Development and validation of a nomogram for predicting long-term survival in patients with infective endocarditis: a single-center retrospective study.

چکیده اصلی

OBJECTIVE: To develop and internally validate a nomogram for predicting long-term survival in patients with infective endocarditis (IE), focusing on microbiological characteristics and surgical treatment. METHODS: We retrospectively analyzed 210 patients with IE. Clinical characteristics, laboratory data, echocardiographic findings, microbiological profiles, and treatment information were collected. LASSO regression was used for variable selection, followed by multivariable Cox regression to identify independent prognostic factors and construct the nomogram. Model performance was evaluated using time-dependent ROC curves, concordance index, calibration curves, and decision curve analysis. Internal validation was performed using bootstrap resampling. RESULTS: Among 210 patients (67.1% male; median age, 55 years), 125 (59.5%) underwent surgery. Seven independent prognostic factors identified from 11 LASSO-selected candidates were incorporated into the nomogram. The model showed good discrimination, with AUCs of 0.872, 0.840, and 0.846 for 1-, 3-, and 5-year survival prediction, respectively. The concordance index was 0.826. Calibration and decision curve analyses demonstrated good predictive accuracy and clinical utility. Blood culture-negative IE and Gram-negative bacterial infection were associated with poorer survival, whereas surgical treatment predicted improved outcomes. CONCLUSION.: We developed and internally validated a nomogram integrating clinical, microbiological, and treatment-related variables to predict long-term survival in IE patients, which may support individualized risk assessment and prognostic stratification.

ترجمه فارسی چکیده

هدف: توسعه و اعتبارسنجی داخلی یک نمودار برای پیش‌بینی بقا در بلندمدت در بیماران مبتلا به اندوکاردیت عفونی (IE)، با تمرکز بر ویژگی‌های میکروبیولوژیک و درمان جراحی. روش‌ها: ما به صورت بازگشتی ۲۱۰ بیمار با IE را تحلیل کردیم. ویژگی‌های بالینی، داده‌های آزمایشگاهی، یافته‌های اکوکاردیوگرافی، پروفایل‌های میکروبیولوژیک و اطلاعات درمان جمع‌آوری شدند. رگرسیون LASSO برای انتخاب متغیر استفاده شد، که به دنبال آن رگرسیون کسای چندمتغیره برای شناسایی عوامل پیش‌بینی‌کننده مستقل و ساخت نمودار انجام شد. عملکرد مدل با استفاده از منحنی‌های ROC وابسته به زمان، شاخص هماهنگی، منحنی‌های کالیبراسیون و تحلیل منحنی تصمیم ارزیابی شد. اعتبارسنجی داخلی با استفاده از بازآوری بوت‌استرپ انجام شد. نتایج: از میان ۲۱۰ بیمار (۶۷.۱٪ مرد؛ میانگین سنی ۵۵ سال)، ۱۲۵ (۵۹.۵٪) تحت عمل جراحی قرار گرفتند. هفت عامل پیش‌بینی‌کننده مستقل شناسایی شده از ۱۱ نامزد LASSO در نمودار گنجانده شدند. مدل نشان‌دهنده تفکیک‌پذیری خوب بود که AUCهای ۰.۸۷۲، ۰.۸۴۰ و ۰.۸۴۶ برای پیش‌بینی بقا در ۱، ۳ و ۵ سال به ترتیب بود. شاخص هماهنگی ۰.۸۲۶ بود. تحلیل‌های کالیبراسیون و تصمیم نشان‌دهنده دقت پیش‌بینی خوب و کاربرد بالینی بود. IE بدون کشت خون و عفونت با باکتری‌های گرم منفی با بقا بدتر مرتبط بودند، در حالی که درمان جراحی بستری به نتایج بهتر پیش‌بینی می‌شد. نتیجه‌گیری: ما یک نمودار توسعه و اعتبارسنجی داخلی که متغیرهای بالینی، میکروبیولوژیک و مرتبط با درمان را در هم می‌آمیزد برای پیش‌بینی بقا در بلندمدت در بیماران IE توسعه دادیم که می‌تواند ارزیابی ریسک فردی و طبقه‌بندی پروگنوستیک را پشتیبانی کند.

متن کامل اصلی