Tóm tắt Luận án Xây dựng biểu đồ nomogram để cá nhân hóa tiên lượng tử vong bệnh lý nội khoa tại khoa cấp cứu ở đối tượng người Việt Nam

BỘ GIÁO DỤC VÀ ĐÀO TẠO BỘ Y TẾ ĐẠI HỌC Y DƯỢC THÀNH PHỐ HỒ CHÍ MINH HÀ TẤN ĐỨC XÂY DỰNG BIỂU ĐỒ NOMOGRAM ĐỂ CÁ NHÂN HÓA TIÊN LƯỢNG TỬ VONG BỆNH LÝ NỘI KHOA TẠI KHOA CẤP CỨU Ở ĐỐI TƯỢNG NGƯỜI VIỆT NAM Ngành: Hồi sức cấp cứu và chống độc Mã số: 9720103 TÓM TẮT LUẬN ÁN TIẾN SỸ Y HỌC Thành phố Hồ Chí Minh - Năm 2018 2 Công trình được hoàn thành tại: ĐẠI HỌC Y DƯỢC THÀNH PHỐ HỒ CHÍ MINH Người hướng dẫn khoa học: 1. PGS.TS. Phạm Thị Ngọc Thảo 2. PGS.TS. Đỗ Văn Dũng Phản biện 1: Phản biện 2: Phản biện 3: Luận án sẽ được bảo vệ tại Hội đồng đánh giá luận án cấp Trường, họp tại ĐẠI HỌC Y DƯỢC THÀNH PHỐ HỒ CHÍ MINH vào hồi ..giờphút, ngày.tháng..năm . Có thể tìm hiểu luận án tại: - Thư viện Quốc gia Việt Nam - Thư viện Khoa học Tổng hợp TPHCM - Thư viện Đại học Y Dược TP.HCM 1 GIỚI THIỆU LUẬN ÁN Đặt vấn đề Khoảng 93% các tử vong trong bệnh viện xảy ra ở bệnh nhân nhập viện trong tình trạng cấp cứu. Ngoài ra, do sự đa dạng về bệnh lý và mức độ nặng của bệnh nội khoa cấp cứu nên gây ra nhiều khó khăn cho việc tiên lượng bệnh. Điều này dẫn đến nhiều biến cố bất lợi xảy ra ngoài dự đoán. Mặc dù tiên lượng dựa trên kinh nghiệm cá nhân của bác sỹ điều trị có độ chính xác khá tốt, tiên lượng dựa trên kinh nghiệm cá nhân thường có độ tin cậy thấp đối với những bệnh nhân có kết cục điều trị rất tốt hoặc rất xấu (tiên lượng thừa nguy cơ tử vong). Do đó, nhiều mô hình tiên lượng đã được nghiên cứu và ứng dụng để phát hiện những bệnh nặng cần hồi sức tích cực, nhằm giảm tỷ lệ tử vong và tối ưu hóa sử dụng nguồn lực y tế. Hiện nay, đối với bệnh nhân nội khoa tại khoa cấp cứu các mô hình được sử dụng phổ biến là Rapid Emergency Medicine Score (REMS), Rapid Acute Physiology Score (RAPS), Worthing Physiological Scoring system (WPS), Routine Laboratory Data (RLD), Simple Clinical Score (SCS) và Admission Laboratory Tests (ALTs). Các mô hình này đã được nghiên cứu ở các nước Âu Mỹ và có độ chính xác tốt khi tiên lượng kết cục điều trị. Trong các mô hình trên, hai mô hình REMS và WPS tương đối đơn giản và có khả năng ứng dụng cao, vì các thông số của hai mô hình này là các dấu hiệu lâm sàng không xâm lấn có thể thu thập trong một thời gian ngắn, phù hợp với bối cảnh cấp cứu. Chỉ số AUC (Area Under the ROC Curve) của mô hình REMS và WPS khi nghiên cứu phát triển mô hình lần lượt là 0,852 và 0,740. Tuy nhiên, theo nghiên cứu của chúng tôi được thực hiện tại một trung tâm y khoa ở vùng đồng bằng sông Cửu Long, tính phân biệt của hai mô 2 hình này khi tiên lượng chỉ ở mức trung bình cho bệnh nhân nội khoa tại khoa cấp cứu. Nhiều yếu tố tiên lượng cho bệnh nội khoa cấp cứu là các dấu hiệu lâm sàng hoặc các xét