Construction and evaluation of a nomogram prediction model for bacterial infection in patients with decompensated hepatitis C cirrhosis

doi:10.3969/j.issn.1674-8115.2023.01.007

Abstract

Abstract:

Objective ·To explore the influencing factors of bacterial infection in decompensated stage of hepatitis C cirrhosis, and establish a risk prediction model of nomogram. Methods ·A total of 574 patients with decompensated hepatitis C cirrhosis were retrospectively collected from The Third People′s Hospital of Kunming between January 2020 and December 2021, and divided into non-infected and infected groups according to whether bacterial infection occurred. The general information, complications, and laboratory indicators were collected. The variables were screened by univariate analysis, and least absolute shrinkage and selection operator (LASSO) regression, and the nomogram model were constructed and verified by multivariate Logistic regression analysis of influencing factors. The decision curve and clinical impact curve (CIC) were used to evaluate the clinical application value of the model. Results ·Bacterial infections occurred in 28.4% (163/574) of the patients, with a total of 191 sites, mainly including spontaneous bacterial peritonitis (86/191) and pulmonary bacterial infections (79/191). Totally 78 strains of pathogens were isolated and cultured, mainly including Klebsiella pneumoniae (15/78) and Escherichia coli (15/78). Multivariate Logistic regression analysis showed that age ≥60 years [odds ratio (OR)=2.054, 95% confidence interval (CI) 1.104?3.822, P=0.023], female (OR=1.701, 95%CI 1.112?2.602, P=0.014), ascites (OR=2.386, 95%CI 1.601?3.557, P=0.000), history of invasive procedures in the last two weeks (OR=2.605, 95%CI 1.368?4.960, P=0.004), and hospitalization time≥2 weeks (OR=1.629, 95%CI 1.098?2.416, P=0.015) were independent risk factors for bacterial infection in decompensated hepatitis C cirrhosis patients, while infusing human serum albumin (OR=0.324, 95%CI 0.194?0.542, P=0.000) and high level of total cholesterol (OR=0.675, 95%CI 0.549?0.830, P=0.000) were protective factors. The nomogram model was constructed with the above seven influencing factors. Receiver operator characteristic (ROC) curve analysis showed that the area under the curve (AUC) was 0.736 and the sensitivity was 80.4%; and the specificity was 65.1%. Hosmer-lemeshow test showed that the model had a good degree of fit (χ²=9.030, P=0.340). The bootstrap method was used for internal repeated sampling for 1 000 times, the average absolute error was 0.010, the calibration curve and the ideal curve were basically fitted, and the predicted values were in good agreement with the actual values. The decision curve showed that the nomogram model had certain clinical practicability in the high risk threshold range (0.040?0.715). CIC showed that the nomogram model can be used to forecast the high-risk population in different levels. Conclusion ·The nomogram risk prediction model constructed in this study has good predictability, consistency and clinical practicability, and can provide evidence for clinicians to preliminary judge the risk of bacterial infection in patients with decompensated hepatitis C cirrhosis.

Key words: viral hepatitis C, bacterial infection, decompensated cirrhosis, risk factor, nomogram

CLC Number:

R512.6⁺3

XUE Linlin, LI Binghan, CHANG Lixian, LI Weikun, LIU Chunyun, LIU Li. Construction and evaluation of a nomogram prediction model for bacterial infection in patients with decompensated hepatitis C cirrhosis[J]. Journal of Shanghai Jiao Tong University (Medical Science), 2023, 43(1): 52-60.

