P>0.05）；见表 1。
表1
脓毒症与非脓毒症患者基线资料比较［例（%）/
/M（P25，P75）］
2.2 各评分系统区分脓毒症的准确性比较
将 6 种评分系统的 AUC 进行多次比较，临界 P 值调整为 0.05/6 并进行 Bonferroni 校正。与 SOFA 评分相比，APS-Ⅲ（P<0.000）、SAPS-Ⅱ（P<0.000）、LODS（P<0.000）评分的 AUC 较大，即其区分脓毒症的准确性较高；见表 2、图 1。
图1
各评分系统区分脓毒症的 ROC 曲线
表2
各评分系统区分脓毒症的准确性比较
2.3 脓毒症与非脓毒症患者术后临床结局比较
与非脓毒症组相比，脓毒症组机械通气时间（P=0.000）、ICU 住院时间（P=0.000）、总住院时间（P=0.000）均较长，ICU 内死亡构成比（P=0.000）以及院内死亡构成比（P=0.000）较大；而且脓毒症组的 28 d（P=0.000）、90 d（P=0.000）、6 个月（P=0.000）、1 年（P=0.000）、3 年（P=0.000）、5 年（P=0.000）及 10 年（P=0.000）总体生存率均低于非脓毒症组；见表 3。
表3
两组患者术后临床结局对比［例（%）/M（P25，P75）］
2.4 生存组与非生存组患者临床资料比较
与非生存组相比，生存组的女性构成比较低（P=0.000），体重较重（P=0.000），年龄较小（P=0.000），择期手术构成比较高（P=0.000）；见表 4。非生存组的 SOFA（P=0.000）、APS-Ⅲ（P=0.000）、SAPS（P=0.000）、SAPS-Ⅱ（P=0.000）、LODS（P=0.000）、MLODS（P=0.000）、OASIS（P=0.000）评分的高风险构成比均高于生存组，但两组 SIRS 评分的高风险构成比差异无统计学意义（P=0.206）。SOFA（HR=2.50，95%CI 2.23～2.80，P<0.000）、SAPS（HR=2.93，95%CI 2.64～3.26，P<0.000）、SAPS-Ⅱ（HR=2.77，95%CI 2.51～3.04，P<0.000）、APS-Ⅲ（HR=2.90，95%CI 2.63～3.20，P<0.000）、LODS（HR=2.17，95%CI 1.97～2.38，P<0.000）、MLODS（HR=2.04，95%CI 1.86～2.25，P<0.000）、OASIS（HR=2.37，95%CI 2.16～2.60，P<0.000）评分的高风险层心脏手术患者术后 10 年总体生存率均低于低风险层患者；见图 2。
表4
生存组与非生存者两组患者基线资料［例（%）/
/M（P25，P75）］
图2
心脏术后各评分系统分层的 Kaplan-Meier 生存曲线及 log-rank 检验
3 讨论
在过去的半个世纪中，随着医疗保健预防方面的重大进步以及诊断技术和治疗方案的改进，人口预期寿命已大大增加。这些不断变化的人口统计学特征已经对 ICU 产生了巨大影响，入院患者的平均年龄和 ICU 入院总数的增长速度超过医疗保健资源的增长速度[27]。从经过验证的 ICU 量表中获得的信息可能会在指导 ICU 医生决策方面发挥越来越重要的作用，并可能在未来促进基于证据的有限医疗资源的配给。
