难治性哮喘患儿反复呼吸道感染列线图模型的建立和验证

doi:10.3969/j.issn.1673-8640.2025.05.004

摘要/Abstract

摘要：

目的探讨难治性哮喘患儿反复呼吸道感染的危险因素，建立列线图模型并验证。方法选取2021年1月—2023年12月南京中医药大学附属医院处于急性发作期的难治性哮喘患儿415例，根据是否发生反复呼吸道感染分为反复呼吸道感染组（76例）和非反复呼吸道感染组（339例）。收集所有患儿的临床资料和实验室检测结果。采用二元Logistic回归分析评估难治性哮喘患儿反复呼吸道感染的影响因素，采用R软件rms包构建列线图模型，通过校正曲线、临床决策曲线、临床影响曲线和受试者工作特征（ROC）曲线评估模型的临床适用性和诊断效能。结果反复呼吸道感染组白细胞（WBC）计数、C反应蛋白（CRP）、IgE、CD4+/CD8+比值、哮喘发作次数≥3次和合并鼻炎或鼻窦炎比例高于非反复呼吸道感染组（P<0.05），血小板（PLT）计数、CD4+T细胞百分比（CD4+%）和 CD8+T细胞百分比（CD8+%）低于非反复呼吸道感染组（P<0.05）。IgE升高、PLT计数降低、CD4+%降低、合并鼻炎或鼻窦炎和哮喘发作次数≥3次是难治性支气管哮喘患儿发生反复呼吸道感染的独立危险因素（P<0.05）。基于以上因素构建的列线图模型判断难治性支气管哮喘患儿发生反复呼吸道感染的曲线下面积（AUC）为0.909。模型预测概率和实际概率具有高度一致性，当阈概率值为0.02~0.91时，临床净获益>0，模型预测结果与实际结果基本符合。结论基于PLT计数、IgE、CD4+%、合并鼻炎或鼻窦炎和哮喘发作次数构建的列线图模型可为识别难治性支气管哮喘患儿中的反复呼吸道感染高危患儿提供参考，具有较好的临床适用性。

关键词: 反复呼吸道感染, 难治性支气管哮喘, 列线图模型

Abstract:

Objective To investigate the risk factors of recurrent respiratory infections in children with refractory asthma，and to establish and verity a nomogram model. Methods A total of 415 children with refractory asthma in acute exacerbation admitted to Nanjing University of Traditional Chinese Medicine Affiliated Hospital，Jiangsu Provincial Hospital of Traditional Chinese Medicine from January 2021 to December 2023 were enrolled and classified into recurrent respiratory infection group（76 cases）and non-recurrent respiratory infection group（339 cases）. Binary Logistic regression analysis were used to screen the risk factors of recurrent respiratory infections in children with refractory asthma. The nomogram model was constructed by rms packape of R software. The clinical applicability and diagnostic efficiency of the model were verified by receiver operating characteristic （ROC） curve，calibration curve，decision curve analysis （DCA） and clinical impact curve. Results The white blood cell （WBC） count，C-reactive protein （CRP），IgE，CD4+/CD8+ ratio，the number of asthma attacks≥3 times and the proportion of rhinitis or sinusitis in recurrent respiratory infection group were higher than those in non-recurrent respiratory infection group （P<0.05）. The platelet（PLT）count，CD4+T cell percentage （CD4+%） and CD8+T cell percentage （CD8+%） were lower than those in non-recurrent respiratory infection group （P<0.05）. Increased IgE，decreased PLT count，decreased CD4+%，combined rhinitis or sinusitis and asthma attacks≥3 times were independent risk factors for recurrent respiratory infection in children with refractory asthma （P<0.05）. Based on the above factors，the nomogram model determined that the area under curve （AUC） of recurrent respiratory infection in children with refractory asthma was 0.909，and the predicted probability of the model was consistent with the actual probability. When the threshold probability value was 0.02-0.91，the clinical net benefit was >0，and the predicted results of the model are basically consistent with the actual results. Conclusions PLT count，IgE，CD4+，whether to combine rhinitis or sinusitis and the number of asthma attacks are related to recurrent respiratory infection in children with refractory asthma. The nomogram model constructed based on the above factors can provide a reference for the identification of high-risk children and has certain clinical applicability.

Key words: Recurrent respiratory infection, Refractory asthma, Nomogram

中图分类号:

R562.2

芮隽, 孔飞, 袁雪晶. 难治性哮喘患儿反复呼吸道感染列线图模型的建立和验证[J]. 检验医学, 2025, 40(5): 437-442.

RUI Jun, KONG Fei, YUAN Xuejing. Establishment and validation of a nomogram of recurrent respiratory infections in children with refractory asthma[J]. Laboratory Medicine, 2025, 40(5): 437-442.

