首页 > 论文范文 > 医药卫生论文 > 肿瘤科论文 > 骨肿瘤论文 > 构建骨关节及骨肿瘤术后切口感染风险预测模型列线图的方法研究

构建骨关节及骨肿瘤术后切口感染风险预测模型列线图的方法研究

2020-07-10 476 上传者：管理员

摘要：目的构建一个全新的骨关节及骨肿瘤术后切口感染风险预测模型列线图，协助临床医生准确便捷评估患者术后感染风险。方法回顾性收集骨关节及骨肿瘤患者920例的病历资料并根据切口感染诊断标准分为术后无切口感染组和切口感染组，比较两组临床特点;采用Lasso回归初步筛选感染相关变量，然后将筛选变量纳入到多因素Logistic回归中，再依据多因素分析结果结合有意义的临床变量采用逐部回归拟合构建骨关节及骨肿瘤术后感染风险预测模型列线图，采用一致性指数(C-index)评估列线图模型稳定性及预测效能。结果 920例患者术后无切口感染899例(无感染组)，发生切口感染21例(感染组)。两组性别、年龄、术前中性粒细胞计数、中性粒细胞与淋巴细胞的比值(NLR)、血清前白蛋白、手术部位、手术时间比较差异均有统计学意义(P均<0.05)。Lasso回归显示，性别、年龄、BMI、NLR、前白蛋白、手术部位可能与患者术后切口感染相关。多因素Logistic回归显示，NLR、前白蛋白和性别是患者术后切口感染概率增加的独立危险因素(P均<0.05)。最终性别、年龄、NLR、前白蛋白4个预测变量被用来成功构建了骨关节及肿瘤患者术后切口感染风险预测模型列线图。列线图C-index为0.801，模型ROC曲线下面积为0.787。结论基于性别、年龄、NLR、前白蛋白构建关节及肿瘤术后切口感染风险预测模型列线图稳定性好、预测性能高。

关键词：
Lasso回归
关节疾病
切口感染
列线图
手术治疗
骨肿瘤
加入收藏

术后切口感染是骨关节及骨肿瘤手术的严重并发症[1]。术后切开感染一旦发生，不但影响手术效果及其功能恢复，亦会增加患者的心理负担和治疗费用。因此，术前评估骨关节及骨肿瘤患者术后切口感染发生风险，预防术后切口感染的发生有重要临床意义。多项研究证实，列线图作为一种新的预测模型对于疾病发生风险的概率预测具有较高的准确性和良好的稳定性，目前已在多个领域广泛应用[2]。高素华等[3]结合炎性细胞因子指标成功构建了原发性肝癌术后复发的列线图模型，可较为准确地预测肝细胞癌切除术患者术后肿瘤复发情况。王晓霞等[4]建立2型糖尿病患者心脑血管疾病影响因素列线图模型，为临床提供了更加便捷直观的糖尿病患者心脑血管疾病患病风险的定量评估工具。本研究我们基于患者临床相关的预测变量构建骨关节及骨肿瘤手术患者术后感染相关的列线图模型，并对模型效能和模型稳定性进行内部验证评估。

1、资料与方法

1.1临床资料

选取2015年1月～2018年12月海军军医大学第二附属医院和喀什地区第一人民医院收治的920例关节及骨肿瘤手术患者，男519例、女401例，年龄17～69岁。其中，半月板修复或摘除术、关节游离体摘除术、关节滑膜囊肿切除术、椎间盘髓核摘除术、人工股骨头置换术、全髋关节置换术623例，骨软骨瘤切除术、骨肿瘤刮除植骨术251例，其他手术46例。纳入标准:(1)骨关节及骨肿瘤患者;(2)术前皮肤完好，手术切口周围无外伤及感染;(3)术前无全身感染性疾病;(4)临床资料完整。排除标准:(1)骨及关节创伤患者;(2)骨肿瘤可能存在局部及全身感染者;(3)临床资料不全患者。

