Nghiên cứu đặc điểm lâm sàng, đề kháng kháng sinh, các yếu tố tiên lượng tử vong nhiễm khuẩn huyết do Stenotrophomonas maltophilia

Kết quả nghiên cứu

Phần 1: Đặc điểm lâm sàng - cận lâm sàng

Nhập số liệu và phân tích các biến phân phối chuẩn?

library(readxl)
quang1 <- read_excel("~/Desktop/Thầy Quang/quang1.xlsx", 
                     na = ".")
View(quang1)
attach(quang1)
shapiro.test(quang1$age)

## 
##  Shapiro-Wilk normality test
## 
## data:  quang1$age
## W = 0.9706, p-value = 0.0004095

shapiro.test(quang1$sofa)

## 
##  Shapiro-Wilk normality test
## 
## data:  quang1$sofa
## W = 0.78098, p-value = 8.517e-16

shapiro.test(quang1$timerx)

## 
##  Shapiro-Wilk normality test
## 
## data:  quang1$timerx
## W = 0.93255, p-value = 7.401e-08

shapiro.test(quang1$charlson)

## 
##  Shapiro-Wilk normality test
## 
## data:  quang1$charlson
## W = 0.89103, p-value = 1.028e-10

shapiro.test(quang1$bc)

## 
##  Shapiro-Wilk normality test
## 
## data:  quang1$bc
## W = 0.88593, p-value = 5.159e-11

shapiro.test(quang1$tc)

## 
##  Shapiro-Wilk normality test
## 
## data:  quang1$tc
## W = 0.97492, p-value = 0.001432

shapiro.test(quang1$lactate)

## 
##  Shapiro-Wilk normality test
## 
## data:  quang1$lactate
## W = 0.71681, p-value < 2.2e-16

shapiro.test(quang1$pct)

## 
##  Shapiro-Wilk normality test
## 
## data:  quang1$pct
## W = 0.46044, p-value < 2.2e-16

shapiro.test(quang1$ure)

## 
##  Shapiro-Wilk normality test
## 
## data:  quang1$ure
## W = 0.80854, p-value = 9.873e-15

shapiro.test(quang1$crea)

## 
##  Shapiro-Wilk normality test
## 
## data:  quang1$crea
## W = 0.68955, p-value < 2.2e-16

shapiro.test(quang1$na)

## 
##  Shapiro-Wilk normality test
## 
## data:  quang1$na
## W = 0.94458, p-value = 7.793e-07

shapiro.test(quang1$k)

## 
##  Shapiro-Wilk normality test
## 
## data:  quang1$k
## W = 0.076368, p-value < 2.2e-16

shapiro.test(quang1$bilitp)

## 
##  Shapiro-Wilk normality test
## 
## data:  quang1$bilitp
## W = 0.4256, p-value < 2.2e-16

shapiro.test(quang1$ph)

## 
##  Shapiro-Wilk normality test
## 
## data:  quang1$ph
## W = 0.9356, p-value = 1.313e-07

shapiro.test(quang1$pco2)

## 
##  Shapiro-Wilk normality test
## 
## data:  quang1$pco2
## W = 0.89205, p-value = 1.182e-10

shapiro.test(quang1$hco3)

## 
##  Shapiro-Wilk normality test
## 
## data:  quang1$hco3
## W = 0.95663, p-value = 1.117e-05

shapiro.test(quang1$apache)

## 
##  Shapiro-Wilk normality test
## 
## data:  quang1$apache
## W = 0.80121, p-value = 5.026e-15

–> Kết luận: Các biến trong nghiên cứu là biến không chuẩn –> Mô tả các biến bằng trung vị và IQR ## Đặc điểm dân số nghiên cứu - lâm sàng - cận lâm sàng

library(gtsummary)
summary2 <- quang1 %>%
  select(age, age75, sex, tha, dtd, suytim, bmv, xogan, copd, sgmd, bthman, ungthu, dqn, charlson, 
         nkhh, nkcath, nkmat, nktn, nkth, nkdmm, khac,
         sofa, sofa7, apache, shock, suyth, suyhh, suygan, suythan, suytk, suyhuyethoc,
         nkbv, bc, tc, lactate, pct, ure, crea, na, k, bilitp, ph, pco2, hco3, 
         sudungkstruoc, timerx, thomay,aztre, cefe, cefo, cefta, cipro, colistin, fosfo, genta,
         imi, mero, moxi, pipe1, pipe1tazo, tige, tobra, tmpsmz, tuvong) %>%
  tbl_summary(
    by = tuvong,
    type = all_continuous() ~ "continuous2",
    statistic = list(
      all_continuous() ~ c("{mean} ({sd})", "{median} ({p25}, {p75})", "{min}, {max}"), 
      all_categorical() ~ "{n} / {N} ({p}%)"),
    digits = all_continuous() ~ 2,
    label  = list(
      age ~ "Tuổi", 
      age75 ~ "Tuổi trên 75", 
      sex ~ "Giới tính", 
      tha ~ "Tăng huyết áp", 
      dtd ~ "Đái tháo đường", 
      suytim ~ "Suy tim", 
      bmv ~ "Bệnh mạch vành", 
      xogan ~ "Xơ gan", 
      copd ~ "Bệnh phổi mạn", 
      sgmd ~ "Suy giảm miễn dịch", 
      bthman ~ "Bệnh thận mạn", 
      ungthu ~ "Ung thư", 
      dqn ~ "Di chứng đột quỵ não", 
      charlson ~ "Điểm Charlson", 
      nkhh ~ "Nhiễm khuẩn hô hấp", 
      nkcath ~ "Nhiễm khuẩn catheter", 
      nkmat ~ "Nhiễm khuẩn đường mật", 
      nktn ~ "Nhiễm khuẩn tiết niệu", 
      nkth ~ "Nhiễm khuẩn tiêu hoá", 
      nkdmm ~ "Nhiễm khuẩn da mô mềm", 
      khac ~ "Khác",
      sofa ~ "Điểm SOFA", 
      sofa7 ~ "SOFA > 7", 
      apache ~ "Điểm APACHE II", 
      shock ~ "Sốc nhiễm khuẩn", 
      suyth ~ "Rối loạn tuần hoàn", 
      suyhh ~ "Rối loạn hô hấp", 
      suygan ~ "Rối loạn chức năng gan", 
      suythan ~ "Rối loạn chức năng thận", 
      suytk ~ "Rối loạn chức năng thần kinh", 
      suyhuyethoc ~ "Rối loạn chức năng đông máu",
      nkbv ~ "Nhiễm khuẩn bệnh viện", 
      bc ~ "Bạch cầu", 
      tc ~ "Tiểu cầu", 
      lactate ~ "Lactate máu", 
      pct ~ "Procalcitonin", 
      ure ~ "Ure", 
      crea ~ "Creatinine", 
      na ~ "Na",
      k ~ "K", 
      bilitp ~ "Bilirubin toàn phần", 
      ph ~ "pH", 
      pco2 ~ "pC02", 
      hco3 ~ "HC03", 
      sudungkstruoc ~ "Sử dụng kháng sinh trước đó", 
      timerx ~ "Thời gian điều trị", 
      thomay ~ "Thở máy xâm lấn",
      aztre ~ "Aztreonam",
      cefe ~ "Cefepim",
      cefo ~ "Cefotaxim",
      cefta ~ "Ceftazidime",
      cipro ~ "Ciproflocacin",
      colistin  ~ "Colistin",
      fosfo  ~ "Fosfomycin",
      genta  ~ "Gentamycin",
      imi  ~ "Imipenem",
      mero  ~ "Meropenem",
      moxi ~ "Moxiflocacin",
      pipe1 ~ "Piperacilin",
      pipe1tazo ~ "Piperaciline-tazobactam",
      tige ~ "Tigecycline",
      tobra ~ "Tobramycin",
      tmpsmz ~ "TMP-SMZ"),
    missing_text = "(Missing)"
  ) %>% 
  add_p(pvalue_fun = ~ style_pvalue(.x, digits = 2)) %>%
  add_overall() %>%
  add_n() %>%
  modify_caption("**Đặc điểm dân số nghiên cứu**") %>%
  bold_labels()