Figures/Tables 6

TrendMD

References 32

1	中华人民共和国国家卫生健康委. 中国病毒性肝炎防治规划(2017—2020年)[EB/OL]. (2017-11-10)[2022-09-01]. http://www.nhc.gov.cn/ewebeditor/uploadfile/2017/11/20171113134002475.pdf.
	National Health Commission of the People′s Republic of China. Prevention and control plan of viral hepatitis in China (2017‒2020)[EB/OL]. (2017-11-10)[2022-09-01]. http://www.nhc.gov.cn/ewebeditor/uploadfile/2017/11/20171113134002475.pdf.
2	HEI F X, YE S D, DING G W, et al. Epidemiological analysis on reported hepatitis C cases in China from 2012 to 2016[J]. Biomed Environ Sci, 2018, 31(10): 773-776.
3	PIANO S, SINGH V, CARACENI P, et al. Epidemiology and effects of bacterial infections in patients with cirrhosis worldwide[J]. Gastroenterology, 2019, 156(5): 1368-1380.e10.
4	PLEGUEZUELO M, BENITEZ J M, JURADO J, et al. Diagnosis and management of bacterial infections in decompensated cirrhosis[J]. World J Hepatol, 2013, 5(1): 16-25.
5	FERNÁNDEZ J, PRADO V, TREBICKA J, et al. Multidrug-resistant bacterial infections in patients with decompensated cirrhosis and with acute-on-chronic liver failure in Europe[J]. J Hepatol, 2019, 70(3): 398-411.
6	中华医学会感染病学分会. 终末期肝病合并感染诊治专家共识(2021年版)[J]. 中华肝脏病杂志, 2022, 30(2): 147-158.
	Chinese Society of Infectious Diseases, Chinese Medical Association. Expert consensus on diagnosis and treatment of end－stage liver disease complicated infection (2021 version)[J]. Chinese Journal of Hepatology, 2022, 30(2): 147-158.
7	MIKUŁA T, SAPUŁA M, JABŁOŃSKA J, et al. Significance of heparin-binding protein and D-dimers in the early diagnosis of spontaneous bacterial peritonitis[J]. Mediators Inflamm, 2018, 2018: 1969108.
8	SPAHR L, MORARD I, HADENGUE A, et al. Procalcitonin is not an accurate marker of spontaneous bacterial peritonitis in patients with cirrhosis[J]. Hepato gastroenterology, 2001, 48(38): 502-505.
9	ZHU Y, CHENG H, MIN R, et al. Computed tomography images under the nomogram mathematical prediction model in the treatment of cerebral infarction complicated with nonvalvular atrial fibrillation and the impacts of virus infection[J]. Contrast Media Mol Imaging, 2022, 2022: 3950641.
10	LI S Y, YIN C H, CHEN J S, et al. A nomogram for predicting the development of serious bacterial infections in febrile term neonates: a single medical center experience in southern Taiwan[J]. Pediatr Neonatol, 2022, 63(6): 605-612.
11	XU X F, LI H W, SHENG Y J, et al. Nomogram for prediction of bronchial mucus plugs in children with Mycoplasma pneumoniae pneumonia[J]. Sci Rep, 2020, 10(1): 4579.
12	中华医学会肝病学分会, 中华医学会感染病学分会. 丙型肝炎防治指南(2019年版)[J]. 实用肝脏病杂志, 2020, 23(1): S33-S52.
	Chinese Society of Hepatology and Chinese Society of Infectious Diseases, Chinese Medical Association. Guidelines for prevention and treatment of hepatitis C (2019 edition)[J]. Journal of Practical Hepatology, 2020, 23(1): S33-S52.
13	PIANO S, TONON M, ANGELI P. Changes in the epidemiology and management of bacterial infections in cirrhosis[J]. Clin Mol Hepatol, 2021, 27(3): 437-445.
14	ALBILLOS A, DE GOTTARDI A, RESCIGNO M. The gut-liver axis in liver disease: pathophysiological basis for therapy[J]. J Hepatol, 2020, 72(3): 558-577.
15	吴柳, 洪灏, 李维正, 等. 肝硬化患者合并细菌感染的临床特征分析[J]. 中国感染与化疗杂志, 2020, 20(6): 601-606.
	WU L, HONG H, LI W Z, et al. Clinical characteristics of bacterial infections in patients with liver cirrhosis[J]. Chinese Journal of Infection and Chemotherapy, 2020, 20(6): 601-606.
16	徐文倩, 吴瑶麒, 张近远, 等. 慢性肝病女性患者绝经后雌激素抗肝纤维化的作用机制[J]. 临床肝胆病杂志, 2021, 37(10): 2425-2428.
	XU W Q, WU Y Q, ZHANG J Y, et al. Mechanism of estrogen against liver fibrosis in postmenopausal women with chronic liver disease[J]. Journal of Clinical Hepatology, 2021, 37(10): 2425-2428.
