Construction of a traditional Chinese medicine syndrome element prediction model for mortality risk in sepsis patients based on retrospective study

WANG Jian; SHEN Jianguo; WANG Lisheng; LIU Qianqian; LIU Chunlong

doi:10.16305/j.1007-1334.2025.z20241016002

您当前的位置：

首页 >

文章列表页 >

Construction of a traditional Chinese medicine syndrome element prediction model for mortality risk in sepsis patients based on retrospective study

更新时间：2025-11-06

- Construction of a traditional Chinese medicine syndrome element prediction model for mortality risk in sepsis patients based on retrospective study
- Shanghai Journal of Traditional Chinese Medicine Vol. 59, Issue 11, Pages: 62-68(2025)
- 作者机构：
  
  河北省沧州中西医结合医院（河北沧州 061001）
- 作者简介：
- 基金信息：
- DOI：10.16305/j.1007-1334.2025.z20241016002
  CLC：
- Received：16 October 2024，
  
  Published：10 November 2025
- 稿件说明：
移动端阅览
王健,申建国,王立胜,等.基于回顾性研究的脓毒症患者死亡风险中医证素预测模型构建[J].上海中医药杂志,2025,59(11):62-68.

WANG Jian,SHEN Jianguo,WANG Lisheng,et al.Construction of a traditional Chinese medicine syndrome element prediction model for mortality risk in sepsis patients based on retrospective study[J].Shanghai Journal of Traditional Chinese Medicine,2025,59(11):62-68.
王健,申建国,王立胜,等.基于回顾性研究的脓毒症患者死亡风险中医证素预测模型构建[J].上海中医药杂志,2025,59(11):62-68. DOI： 10.16305/j.1007-1334.2025.z20241016002.

WANG Jian,SHEN Jianguo,WANG Lisheng,et al.Construction of a traditional Chinese medicine syndrome element prediction model for mortality risk in sepsis patients based on retrospective study[J].Shanghai Journal of Traditional Chinese Medicine,2025,59(11):62-68. DOI： 10.16305/j.1007-1334.2025.z20241016002.

摘要

目的

采用回顾性研究方法，构建脓毒症患者死亡风险的中医证素预测模型。

方法

收集290例脓毒症患者的临床资料，根据30 d内是否发生死亡分为存活组（151例）和死亡组（139例）。首先，采用单因素分析初步筛选脓毒症患者死亡预测因子，随后采用多因素logistic回归分析以确定独立预测因子，并构建中医证素预测模型。其次，分别对预测模型拟合度和鉴别效度进行检验，并通过Bootstrap内部验证来评估其稳定性。最后，将预测模型与序贯器官衰竭评估（SOFA）评分进行比较，评估其对脓毒症死亡的预测能力。

结果

最终确定了年龄以及中医证素中脑、痰、血瘀、血虚5个风险因子，并依此构建了中医证素预测模型。拟合度检验显示，预测模型在统计上表现良好（

0.05）。受试者操作特征（ROC）曲线分析显示，预测模型曲线下面积（AUC）为0.765（

0.05），表明预测模型具备中等鉴别效度。Bootstrap验证结果显示，预测模型在不同数据集上的平均AUC为0.740。与SOFA评分预测能力相比，预测模型AUC值更高（

0.05），且决策曲线分析（DCA）显示该模型具有更高的净效益。

结论

基于中医证素的预测模型在评估脓毒症患者死亡风险方面具有一定稳定性和有效性，显示出潜在的临床应用前景。

Abstract

Objective

To construct a traditional Chinese medicine （TCM） syndrome element prediction model based on retrospective study for the mortality risk in sepsis patients.

Methods

Clinical data were collected from 290 sepsis patients， who were divided into a survival group （

=151） and a death group （

=139） based on whether death occurred within 30 days. First， univariate analysis was performed to initially screen the predictors of mortality in sepsis patients， and multivariate logistic regression analysis was conducted to identify independent predictors and construct the TCM syndrome element prediction model. Second， the model's goodness of fit and discriminative validity were tested， and its stability was assessed through internal validation using Bootstrap. Finally， the prediction model was compared with the SOFA score to evaluate its predictive ability for se

psis mortality.

Results

The final model identified five risk factors： age and TCM syndrome elements of the brain， phlegm， blood stasis， and blood deficiency. Based on these factors， the TCM syndrome element prediction model was constructed. Goodness of fit testing indicated that the model performed well statistically （

0.05）. The receiver operating characteristic （ROC） curve analysis showed that the area under the curve （AUC） of the prediction model was 0.765 （

0.05）， indicating moderate discriminative validity. Bootstrap validation revealed that the average AUC of the prediction model was 0.740 across different datasets. Compared with the SOFA score， the prediction model had a higher AUC （

0.05）， and decision curve analysis （DCA） showed that the model provided a higher net benefit.