## There was an error in 'add_p()/add_difference()' for variable 'charlson', p-value omitted:
## Error in stats::fisher.test(c(6, 2, 2, 2, 4, 2, 4, 2, 3, 2, 3, 1, 4, 2, : FEXACT error 7(location). LDSTP=18630 is too small for this problem,
##   (pastp=52.6578, ipn_0:=ipoin[itp=604]=3170, stp[ipn_0]=50.2271).
## Increase workspace or consider using 'simulate.p.value=TRUE'

## There was an error in 'add_p()/add_difference()' for variable 'aztre', p-value omitted:
## Error in stats::chisq.test(x = c(NA, 1, NA, 1, 1, 1, 1, 1, 1, 1, 1, 1, : 'x' and 'y' must have at least 2 levels

## There was an error in 'add_p()/add_difference()' for variable 'cefo', p-value omitted:
## Error in stats::chisq.test(x = c(NA, 1, 1, 1, 1, 1, 1, NA, NA, NA, 1, : 'x' and 'y' must have at least 2 levels

## There was an error in 'add_p()/add_difference()' for variable 'fosfo', p-value omitted:
## Error in stats::chisq.test(x = c(NA, 1, NA, NA, 1, 1, 1, NA, NA, NA, 1, : 'x' and 'y' must have at least 2 levels