17	KLAIR J S, YANG J D, ABDELMALEK M F, et al. A longer duration of estrogen deficiency increases fibrosis risk among postmenopausal women with nonalcoholic fatty liver disease[J]. Hepatology, 2016, 64(1): 85-91.
18	MARTIN MATEOS R, ALBILLOS A. Sepsis in patients with cirrhosis awaiting liver transplantation: new trends and management[J]. Liver Transpl, 2019, 25(11): 1700-1709.
19	MARTÍNEZ J, HERNÁNDEZ-GEA V, RODRÍGUEZ-DE-SANTIAGO E, et al. Bacterial infections in patients with acute variceal bleeding in the era of antibiotic prophylaxis[J]. J Hepatol, 2021, 75(2): 342-350.
20	宫能凯, 全斌, 鲁俊, 等. 回归分析失代偿期肝硬化患者医院感染的危险因素[J]. 齐齐哈尔医学院学报, 2021, 42(9): 772-775.
	GONG N K, QUAN B, LU J, et al. Analysis of the risk factors of nosocomial infection among patients with decompensated liver cirrhosis inpatients based on regression analysis[J]. Journal of Qiqihar Medical University, 2021, 42(9): 772-775.
21	徐升, 徐芳, 应丽园, 等. 肝硬化合并上消化道出血患者医院感染的病原学特点及影响因素研究[J]. 中华医院感染学杂志, 2019, 29(1): 71-74.
	XU S, XU F, YING L Y, et al. Etiological charateristics and influencing factor for nosocomial infection in liver cirrhosis patients complicated with upper gastrointestinal hemorrhage[J]. Chinese Journal of Nosocomiology, 2019, 29(1): 71-74.
22	ARROYO V, ANGELI P, MOREAU R, et al. The systemic inflammation hypothesis: towards a new paradigm of acute decompensation and multiorgan failure in cirrhosis[J]. J Hepatol, 2021, 74(3): 670-685.
23	NING Y X, KIM J K, MIN H K, et al. Cholesterol metabolites alleviate injured liver function and decrease mortality in an LPS-induced mouse model[J]. Metabolism, 2017, 71: 83-93.
24	高鹏, 肖萍, 陈青锋, 等. 慢性乙型肝炎患者血脂水平的影响因素分析[J]. 第二军医大学学报, 2011, 32(12): 1375-1377.
	GAO P, XIAO P, CHEN Q F, et al. Analysis of factors influencing serum lipids of patients with chronic hepatitis B infection[J]. Academic Journal of Second Military Medical University, 2011, 32(12): 1375-1377.
25	DELGADO-COELLO B, BRIONES-ORTA M A, MACÍAS-SILVA M, et al. Cholesterol: recapitulation of its active role during liver regeneration[J]. Liver Int, 2011, 31(9): 1271-1284.
26	薛永举, 杨丽, 朱玉, 等. 血清白蛋白、胆碱酯酶及凝血酶原活动度对病毒性肝炎肝硬化的诊断价值[J]. 蚌埠医学院学报, 2019, 44(3): 306-308, 313.
	XUE Y J, YANG L, ZHU Y, et al. Value of the serum albumin, cholinesterase and prothrombin activity in the diagnosis of viral hepatitis cirrhosis[J]. Journal of Bengbu Medical College, 2019, 44(3): 306-308, 313.
27	文关良. 肝炎肝硬化患者血清CHE、ALB、CHO水平检测在肝功能评估中的临床应用价值[J]. 检验医学与临床, 2017, 14(18): 2741-2742.
	GUAN W L. Clinical application value of serum CHE, ALB and CHO levels in liver function assessment of patients with hepatitis cirrhosis[J]. Laboratory Medicine and Clinic, 2017, 14(18): 2741-2742.
28	DESCHÊNES M, VILLENEUVE J P. Risk factors for the development of bacterial infections in hospitalized patients with cirrhosis[J]. Am J Gastroenterol, 1999, 94(8): 2193-2197.
29	谭立明, 丁耀东, 陈娟娟, 等. C1q在自身免疫性疾病中的临床意义[J]. 检验医学, 2017, 32(8): 686-690.
	TAN L M, DING Y D, CHEN J J, et al. Complement 1q determination for autoimmune diseases[J]. Laboratory Medicine, 2017, 32(8): 686-690.
30	ZHANG Q, SHI B X, WU L. Characteristics and risk factors of infections in patients with HBV-related acute-on-chronic liver failure: a retrospective study[J]. PeerJ, 2022, 10: e13519.
31	杨慧玲, 刘小静, 何英利, 等. 失代偿期乙型肝炎肝硬化患者发生医院感染临床特点及危险因素分析[J]. 实用肝脏病杂志, 2020, 23(1): 78-81.
	YANG H L, LIU X J, HE Y L, et al.Clinical characteristics of and risk factors for nosocomial infections in patients with hospitalized decompensated hepatitis B liver cirrhosis[J]. Journal of Practical Hepatology, 2020, 23(1): 78-81.
32	CHINA L, FREEMANTLE N, FORREST E, et al. A randomized trial of albumin infusions in hospitalized patients with cirrhosis[J]. N Engl J Med, 2021, 384(9): 808-817.