nghiệm. Cho đến nay, vẫn chưa có nghiên cứu nào cho thấy sự kết hợp giữa các dấu hiệu lâm sàng và xét nghiệm thường quy có lợi ích khi tiên lượng ở bệnh nhân nội khoa cấp cứu người Việt Nam. Do đó, nghiên cứu này được thực hiện trên giả thuyết rằng tử vong ở bệnh nhân có bệnh lý nội khoa tại khoa cấp cứu là hệ quả của những rối loạn sinh lý và các bệnh lý đi kèm; các rối loạn này được thể hiện qua triệu chứng lâm sàng và các xét nghiệm thường quy. Thiết kế nghiên cứu hiện tại nhằm kiểm định giả thuyết vừa nêu, với mục tiêu nghiên cứu như sau: 1. Xác định mối liên quan giữa các dấu hiệu lâm sàng, tiền sử bệnh, và đặc điểm cận lâm sàng với tử vong ở bệnh nhân nội khoa cấp cứu. 2. Phát triển mô hình tiên lượng tử vong từ các dấu hiệu lâm sàng và xét nghiệm thường quy cho bệnh lý nội khoa tại khoa cấp cứu ở bệnh nhân Việt Nam. Mô hình sau khi được phát triển sẽ được chuyển thành toán đồ (nomogram) để dự đoán nguy cơ tử vong của bệnh nhân. Tính cấp thiết của đề tài Bệnh nhân cấp cứu là những người có nguy cơ tử vong cao cần được thụ hưởng chế độ điều trị và chăm sóc tương xứng. Tuy nhiên, tiên lượng độ nặng cho bệnh nhân thường rất khó khăn do tình trạng quá tải thường xuyên và bệnh lý phức tạp tại khoa cấp cứu. Trong khi đó, tình trạng khẩn cấp đòi hỏi người thầy thuốc phải tiên lượng thật nhanh độ nặng của bệnh nhân để ra quyết định điều trị kịp thời. 3 Mặc dù, có nhiều mô hình tiên lượng cho bệnh nội khoa cấp cứu đã được xây dựng trên thế giới; tuy nhiên, vẫn chưa có mô hình tiên lượng nào cho thấy thích hợp cho bệnh nhân nội khoa cấp cứu Việt Nam. Xuất phát từ nhu cầu thực tế, chúng tôi tiến hành nghiên cứu đề tài này. Những đóng góp mới của luận án Công trình nghiên cứu của chúng tôi đã cung cấp thông tin mới về yếu tố nguy cơ tử vong ở bệnh nội khoa cấp cứu. Trên cơ sở này, chúng tôi đã xây dựng được các mô hình tiên lượng mới từ các dấu hiệu lâm sàng và xét nghiệm. Về phương diện lâm sàng, các mô hình này giúp cho việc quản lý bệnh nhân tốt hơn, bảo vệ bác sỹ về phương diện pháp lý, đặc biệt khi đối diện với những bệnh nhân khó tiên lượng. Bố cục luận án Luận án dài 98 trang. Ngoài phần đặt vấn đề và kết luận, luận án gồm 4 chương: Chương 1 - Tổng quan tài liệu (23 trang), chương 2 - Đối tượng và phương pháp nghiên cứu (19 trang), chương 3 - Kết quả nghiên cứu (25 trang), chương 4 - Bàn luận (26 trang). Luận án có 12 bảng, 17 biểu đồ, 1 sơ đồ, 150 tài liệu tham khảo (3 tiếng Việt và 147 tiếng Anh). Chương 1: Tổng quan tài liệu Như đã đề cập trong phần đặt vấn đề, đối với bệnh nhân nội khoa tại khoa cấp cứu, hiện nay có nhiều mô hình tiên lượng đã được phát triển và thẩm định ở bệnh nhân Âu Mỹ. Các mô hình có các yếu tố tiên lượng chỉ gồm những dấu hiệu lâm sàng không xâm lấn là: REMS, RAPS, SCS, WPS. Các mô hình