summary2

Đặc điểm dân số nghiên cứu

Characteristic	N	Overall, N = 1951	0, N = 1221	1, N = 731	p-value2
Tuổi	195				<0.001
Mean (SD)		77.08 (10.33)	74.63 (9.67)	81.16 (10.17)
Median (IQR)		78.00 (68.00, 85.00)	75.00 (67.00, 83.00)	83.00 (74.00, 88.00)
Range		60.00, 102.00	60.00, 102.00	60.00, 101.00
Tuổi trên 75	195	108 / 195 (55%)	56 / 122 (46%)	52 / 73 (71%)	<0.001
Giới tính	195	116 / 195 (59%)	68 / 122 (56%)	48 / 73 (66%)	0.17
Tăng huyết áp	195	126 / 195 (65%)	75 / 122 (61%)	51 / 73 (70%)	0.24
Đái tháo đường	195	62 / 195 (32%)	36 / 122 (30%)	26 / 73 (36%)	0.38
Suy tim	195	56 / 195 (29%)	30 / 122 (25%)	26 / 73 (36%)	0.10
Bệnh mạch vành	195	54 / 195 (28%)	31 / 122 (25%)	23 / 73 (32%)	0.36
Xơ gan	195	12 / 195 (6.2%)	7 / 122 (5.7%)	5 / 73 (6.8%)	0.77
Bệnh phổi mạn	195	21 / 195 (11%)	16 / 122 (13%)	5 / 73 (6.8%)	0.17
Suy giảm miễn dịch	195	22 / 195 (11%)	15 / 122 (12%)	7 / 73 (9.6%)	0.56
Bệnh thận mạn	195	48 / 195 (25%)	34 / 122 (28%)	14 / 73 (19%)	0.17
Ung thư	195	10 / 195 (5.1%)	4 / 122 (3.3%)	6 / 73 (8.2%)	0.18
Di chứng đột quỵ não	195	30 / 195 (15%)	15 / 122 (12%)	15 / 73 (21%)	0.12
Điểm Charlson	195
1		26 / 195 (13%)	21 / 122 (17%)	5 / 73 (6.8%)
2		47 / 195 (24%)	26 / 122 (21%)	21 / 73 (29%)
3		49 / 195 (25%)	32 / 122 (26%)	17 / 73 (23%)
4		32 / 195 (16%)	20 / 122 (16%)	12 / 73 (16%)
5		16 / 195 (8.2%)	11 / 122 (9.0%)	5 / 73 (6.8%)
6		13 / 195 (6.7%)	6 / 122 (4.9%)	7 / 73 (9.6%)
7		5 / 195 (2.6%)	4 / 122 (3.3%)	1 / 73 (1.4%)
8		1 / 195 (0.5%)	0 / 122 (0%)	1 / 73 (1.4%)
9		6 / 195 (3.1%)	2 / 122 (1.6%)	4 / 73 (5.5%)
Nhiễm khuẩn hô hấp	195	117 / 195 (60%)	68 / 122 (56%)	49 / 73 (67%)	0.12
Nhiễm khuẩn catheter	195	6 / 195 (3.1%)	5 / 122 (4.1%)	1 / 73 (1.4%)	0.41
Nhiễm khuẩn đường mật	195	9 / 195 (4.6%)	6 / 122 (4.9%)	3 / 73 (4.1%)	>0.99
Nhiễm khuẩn tiết niệu	195	26 / 195 (13%)	19 / 122 (16%)	7 / 73 (9.6%)	0.23
Nhiễm khuẩn tiêu hoá	195	13 / 195 (6.7%)	9 / 122 (7.4%)	4 / 73 (5.5%)	0.77
Nhiễm khuẩn da mô mềm	195	10 / 195 (5.1%)	6 / 122 (4.9%)	4 / 73 (5.5%)	>0.99
Khác	195	14 / 195 (7.2%)	9 / 122 (7.4%)	5 / 73 (6.8%)	0.89
Điểm SOFA	195				<0.001
Mean (SD)		4.93 (3.73)	3.23 (1.89)	7.78 (4.28)
Median (IQR)		3.00 (2.00, 7.00)	3.00 (2.00, 4.00)	7.00 (4.00, 11.00)
Range		2.00, 18.00	2.00, 14.00	2.00, 18.00
SOFA > 7	195	51 / 195 (26%)	9 / 122 (7.4%)	42 / 73 (58%)	<0.001
Điểm APACHE II	195				<0.001
Mean (SD)		19.12 (7.75)	16.31 (5.53)	23.81 (8.66)
Median (IQR)		16.00 (13.00, 25.00)	14.50 (13.00, 17.00)	25.00 (15.00, 32.00)
Range		11.00, 38.00	11.00, 38.00	12.00, 38.00
Sốc nhiễm khuẩn	195	54 / 195 (28%)	12 / 122 (9.8%)	42 / 73 (58%)	<0.001
Rối loạn tuần hoàn	195	112 / 195 (57%)	61 / 122 (50%)	51 / 73 (70%)	0.007
Rối loạn hô hấp	195	108 / 195 (55%)	48 / 122 (39%)	60 / 73 (82%)	<0.001
Rối loạn chức năng gan	195	40 / 195 (21%)	15 / 122 (12%)	25 / 73 (34%)	<0.001
Rối loạn chức năng thận	195	128 / 195 (66%)	74 / 122 (61%)	54 / 73 (74%)	0.058
Rối loạn chức năng thần kinh	195	56 / 195 (29%)	24 / 122 (20%)	32 / 73 (44%)	<0.001
Rối loạn chức năng đông máu	195	66 / 195 (34%)	33 / 122 (27%)	33 / 73 (45%)	0.010
Nhiễm khuẩn bệnh viện	195	87 / 195 (45%)	38 / 122 (31%)	49 / 73 (67%)	<0.001
Bạch cầu	195				0.77
Mean (SD)		13.07 (7.03)	12.94 (6.82)	13.29 (7.42)
Median (IQR)		12.12 (8.37, 15.78)	12.05 (8.67, 15.54)	12.50 (8.20, 16.00)
Range		1.20, 50.50	2.10, 50.50	1.20, 41.42
Tiểu cầu	195				0.039
Mean (SD)		200.19 (98.15)	209.85 (87.37)	184.05 (112.73)
Median (IQR)		191.00 (128.00, 256.00)	200.00 (140.75, 255.75)	158.00 (110.00, 272.00)
Range		4.00, 560.00	52.00, 538.00	4.00, 560.00
Lactate máu	195				<0.001
Mean (SD)		4.37 (2.99)	3.81 (2.49)	5.32 (3.50)
Median (IQR)		3.41 (2.45, 4.77)	3.13 (2.36, 3.94)	3.67 (3.09, 7.24)
Range		2.05, 18.43	2.06, 16.67	2.05, 18.43
Procalcitonin	195				0.023
Mean (SD)		9.21 (21.17)	9.11 (22.16)	9.38 (19.55)
Median (IQR)		1.48 (0.56, 4.58)	1.23 (0.51, 3.47)	2.35 (0.80, 5.76)
Range		0.05, 100.00	0.05, 100.00	0.06, 100.00
Ure	195				0.041
Mean (SD)		11.89 (9.65)	10.33 (7.92)	14.52 (11.58)
Median (IQR)		8.80 (5.45, 15.50)	8.05 (5.50, 11.40)	10.40 (5.30, 20.20)
Range		1.10, 55.30	1.50, 47.20	1.10, 55.30
Creatinine	192				0.24
Mean (SD)		174.63 (175.22)	180.29 (199.06)	164.77 (123.85)
Median (IQR)		107.50 (75.00, 182.50)	94.50 (74.00, 163.75)	118.00 (83.00, 218.50)
Range		16.20, 1,117.00	33.00, 1,117.00	16.20, 673.00
(Missing)		3	0	3
Na	195				0.68
Mean (SD)		134.41 (7.67)	134.20 (5.97)	134.74 (9.91)
Median (IQR)		135.00 (130.00, 138.00)	135.00 (131.00, 137.75)	134.00 (129.00, 139.00)
Range		114.00, 165.00	115.00, 149.00	114.00, 165.00
K	195				0.59
Mean (SD)		4.46 (9.85)	3.79 (0.73)	5.58 (16.08)
Median (IQR)		3.70 (3.30, 4.20)	3.70 (3.30, 4.20)	3.60 (3.30, 4.10)
Range		1.90, 141.00	1.90, 6.10	2.70, 141.00
Bilirubin toàn phần	195				0.002
Mean (SD)		18.52 (25.95)	17.25 (26.92)	20.65 (24.28)
Median (IQR)		11.40 (8.75, 16.70)	10.45 (8.60, 14.30)	13.20 (9.60, 21.10)
Range		3.60, 209.00	3.60, 209.00	6.00, 161.00
pH	195				0.54
Mean (SD)		7.38 (0.09)	7.39 (0.08)	7.37 (0.10)
Median (IQR)		7.38 (7.35, 7.44)	7.38 (7.35, 7.44)	7.38 (7.34, 7.46)
Range		7.00, 7.70	7.05, 7.70	7.00, 7.60
pC02	195				0.70
Mean (SD)		34.23 (9.90)	34.05 (9.11)	34.55 (11.17)
Median (IQR)		33.60 (29.00, 37.00)	32.85 (29.40, 36.08)	35.00 (28.60, 38.90)
Range		10.00, 86.20	10.00, 86.20	14.10, 73.70
HC03	195				0.092
Mean (SD)		21.18 (5.33)	21.74 (4.89)	20.25 (5.90)
Median (IQR)		22.00 (18.65, 24.00)	22.00 (19.25, 24.00)	20.20 (16.70, 24.00)
Range		7.50, 41.90	7.50, 41.90	7.50, 41.10
Sử dụng kháng sinh trước đó	195	159 / 195 (82%)	98 / 122 (80%)	61 / 73 (84%)	0.57
Thời gian điều trị	195				0.040
Mean (SD)		17.23 (10.10)	15.90 (9.21)	19.45 (11.16)
Median (IQR)		15.00 (9.00, 23.00)	14.00 (9.00, 21.75)	16.00 (11.00, 26.00)
Range		0.00, 50.00	0.00, 41.00	4.00, 50.00
Thở máy xâm lấn	195	75 / 195 (38%)	26 / 122 (21%)	49 / 73 (67%)	<0.001
Aztreonam	118	118 / 118 (100%)	80 / 80 (100%)	38 / 38 (100%)
(Missing)		77	42	35
Cefepim	157	135 / 157 (86%)	85 / 101 (84%)	50 / 56 (89%)	0.38
(Missing)		38	21	17
Cefotaxim	122	122 / 122 (100%)	78 / 78 (100%)	44 / 44 (100%)
(Missing)		73	44	29
Ceftazidime	157	143 / 157 (91%)	90 / 101 (89%)	53 / 56 (95%)	0.38
(Missing)		38	21	17
Ciproflocacin	157	9 / 157 (5.7%)	5 / 103 (4.9%)	4 / 54 (7.4%)	0.50
(Missing)		38	19	19
Colistin	144	59 / 144 (41%)	37 / 91 (41%)	22 / 53 (42%)	0.92
(Missing)		51	31	20
Fosfomycin	111	111 / 111 (100%)	75 / 75 (100%)	36 / 36 (100%)
(Missing)		84	47	37
Gentamycin	160	126 / 160 (79%)	82 / 104 (79%)	44 / 56 (79%)	0.97
(Missing)		35	18	17
Imipenem	151	144 / 151 (95%)	92 / 99 (93%)	52 / 52 (100%)	0.10
(Missing)		44	23	21
Meropenem	154	143 / 154 (93%)	91 / 102 (89%)	52 / 52 (100%)	0.016
(Missing)		41	20	21
Moxiflocacin	101	1 / 101 (1.0%)	1 / 69 (1.4%)	0 / 32 (0%)	>0.99
(Missing)		94	53	41
Piperacilin	152	132 / 152 (87%)	85 / 100 (85%)	47 / 52 (90%)	0.35
(Missing)		43	22	21
Piperaciline-tazobactam	156	144 / 156 (92%)	92 / 102 (90%)	52 / 54 (96%)	0.22
(Missing)		39	20	19
Tigecycline	123	2 / 123 (1.6%)	2 / 82 (2.4%)	0 / 41 (0%)	0.55
(Missing)		72	40	32
Tobramycin	134	124 / 134 (93%)	84 / 91 (92%)	40 / 43 (93%)	>0.99
(Missing)		61	31	30
TMP-SMZ	182	14 / 182 (7.7%)	8 / 117 (6.8%)	6 / 65 (9.2%)	0.56
(Missing)		13	5	8
1 n / N (%)
2 Wilcoxon rank sum test; Pearson’s Chi-squared test; Fisher’s exact test

