引用本文： 黄文彬, 刘伟, 夏梦梅, 王禹喆, 徐平. 急性一氧化碳中毒迟发性脑病列线图预测模型的构建. 华西医学, 2023, 38(11): 1648-1654. doi: 10.7507/1002-0179.202310019 复制
一氧化碳（carbon monoxide, CO）中毒是吸入较高浓度 CO 引起的急性脑缺氧性疾病，以头昏、头痛、呕吐、意识障碍等症状为主要临床表现。急性一氧化碳中毒迟发性脑病（delayed encephalopathy after acute carbon monoxide poisoning, DEACMP）是指 CO 中毒患者在经过 2～60 d 的“假愈期”后再次出现一系列神经、精神障碍表现，15%～40% 的 CO 中毒患者会出现 DEACMP，给患者、家庭与社会带来严重负担[1-3]。近年来国内外研究发现，格拉斯哥昏迷量表（Glasgow Coma Scale, GCS）评分、气管插管、肌酸激酶、CO 暴露时间等因素与 DEACMP 的发生密切相关[4-6]。列线图能将复杂的统计模型图形化、可视化，通过计算结局事件的预测值辅助临床决策。目前已有学者构建中重度急性 CO 中毒发生迟发性脑病的列线图模型[7]，但是鉴于较多基层医院在发病初期因不能及时检测碳氧血红蛋白浓度等原因而不能对 CO 中毒进行准确分级，所以一种适用于所有病情分级的 DEACMP 预测工具亟待开发。因此，本研究团队通过单中心回顾性研究构建广泛应用于所有 CO 中毒（包括轻中重度）后发生迟发性脑病的列线图，旨在帮助临床医生准确预测 DEACMP 发生，指导临床工作。
1 对象与方法
本研究为单中心回顾性研究。
1.1 研究对象
回顾性纳入 2011 年 6 月 1 日—2023 年 5 月 31 日在自贡市人民医院急诊科就诊的所有急性 CO 中毒患者。纳入标准：符合急性 CO 中毒诊断标准［参考《职业性急性一氧化碳中毒诊断标准》（GBZ 23－2002）］。排除标准：① 未发生 CO 中毒前已经出现神经系统症状体征，难以与 DEACMP 相鉴别；② 病历中临床资料不完整以及无法随访预后；③ 确诊 DEACMP 后再次入院。本研究经自贡市第四人民医院伦理委员会审批通过（意见号：2020KY018）。
1.2 数据收集
通过嘉和美康科研查询系统检索急性 CO 中毒的所有病例，通过医院信息系统、实验室信息系统提取患者的基本信息、检验数据结果；通过查询医院信息系统、联众电子病历打印系统、电话等方式随访结局。数据结构包括：① 人口学特征：性别和年龄；② 入院生命体征：体温、心率、呼吸频率、收缩压、动脉血氧饱和度等；③ 既往史；④ GCS 评分；⑤ 临床症状以及体格检查；⑥ 入院时实验室检查数据：血液分析、肝肾功能、心肌酶谱以及血气分析；⑦ 终点指标：急性 CO 中毒发生后 2～60 d 发生 DEACMP。
1.3 DEACMP 诊断标准
参考《CO 中毒迟发性脑病诊断与治疗中国专家共识》[8]，DEACMP 诊断标准为：① 有明确的急性 CO 中毒病史；② 有假愈期；③ 假愈期后出现以痴呆、精神症状、肌张力增高和震颤麻痹为主的典型临床表现；④ 头颅 MRI 存在以半卵圆中心和侧脑室周围白质为主要部位的对称性 T2 高信号改变；⑤ 排除其他原因导致的脑病。
1.4 样本量计算方法
回归分析中样本量的估算采用平均事件发生数方法，为保持检验结果稳健，取平均事件发生数 10[9-10]。样本量计算采用 PASS 11.0 统计学软件，取 α=0.05 及 β=0.2 计算样本量[11]。
1.5 统计学方法