1.2研究方法

回顾性收集920例患者的病历资料，包括性别、年龄、BMI、合并糖尿病情况，术前血液中性粒细胞、淋巴细胞计数、血红蛋白、血清前白蛋白水平，手术部位、手术时间、术后抗生素应用时间。根据切口感染诊断标准[5]:术后患者出现不同程度的白细胞、C反应蛋白上升、体温升高，切口部位出现红肿热痛以及切口局部有深压痛等症状体征。根据以上标准将患者分为术后切口无感染组和感染组，比较两组的临床特点，筛选感染的相关变量，依据多因素分析结果，采用逐部回归拟合构建骨关节及骨肿瘤术后感染风险预测模型列线图。此外，为了控制变量数目，避免结果的偏倚，本研究将中性粒细胞与淋巴细胞的比值(NLR)定义为一个新的变量[6]。

1.3统计学方法

采用R软件(Version3.6.0)进行统计学分析。正态分布的计量资料以表示，组间比较采用t检验;计数资料采用例数或百分比表示，比较采用χ2检验和Fisher检验。感染相关危险因素的筛选使用Lasso回归、Logistic回归及逐步回归共同分析。P<0.05为差异有统计学意义。

2、结果

2.1感染组与无感染组的临床参数比较

920例患者，术后无切口感染899例(无感染组)，发生切口感染21例(感染组)。感染组男12例、女9例，合并糖尿病3例，手术部位位于上肢2例、下肢11例、躯干8例。无感染组男590例、女309例，合并糖尿病121例，手术部位位于上肢325例、下肢437例、躯干137例。两组性别、年龄、术前中性粒细胞计数、NLR、血清前白蛋白、手术部位、手术时间比较差异均有统计学意义(P均<0.05)。见表1。

表1感染组与无感染组临床参数比较

2.2术后切口感染发生风险的Lasso回归分析

以感染结局为因变量，将性别、年龄、BMI、合并糖尿病、NLR、前白蛋白、手术部位这7个预测变量纳入到Lasso回归模型中，筛选术后感染相关的临床变量。在log(lambda)取最小值时，显示性别、年龄、BMI、NLR、前白蛋白、手术部位6个预测变量可能是术后感染的相关因素。

2.3术后切口感染发生风险的Logistic回归分析

以0.05作为回归模型的纳入和排除标准，将Lasso回归6个预测变量纳入到多因素Logistic回归中，显示性别(女性)、NLR、前白蛋白是患者术后切口感染概率增加的独立危险因素。见表2。

表2术后切口感染风险的多因素Logistic回归分析

2.4术后切口感染发生风险的列线图模型

采用R软件“rms”包进行列线图模型构建。综合Lasso、Logistic回归分析结果，结合年龄对患者术后康复有重要影响的临床工作实际，本研究增加年龄这一预测变量，最终性别、年龄、NLR、前白蛋白4个预测变量被用来成功构建了骨关节及肿瘤患者术后切口感染风险预测模型列线图。

2.5列线图模型稳定性及预测效能评价

使用一致性指数(C-index)、Calibration矫正曲线及ROC曲线评估模型的稳定性。本研究构建的模型C-index为0.801，模型ROC曲线下面积为0.787(图1);Calibration矫正曲线结果显示，实际预测曲线和模拟预测曲线走势基本一致(图2)，提示模型具有良好的预测效能。

图1列线图模型评价ROC曲线

3、讨论

列线图模型作为便捷的风险预测工具，由于其准确性和高效性，目前已被广泛用于临床队列研究。我们基于患者临床相关预测变量构建了骨关节及骨肿瘤患者术后切口感染相关风险的列线图模型，并第一次被应用于评估骨关节及骨肿瘤患者术后感染风险。

本研究构建模型中，包含了性别、年龄、NLR、前白蛋白4个变量。NLR是指中性粒细胞与淋巴细胞比值，是一种新的炎性评价指标。有研究显示，NLR对于炎症的预测较其他参数具有更强的稳定性，作为比值，NLR不会因为白细胞亚型计数偏移而发生较大变化[7,8]。徐东红等[9]通过对比糖尿病酮症酸中毒感染组和未感染组的实验室检查指标的差异，发现糖尿病酮症酸中毒患者感染率与NLR水平呈正相关。我们研究结果显示，无论是Lasso回归还是多因素Logistic回归，都提示NLR可能是影响患者术后切口感染发生的危险因素。此研究与徐东红等结论基本一致。目前诸多学者研究证实，血清前白蛋白水平与患者术后感染发生密切相关。李宏等[10]采用置入钛板修复治疗口腔颌面肿瘤并观察术后切口感染患者炎症因子的变化，发现术后切口感染患者血清前白蛋白水平降低。本研究结果显示，血清前白蛋白水平与术后切口感染发生相关，但并非血清前白蛋白水平越高患者预后越好。血清前白蛋白水平低于正常范围患者术后切口感染的风险增大这一结论是肯定的，但血清前白蛋白水平高于正常范围患者术后切口感染的风险并未降低。因此，患者术前应注意将血清白蛋白调整在正常范围。