Kết luận:

• Độ tuổi trung vị là 78 tuổi, IQR 60-100, có sự khác biệt có ý nghĩa thống kê giữa nhóm sống và nhóm tử vong (p<0,001).
• Độ tuổi >75 là 55% (108/195 BN), có sự khác biệt có ý nghĩa thống kê giữa nhóm sống và nhóm tử vong (p<0,001).
• Có 59% nam giới, 41% nữ giới.
• SOFA trung vị là 3 điểm, có sự khác biệt có ý nghĩa thống kê giữa nhóm sống và nhóm tử vong (p<0,001).
• SOFA >7 điểm chiếm 26%, có sự khác biệt có ý nghĩa thống kê giữa nhóm sống và nhóm tử vong (p<0,001).
• APACHE trung vị là 16 điểm, có sự khác biệt có ý nghĩa thống kê giữa nhóm sống và nhóm tử vong (p<0,001).
• Tỷ lệ sốc là 28%, có sự khác biệt có ý nghĩa thống kê giữa nhóm sống và nhóm tử vong (p<0,001).
• Suy các cơ quan như tuần hoàn, hô hấp thần kinh, đông máu, có sự khác biệt có ý nghĩa thống kê giữa nhóm sống và nhóm tử vong (p<0,05).
• Nhiễm khuẩn bệnh viện chiếm 45%, có sự khác biệt có ý nghĩa thống kê giữa nhóm sống và nhóm tử vong (p<0,001).
• Thời gian điều trị trung vị là 15 ngày, có sự khác biệt có ý nghĩa thống kê giữa nhóm sống và nhóm tử vong (p<0,05).
• Tỷ lệ thở máy xâm lấn là 38%, có sự khác biệt có ý nghĩa thống kê giữa nhóm sống và nhóm tử vong (p<0,001).
• Tỷ lệ tử vong là 37,4%

Kết luận về kháng sinh đồ Stenotrophomonas maltophilia - 195BN

• Aztreonam: Kháng 100% (118/118) - Ghi nhận 118/195 kết quả kháng sinh đồ Stenotrophomonas maltophilia.
• Cefepim: Kháng 86% (135/157) - Ghi nhận 157/195 kết quả kháng sinh đồ Stenotrophomonas maltophilia.
• Cefotaxim: Kháng 100% (122/122) - Ghi nhận 122/195 kết quả kháng sinh đồ Stenotrophomonas maltophilia.
• Ceftazidime: Kháng 91% (143/157) - Ghi nhận 157/195 kết quả kháng sinh đồ Stenotrophomonas maltophilia.
• Ciprofloxacin: Kháng 5,7% (9/157) - Ghi nhận 157/195 kết quả kháng sinh đồ Stenotrophomonas maltophilia.
• Colistin: Kháng 41% (59/144) - Ghi nhận 144/195 kết quả kháng sinh đồ Stenotrophomonas maltophilia.
• Fosfomycin: Kháng 100% (111/111) - Ghi nhận 111/195 kết quả kháng sinh đồ Stenotrophomonas maltophilia.
• Gentamycin: Kháng 79% (126/160) - Ghi nhận 160/195 kết quả kháng sinh đồ Stenotrophomonas maltophilia.
• Imipenem: Kháng 95% (144/151) - Ghi nhận 151/195 kết quả kháng sinh đồ Stenotrophomonas maltophilia.
• Meropenem: Kháng 93% (143/154) - Ghi nhận 154/195 kết quả kháng sinh đồ Stenotrophomonas maltophilia.
• Moxifloxacin: Kháng 1% (1/101) - Ghi nhận 101/195 kết quả kháng sinh đồ Stenotrophomonas maltophilia.
• Piperaciline: Kháng 87% (132/152) - Ghi nhận 85/195 kết quả kháng sinh đồ Stenotrophomonas maltophilia.
• Piperaciline - Tazobactam: Kháng 92% (144/156) - Ghi nhận 156/195 kết quả kháng sinh đồ Stenotrophomonas maltophilia.
• Tigecycline: Kháng 1,6% (2/123) - Ghi nhận 123/195 kết quả kháng sinh đồ Stenotrophomonas maltophilia.
• Tobramycin: Kháng 93% (124/134) - Ghi nhận 134/195 kết quả kháng sinh đồ Stenotrophomonas maltophilia.
• TMP-SMZ: Kháng 7,7% (14/184) - Ghi nhận 184/195 kết quả kháng sinh đồ Stenotrophomonas maltophilia.