Item	Non-bacterial infection group （n=411）	Bacterial infection group （n=163）	χ²/Z value	P value
Age≥60 years/n （%）	32 （7.8）	24 （14.7）	6.283	0.012
Gender/n （%）			6.381	0.012
Male	304 （74.0）	105 （64.4）
Female	107 （26.0）	58 （35.6）
Complication on admission/n （%）
Diabetes	74 （16.9）	20 （12.0）	2.803	0.094
Hypertension	107 （24.4）	5 （3.0）	1.926	0.588
Upper gastrointestinal Hemorrhage	19 （4.3）	4 （2.4）	1.427	0.232
Ascites	113 （25.7）	81 （48.5）	28.073	0.000
Hepatorenal syndrome	7 （1.6）	5 （3.0）	1.061	0.303
Hepatic encephalopathy	21 （4.8）	10 （6.0）	0.240	0.624
Portal hypertensive Gastroenteropathy	74 （16.9）	24 （14.4）	0.673	0.412
Hyperammonemia	24 （5.5）	18 （10.8）	4.660	0.031
History of invasive procedures in the last two weeks/n （%）^①	29 （7.1）	23 （14.1）	7.050	0.008
Infusing human serum albumin/n （%）	134 （32.6）	24（14.7）	18.703	0.000
Laboratory index
WBC/（×10⁹·L^-1）	4.0 （3.0， 5.2）	4.6 （3.6， 6.2）	-3.920	0.000
RBC/（×10⁹·L^-1）	4.0 （3.2， 4.8）	3.8 （3.0， 4.5）	-1.858	0.063
PLT/（×10⁹·L^-1）	76.0 （52.0， 110.0）	71.0 （47.0， 104.0）	-0.917	0.359
NEUT/（×10⁹·L^-1）	2.3 （1.6， 3.3）	3.0 （2.1， 4.4）	-4.730	0.000
HGB/（g·L^-1）	124.0 （101.0， 145.0）	121.3 （90.0， 145.0）	-1.817	0.069
TP/（g·L^-1）	68.0 （60.8， 72.8）	66.3 （58.2， 70.5）	-3.107	0.002
ALB/（g·L^-1）	32.9 （28.0， 38.7）	30.5 （24.9， 35.0）	-4.280	0.000
PA/（mg·L^-1）	114.9 （93.1， 134.7）	114.9 （76.6， 115.0）	-2.870	0.004
GPT/（U·L^-1）	39.0 （24.0， 64.0）	36.0 （23.0， 59.0）	-1.509	0.131
GOT/（U·L^-1）	59.0 （36.0， 94.0）	59.0 （36.0， 94.0）	-0.608	0.543
TBIL/（μmol·L^-1）	28.3 （18.0， 45.5）	36.0 （19.9， 69.4）	-2.728	0.006
TAG/（mmol·L^-1）	1.2 （0.7， 4.1）	1.1 （0.7， 4.1）	-0.496	0.620
CHOL/（mmol·L^-1）	3.3 （2.7， 3.9）	3.2 （2.4， 3.4）	-4.081	0.000
HDL-C/（mmol·L^-1）	1.4 （1.0， 1.9）	1.3 （0.9， 1.4）	-3.581	0.000
LDL-C/（mmol·L^-1）	1.3 （0.8， 1.6）	1.3 （0.8， 1.6）	-0.872	0.383
UR/（mmol·L^-1）	4.7 （3.4， 6.3）	5.3 （3.6， 7.4）	-1.590	0.112
CREA/（mmol·L^-1）	65.0 （54.0， 79.0）	71.0 （55.0， 90.0）	-3.100	0.002
UA/（μmol·L^-1）	354.0 （276.0， 443.0）	366.0 （303.0， 447.0）	-0.904	0.366
LDH/（U·L^-1）	210.1 （156.0， 231.0）	210.1 （159.0， 252.0）	-1.732	0.083
PT/s	15.1 （13.1， 16.8）	15.1 （10.3， 17.8）	-0.393	0.694
PTA/%	58.0 （42.0， 71.0）	54.7 （20.3， 68.0）	-1.937	0.053
INR	1.3 （1.2， 1.5）	1.3 （1.2， 1.6）	-2.708	0.007
AFP/（ng·mL^-1）	10.2 （5.2， 26.3）	8.7 （3.8， 1 476.3）	-0.073	0.942
ALP/（U·L^-1）	133.0 （99.0， 200.6）	143.0 （98.0， 200.6）	-0.806	0.420
IL-6/（pg·mL^-1）	21.0 （8.4， 64.5）	62.7 （23.1， 64.5）	-5.908	0.000
C1q/（mg·L^-1）	170.0 （142.0， 190.0）	164.7 （140.0， 177.0）	-1.878	0.060
hs-CRP/（mg·L^-1）	5.3 （0.8， 11.8）	4.2 （0.8， 11.8）	-0.639	0.523
Hospitalization time ≥2 weeks/n （%）	177 （43.1）	95 （58.3）	10.839	0.001