迄今为止，许多研究[27-30]已经证实高龄对 ICU 结局存在负面影响。尽管高龄明显与死亡率增加相关，但其它表示疾病严重程度的年龄相关因素比单独年龄更能预测老年患者的 ICU 结局[31]。这些因素包括入院诊断、合并症、手术紧急程度以及入 ICU 之前患者的功能状态。常用的 ICU 预后评分模型包括 SOFA、APS-Ⅲ、SAPS、SAPS-Ⅱ、SIRS、LODS、MLODS、OASIS。这些评分系统结合了年龄、性别、体重、其它生理学参数、合并症、入院诊断、手术紧急状态和格拉斯哥昏迷评分（the Glasgow coma scale，CCS），可提供预测 ICU 死亡率的数值评分。
本研究通过 Kaplan-Meier 生存曲线及 log-rank 法检验各个疾病严重程度评分系统高、低风险组患者的 10 年总体生存率是否有差异，并没有再将其它因素作为协变量考虑在内进行风险比的矫正。这是由于研究中的所有疾病严重程度评分系统均由一套经过多因素分析矫正的客观量化指标组成。
本研究发现 SOFA[32]、APS-Ⅲ[33]、SAPS[31]、SAPS-Ⅱ[17]、LODS[17]、MLODS 以及 OASIS[19]评分系统对于预测心脏术后 10 年总体生存率具有良好的性能，而 SIRS 标准评分不具备此性能，这一发现与之前的研究[20, 34]一致，其原因为：SIRS 的标准［SIRS 标准定义：心率>90 次/min；呼吸频率>20 次/min 或动脉二氧化碳分压<32 mm Hg；体温<36℃ 或>38℃；白细胞计数<4 000/mm3 或>12 000/mm3 或>10% 的细胞未成熟；SIRS 阳性被定义为评分≥2 分（满分 4 分）[35]］还不够具体，不足以识别具有高死亡风险的患者[36]。另一方面，疾病发展到器官功能障碍阶段的脓毒症患者有时可能不符合两个 SIRS 标准。Kaukonen 等[20]的一项研究支持了这一假设，在这项研究中，每 8 例感染和器官功能障碍患者中就有 1 例不符合 SIRS 标准。
另外，值得一提的是，APS-Ⅲ评分在区分心脏术后脓毒症能力方面优于 SOFA 评分。APS-Ⅲ评分系统是 APACHE-Ⅳ评分系统的一部分；APS 将患者的生理参数[37]（包括生命体征、动脉血气测量、CCS、血液样本的实验室检查结果和尿量）合成为一个反映患者健康状况的整数，值越高表明严重程度越高；而 SOFA 评分被提议专门用于脓毒症[8]。但是，SOFA 最初是根据专家共识开发的，尽管 SOFA 评分已在随后的研究中得到了广泛的验证，但由于其入选研究的病例混杂，故偏倚很大[21]。因此，与 SOFA 评分相比，APS-Ⅲ评分可能在单独的 CABG 或瓣膜重建/置换术，以及两者结合的心脏术后患者群体中区分脓毒症的能力较强，但需要通过进一步的前瞻性研究提供充足的证据。
本研究存在以下三方面的局限性：第一，这项研究的研究对象只包括接受 CABG 和瓣膜手术患者，因此，本研究的结论可能不适用于接受其它心脏外科手术的患者。第二，这项研究为回顾性分析，可能会产生其固有的偏倚；第三，由于 MIMIC-Ⅲ数据库仅包含患者的基线资料以及在 ICU 住院期间的临床资料，患者术前与术中的临床数据并未收录到该数据库中，因而难以识别纳入本研究分析的患者是否存在术前感染。因此，需要通过前瞻性研究或回顾性分析临床资料更为丰富的数据库加以验证和矫正。
总之，与 SOFA 评分相比，APS-Ⅲ评分可能在单独的 CABG 或瓣膜重建/置换术，以及两者结合的心脏术后患者群体中具有较高的诊断脓毒症的价值；除 SIRS 标准评分外，SOFA、APS-Ⅲ、SAPS、SAPS-Ⅱ、LODS、MLODS 以及 OASIS 评分系统均可用于预测心脏术后患者的远期预后。
利益冲突：无。
作者贡献：沈瑞环负责论文设计、数据整理与分析以及论文初稿撰写；王旭负责论文审阅与修改；鲁中原负责论文部分设计。