Phần 2: Các yếu tố nguy cơ tử vong ở bệnh nhân nhiễm khuẩn huyết do Stenotrophomonas maltophilia - Mô hình hồi quy logistic đa biến

tempquang1 <- glm(tuvong ~ age + sex + suytim + copd + bthman + ungthu +dqn
             + nkhh + sofa + apache + shock + nkbv + lactate + pct + timerx
             + thomay, family="binomial", data=quang1)
search <- step(tempquang1)

## Start:  AIC=159.82
## tuvong ~ age + sex + suytim + copd + bthman + ungthu + dqn + 
##     nkhh + sofa + apache + shock + nkbv + lactate + pct + timerx + 
##     thomay
## 
##           Df Deviance    AIC
## - thomay   1   125.85 157.85
## - timerx   1   126.10 158.10
## - dqn      1   126.33 158.33
## - copd     1   126.58 158.58
## - sex      1   126.67 158.67
## - shock    1   127.60 159.60
## - lactate  1   127.75 159.75
## <none>         125.82 159.82
## - ungthu   1   128.29 160.29
## - suytim   1   128.37 160.37
## - bthman   1   130.63 162.63
## - nkbv     1   130.80 162.80
## - nkhh     1   132.67 164.67
## - pct      1   133.82 165.82
## - apache   1   136.71 168.71
## - age      1   140.87 172.87
## - sofa     1   147.59 179.59
## 
## Step:  AIC=157.85
## tuvong ~ age + sex + suytim + copd + bthman + ungthu + dqn + 
##     nkhh + sofa + apache + shock + nkbv + lactate + pct + timerx
## 
##           Df Deviance    AIC
## - timerx   1   126.11 156.11
## - dqn      1   126.37 156.37
## - copd     1   126.59 156.59
## - sex      1   126.68 156.68
## - shock    1   127.65 157.65
## - lactate  1   127.83 157.83
## <none>         125.85 157.85
## - ungthu   1   128.33 158.33
## - suytim   1   128.40 158.40
## - nkbv     1   131.17 161.17
## - bthman   1   131.17 161.17
## - nkhh     1   132.88 162.88
## - pct      1   134.29 164.29
## - apache   1   137.06 167.06
## - age      1   141.65 171.65
## - sofa     1   156.01 186.01
## 
## Step:  AIC=156.11
## tuvong ~ age + sex + suytim + copd + bthman + ungthu + dqn + 
##     nkhh + sofa + apache + shock + nkbv + lactate + pct
## 
##           Df Deviance    AIC
## - dqn      1   126.63 154.63
## - sex      1   126.84 154.84
## - copd     1   126.95 154.95
## - shock    1   127.79 155.79
## - lactate  1   127.92 155.92
## <none>         126.11 156.11
## - ungthu   1   128.63 156.63
## - suytim   1   128.70 156.70
## - nkbv     1   131.17 159.17
## - bthman   1   131.23 159.23
## - pct      1   134.29 162.29
## - nkhh     1   134.79 162.79
## - apache   1   137.69 165.69
## - age      1   141.68 169.68
## - sofa     1   156.01 184.01
## 
## Step:  AIC=154.63
## tuvong ~ age + sex + suytim + copd + bthman + ungthu + nkhh + 
##     sofa + apache + shock + nkbv + lactate + pct
## 
##           Df Deviance    AIC
## - sex      1   127.10 153.10
## - copd     1   127.55 153.55
## - shock    1   128.24 154.24
## - lactate  1   128.26 154.26
## <none>         126.63 154.63
## - suytim   1   129.12 155.12
## - ungthu   1   129.26 155.26
## - nkbv     1   131.65 157.65
## - bthman   1   131.70 157.70
## - pct      1   134.77 160.77
## - nkhh     1   135.39 161.39
## - apache   1   137.69 163.69
## - age      1   141.70 167.70
## - sofa     1   156.58 182.58
## 
## Step:  AIC=153.1
## tuvong ~ age + suytim + copd + bthman + ungthu + nkhh + sofa + 
##     apache + shock + nkbv + lactate + pct
## 
##           Df Deviance    AIC
## - copd     1   128.00 152.00
## - lactate  1   128.52 152.52
## - shock    1   128.81 152.81
## <none>         127.10 153.10
## - suytim   1   129.40 153.40
## - ungthu   1   129.85 153.85
## - nkbv     1   131.91 155.91
## - bthman   1   132.33 156.33
## - pct      1   135.49 159.49
## - nkhh     1   136.07 160.07
## - apache   1   138.25 162.25
## - age      1   142.06 166.06
## - sofa     1   157.23 181.23
## 
## Step:  AIC=152
## tuvong ~ age + suytim + bthman + ungthu + nkhh + sofa + apache + 
##     shock + nkbv + lactate + pct
## 
##           Df Deviance    AIC
## - lactate  1   129.31 151.31
## - shock    1   129.76 151.76
## <none>         128.00 152.00
## - suytim   1   130.49 152.49
## - ungthu   1   130.50 152.50
## - nkbv     1   132.30 154.30
## - bthman   1   133.12 155.12
## - nkhh     1   136.09 158.09
## - pct      1   136.14 158.14
## - apache   1   138.35 160.35
## - age      1   142.07 164.07
## - sofa     1   157.48 179.48
## 
## Step:  AIC=151.31
## tuvong ~ age + suytim + bthman + ungthu + nkhh + sofa + apache + 
##     shock + nkbv + pct
## 
##          Df Deviance    AIC
## - shock   1   131.23 151.23
## <none>        129.31 151.31
## - ungthu  1   131.85 151.85
## - suytim  1   131.95 151.95
## - bthman  1   133.48 153.48
## - nkbv    1   133.57 153.57
## - pct     1   136.24 156.24
## - nkhh    1   137.87 157.87
## - apache  1   142.75 162.75
## - age     1   143.08 163.08
## - sofa    1   157.81 177.81
## 
## Step:  AIC=151.23
## tuvong ~ age + suytim + bthman + ungthu + nkhh + sofa + apache + 
##     nkbv + pct
## 
##          Df Deviance    AIC
## <none>        131.23 151.23
## - suytim  1   133.27 151.27
## - ungthu  1   133.92 151.92
## - bthman  1   135.24 153.24
## - nkbv    1   137.32 155.32
## - pct     1   137.39 155.39
## - nkhh    1   139.48 157.48
## - age     1   145.60 163.60
## - apache  1   147.68 165.68
## - sofa    1   177.18 195.18

summary(search)