phối hợp giữa dấu hiệu lâm sàng không xâm lấn và cận lâm sàng bao gồm: ALTs và RLD. Biểu 4 đồ 1.1 trình bày mối liên hệ giữa chỉ số AUC với số lượng yếu tố tiên lượng trong mô hình. Biểu đồ 1.1: AUC của các mô hình tiên lượng tại khoa cấp cứu 1.1. Ứng dụng mô hình tiên lượng vào thực tế tại khoa cấp cứu 1.1.1. Thiết lập tiêu chuẩn khách quan để chỉ định chế độ chăm sóc Mô hình tiên lượng cho phép thiết lập tiêu chuẩn khách quan để chỉ định chế độ chăm sóc cho bệnh nhân. Điều này giúp phân bổ hợp lý nhân lực và tài nguyên y tế. Mặc dù, các bác sỹ điều trị có thể dựa trên kinh nghiệm cá nhân để ước lượng nguy cơ tử vong và từ đó phân bổ chế độ chăm sóc cho từng bệnh nhân; tuy nhiên, có bằng chứng cho thấy dựa trên các tiêu chuẩn khách quan có thể cho kết quả chính xác hơn. 5 1.1.2. So sánh chất lượng chăm sóc giữa các đơn vị y tế Vào năm 1984, Liddell đề xuất một cách đo lường mới gọi là tỷ số tử vong chuẩn hóa (Standardised Mortality Ratio: SMR). Chỉ số này cho phép chuẩn hóa tỷ lệ tử vong quan sát theo độ nặng của bệnh nhân. Công thức tính như sau: = ố ượ ử á ố ượ ử ê ượ ∗ 100 Chỉ số SMR này càng cao có nghĩa số tử vong quan sát được trên thực tế càng cao so với số lượng tử vong tiên lượng. 1.1.3. Ứng dụng vào nghiên cứu Trong các nghiên cứu can thiệp hoặc nghiên cứu lâm sàng được tiến hành ở nhiều trung tâm y khoa, mô hình tiên lượng thường được sử dụng để: (1) nhận diện những bệnh nhân có cùng mức độ nguy cơ, (2) kiểm tra chất lượng của việc phân nhóm ngẫu nhiên, (3) so sánh các nghiên cứu can thiệp hay các nghiên cứu lâm sàng với nhau, hay so sánh các bệnh nhân trong nghiên cứu với các bệnh nhân trong thực hành lâm sàng, hoặc xác định cỡ mẫu. 1.1.4. Thiết lập tỷ lệ bác sỹ : số gường điều trị thích hợp trong một bệnh viện Nếu chấp nhận chỉ số SMR là chỉ số để đánh giá chất lượng điều trị của một bệnh viện, thì tỷ số bác sỹ : số giường bệnh là một trong những yếu tố tiên lượng chất lượng điều trị. Căn cứ trên số lượng bác sỹ trên 100 giường bệnh, người ta chia số lượng bác sỹ cho một bệnh viện thành 3 loại: (1) thấp (số lượng bác sỹ trên 100 giường thấp hơn trung bình ½ độ lệch chuẩn), (2) trung bình (số lượng bác sỹ trên 100 giường trong khoảng trung bình ± ½ độ lệch chuẩn), và (3) cao (số lượng bác sỹ trên 100 giường cao hơn trung 6 bình ½ độ lệch chuẩn). Chỉ số SMR tỷ lệ nghịch với số lượng bác sỹ tính trên 100 giường điều trị. 1.1.5. Vấn đề y đức khi sử dụng mô hình tiên lượng như một hướng dẫn để ngừng điều trị Sử dụng mô hình tiên lượng để hỗ trợ việc ra quyết định tiếp tục hay dừng chăm sóc y tế vẫn còn bàn cãi vì nhiều lý do. Thứ nhất, đa số các mô hình tiên lượng được thiết kế để mô tả độ nặng bệnh và xác suất tử vong của nhóm bệnh nhân, không phải cho cá nhân bệnh nhân. Thứ hai, thậm chí trong các