应用 R 4.2.2 软件进行统计分析。计量资料均非正态分布，采用中位数（下四分位数，上四分位数）［M（QL，QU）］表示，组间比较采用 Wilcoxon 秩和检验。分类资料以例数和/或百分数表示，组间比较采用 χ2 检验、校正 χ2 检验或 Fisher 确切概率法检验。将所有 CO 中毒患者通过 Bootstrap 随机抽样的方法按 6∶4 的比例分为训练集与测试集。训练集采用 LASSO 回归筛选变量，以是否发生 DEACMP 作为终点指标，通过“交叉验证”选择 λ，根据平均误差在 1 个标准差以内的最大 λ 值筛选出变量纳入预测模型；基于 LASSO 回归筛选的变量构建预测发生 DEACMP 的列线图，将每个变量赋予相应的分值，累计各变量总分与结果量表进行对照从而获得预测 DEACMP 发生风险。在训练集与测试集分别进行验证：通过绘制受试者操作特征（receiver operating characteristic, ROC）曲线并计算曲线下面积（area under the curve, AUC）及其 95% 置信区间（confidence interval, CI），计算净重新分类指数（net reclassification index, NRI）与综合判别改善指数（integrated discrimination improvement, IDI）验证列线图的区分度，并绘制校准曲线及决策曲线验证校准度与临床实用性。双侧检验水准 α=0.05。
2 结果
2.1 基线资料
共纳入符合研究标准的急性 CO 中毒患者 475 例，其中 41 例（8.63%）发生 DEACMP。DEACMP 组年龄、收缩压、肌酸激酶、天冬氨酸转氨酶（aspartate aminotransferase, AST）高于非 DEACMP 组（P<0.05），DEACMP 组 GCS 评分、心率、血钙低于非 DEACMP 组（P<0.05），其余变量两组比较差异均无统计学意义（P>0.05），详见表1。
表1
DEACMP 组与非 DEACMP 组患者基线资料比较
将纳入数据库的所有急性 CO 中毒患者分为训练集与测试集，通过基线资料发现，训练集与测试集之间的所有变量比较，差异均无统计学意义（P>0.05），见表2。
表2
训练集与测试集基线资料比较
2.2 LASSO 回归筛选变量
训练集采用 LASSO 回归“交叉验证”方法，选择出平均误差在 1 个标准差以内的最大 λ 值，最终筛选出年龄、GCS、AST 3 个变量（图1）。
图1
LASSO 回归“交叉验证”法筛选变量
a. LASSO 筛选变量动态过程图；b. 交叉验证曲线。coefficients：系数；Log（
2.3 构建列线图
根据 LASSO 回归筛选的年龄、GCS、AST 3 个变量构建列线图，如图2 所示。
图2
DEACMP 预测模型列线图
GCS：格拉斯哥昏迷量表；AST：天冬氨酸转氨酶；DEACMP：急性一氧化碳中毒迟发性脑病
2.4 模型验证
2.4.1 区分度
训练集列线图、GCS 评分预测 DEACMP 的 ROC 曲线 AUC 为 0.897［95%CI（0.829，0.966）］、0.877［95%CI（0.797，0.957）］；测试集列线图、GCS 评分预测 DEACMP 的 ROC 曲线 AUC 分别为 0.925［95%CI（0.865，0.985）］、0.858［95%CI（0.752，0.965）］。见图3。
图3
列线图、GCS 评分分别预测 DEACMP 发生的 ROC 曲线
a. 训练集；b. 测试集。每条 ROC 曲线标注最佳截断值（灵敏度，特异度）；GCS：格拉斯哥昏迷量表；DEACMP：急性一氧化碳中毒迟发性脑病；ROC：受试者操作特征；AUC：曲线下面积
训练集、测试集的列线图与 GCS 比较的 NRI 与 IDI 值见表3。可见，在训练集和测试集中，列线图相对于 GCS 评分均有正向改善能力。
表3
列线图对比 GCS 评分预测能力改善的指标
2.4.2 校准曲线与决策曲线
训练集列线图 Hosmer-Lemeshow 检验 P 值为 0.233、测试集列线图 Hosmer-Lemeshow 检验 P 值为 0.967，提示预测值与实际值无明显差异。训练集 GCS 评分 Hosmer-Lemeshow 检验 P 值<0.001，测试集 GCS 评分 Hosmer-Lemeshow 检验 P 值<0.001，提示预测值与实际值有明显差异，见图4。决策曲线显示：训练集与测试集中列线图与 GCS 评分相比较，列线图都具有更好的临床净获益（图5）。