图/表 6

表1 反复呼吸道感染组和非反复呼吸道感染组各项指标比较

表2 难治性支气管哮喘患儿反复呼吸道感染的危险因素分析

因素	β值	标准误	Wald值	P值	OR值（95% CI）
PLT计数	-0.012	0.003	16.819	<0.001	0.988（0.983~0.994）
IgE	0.029	0.008	12.566	<0.001	1.030（1.013~1.047）
CD4+%	-0.378	0.052	53.306	<0.001	0.685（0.619~0.758）
合并鼻炎或鼻窦炎	0.952	0.360	7.000	0.008	2.591（1.280~5.244）
哮喘发作次数≥3次	0.838	0.348	5.806	0.016	2.312（1.169~4.573）

表3 各项指标诊断难治性支气管哮喘患儿反复呼吸道感染的效能

因素	AUC（95% CI）	最佳诊断界值	P值	敏感性/%	特异性/%
PLT计数	0.723（0.678~0.766）	<177.15×109L^-1	<0.001	56.6	78.5
IgE	0.683（0.636~0.728）	>102.51 IU·mL^-1	<0.001	73.4	60.2
CD4+%	0.787（0.744~0.825）	≤36.84%	<0.001	76.3	72.3
合并鼻炎或鼻窦炎	0.626（0.577~0.672）		<0.001	46.1	79.1
哮喘发作次数≥3次	0.595（0.546~0.643）		<0.001	50.0	69.0

图1 难治性支气管哮喘患儿反复呼吸道感染列线图模型

图2 列线图模型判断难治性支气管哮喘患儿发生反复呼吸道感染的ROC曲线和校正曲线注：（a）ROC曲线；列线图模型、参考线；（b）校正曲线；校正预测概率、理想预测概率、实际预测概率。

图3 列线图模型判断难治性支气管哮喘患儿发生反复呼吸道感染的临床决策曲线和临床影响曲线注：（a）临床决策曲线；列线图模型、假设所有病例均发生反复呼吸道感染、假设无病例发生反复呼吸道感染；（b）临床影响曲线；模型预测下高风险人数、各个概率下实际高风险人数。

参考文献 19

[1]	周舒, 黄嘉, 梁雅丽, 等. 中国儿童哮喘患病率及其危险因素的Meta分析[J]. 国际流行病学传染病学杂志, 2020, 47(3):253-259.
[2]	肖惠迪, 书文, 李梦龙, 等. 中国2011—2018年儿童哮喘患病率Meta分析[J]. 中国学校卫生, 2020, 41(8):1208-1211.
[3]	NOMURA N, MATSUMOTO H, YOKOYAMA A, et al. Nationwide survey of refractory asthma with bronchiectasis by inflammatory subtypes[J]. Respir Res, 2022, 23(1):365.
[4]	李芳学, 刘娟. 难治性支气管哮喘药物治疗的研究进展[J]. 医学综述, 2020, 26(8):1573-1577.
[5]	陈树冰. 气道重塑在难治性哮喘中的研究现状[J]. 医学临床研究, 2021, 38(6):801-805.
[6]	中国医药教育协会儿科专业委员会, 中华医学会儿科学分会呼吸学组哮喘协作组, 中国医师协会呼吸医师分会儿科呼吸工作委员会, 等. 儿童支气管哮喘共患病诊治专家共识[J]. 中华实用儿科临床杂志, 2023, 38(4):245-259.
[7]	中华医学会呼吸病学分会哮喘学组. 支气管哮喘防治指南(2020年版)[J]. 中华结核和呼吸杂志, 2020, 43(12):1023-1048.
[8]	中华医学会儿科学分会呼吸学组,《中华儿科杂志》编辑委员会. 反复呼吸道感染的临床概念和处理原则[J]. 中华儿科杂志, 2008, 46(2):108-110.
[9]	王菲, 钱萌, 欧阳怡, 等. 支气管哮喘急性发作期患者呼吸道菌群特征及血清MD-2水平、EOS%变化[J]. 疑难病杂志, 2023, 22(2):132-137.
[10]	BINNS E, TUCKERMAN J, LICCIARDI P V, et al. Respiratory syncytial virus,recurrent wheeze and asthma:a narrative review of pathophysiology,prevention and future directions[J]. J Paediatr Child Health, 2022, 58(10):1741-1746.
[11]	关艳华, 刘淑霞, 赵明耀, 等. 急性哮喘并发肺部感染患儿病原学及影响因素分析[J]. 中华医院感染学杂志, 2019, 29(14):2232-2236.
[12]	宋思尊, 石明芳, 卢婷, 等. 外周血淋巴细胞亚群CRP及维生素D3水平与儿童反复呼吸道感染的关系[J]. 西部医学, 2020, 32(1):73-75.
[13]	杨倩文, 李天苏, 王秀丽, 等. 反复呼吸道感染儿童血清维生素A、维生素E水平与免疫球蛋白、T淋巴细胞亚群、NK细胞及骨密度的关系分析[J]. 现代生物医学进展, 2021, 21(23):4545-4548.
[14]	裘晓芬, 方芳, 叶龙, 等. 反复呼吸道感染患儿血小板和维生素A/E水平变化及其与体液免疫的相关性[J]. 中华医院感染学杂志, 2023, 33(1):133-137.
[15]	侯俏珍, 何丽雅, 曹晓均, 等. 儿童支气管肺炎并发继发性血小板增多症的临床分析[J]. 国际医药卫生导报, 2023, 29(13):1860-1863.
[16]	邱虹, 李岱, 董燕萍, 等. 支气管哮喘急性发作合并肺部感染患者IL-32、IgE水平与预后的相关性分析[J]. 中华医院感染学杂志, 2019, 29(7):1015-1018.
[17]	HABIB N, PASHA M A, TANG D D. Current understanding of asthma pathogenesis and biomarkers[J]. Cells, 2022, 11(17):2764.
[18]	CHIU C Y, CHENG M L, CHIANG M H, et al. Integrated metabolic and microbial analysis reveals host-microbial interactions in IgE-mediated childhood asthma[J]. Sci Rep, 2021, 11(1):23407.
[19]	姚男华, 王雪玉, 蒋小丽, 等. 急性哮喘患儿肺部感染病原菌及其危险因素模型构建[J]. 中华医院感染学杂志, 2023, 33(23):3654-3658.