## 
## Call:
## glm(formula = tuvong ~ age + suytim + bthman + ungthu + nkhh + 
##     sofa + apache + nkbv + pct, family = "binomial", data = quang1)
## 
## Coefficients:
##              Estimate Std. Error z value Pr(>|z|)    
## (Intercept) -12.08728    2.36653  -5.108 3.26e-07 ***
## age           0.08968    0.02571   3.487 0.000488 ***
## suytim        0.71563    0.50559   1.415 0.156942    
## bthman       -1.15196    0.60773  -1.896 0.058026 .  
## ungthu        1.35212    0.84182   1.606 0.108230    
## nkhh         -1.47170    0.54467  -2.702 0.006892 ** 
## sofa          0.51589    0.10136   5.090 3.58e-07 ***
## apache        0.13186    0.03414   3.862 0.000113 ***
## nkbv          1.20201    0.49297   2.438 0.014756 *  
## pct          -0.02839    0.01223  -2.321 0.020293 *  
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## (Dispersion parameter for binomial family taken to be 1)
## 
##     Null deviance: 257.88  on 194  degrees of freedom
## Residual deviance: 131.23  on 185  degrees of freedom
## AIC: 151.23
## 
## Number of Fisher Scoring iterations: 6

library(foreign)
library(survival)
library(MASS)

## 
## Attaching package: 'MASS'

## The following object is masked from 'package:gtsummary':
## 
##     select

library(nnet)
library(epiDisplay)
logistic.display(tempquang1)

## 
## Logistic regression predicting tuvong 
##  
##                      crude OR(95%CI)     adj. OR(95%CI)     P(Wald's test)
## age (cont. var.)     1.07 (1.04,1.1)     1.11 (1.04,1.17)   < 0.001       
##                                                                           
## sex: 1 vs 0          1.52 (0.84,2.78)    1.58 (0.59,4.22)   0.361         
##                                                                           
## suytim: 1 vs 0       1.7 (0.9,3.19)      2.28 (0.82,6.36)   0.115         
##                                                                           
## copd: 1 vs 0         0.49 (0.17,1.39)    2.35 (0.37,15.04)  0.366         
##                                                                           
## bthman: 1 vs 0       0.61 (0.3,1.24)     0.24 (0.06,0.94)   0.041         
##                                                                           
## ungthu: 1 vs 0       2.64 (0.72,9.7)     3.85 (0.7,21.18)   0.121         
##                                                                           
## dqn: 1 vs 0          1.84 (0.84,4.04)    0.63 (0.18,2.25)   0.478         
##                                                                           
## nkhh: 1 vs 0         1.62 (0.89,2.97)    0.21 (0.06,0.73)   0.014         
##                                                                           
## sofa (cont. var.)    1.6 (1.39,1.85)     1.62 (1.27,2.06)   < 0.001       
##                                                                           
## apache (cont. var.)  1.15 (1.09,1.2)     1.13 (1.05,1.22)   0.002         
##                                                                           
## shock: 1 vs 0        12.42 (5.84,26.43)  2.45 (0.66,9.07)   0.179         
##                                                                           
## nkbv: 1 vs 0         4.51 (2.43,8.4)     3.41 (1.13,10.25)  0.029         
##                                                                           
## lactate (cont. var.) 1.19 (1.07,1.32)    1.14 (0.94,1.38)   0.173         
##                                                                           
## pct (cont. var.)     1 (0.99,1.01)       0.96 (0.93,0.99)   0.007         
##                                                                           
## timerx (cont. var.)  1.04 (1.01,1.07)    0.99 (0.93,1.04)   0.596         
##                                                                           
## thomay: 1 vs 0       7.54 (3.92,14.48)   1.11 (0.3,4.09)    0.875         
##                                                                           
##                      P(LR-test)
## age (cont. var.)     < 0.001   
##                                
## sex: 1 vs 0          0.357     
##                                
## suytim: 1 vs 0       0.11      
##                                
## copd: 1 vs 0         0.384     
##                                
## bthman: 1 vs 0       0.028     
##                                
## ungthu: 1 vs 0       0.116     
##                                
## dqn: 1 vs 0          0.475     
##                                
## nkhh: 1 vs 0         0.009     
##                                
## sofa (cont. var.)    < 0.001   
##                                
## apache (cont. var.)  < 0.001   
##                                
## shock: 1 vs 0        0.182     
##                                
## nkbv: 1 vs 0         0.026     
##                                
## lactate (cont. var.) 0.165     
##                                
## pct (cont. var.)     0.005     
##                                
## timerx (cont. var.)  0.595     
##                                
## thomay: 1 vs 0       0.875     
##                                
## Log-likelihood = -62.911
## No. of observations = 195
## AIC value = 159.822

Kết luận: Chọn các biến có p<0,2 đưa vào hồi quy đa biến + loại trừ các biến có khả năng đa cộng tuyến, kết quả cho thấy: Tuổi, nhiễm khuẩn hô hấp, SOFA, APACHE II, Nhiễm khuẩn bệnh viện, procalcitonin là yếu tố nguy cơ độc lập với tử vong ở nhiễm khuẩn huyết do Stenotrophomonas maltophilia # Kiểm tra đa cộng tuyến bằng Hồi quy Lasso và đưa các biến vào hồi quy đa biến

library(glmnet)

## Loading required package: Matrix

## Loaded glmnet 4.1-8

library(Matrix)
library(carData)
xvars <- model.matrix(tuvong ~ age + sex + suytim + copd + bthman + ungthu +dqn
                      + nkhh + sofa + apache + shock + nkbv + lactate + pct + timerx
                      + thomay, data=quang1)
yvar <- scale(quang1$tuvong)
lasso <- cv.glmnet(xvars, yvar, alpha=1)
plot(lasso)

coef(lasso)