Conclusion

The TCM syndrome element prediction model demonstrates certain stability and effectiveness in assessing the mortality risk of sepsis patients， showing promising clinical application potential.

关键词

Keywords

references

SINGER M ， DEUTSCHMAN C S ， SEYMOUR C W ， et al . The third international consensus definitions for sepsis and septic shock（Sepsis-3）［J］. JAMA ， 2016 ， 315 （ 8 ）： 801 - 810 .

KESHANI M ， ALIKIAII B ， BABAEI Z ， et al . The effects of L‑carnitine supplementation on inflammation，oxidative stress， and clinical outcomes in critically Ⅲ patients with sepsis： a randomized， double-blind， controlled trial ［J］. Nutr J ， 2024 ， 23 （ 1 ）： 31 .

PAOLI C J ， REYNOLDS M A ， SINHA M ， et al . Epidemiology and costs of sepsis in the united states-an analysis based on timing of diagnosis and severity level ［J］. Crit Care Med ， 2018 ， 46 （ 12 ）： 1889 - 1897 .

GUPTA J ， MAJUMDER A K ， SENGUPTA D ， et al . Investigating computational models for diagnosis and prognosis of sepsis based on clinical parameters：Opportunities， challenges， and future research directions ［J］. J Intensive Med ， 2024 ， 4 （ 4 ）： 468 - 477 .

NIKRAVANGOLSEFID N ， REDDY S ， TRUONG H H ， et al . Machine learning for predicting mortality in adult critically ill patients with Sepsis：A systematic review ［J］. J Crit Care ， 2024 ， 84 ： 154889 .

PERSSON I ， MACURA A ， BECEDAS D ， et al . Early prediction of sepsis in intensive care patients using the machine learning algorithm NAVOY ® Sepsis， a prospective randomized clinical validation study ［J］. J Crit Care ， 2024 ， 80 ： 154400 .

WANG Y ， FENG S . A prediction model for 30-day mortality of sepsis patients based on intravenous fluids and electrolytes ［J］. Medicine（Baltimore）， 2022 ， 101 （ 39 ）： e30578 .

ZHANG Y ， XU W ， YANG P ， et al . Machine learning for the prediction of sepsis-related death： a systematic review and meta-analysis ［J］. BMC Med Inform Decis Mak ， 2023 ， 23 （ 1 ）： 283 .

叶美烯，蒋黎 . 脓毒症患者预后评估的研究进展［J］. 中国现代医生， 2024 ， 62 （ 35 ）： 114 - 118 .

刘佳鑫，王若璇，周姣云，等 . 基于中医证素构建晚期胃癌预后预测模型［J］. 四川中医， 2025 ， 43 （ 4 ）： 91 - 98 .

RHODES A ， EVANS L E ， ALHAZZANI W ， et al . Surviving sepsis campaign：International guideline for management of sepsis and septic schock： 2016 ［J］. Crit Care Med ， 2017 ， 45 （ 3 ）： 486 - 552 .

中国医师协会急诊医师分会，中国研究型医院学会休克与脓毒症专业委员会 . 中国脓毒症/脓毒症休克急诊治疗指南（2018）［J］. 临床急诊杂志， 2018 ， 19 （ 9 ）： 567 - 588 .

朱文锋 . 证素辨证学［M］. 北京：人民卫生出版社， 2008 ， 53 .

BURSAC Z ， GAUSS C H ， WILLIAMS D K ， et al . Purposeful selection of variables in logistic regression ［J］. Source Code Biol Med ， 2008 ， 3 ： 17 .

SUN C ， GONG X ， HOU L ， et al . A nomogram based on conventional and contrast-enhanced ultrasound radiomics for the noninvasively prediction of axillary lymph node metastasis in breast cancer patients ［J］. Front Oncol ， 2024 ， 14 ： 1400872 .

向弘利，刘玉新 . 基于ICU严重脓毒症患者死亡危险因素的系统回顾和Meta分析［J］. 创伤外科杂志， 2022 ， 24 （ 8 ）： 580 - 588 .

ZHANG Z ， GUO L ， JIA L ， et al . Factors contributing to sepsis-associated encephalopathy：a comprehensive systematic review and meta-analysis ［J］. Front Med（Lausanne）， 2024 ， 11 ： 1379019 .