Item	Non-bacterial infection group （n=411）	Bacterial infection group （n=163）	χ²/Z value	P value
Age≥60 years/n （%）	32 （7.8）	24 （14.7）	6.283	0.012
Gender/n （%）			6.381	0.012
Male	304 （74.0）	105 （64.4）
Female	107 （26.0）	58 （35.6）
Complication on admission/n （%）
Diabetes	74 （16.9）	20 （12.0）	2.803	0.094
Hypertension	107 （24.4）	5 （3.0）	1.926	0.588
Upper gastrointestinal Hemorrhage	19 （4.3）	4 （2.4）	1.427	0.232
Ascites	113 （25.7）	81 （48.5）	28.073	0.000
Hepatorenal syndrome	7 （1.6）	5 （3.0）	1.061	0.303
Hepatic encephalopathy	21 （4.8）	10 （6.0）	0.240	0.624
Portal hypertensive Gastroenteropathy	74 （16.9）	24 （14.4）	0.673	0.412
Hyperammonemia	24 （5.5）	18 （10.8）	4.660	0.031
History of invasive procedures in the last two weeks/n （%）^①	29 （7.1）	23 （14.1）	7.050	0.008
Infusing human serum albumin/n （%）	134 （32.6）	24（14.7）	18.703	0.000
Laboratory index
WBC/（×10⁹·L^-1）	4.0 （3.0， 5.2）	4.6 （3.6， 6.2）	-3.920	0.000
RBC/（×10⁹·L^-1）	4.0 （3.2， 4.8）	3.8 （3.0， 4.5）	-1.858	0.063
PLT/（×10⁹·L^-1）	76.0 （52.0， 110.0）	71.0 （47.0， 104.0）	-0.917	0.359
NEUT/（×10⁹·L^-1）	2.3 （1.6， 3.3）	3.0 （2.1， 4.4）	-4.730	0.000
HGB/（g·L^-1）	124.0 （101.0， 145.0）	121.3 （90.0， 145.0）	-1.817	0.069
TP/（g·L^-1）	68.0 （60.8， 72.8）	66.3 （58.2， 70.5）	-3.107	0.002
ALB/（g·L^-1）	32.9 （28.0， 38.7）	30.5 （24.9， 35.0）	-4.280	0.000
PA/（mg·L^-1）	114.9 （93.1， 134.7）	114.9 （76.6， 115.0）	-2.870	0.004
GPT/（U·L^-1）	39.0 （24.0， 64.0）	36.0 （23.0， 59.0）	-1.509	0.131
GOT/（U·L^-1）	59.0 （36.0， 94.0）	59.0 （36.0， 94.0）	-0.608	0.543
TBIL/（μmol·L^-1）	28.3 （18.0， 45.5）	36.0 （19.9， 69.4）	-2.728	0.006
TAG/（mmol·L^-1）	1.2 （0.7， 4.1）	1.1 （0.7， 4.1）	-0.496	0.620
CHOL/（mmol·L^-1）	3.3 （2.7， 3.9）	3.2 （2.4， 3.4）	-4.081	0.000
HDL-C/（mmol·L^-1）	1.4 （1.0， 1.9）	1.3 （0.9， 1.4）	-3.581	0.000
LDL-C/（mmol·L^-1）	1.3 （0.8， 1.6）	1.3 （0.8， 1.6）	-0.872	0.383
UR/（mmol·L^-1）	4.7 （3.4， 6.3）	5.3 （3.6， 7.4）	-1.590	0.112
CREA/（mmol·L^-1）	65.0 （54.0， 79.0）	71.0 （55.0， 90.0）	-3.100	0.002
UA/（μmol·L^-1）	354.0 （276.0， 443.0）	366.0 （303.0， 447.0）	-0.904	0.366
LDH/（U·L^-1）	210.1 （156.0， 231.0）	210.1 （159.0， 252.0）	-1.732	0.083
PT/s	15.1 （13.1， 16.8）	15.1 （10.3， 17.8）	-0.393	0.694
PTA/%	58.0 （42.0， 71.0）	54.7 （20.3， 68.0）	-1.937	0.053
INR	1.3 （1.2， 1.5）	1.3 （1.2， 1.6）	-2.708	0.007
AFP/（ng·mL^-1）	10.2 （5.2， 26.3）	8.7 （3.8， 1 476.3）	-0.073	0.942
ALP/（U·L^-1）	133.0 （99.0， 200.6）	143.0 （98.0， 200.6）	-0.806	0.420
IL-6/（pg·mL^-1）	21.0 （8.4， 64.5）	62.7 （23.1， 64.5）	-5.908	0.000
C1q/（mg·L^-1）	170.0 （142.0， 190.0）	164.7 （140.0， 177.0）	-1.878	0.060
hs-CRP/（mg·L^-1）	5.3 （0.8， 11.8）	4.2 （0.8， 11.8）	-0.639	0.523
Hospitalization time ≥2 weeks/n （%）	177 （43.1）	95 （58.3）	10.839	0.001