nhóm bệnh nhân, không có mô hình nào có xác suất tiên lượng so sánh hoàn hảo với xác suất quan sát (khả năng hiệu chuẩn) và những mô hình này cũng không phân biệt một cách hoàn hảo bệnh nhân sống sót với bệnh nhân tử vong. Thứ ba, các mô hình tiên lượng chỉ có thể hướng dẫn ra quyết định chăm sóc y tế chỉ trong bối cảnh có sự hiểu biết thích hợp về các nguyên tắc đạo đức có liên quan đến việc tiếp tục hay dừng chăm sóc y tế. 1.2. Khuyến cáo sử dụng mô hình trên lâm sàng và tình hình nghiên cứu trong nước Để áp dụng một mô hình tiên lượng vào thực tế lâm sàng, nhà lâm sàng cần nắm rõ một số đặc điểm sau: (1) mô hình tiên lượng sẽ khái quát hóa tốt nhất cho những quần thể có các giá trị của biến số dao động trong phạm vi tương tự như ở quần thể phát triển mô hình, giảm thiểu sai lệch liên quan đến quần thể nghiên cứu; (2) khi một mô hình kém chính xác ở một quần thể mới thì nên sử dụng dữ liệu mới này để biến đổi mô hình cho phù hợp thay vì phát triển thêm một mô hình mới; (3) trước khi áp dụng mô hình tiên lượng nhà lâm sàng cần phải biết rõ các định nghĩa và phương pháp đo 7 lường của các biến số, nhằm làm giảm sai lệch liên quan đến độ tin cậy của biến số. Cho đến nay, đã có nghiên cứu đánh giá tính chính xác của các mô hình tiên lượng tại khoa hồi sức cấp cứu tại Việt Nam. Tuy nhiên, đối với các mô hình tiên lượng cho bệnh nội khoa tại khoa cấp cứu chỉ mới có một nghiên cứu được thực hiện ở quần thể người Việt Nam. Kết quả cho thấy chỉ số AUC của hai mô hình REMS và WPS khi tiên lượng tử vong trong vòng 30 ngày chỉ ở mức trung bình. Điều này cho thấy, vẫn còn có những yếu tố nguy cơ khác cho phép dùng để tiên lượng kết cục điều trị bệnh nhân nội khoa tại khoa cấp cứu. Trong bối cảnh y tế Việt Nam, sự khác biệt về tính phân biệt khi ứng dụng các mô hình tiên lượng được phát triển ở các nước Âu Mỹ có thể liên quan đến nguồn lực y tế và mức độ nặng của bệnh. Chương 2: Đối tượng và phương pháp nghiên cứu 2.1. Địa điểm nghiên cứu Khoa cấp cứu của Bệnh viện Đa khoa Trung ương Cần Thơ. 2.2. Thiết kế nghiên cứu Nghiên cứu được thiết kế theo mô hình quan sát tiến cứu. 2.3. Bệnh nhân nghiên cứu Quần thể nghiên cứu là những bệnh nhân có bệnh lý nội khoa từ 16 tuổi trở lên đến khám tại phòng cấp cứu và có chỉ định nhập viện. Bệnh nhân được xem là có bệnh lý nội khoa khi nhập viện không do nguyên nhân chấn thương và không có chỉ định phẫu thuật; ngoại trừ các phẫu thuật do đột quỵ não, xuất huyết tiêu hóa trên, và tràn khí màng phổi nguyên phát. 8 2.3.1. Tiêu chuẩn nhận Bệnh nhân được nhận vào nghiên cứu khi có tất cả các tiêu chuẩn sau: Tuổi từ 16 trở lên, tự đến khám hoặc do trung tâm y tế khác chuyển đến do bệnh lý nội khoa, có chỉ định nhập viện, và đồng ý tham gia vào nghiên cứu. 2.3.2. Tiêu chuẩn loại Các bệnh nhân sau