## 18 x 1 sparse Matrix of class "dgCMatrix"
##                       s1
## (Intercept) -1.290650012
## (Intercept)  .          
## age          0.006638663
## sex          .          
## suytim       .          
## copd         .          
## bthman       .          
## ungthu       .          
## dqn          .          
## nkhh         .          
## sofa         0.078925221
## apache       0.015383060
## shock        0.188425111
## nkbv         .          
## lactate      .          
## pct          .          
## timerx       .          
## thomay       0.112647726

tempquang2 <- glm(tuvong ~ age + nkhh + shock + thomay +
                    sofa + apache, family="binomial", data=quang1)
logistic.display(tempquang2)

## 
## Logistic regression predicting tuvong 
##  
##                     crude OR(95%CI)     adj. OR(95%CI)    P(Wald's test)
## age (cont. var.)    1.07 (1.04,1.1)     1.08 (1.03,1.13)  < 0.001       
##                                                                         
## nkhh: 1 vs 0        1.62 (0.89,2.97)    0.35 (0.13,0.94)  0.036         
##                                                                         
## shock: 1 vs 0       12.42 (5.84,26.43)  2.36 (0.74,7.52)  0.148         
##                                                                         
## thomay: 1 vs 0      7.54 (3.92,14.48)   2.18 (0.74,6.43)  0.157         
##                                                                         
## sofa (cont. var.)   1.6 (1.39,1.85)     1.38 (1.14,1.68)  0.001         
##                                                                         
## apache (cont. var.) 1.15 (1.09,1.2)     1.1 (1.04,1.17)   0.002         
##                                                                         
##                     P(LR-test)
## age (cont. var.)    < 0.001   
##                               
## nkhh: 1 vs 0        0.03      
##                               
## shock: 1 vs 0       0.152     
##                               
## thomay: 1 vs 0      0.161     
##                               
## sofa (cont. var.)   < 0.001   
##                               
## apache (cont. var.) 0.002     
##                               
## Log-likelihood = -73.255
## No. of observations = 195
## AIC value = 160.51

Kết quả cho thấy mô hình hồi quy đa biến: Tuổi, SOFA, APACHE II, nhiễm khuẩn hô hấp là yếu tố nguy cơ độc lập với với tử vong ở nhiễm khuẩn huyết do Stenotrophomonas maltophilia ## Phần 3: Mô hình tiên lượng tử vong ở bệnh nhân nhiễm khuẩn huyết do Stenotrophomonas maltophilia - Phân tích bằng BMA tìm mô hình thích hợp - Tìm Nomogram

df <- data.frame(quang1$age, quang1$sex, quang1$suytim, quang1$copd,
                   quang1$bthman, quang1$ungthu, quang1$dqn,
                   quang1$nkhh, quang1$sofa, 
                   quang1$apache, quang1$shock, quang1$nkbv, quang1$lactate, 
                   quang1$pct, quang1$timerx, quang1$thomay, quang1$tuvong)
head(df)

##   quang1.age quang1.sex quang1.suytim quang1.copd quang1.bthman quang1.ungthu
## 1         83          1             0           0             0             0
## 2         96          0             0           0             0             0
## 3         67          1             1           0             0             0
## 4         80          1             0           0             0             0
## 5         89          1             0           0             0             0
## 6         90          1             0           1             0             0
##   quang1.dqn quang1.nkhh quang1.sofa quang1.apache quang1.shock quang1.nkbv
## 1          1           1          13            27            1           1
## 2          0           1           3            29            0           1
## 3          1           1           6            35            1           1
## 4          0           1           4            28            0           0
## 5          1           0           2            15            1           1
## 6          0           0           8            25            0           1
##   quang1.lactate quang1.pct quang1.timerx quang1.thomay quang1.tuvong
## 1          13.01       4.13            14             1             1
## 2           3.40       2.02             4             1             1
## 3           3.30       5.06            11             1             1
## 4           2.58       2.00            33             1             0
## 5           2.30       3.02            11             1             1
## 6           2.12       5.63            16             1             1

attach(df)
names(df)

##  [1] "quang1.age"     "quang1.sex"     "quang1.suytim"  "quang1.copd"   
##  [5] "quang1.bthman"  "quang1.ungthu"  "quang1.dqn"     "quang1.nkhh"   
##  [9] "quang1.sofa"    "quang1.apache"  "quang1.shock"   "quang1.nkbv"   
## [13] "quang1.lactate" "quang1.pct"     "quang1.timerx"  "quang1.thomay" 
## [17] "quang1.tuvong"

xvars <- df[,1:16]
y <- quang1$tuvong
library(survival)
library(leaps)
library(robustbase)

## 
## Attaching package: 'robustbase'

## The following object is masked from 'package:survival':
## 
##     heart

library(inline)
library(rrcov)

## Scalable Robust Estimators with High Breakdown Point (version 1.7-5)

library(BMA)
bma.search1 <- bic.glm(xvars, y, strict=F, OR=20, glm.family="binomial")
summary(bma.search1)