Item	Univariate analysis		Multivariate analysis
Item	OR （95%CI）	P value	OR （95%CI）	P value
Age≥60 years	2.045 （1.164‒3.594）	0.013	2.054 （1.104‒3.822）	0.023
Gender （female）	1.569 （1.064‒2.316）	0.023	1.701 （1.112‒2.602）	0.014
Diabetes	1.567 （0.921‒2.666）	0.098	‒	‒
Hypertension	1.167 （0.709‒1.918）	0.544	‒	‒
Hyperammonemia	2.002 （1.055‒3.797）	0.034	‒	‒
Ascites	2.605 （1.789‒3.793）	0.000	2.386 （1.601‒3.557）	0.000
History of invasive procedures in the last two weeks^①	2.164 （1.211‒3.867）	0.009	2.605 （1.386‒4.960）	0.004
Infusing human serum albumin	0.357 （0.221‒0.577）	0.000	0.324 （0.194‒0.542）	0.000
Laboratory index
WBC	1.187 （1.099‒1.282）	0.000	‒	‒
NEUT	1.239 （1.131‒1.359）	0.000	‒	‒
HGB	0.995 （0.990‒1.000）	0.068	‒	‒
TP	0.980 （0.964‒0.997）	0.018	‒	‒
ALB	0.952 （0.930‒0.975）	0.000	‒	‒
PA	0.992 （0.988‒0.997）	0.000	‒	‒
TBIL	1.007 （1.003‒1.010）	0.000	‒	‒
CHOL	0.680 （0.559‒0.827）	0.000	0.675 （0.549‒0.830）	0.000
HDL-C	0.644 （0.485‒0.854）	0.002	‒	‒
LDL-C	1.001 （1.000‒1.003）	0.071	‒	‒
CREA	1.005 （1.001‒1.009）	0.007	‒	‒
IL-6	1.001 （1.000‒1.002）	0.027	‒	‒
C1q	0.995 （0.992‒0.999）	0.018	‒	‒
LDH	1.001 （1.000‒1.003）	0.071	‒	‒
INR	1.015 （0.932‒1.107）	0.727	‒	‒
Hospitalization time ≥2 weeks	1.847 （1.279‒2.677）	0.001	1.629 （1.098‒2.416）	0.015