图4
列线图与 GCS 评分预测 DEACMP 的校准曲线
a. 训练集列线图；b. 训练集 GCS 评分；c. 测试集列线图；d. 测试集 GCS 评分。GCS：格拉斯哥昏迷量表；DEACMP：急性一氧化碳中毒迟发性脑病
图5
列线图与 GCS 预测 DEACMP 的决策曲线
a. 训练集列线图、GCS 的临床净获益的比较；b. 测试集列线图、GCS 的临床净获益的比较。GCS：格拉斯哥昏迷量表；DEACMP：急性一氧化碳中毒迟发性脑病
3 讨论
DEACMP 为急性 CO 中毒后最常见和最严重的并发症，病死率高，幸存者容易出现不同程度的神经功能障碍，造成巨大的医疗费用支出[12-13]。由于目前针对急诊科 CO 中毒患者发生 DEACMP 尚无公认的结局预测模型，因此本研究通过收集整理 CO 中毒患者的临床资料，在训练集里通过 LASSO 回归筛选出年龄、GCS 评分、AST 3 个变量构建列线图预测 DEACMP。在分组模型验证的情况下，新构建的列线图模型预测效能均大于单独的 GCS 评分，列线图校准曲线显示其预测值与实际值相近，决策曲线显示列线图具有更好的临床净获益。
目前关于 CO 中毒发生 DEACMP 预测因子的研究较多，大多数与 GCS 评分有关，截断值通常在 9～13 分[14-17]。我们研究团队前期关于 GCS 评分预测 DEACMP 发生的研究发现，GCS 评分预测 DEACMP 发生的 AUC 值为 0.899［95%CI（0.839，0.960），P<0.001］[18]，从而推测 GCS 评分可能是一个较神经体格检查异常（精神状态改变、头痛、GCS 评分低、癫痫）更快速有用的 DEACMP 预测工具。本研究在前期研究基础上建立更大样本量的数据库，通过 LASSO 回归筛选出年龄、GCS 及 AST 3 个危险因素构建列线图，结果表明在训练集与测试集中，列线图区分度、校准度与临床实用性优于 GCS 评分，且变量少，能更好地服务及应用于一线临床工作。
Mu 等[15]对重庆医科大学附属第一医院 107 例 CO 中毒患者进行回顾性分析，结果表明年龄、CO 来源、GCS 和高压氧治疗是发生 DEACMP 的危险因素，训练集 AUC=0.93，测试集 AUC=0.97。该研究模型的 AUC 较本研究更高，分析原因是纳入研究的群体不同所致，该研究纳入较多重症监护病房患者，DEACMP 发生率高达 62.6%，而本研究纳入的是急诊 CO 中毒患者，DEACMP 发生率仅为 8.63%。另一项研究纳入河北省 5 家二级医院共 326 例 CO 中毒患者，结果表明年龄大于 41 岁、现场 GCS 评分小于 8 分、急诊科 GCS 评分小于 11 分是 CO 中毒患者发生 DEACMP 的独立预测因素，现场 GCS 评分与急诊科 GCS 评分预测 DEACMP 的 AUC 分别为 0.900 与 0.855[16]。本研究急诊科 GCS 评分 AUC 与该研究类似，未来研究如果纳入现场 GCS 评分可能进一步改善模型预测效能。一项韩国的前瞻性双中心队列研究基于肌酸激酶、高压氧治疗、GCS、年龄、休克建立新的评分系统 COGAS（creatine kinase, hyperbaric oxygen therapy, Glasgow Coma Scale, age, shock），训练集 COGAS 评分的 AUC 为 0.862，验证集 COGA 评分的 AUC 为 0.870[19]，与本研究结果类似。这 3 项国内外研究与本研究均表明年龄、GCS 是 DEACMP 发生的独立危险因素，分析原因可能为：随着年龄增长，患者神经功能恢复能力下降，DEACMP 发生率高；GCS 评分一定程度反映 CO 中毒造成早期神经功能损伤情况，GCS 评分越低说明早期损伤程度越重，发生 DEACMP 可能性越大。