đây không được đưa vào nghiên cứu: Hội chứng vành cấp, bỏng, ngưng tim trước khi vào viện hoặc ngưng tim tại khoa cấp cứu với hồi sinh tim phổi thất bại, rắn cắn, côn trùng cắn hoặc đốt, ngộ độc (thuốc, rượu, paraquat, thuốc trừ sâu, thuốc diệt chuột, và chất ăn mòn), và có thai. 2.3.3. Tiêu chuẩn ngừng tham gia Bệnh nhân có thể rút khỏi nghiên cứu vào bất kỳ lúc nào mà không ảnh hưởng đến liệu pháp điều trị và kết quả điều trị. Bệnh nhân được cho ngừng tham gia nghiên cứu khi xảy ra một trong các tình huống sau: Không hợp tác điều trị, chuyển trung tâm y khoa khác khi tình trạng lâm sàng chưa cải thiện, không liên lạc được bằng điện thoại, và xuất viện do thân nhân hoặc bệnh nhân tự xin về. 2.4. Cỡ mẫu Cỡ mẫu được ước lượng dựa vào mục tiêu nghiên cứu chính, tức là dựa trên số lượng biến cố tử vong cho mỗi yếu tố tiên lượng theo phương pháp của Peduzzi. Từ các mô hình tiên lượng REMS, RAPS, WPS, RLD, SCS, ALTs đã được nghiên cứu chúng tôi dự đoán rằng mô hình tiên lượng có khoảng 12 yếu tố tiên lượng. Vì tỷ lệ hợp lý tối thiểu là 10 biến cố tử vong cho mỗi yếu tố tiên lượng, và tỷ lệ tử vong trong nghiên cứu sơ khởi ở bệnh nhân có bệnh lý nội khoa cấp cứu tại Bệnh viện Đa khoa Trung ương Cần Thơ là 6,6%, 9 do đó nghiên cứu cần tối thiểu khoảng 1820 bệnh nhân cho việc xây dựng mô hình tiên lượng. ỡ ẫ = 10 ∗ ố ượ ế ố ê ượ ỷ ệ ử = 10 ∗ 12 0.066 ≈ 1820 Giả định tỷ lệ bệnh nhân ngừng tham gia nghiên cứu khoảng 10% và tỷ lệ bệnh nhân bị khuyết dữ liệu khoảng 10%, chúng tôi tính toán được cỡ mẫu cho toàn bộ nghiên cứu khoảng 2184 bệnh nhân. 2.5. Quy trình nghiên cứu Tất cả bệnh nhân đủ tiêu chuẩn nhận và không có tiêu chuẩn loại đều được mời tham gia nghiên cứu. Sau khi xác nhận đồng ý tham gia nghiên cứu, các cộng tác viên trong nhóm nghiên cứu tiến hành thu thập các dữ liệu nghiên cứu bao gồm: Đặc điểm lâm sàng, tiền sử bệnh, và thực hiện các xét nghiệm theo yêu cầu của đề cương nghiên cứu. Kết cục điều trị được ghi nhận sau thời gian 30 ngày. 2.6. Kết cục nghiên cứu Kết cục chính của nghiên cứu này là tử vong trong vòng 30 ngày kể từ ngày nhập viện, được xác nhận qua điện thoại khi nghiên cứu viên liên hệ với thân nhân hoặc bệnh nhân. Bệnh nhân được xem là tử vong khi có một trong các tiêu chuẩn sau: (a) bệnh nhân tử vong trong bệnh viện do bất kỳ nguyên nhân nào, hoặc (b) thân nhân xin cho bệnh nhân xuất viện và bệnh nhân tử vong trong vòng 24 giờ sau khi xuất viện, hoặc (c) bác sỹ cho xuất viện và bệnh nhân tử vong tại nhà. Tử vong trong ngày đầu tiên nhập viện được gọi là ngày 0. 