## 
## Call:
## bic.glm.data.frame(x = xvars, y = y, glm.family = "binomial",     strict = F, OR = 20)
## 
## 
##   41  models were selected
##  Best  5  models (cumulative posterior probability =  0.3483 ): 
## 
##                 p!=0    EV         SD        model 1     model 2     model 3   
## Intercept       100    -1.068e+01  2.135845   -10.18348   -10.40762   -10.79819
## quang1.age      100.0   7.960e-02  0.023421     0.07396     0.07563     0.07889
## quang1.sex        2.2   9.533e-03  0.088956       .           .           .    
## quang1.suytim     1.2   3.916e-03  0.060433       .           .           .    
## quang1.copd       1.0  -6.625e-04  0.074807       .           .           .    
## quang1.bthman    24.3  -2.566e-01  0.533838       .           .           .    
## quang1.ungthu    16.8   2.399e-01  0.633869       .           .           .    
## quang1.dqn        1.0  -1.308e-03  0.058589       .           .           .    
## quang1.nkhh      34.9  -3.465e-01  0.557262       .           .           .    
## quang1.sofa     100.0   4.430e-01  0.095987     0.43244     0.47638     0.37864
## quang1.apache   100.0   1.030e-01  0.031695     0.09528     0.09938     0.09946
## quang1.shock      8.2   7.163e-02  0.291979       .           .           .    
## quang1.nkbv      31.5   3.046e-01  0.522035       .           .         0.82794
## quang1.lactate    1.7   5.231e-04  0.011599       .           .           .    
## quang1.pct       35.2  -8.430e-03  0.013451       .        -0.02177       .    
## quang1.timerx     1.0  -2.116e-05  0.002004       .           .           .    
## quang1.thomay     2.3   1.297e-02  0.119474       .           .           .    
##                                                                                
## nVar                                              3           4           4    
## BIC                                          -853.33646  -851.90158  -851.53801
## post prob                                       0.133       0.065       0.054  
##                 model 4     model 5   
## Intercept        -10.13194   -10.49985
## quang1.age         0.07473     0.07910
## quang1.sex           .           .    
## quang1.suytim        .           .    
## quang1.copd          .           .    
## quang1.bthman     -0.95575       .    
## quang1.ungthu        .           .    
## quang1.dqn           .           .    
## quang1.nkhh          .        -0.76988
## quang1.sofa        0.45014     0.46460
## quang1.apache      0.09580     0.10707
## quang1.shock         .           .    
## quang1.nkbv          .           .    
## quang1.lactate       .           .    
## quang1.pct           .           .    
## quang1.timerx        .           .    
## quang1.thomay        .           .    
##                                       
## nVar                 4           4    
## BIC             -851.48752  -851.10717
## post prob          0.053       0.044

imageplot.bma(bma.search1)

Kết quả từ BMA: cho thấy mô hình tiên lượng tốt nhất bao gồm các biến sau: tuổi, sofa, apache ii, nhiễm khuẩn hô hấp. Việc chọn lựa mô hình tiên lượng cần tối giản, ít biến nhất mà vẫn cho tiên lượng tốt trên lâm sàng # Kiểm tra mô hình nào tốt nhất - thuận tiện? #1. Đánh giá mức độ ảnh hưởng của các biến tiên lượng?

library(dominanceanalysis)
tempquang <- glm(tuvong ~ age + nkhh + 
                   sofa + apache + nkbv + pct, family="binomial", data=quang1)
dom <- dominanceAnalysis(tempquang)
plot(dom, which.graph ="general",fit.function ="r2.m")

Kết luận: SOFA tiên lương tốt nhất, kế đến là APACHE II, và tuổi. #2. Kiểm tra 3 mô hình được gợi ý bởi BMA (Mô hình 1: tuổi, sofa, apacheii; Mô hình 2 là Tuổi, sofa, apache II, nhiễm khuẩn hô hấp; mô hình 3: tuổi và sofa)

library(rms)

## Loading required package: Hmisc

## 
## Attaching package: 'Hmisc'

## The following objects are masked from 'package:base':
## 
##     format.pval, units

## Registered S3 method overwritten by 'rms':
##   method       from      
##   print.lrtest epiDisplay

## 
## Attaching package: 'rms'

## The following object is masked from 'package:epiDisplay':
## 
##     lrtest

mquang1 <- lrm(tuvong ~ age + nkhh + 
                 sofa + apache, x=TRUE,y=TRUE, data=quang1)
mquang1

## Logistic Regression Model
## 
## lrm(formula = tuvong ~ age + nkhh + sofa + apache, data = quang1, 
##     x = TRUE, y = TRUE)
## 
##                        Model Likelihood    Discrimination    Rank Discrim.    
##                              Ratio Test           Indexes          Indexes    
## Obs           195    LR chi2     107.12    R2       0.576    C       0.892    
##  0            122    d.f.             4    R2(4,195)0.411    Dxy     0.784    
##  1             73    Pr(> chi2) <0.0001    R2(4,137)0.529    gamma   0.785    
## max |deriv| 9e-11                          Brier    0.122    tau-a   0.369    
## 
##           Coef     S.E.   Wald Z Pr(>|Z|)
## Intercept -10.4998 1.9940 -5.27  <0.0001 
## age         0.0791 0.0221  3.58  0.0003  
## nkhh       -0.7699 0.4497 -1.71  0.0869  
## sofa        0.4646 0.0861  5.40  <0.0001 
## apache      0.1071 0.0298  3.59  0.0003

mquang2 <- lrm(tuvong ~ age + sofa + apache, x=TRUE,y=TRUE, data=quang1)
mquang2

## Logistic Regression Model
## 
## lrm(formula = tuvong ~ age + sofa + apache, data = quang1, x = TRUE, 
##     y = TRUE)
## 
##                        Model Likelihood    Discrimination    Rank Discrim.    
##                              Ratio Test           Indexes          Indexes    
## Obs           195    LR chi2     104.08    R2       0.564    C       0.884    
##  0            122    d.f.             3    R2(3,195)0.404    Dxy     0.768    
##  1             73    Pr(> chi2) <0.0001    R2(3,137)0.522    gamma   0.769    
## max |deriv| 5e-05                          Brier    0.124    tau-a   0.362    
## 
##           Coef     S.E.   Wald Z Pr(>|Z|)
## Intercept -10.1835 1.9453 -5.23  <0.0001 
## age         0.0740 0.0216  3.43  0.0006  
## sofa        0.4324 0.0797  5.43  <0.0001 
## apache      0.0953 0.0285  3.35  0.0008

mquang3 <- lrm(tuvong ~ age + sofa, x=TRUE,y=TRUE, data=quang1)
mquang3

## Logistic Regression Model
## 
## lrm(formula = tuvong ~ age + sofa, data = quang1, x = TRUE, y = TRUE)
## 
##                        Model Likelihood    Discrimination    Rank Discrim.    
##                              Ratio Test           Indexes          Indexes    
## Obs           195    LR chi2      92.70    R2       0.516    C       0.874    
##  0            122    d.f.             2    R2(2,195)0.372    Dxy     0.747    
##  1             73    Pr(> chi2) <0.0001    R2(2,137)0.484    gamma   0.750    
## max |deriv| 2e-05                          Brier    0.135    tau-a   0.352    
## 
##           Coef    S.E.   Wald Z Pr(>|Z|)
## Intercept -8.6987 1.7406 -5.00  <0.0001 
## age        0.0746 0.0205  3.63  0.0003  
## sofa       0.4964 0.0809  6.14  <0.0001

Kết luận: Mô hình thuận tiện nhất, ít biến nhất mà vẫn có thể đánh giá được tiên lượng tử vong là mô hình gồm có tuổi phối hợp với điểm SOFA với AUC là 0,874 cao hơn SOFA đơn độc là 0,834.