本研究还发现 AST 是发生 DEACMP 的另一个独立危险因素，这可能与 CO 中毒后细胞缺氧有关。DEACMP 的病理变化主要包括线粒体功能障碍、氧化应激、脂质过氧化和细胞凋亡[20-21]。大约 80% 的 AST 分布于线粒体中，当发生 DEACMP 后细胞缺氧凋亡、线粒体受损，导致 AST 释放升高。Oba 等[22]对单中心 51 例急性脑病患儿（诊断标准：意识障碍持续时间≥24 h，日本昏迷量表≥10 分或 GCS≤13 分，发病时体温≥37.5℃）进行回顾性分析，研究表明 AST≥46 U/L［比值比=18.5，95%CI（1.7，191.0），P=0.01］是不良预后（儿童脑功能分类量表≥4 分）的独立危险因素，分析原因 AST 升高可能与脑皮质功能减退、多器官功能不全等因素相关。另一项回顾性分析将日本 7 家医院 2008 年—2012 年共 1612 例年龄<16 岁复杂热性惊厥患儿纳入研究，结果表明发病 6 h 内 AST>90 U/L［比值比=106.80，95%CI（46.81，243.69），P<0.001］是预测不良结局（儿童脑功能分类量表≥2 分）的独立危险因素，分析 AST 升高的原因可能与细胞因子风暴有关[23]。
本研究存在一定局限性。首先，本研究为单中心回顾性研究，缺乏国际化、多中心前瞻性研究进行验证。其次，部分患者因临床资料不全、随访失败等原因被排除入组，故数据处理过程中可能存在选择偏倚。此外，本研究数据因查询病历系统或者临床、检验资料提取不全等原因，CO 中毒类型、中毒时间、头颅影像学改变等资料无法收集，从而可能影响研究结果。
综上所述，年龄、GCS 及 AST 是 DEACMP 的独立危险因素，基于这些变量建立的列线图模型具有较好的预测价值及临床实用性，有助于临床医生更好地评估 DEACMP 的发生。未来我们将增加更多的变量进一步改良列线图，同时开展多中心前瞻性研究进一步验证其有效性和实用性。
利益冲突：所有作者声明不存在利益冲突。
一氧化碳（carbon monoxide, CO）中毒是吸入较高浓度 CO 引起的急性脑缺氧性疾病，以头昏、头痛、呕吐、意识障碍等症状为主要临床表现。急性一氧化碳中毒迟发性脑病（delayed encephalopathy after acute carbon monoxide poisoning, DEACMP）是指 CO 中毒患者在经过 2～60 d 的“假愈期”后再次出现一系列神经、精神障碍表现，15%～40% 的 CO 中毒患者会出现 DEACMP，给患者、家庭与社会带来严重负担[1-3]。近年来国内外研究发现，格拉斯哥昏迷量表（Glasgow Coma Scale, GCS）评分、气管插管、肌酸激酶、CO 暴露时间等因素与 DEACMP 的发生密切相关[4-6]。列线图能将复杂的统计模型图形化、可视化，通过计算结局事件的预测值辅助临床决策。目前已有学者构建中重度急性 CO 中毒发生迟发性脑病的列线图模型[7]，但是鉴于较多基层医院在发病初期因不能及时检测碳氧血红蛋白浓度等原因而不能对 CO 中毒进行准确分级，所以一种适用于所有病情分级的 DEACMP 预测工具亟待开发。因此，本研究团队通过单中心回顾性研究构建广泛应用于所有 CO 中毒（包括轻中重度）后发生迟发性脑病的列线图，旨在帮助临床医生准确预测 DEACMP 发生，指导临床工作。
1 对象与方法
本研究为单中心回顾性研究。
1.1 研究对象
回顾性纳入 2011 年 6 月 1 日—2023 年 5 月 31 日在自贡市人民医院急诊科就诊的所有急性 CO 中毒患者。纳入标准：符合急性 CO 中毒诊断标准［参考《职业性急性一氧化碳中毒诊断标准》（GBZ 23－2002）］。排除标准：① 未发生 CO 中毒前已经出现神经系统症状体征，难以与 DEACMP 相鉴别；② 病历中临床资料不完整以及无法随访预后；③ 确诊 DEACMP 后再次入院。本研究经自贡市第四人民医院伦理委员会审批通过（意见号：2020KY018）。