图2列线图模型预测效能Calibration矫正曲线

本研究结果还提示，相对于男性而言，女性发生术后感染的风险更高，此可能与不同性别间抵抗力、免疫力、内分泌功能差异有关。年龄这一连续变量在我们进行多因素Logistic回归时被剔除出影响因素，此可能是因为采用不同的截断值而产生不同的结局，导致年龄变量在构建模型时竞争风险较小。然而，无论是在肿瘤领域还是非肿瘤领域，年龄变量对于患者康复的影响都是举足轻重的[11,12]，年轻机体的能量代谢和自我修复功能显著高于高龄组。因此，在后续模型构建时我们将它重新纳入了模型，以便在一定程度避免重要变量缺失产生模型预测偏移的可能。纳入模型的年龄亚组分析结果提示，与高龄组相比，低龄组术后发生感染几率较小，这一结论与多数研究中心的结果一致[13,14]。

目前研究结果显示，糖尿病病史和BMI是影响患者术后切口感染的重要临床变量[15,16]。本研究单因素分析感染组和非感染组患者BMI、合并糖尿病史无统计学差异。在进行Lasso回归后，糖尿病病史首先被剔出模型，这是因为本研究糖尿病患者基数少、结局事件少导致。BMI在进行多因素Logistic回归后同样未能进入最初的模型，分析原因我们认为本研究消耗性疾病少，患者一般状况好，患者BMI几乎都在正常范围内。这也是为何我们在后续结合临床经验重新考虑剔除变量并未将这两者重新纳入模型的原因。此外，本研究单因素分析显示感染组和非感染组患者手术时间、手术部位比较差异均有统计学意义。手术时间增加，创面暴露于空气中的时间增加，创面污染机会增加，同时局部损伤越严重，抵抗力降低，术后感染概率升高。手术部位如上肢或下肢由于血液循环存在差异，术后切口感染概率亦不相同。但回归分析手术时间、手术部位均为纳入模型，此有待后续研究继续完善。

总之，本研究基于患者临床相关变量性别、年龄、NLR、前白蛋白建立的列线图模型有助于对骨关节及骨肿瘤患者术后感染风险进行初步评估，且预测性能好、稳定性高。但模型存在临床预测变量少、预测准确性有待提高等局限性同样不可忽略。未来工作中应加强数据收集、丰富预测变量并进行模型外部验证。

参考文献：

[1]周玉萍,李志建,黄少华,等.骨科手术切口感染发生率及相关危险因素回顾性调查分析[J].中华医院感染学杂志,2013,23(13):3158-3160.

[3]高素华,甘洪颖,王君.结合炎性细胞因子构建原发性肝癌术后复发的Nomogram模型[J].临床肝胆病杂志,2019,35(7):1520-1524.

[4]王晓霞,鲜彤章,贾晓凡,等.2型糖尿病患者的心脑血管疾病影响因素的Nomogram分析[J].中国心血管杂志,2017,22(1):43.

[5]中华人民共和国卫生部.医院感染诊断标准(试行)[J].中华医学杂志,2001,81(5):460-465.

[9]徐东红,刘小会,马萍.外周血中性粒细胞淋巴细胞比值与糖尿病酮症酸中毒感染的相关性[J].中华医院感染学杂志,2019,29(21):3261-3262.

[10]李宏,孙吏聪,王岳森.置入钛板修复治疗口腔颌面肿瘤术后感染的病原菌分布及血清前白蛋白水平变化特点[J].实验与检验医学,2019,37(4):602-603.

李文强,李乐翔,王波,钱齐荣.骨关节及骨肿瘤术后切口感染风险预测模型列线图的建立[J].山东医药,2020(19):71-74.