Item	Univariate analysis		Multivariate analysis
Item	OR （95%CI）	P value	OR （95%CI）	P value
Age≥60 years	2.045 （1.164‒3.594）	0.013	2.054 （1.104‒3.822）	0.023
Gender （female）	1.569 （1.064‒2.316）	0.023	1.701 （1.112‒2.602）	0.014
Diabetes	1.567 （0.921‒2.666）	0.098	‒	‒
Hypertension	1.167 （0.709‒1.918）	0.544	‒	‒
Hyperammonemia	2.002 （1.055‒3.797）	0.034	‒	‒
Ascites	2.605 （1.789‒3.793）	0.000	2.386 （1.601‒3.557）	0.000
History of invasive procedures in the last two weeks^①	2.164 （1.211‒3.867）	0.009	2.605 （1.386‒4.960）	0.004
Infusing human serum albumin	0.357 （0.221‒0.577）	0.000	0.324 （0.194‒0.542）	0.000
Laboratory index
WBC	1.187 （1.099‒1.282）	0.000	‒	‒
NEUT	1.239 （1.131‒1.359）	0.000	‒	‒
HGB	0.995 （0.990‒1.000）	0.068	‒	‒
TP	0.980 （0.964‒0.997）	0.018	‒	‒
ALB	0.952 （0.930‒0.975）	0.000	‒	‒
PA	0.992 （0.988‒0.997）	0.000	‒	‒
TBIL	1.007 （1.003‒1.010）	0.000	‒	‒
CHOL	0.680 （0.559‒0.827）	0.000	0.675 （0.549‒0.830）	0.000
HDL-C	0.644 （0.485‒0.854）	0.002	‒	‒
LDL-C	1.001 （1.000‒1.003）	0.071	‒	‒
CREA	1.005 （1.001‒1.009）	0.007	‒	‒
IL-6	1.001 （1.000‒1.002）	0.027	‒	‒
C1q	0.995 （0.992‒0.999）	0.018	‒	‒
LDH	1.001 （1.000‒1.003）	0.071	‒	‒
INR	1.015 （0.932‒1.107）	0.727	‒	‒
Hospitalization time ≥2 weeks	1.847 （1.279‒2.677）	0.001	1.629 （1.098‒2.416）	0.015