1.2 数据收集
通过嘉和美康科研查询系统检索急性 CO 中毒的所有病例，通过医院信息系统、实验室信息系统提取患者的基本信息、检验数据结果；通过查询医院信息系统、联众电子病历打印系统、电话等方式随访结局。数据结构包括：① 人口学特征：性别和年龄；② 入院生命体征：体温、心率、呼吸频率、收缩压、动脉血氧饱和度等；③ 既往史；④ GCS 评分；⑤ 临床症状以及体格检查；⑥ 入院时实验室检查数据：血液分析、肝肾功能、心肌酶谱以及血气分析；⑦ 终点指标：急性 CO 中毒发生后 2～60 d 发生 DEACMP。
1.3 DEACMP 诊断标准
参考《CO 中毒迟发性脑病诊断与治疗中国专家共识》[8]，DEACMP 诊断标准为：① 有明确的急性 CO 中毒病史；② 有假愈期；③ 假愈期后出现以痴呆、精神症状、肌张力增高和震颤麻痹为主的典型临床表现；④ 头颅 MRI 存在以半卵圆中心和侧脑室周围白质为主要部位的对称性 T2 高信号改变；⑤ 排除其他原因导致的脑病。
1.4 样本量计算方法
回归分析中样本量的估算采用平均事件发生数方法，为保持检验结果稳健，取平均事件发生数 10[9-10]。样本量计算采用 PASS 11.0 统计学软件，取 α=0.05 及 β=0.2 计算样本量[11]。
1.5 统计学方法
应用 R 4.2.2 软件进行统计分析。计量资料均非正态分布，采用中位数（下四分位数，上四分位数）［M（QL，QU）］表示，组间比较采用 Wilcoxon 秩和检验。分类资料以例数和/或百分数表示，组间比较采用 χ2 检验、校正 χ2 检验或 Fisher 确切概率法检验。将所有 CO 中毒患者通过 Bootstrap 随机抽样的方法按 6∶4 的比例分为训练集与测试集。训练集采用 LASSO 回归筛选变量，以是否发生 DEACMP 作为终点指标，通过“交叉验证”选择 λ，根据平均误差在 1 个标准差以内的最大 λ 值筛选出变量纳入预测模型；基于 LASSO 回归筛选的变量构建预测发生 DEACMP 的列线图，将每个变量赋予相应的分值，累计各变量总分与结果量表进行对照从而获得预测 DEACMP 发生风险。在训练集与测试集分别进行验证：通过绘制受试者操作特征（receiver operating characteristic, ROC）曲线并计算曲线下面积（area under the curve, AUC）及其 95% 置信区间（confidence interval, CI），计算净重新分类指数（net reclassification index, NRI）与综合判别改善指数（integrated discrimination improvement, IDI）验证列线图的区分度，并绘制校准曲线及决策曲线验证校准度与临床实用性。双侧检验水准 α=0.05。
2 结果
2.1 基线资料
共纳入符合研究标准的急性 CO 中毒患者 475 例，其中 41 例（8.63%）发生 DEACMP。DEACMP 组年龄、收缩压、肌酸激酶、天冬氨酸转氨酶（aspartate aminotransferase, AST）高于非 DEACMP 组（P<0.05），DEACMP 组 GCS 评分、心率、血钙低于非 DEACMP 组（P<0.05），其余变量两组比较差异均无统计学意义（P>0.05），详见表1。
表1
DEACMP 组与非 DEACMP 组患者基线资料比较
将纳入数据库的所有急性 CO 中毒患者分为训练集与测试集，通过基线资料发现，训练集与测试集之间的所有变量比较，差异均无统计学意义（P>0.05），见表2。
表2
训练集与测试集基线资料比较
2.2 LASSO 回归筛选变量
训练集采用 LASSO 回归“交叉验证”方法，选择出平均误差在 1 个标准差以内的最大 λ 值，最终筛选出年龄、GCS、AST 3 个变量（图1）。