2.7. Các yếu tố nguy cơ Trong vòng 15 phút đầu tiên kể từ khi bệnh nhân được đưa vào phòng cấp cứu, cộng tác viên thu thập số liệu ghi nhận các dữ liệu y khoa bao gồm sinh hiệu, điểm Glasgow, số ngày điều trị ở 10 bệnh viện khác, số ngày khởi phát bệnh, tình trạng chức năng, và thực hiện các xét nghiệm được quy định trong đề cương. Ngay trước khi bệnh nhân được chuyển đến khoa khác các dữ liệu sau được tiếp tục ghi nhận: Hồi sinh tim phổi, thông khí cơ học, điều trị tại khoa hồi sức cấp cứu theo chỉ định, và tiền sử bệnh. Các yếu tố nguy cơ là xét nghiệm được ghi nhận bao gồm: Công thức máu, urea huyết thanh, đường huyết, creatinine huyết thanh, bilirubin toàn phần huyết thanh, albumin huyết thanh, natri huyết thanh, kali huyết thanh, aspartate transaminase (AST), và alanine transaminase (ALT). 2.8. Phương pháp phân tích Giai đoạn đầu, thống kê mô tả được thực hiện để mô tả các biến số có phân tầng theo tình trạng sống còn và tử vong của bệnh nhân. Giai đoạn tiếp theo, phương pháp Bayesian Model Averaging (BMA) được sử dụng để tìm mô hình tiên lượng tối ưu trong tiên lượng tử vong. Tính phân biệt của các mô hình được đánh giá bằng chỉ số AUC trong tiên lượng tử vong 30 ngày. Khả năng hiệu chuẩn của mô hình được kiểm định bằng phép kiểm Hosmer-Lemeshow. Mô hình được chọn lựa dùng để vẽ toán đồ. Các toán đồ này được dùng để ước lượng nguy cơ tử vong trong vòng 30 ngày. Phương pháp BMA được thực hiện bằng gói phần mềm “BMA”. Các toán đồ được vẽ bằng gói phần mềm “rms”. Tất cả các phân tích được thực hiện bằng phần mềm R, phiên bản 3.1.0. Các phân tích được cho là có ý nghĩa thống kê khi trị số P < 0,05. 11 Chương 3: Kết quả nghiên cứu Trong thời gian nghiên cứu từ 13/03/2013 đến 01/06/2013 chúng tôi đã tuyển được 2179 bệnh nhân. Tuy nhiên, có 59 bệnh nhân không đáp ứng được tiêu chuẩn nhận hoặc có tiêu chuẩn loại, 12 bệnh nhân bị khuyết dữ liệu ở tiêu chuẩn loại, 271 bệnh nhân ngừng tham gia nghiên cứu (trong số này có 66 bệnh nhân nặng về và tử vong sau đó, 28 bệnh nhân không liên hệ được, và 177 bệnh nhân còn sống sau khi ngừng tham gia). Kể cả bệnh nhân còn sống sau khi ngừng tham gia nghiên cứu còn lại tổng cộng 2014 bệnh nhân; trong số này có 73 bệnh nhân bị khuyết dữ liệu, 2 bệnh nhân có số ngày khởi phát bệnh là giá trị ngoại vi. Do đó, còn lại 1939 bệnh nhân được đưa vào phân tích. 3.1. Đặc điểm quần thể nghiên cứu Tính theo trung vị, thời gian nằm viện là 6 ngày (khoảng tứ phân vị: 4 – 10 ngày). Trong thời gian theo dõi 30 ngày sau khi nhập viện từ khoa cấp cứu, 172 bệnh nhân tử vong. Do đó, tỷ lệ tử vong là 8,8% (KTC 95%: 7,6 – 10,2%). 