ARERO A G ， VASHEGHANI-FARAHANI A ， TIGABU B M ， et al . Long-term risk and predictors of cerebrovascular events following sepsis hospitalization： A systematic review and meta-analysis ［J］. Front Med（Lausanne）， 2022 ， 9 ： 1065476 .

ZHU M Y ， TANG X K ， GAO Y ， et al . Impact of heart failure on outcomes in patients with sepsis：A systematic review and meta-analysis ［J］. World J Clin Cases ， 2023 ， 11 （ 15 ）： 3511 - 3521 .

SHANKAR-HARI M ， AMBLER M ， MAHALINGASIVAM V ， et al . Evidence for a causal link between sepsis and long-term mortality：a systematic review of epidemiologic studies ［J］. Crit Care ， 2016 ， 20 ： 101 .

LI X ， XU X ， ZHANG J ， et al . Review of the therapeutic effects of traditional Chinese medicine in sepsis-associated encephalopathy ［J］. J Ethnopharmacol ， 2024 ， 334 ： 118588 .

FAN T H ， PREMRAJ L ， ROBERTS J ， et al . In-hospital neurologic complications， neuromonitoring， and long-term neurologic outcomes in patients with sepsis：A systematic review and meta-analysis ［J］. Crit Care Med ， 2024 ， 52 （ 3 ）： 452 - 463 .

PIVA S ， BERTONI M ， GITTI N ， et al . Neurological complications of sepsis ［J］. Curr Opin Crit Care ， 2023 ， 29 （ 2 ）： 75 - 84 .

MOSTEL Z ， PERL A ， MARCK M ， et al . Post-sepsis syndrome-an evolving entity that afflicts survivors of sepsis ［J］. Mol Med ， 2019 ， 26 （ 1 ）： 6 .

周仙仕，李俊，刘云涛，等 . 4 833例内科脓毒症入院患者中医证素分布规律回顾性研究［J］. 中医杂志， 2021 ， 62 （ 8 ）： 683 - 686 .

南富耀，吴彩军，刘峻溪，等 . 老年脓毒症及脓毒性休克患者中医证素分布及预后分析［J］. 国际中医中药杂志， 2024 ， 46 （ 9 ）： 1113 - 1120 .

ARSHAD A ， AHMED W ， REHMAN N ， et al . Tackling a deadly global phenomenon：sepsis induced coagulopathy：A narrative review ［J］. J Pak Med Assoc ， 2024 ， 74 （ 5 ）： 959 - 966 .

黄建平，周杨青，王睿，等 . 脓毒症不同中医证型与临床预后的相关性研究［J］. 中华中医药学刊， 2019 ， 37 （ 5 ）： 1160 - 1163 .

林敏青 . 脓毒症中医证型分布特点及与相关因素的临床研究［D］. 武汉：湖北中医药大学， 2021 .

DO S N ， DAO C X ， NGUYEN T A ， et al . Sequential Organ Failure Assessment （SOFA） score for predicting mortality in patients with sepsis in vietnamese intensive care units：a multicentre，cross-sectional study ［J］. BMJ Open ， 2023 ， 13 （ 3 ）： e064870 .

郭亚威，王征，曹涛，等 . SOFA评分联合降钙素原在脓毒症中的应用价值［J］. 中国急救复苏与灾害医学杂志， 2020 ， 15 （ 12 ）： 1428 - 1431 .

Views

下载量

CSCD

CNKI被引量

Alert me when the article has been cited

提交

Tools

Publicity Resources

Construction and validation of a traditional Chinese medicine clinical prediction model for polycystic ovary syndrome with metabolic syndrome

Establishment and evaluation of a nomogram for predicting traditional Chinese medicine syndromes of menopause⁃like syndrome after endocrine therapy for postoperative breast cancer

Prediction models for cardiovascular diseases in elderly diabetic patients based on artificial intelligence algorithms and traditional Chinese medicine constitution types

Research on traditional Chinese medicine syndromes in prostate cancer based on cluster and factor analysis

Related Author

YU Jinglu

SUN Miao

HOU Lihui

PAN Zimeng

LI Jinyuan

CHEN Chuang

LONG Dile

LIN Dongyi

Related Institution

Department of Obstetrics， First Affiliated Hospital of Heilongjiang University of Chinese Medicine

Department of Gynecology Ⅱ， First Affiliated Hospital of Heilongjiang University of Chinese Medicine

Department of Obstetrics and Gynecology， Shunyi Hospital of Beijing Traditional Chinese Medicine Hospital

Guangxi University of Traditional Chinese Medicine

Jiangxi Ganzhou Nankang District Hospital of Traditional Chinese Medicine

⁰