图1
LASSO 回归“交叉验证”法筛选变量
a. LASSO 筛选变量动态过程图；b. 交叉验证曲线。coefficients：系数；Log（
2.3 构建列线图
根据 LASSO 回归筛选的年龄、GCS、AST 3 个变量构建列线图，如图2 所示。
图2
DEACMP 预测模型列线图
GCS：格拉斯哥昏迷量表；AST：天冬氨酸转氨酶；DEACMP：急性一氧化碳中毒迟发性脑病
2.4 模型验证
2.4.1 区分度
训练集列线图、GCS 评分预测 DEACMP 的 ROC 曲线 AUC 为 0.897［95%CI（0.829，0.966）］、0.877［95%CI（0.797，0.957）］；测试集列线图、GCS 评分预测 DEACMP 的 ROC 曲线 AUC 分别为 0.925［95%CI（0.865，0.985）］、0.858［95%CI（0.752，0.965）］。见图3。
图3
列线图、GCS 评分分别预测 DEACMP 发生的 ROC 曲线
a. 训练集；b. 测试集。每条 ROC 曲线标注最佳截断值（灵敏度，特异度）；GCS：格拉斯哥昏迷量表；DEACMP：急性一氧化碳中毒迟发性脑病；ROC：受试者操作特征；AUC：曲线下面积
训练集、测试集的列线图与 GCS 比较的 NRI 与 IDI 值见表3。可见，在训练集和测试集中，列线图相对于 GCS 评分均有正向改善能力。
表3
列线图对比 GCS 评分预测能力改善的指标
2.4.2 校准曲线与决策曲线
训练集列线图 Hosmer-Lemeshow 检验 P 值为 0.233、测试集列线图 Hosmer-Lemeshow 检验 P 值为 0.967，提示预测值与实际值无明显差异。训练集 GCS 评分 Hosmer-Lemeshow 检验 P 值<0.001，测试集 GCS 评分 Hosmer-Lemeshow 检验 P 值<0.001，提示预测值与实际值有明显差异，见图4。决策曲线显示：训练集与测试集中列线图与 GCS 评分相比较，列线图都具有更好的临床净获益（图5）。
图4
列线图与 GCS 评分预测 DEACMP 的校准曲线
a. 训练集列线图；b. 训练集 GCS 评分；c. 测试集列线图；d. 测试集 GCS 评分。GCS：格拉斯哥昏迷量表；DEACMP：急性一氧化碳中毒迟发性脑病
图5
列线图与 GCS 预测 DEACMP 的决策曲线
a. 训练集列线图、GCS 的临床净获益的比较；b. 测试集列线图、GCS 的临床净获益的比较。GCS：格拉斯哥昏迷量表；DEACMP：急性一氧化碳中毒迟发性脑病
3 讨论
DEACMP 为急性 CO 中毒后最常见和最严重的并发症，病死率高，幸存者容易出现不同程度的神经功能障碍，造成巨大的医疗费用支出[12-13]。由于目前针对急诊科 CO 中毒患者发生 DEACMP 尚无公认的结局预测模型，因此本研究通过收集整理 CO 中毒患者的临床资料，在训练集里通过 LASSO 回归筛选出年龄、GCS 评分、AST 3 个变量构建列线图预测 DEACMP。在分组模型验证的情况下，新构建的列线图模型预测效能均大于单独的 GCS 评分，列线图校准曲线显示其预测值与实际值相近，决策曲线显示列线图具有更好的临床净获益。
目前关于 CO 中毒发生 DEACMP 预测因子的研究较多，大多数与 GCS 评分有关，截断值通常在 9～13 分[14-17]。我们研究团队前期关于 GCS 评分预测 DEACMP 发生的研究发现，GCS 评分预测 DEACMP 发生的 AUC 值为 0.899［95%CI（0.839，0.960），P<0.001］[18]，从而推测 GCS 评分可能是一个较神经体格检查异常（精神状态改变、头痛、GCS 评分低、癫痫）更快速有用的 DEACMP 预测工具。本研究在前期研究基础上建立更大样本量的数据库，通过 LASSO 回归筛选出年龄、GCS 及 AST 3 个危险因素构建列线图，结果表明在训练集与测试集中，列线图区分度、校准度与临床实用性优于 GCS 评分，且变量少，能更好地服务及应用于一线临床工作。