3.1.1. Đặc điểm lâm sàng Tuổi trung vị của bệnh nhân trong nghiên cứu là 68 (khoảng tứ phân vị: 55 – 80 tuổi), không có sự khác biệt có ý nghĩa thống kê về tuổi giữa nhóm sống sót và nhóm tử vong (trị số P = 0,082, kiểm định Wilcoxon). Trong các dấu hiệu lâm sàng, dấu hiệu sinh tồn (mạch, nhiệt độ, huyết áp tâm thu, nhịp thở, và SpO2) cho thấy có sự khác biệt giữa nhóm sống sót và nhóm tử vong. Nhịp thở gia tăng trung vị là 4 nhịp/phút ở nhóm tử vong so với nhóm sống sót (KTC 95%: 2 – 5 lần/phút). Tương tự, SpO2 giảm trung vị 3,5% ở nhóm tử vong so với nhóm sống sót (KTC 95%: 3 – 5%). Ngoài ra, các dấu hiệu lâm sàng khác như giới tính, hồi sinh tim phổi, thông khí nhân 12 tạo, điểm Glasgow, tình trạng chức năng, và chỉ định điều trị tại khoa hồi sức cấp cứu cũng có sự khác biệt giữa nhóm sống sót so với nhóm tử vong. Các dấu hiệu lâm sàng khác như số ngày điều trị ở bệnh viện khác, số ngày khởi phát bệnh chưa thấy có sự khác biệt giữa nhóm sống sót và nhóm tử vong. 3.1.2. Đặc điểm tiền sử bệnh Trong 1939 bệnh nhân tham gia nghiên cứu, các bệnh cơ bản thường gặp là đái tháo đường (671 bệnh nhân, 34,6%), suy tim (121 bệnh nhân, 6,2%), khó thở lâm sàng (115 bệnh nhân, 5,9%), suy thận mạn (84 bệnh nhân, 4,3%), và xơ gan báng bụng (56 bệnh nhân, 2,9%). Ngoài ra, còn một số tình trạng bệnh lý cơ bản khác với số lượng ít hơn như bệnh lý ung thư, leukemia hoặc myeloma, lymphoma, suy giảm miễn dịch do thuốc. Các tình trạng bệnh lý như đái tháo đường, suy tim, khó thở lâm sàng, và xơ gan báng bụng cho thấy có sự khác biệt giữa nhóm sống sót và nhóm tử vong. 3.1.3. Đặc điểm cận lâm sàng Các chỉ số sinh hóa có sự khác biệt giữa nhóm sống sót và nhóm tử vong như urea huyết thanh, đường huyết, creatinine huyết thanh, bilirubin toàn phần huyết thanh, albumin huyết thanh, AST, và ALT. Urea huyết thanh ở nhóm sống sót thấp hơn ở nhóm tử vong trung vị là 2,2 mmol/L (KTC 95%: 1,1 – 3,2 mmol/L); tương tự, creatinine huyết thanh ở nhóm sống sót thấp hơn ở nhóm tử vong trung vị là 18 µmol/L (KTC 95%: 11 – 27 µmol/L). Các chỉ số sinh hóa khác cũng có sự gia tăng trung vị ở nhóm tử vong so với nhóm sống sót như đường huyết (1,3 mmol/L, KTC 95%: 0,7 – 2,0 mmol/L), bilirubin toàn phần huyết thanh (2,0 µmol/L, KTC 95%: 0,6 – 4,1 µmol/L), AST (15,5 U/L, KTC 95%: 6,0 – 20,0), và ALT (5 U/L, KTC 95%: 1 – 8,5 U/L). Ngược lại, nồng độ albumin huyết 13 thanh giảm ở nhóm tử vong so với nhóm sống sót (giảm trung vị 4,0 g/L, KTC 95%: 1,5 – 6,0 g/L). Các biến số natri huyết thanh và kali huyết thanh chưa thấy có sự khác biệt giữa nhóm sống sót và nhóm tử vong. Tương tự, các chỉ số huyết học cũng có sự khác biệt giữa nhóm sống sót và nhóm tử vong như hemoglobin, số lượng bạch cầu, và tiểu cầu. Hemoglobin ở nhóm sống sót cao hơn ở nhóm tử vong trung vị 0,5 g/dL (KTC 95%: 0,0 – 0,9 g/dL); số lượng bạch cầu ở nhóm sống sót thấp hơn ở nhóm tử vong trung vị 2,5 K/µL (KTC 95%: 1,6 – 3,6 K/µL); và số lượng tiểu cầu ở nhóm sống sót cao hơn ở nhóm tử vong trung vị 19,5 K/µL (KTC 95%: 1,0 – 35,0 K/µL). 3.2. Lựa chọn mô hình tiên lượng tối ưu Chúng tôi phát triển 2 loại mô hình: (1) mô hình từ các dấu hiệu lâm sàng không xâm lấn và (2) mô hình kết hợp dấu hiệu lâm