血清suPAR、BNP、CRP水平检测与ICU重症血流感染患者预后相关性研究

被引：5

作者：

阚文颖

机构：

[1] 秦皇岛市妇幼保健院消毒供应室

来源：

创伤与急危重病医学 | 2020年 / 8卷 / 02期

关键词：

血流感染; 重症加强护理病房; 可溶性尿激酶型纤溶酶原激活物受体; B型脑钠肽; C反应蛋白;

D O I：

10.16048/j.issn.2095-5561.2020.02.20

中图分类号：

R459.7 [急症、急救处理];

学科分类号：

100231 [临床病理学];

摘要：

目的探讨血清可溶性尿激酶型纤溶酶原激活物受体(suPAR)、B型脑钠肽(BNP)、C反应蛋白(CRP)水平检测在重症加强护理病房(ICU)重症血流感染患者病情诊断及预后评估中的价值。方法选取自2017年10月至2018年10月收治的78例血流感染患者纳入感染组,根据感染组患者治疗28 d的预后情况分为存活组(n=53)和病死组(n=25);选取同期ICU病房收治的50例非血流感染患者纳入非感染组。检测各组患者的血清suPAR、BNP及CRP水平,比较患者第1、3、5天的急性生理与慢性健康评分系统(APACHEⅡ)评分,并分析suPAR、BNP、CRP水平与APACHEⅡ间的相关性及其对预后的评估价值。结果感染组患者suPAR、BNP及CRP水平均显著高于非感染组,两组间比较,差异均有统计学意义(P<0.05)。存活组患者suPAR、BNP及CRP水平均明显低于病死组,两组间比较,差异均有统计学意义(P<0.05)。存活组患者第1、3、5天的APACHEⅡ评分呈递减趋势,且明显低于病死组患者,两组间比较,差异均有统计学意义(P<0.05)。ICU重症血流感染患者的suPAR、BNP、CRP水平与APACHEⅡ评分呈正相关(r=0.502、0.561、0.496,P<0.05)。受试者工作特征曲线结果显示,suPAR、BNP及CRP对ICU重症血流感染患者预后均有一定的预测作用(P<0.05)。结论血清suPAR、BNP及CRP水平检测对ICU重症血流感染患者的病情程度及其预后具有较好的评估作用。

引用

页码：126 / 128

页数：3

共 16 条

[1]

我院血培养阳性血流感染患者临床特点和治疗效果分析 [D].

严明 .

重庆医科大学,

2016

[2]

APACHEⅢ评分在感染性疾病中的初步应用 [D].

范娟 .

南华大学,

2014

[3]

Staphylococcus aureus bloodstream infection in patients with ventricular assist devices–Management and outcome in a prospective bicenter cohort.[J].Insa Joost;Wolfgang Bothe;Christine Pausch;Achim Kaasch;Berit Lange;Gabriele Peyerl-Hoffmann;Greta Flüh;Matthias Müller;Christian Schneider;Harald Seifert;Winfried V. Kern;Friedhelm Beyersdorf;Siegbert Rieg.Journal of Infection.2018, 1

[4]

Surveillance of device associated infections and mortality in a major intensive care unit in the Republic of Cyprus.[J].Stelios Iordanou;Nicos Middleton;Elizabeth Papathanassoglou;Vasilios Raftopoulos.BMC Infectious Diseases.2017, 1

[5]

A ten-year review of total hospital onset intensive care unit bloodstream infections at an Academic Medical Center.[J].Anna M. Civitarese;Eric Ruggieri;J. Matthias Walz;Deborah Ann Mack;Stephen O. Heard;Michael Mitchell;Craig M. Lilly;Karen E. Landry;Richard T. Ellison.Chest.2017, 5

[6]

Accurately Predicting Risk of Central Line-Associated Bloodstream Infection—Application of Machine Learning to Predict and Minimize Incidence of Central Line-Associated Bloodstream Infection.[J].Heather Schoonover.AJIC: American Journal of Infection Control.2017, 6S

[7]

430株血流感染病原菌分布与耐药性分析 [J].