[1]	CHEN Rong, ZHANG Meng, ZHU Diqi, GUO Ying, SHEN Jie. Nomogram for predicting the risk of coronary artery lesions in patients with Kawasaki disease based on anti-neutrophil cytoplasmic antibodies [J]. Journal of Shanghai Jiao Tong University (Medical Science), 2025, 45(4): 459-467.
[2]	LIU Chuxuan, ZUO Jiaxin, XIONG Ping. A nomogram based on ultrasound scoring parameters and clinical indicators for differentiating primary Sjὅgren′s syndrome from IgG4-related sialadenitis [J]. Journal of Shanghai Jiao Tong University (Medical Science), 2025, 45(3): 373-380.
[3]	DUN Yiting, ZHAO Jing, FENG Chengling, LI Xingjian, CUI Di, HAN Bangmin. Online risk calculator and nomogram prediction model for urinary incontinence after robot-assisted laparoscopic radical prostatectomy [J]. Journal of Shanghai Jiao Tong University (Medical Science), 2025, 45(10): 1361-1371.
[4]	LU Jiaping, LIU Xing, ZHANG Linshan, ZHAO Lin, ZHANG Min, LI Xiaoying, LIU Yuejun. Relationship between abdominal fat area and first-phase insulin secretion function of pancreatic β-cells in patients with type 2 diabetes [J]. Journal of Shanghai Jiao Tong University (Medical Science), 2025, 45(1): 42-50.
[5]	LI Yu, ZHANG Yu. Analysis of risk factors of adverse pregnancy outcomes in patients with chronic kidney disease [J]. Journal of Shanghai Jiao Tong University (Medical Science), 2024, 44(5): 560-566.
[6]	LI Ping, JIANG Huiru, YE Mengyue, WANG Yayu, CHEN Xiaoyu, YUAN Ancai, XU Wenjie, DAI Huimin, CHEN Xi, YAN Xiaoxiang, TU Shengxian, ZHENG Yuanqi, ZHANG Wei, PU Jun. Analysis of epidemiological characteristics of risk factors for cardiovascular diseases and malignant tumors based on the Shanghai community elderly cohort [J]. Journal of Shanghai Jiao Tong University (Medical Science), 2024, 44(5): 617-625.
[7]	DENG Qingsong, ZHANG Changqing, TAO Shicong. Exploration of the relationship between nicotinamide metabolism-related genes and osteoarthritis [J]. Journal of Shanghai Jiao Tong University (Medical Science), 2024, 44(2): 145-160.
[8]	YANG Jingyu, CHEN Liubao, WANG Kangtai, YANG Xingzhi, YU Haitao. Establishment and evaluation of nomogram for differential diagnosis of systemic lupus erythematosus based on laboratory indications [J]. Journal of Shanghai Jiao Tong University (Medical Science), 2024, 44(2): 204-211.
[9]	WU Lirong, CHEN Ruihua, CHAO Xiaowen, GUO Yuhuai, SUN Tao, LI Mengci, CHEN Tianlu. Study of metabolic association between elevated fasting blood glucose and cognitive deterioration [J]. Journal of Shanghai Jiao Tong University (Medical Science), 2024, 44(2): 212-222.
[10]	SHEN Li, HUANG Hengye, YU Guangjun. Current status of neurodevelopmental outcomes and its influencing factors of early-to-moderate preterm infants at corrected age of 18 months [J]. Journal of Shanghai Jiao Tong University (Medical Science), 2023, 43(4): 445-452.
[11]	JIANG Jing, BIAN Yong, ZHENG Jijian, HUANG Yue. Factors influencing the amount of blood loss in pediatric patients during craniosynostosis surgery [J]. Journal of Shanghai Jiao Tong University (Medical Science), 2023, 43(4): 453-458.
[12]	ZHANG Chenxi, CAO Zhujun, XIANG Xiaogang, XIE Qing, GENG Jiawei. Advances in decompensated cirrhosis treatment by human serum albumin [J]. Journal of Shanghai Jiao Tong University (Medical Science), 2023, 43(1): 95-100.
[13]	ZHU Yueyue, ZHANG Jinwen, MA Ruixiang, CHEN Cailian, LIN Yi, LIU Xiaorui. Analysis of risk factors for postpartum thrombotic disease [J]. Journal of Shanghai Jiao Tong University (Medical Science), 2022, 42(4): 415-421.
[14]	ZHANG Tong, TIAN Xue, ZUO Yingting, ZHENG Manqi, ZHANG Yijun, WU Shouling, CHEN Shuohua, MA Gaoting, TONG Xu, WANG Anxin, MO Dapeng. Association of triglyceride-glucose index with cardiovascular disease in people without traditional risk factors [J]. Journal of Shanghai Jiao Tong University (Medical Science), 2022, 42(3): 267-274.
[15]	Yekai WANG, Wei CHEN, Yinghui YANG, Jingze WU, Heping WANG, Yanzhen YAO, Zhoujun BAO. Establishment of a nomogram clinical scoring system for the risk of heterotopic ossification in patients undergoing surgery after fracture [J]. JOURNAL OF SHANGHAI JIAOTONG UNIVERSITY (MEDICAL SCIENCE), 2022, 42(2): 166-172.