Mu 等[15]对重庆医科大学附属第一医院 107 例 CO 中毒患者进行回顾性分析，结果表明年龄、CO 来源、GCS 和高压氧治疗是发生 DEACMP 的危险因素，训练集 AUC=0.93，测试集 AUC=0.97。该研究模型的 AUC 较本研究更高，分析原因是纳入研究的群体不同所致，该研究纳入较多重症监护病房患者，DEACMP 发生率高达 62.6%，而本研究纳入的是急诊 CO 中毒患者，DEACMP 发生率仅为 8.63%。另一项研究纳入河北省 5 家二级医院共 326 例 CO 中毒患者，结果表明年龄大于 41 岁、现场 GCS 评分小于 8 分、急诊科 GCS 评分小于 11 分是 CO 中毒患者发生 DEACMP 的独立预测因素，现场 GCS 评分与急诊科 GCS 评分预测 DEACMP 的 AUC 分别为 0.900 与 0.855[16]。本研究急诊科 GCS 评分 AUC 与该研究类似，未来研究如果纳入现场 GCS 评分可能进一步改善模型预测效能。一项韩国的前瞻性双中心队列研究基于肌酸激酶、高压氧治疗、GCS、年龄、休克建立新的评分系统 COGAS（creatine kinase, hyperbaric oxygen therapy, Glasgow Coma Scale, age, shock），训练集 COGAS 评分的 AUC 为 0.862，验证集 COGA 评分的 AUC 为 0.870[19]，与本研究结果类似。这 3 项国内外研究与本研究均表明年龄、GCS 是 DEACMP 发生的独立危险因素，分析原因可能为：随着年龄增长，患者神经功能恢复能力下降，DEACMP 发生率高；GCS 评分一定程度反映 CO 中毒造成早期神经功能损伤情况，GCS 评分越低说明早期损伤程度越重，发生 DEACMP 可能性越大。
本研究还发现 AST 是发生 DEACMP 的另一个独立危险因素，这可能与 CO 中毒后细胞缺氧有关。DEACMP 的病理变化主要包括线粒体功能障碍、氧化应激、脂质过氧化和细胞凋亡[20-21]。大约 80% 的 AST 分布于线粒体中，当发生 DEACMP 后细胞缺氧凋亡、线粒体受损，导致 AST 释放升高。Oba 等[22]对单中心 51 例急性脑病患儿（诊断标准：意识障碍持续时间≥24 h，日本昏迷量表≥10 分或 GCS≤13 分，发病时体温≥37.5℃）进行回顾性分析，研究表明 AST≥46 U/L［比值比=18.5，95%CI（1.7，191.0），P=0.01］是不良预后（儿童脑功能分类量表≥4 分）的独立危险因素，分析原因 AST 升高可能与脑皮质功能减退、多器官功能不全等因素相关。另一项回顾性分析将日本 7 家医院 2008 年—2012 年共 1612 例年龄<16 岁复杂热性惊厥患儿纳入研究，结果表明发病 6 h 内 AST>90 U/L［比值比=106.80，95%CI（46.81，243.69），P<0.001］是预测不良结局（儿童脑功能分类量表≥2 分）的独立危险因素，分析 AST 升高的原因可能与细胞因子风暴有关[23]。
本研究存在一定局限性。首先，本研究为单中心回顾性研究，缺乏国际化、多中心前瞻性研究进行验证。其次，部分患者因临床资料不全、随访失败等原因被排除入组，故数据处理过程中可能存在选择偏倚。此外，本研究数据因查询病历系统或者临床、检验资料提取不全等原因，CO 中毒类型、中毒时间、头颅影像学改变等资料无法收集，从而可能影响研究结果。
综上所述，年龄、GCS 及 AST 是 DEACMP 的独立危险因素，基于这些变量建立的列线图模型具有较好的预测价值及临床实用性，有助于临床医生更好地评估 DEACMP 的发生。未来我们将增加更多的变量进一步改良列线图，同时开展多中心前瞻性研究进一步验证其有效性和实用性。
利益冲突：所有作者声明不存在利益冲突。
