基于北京协和医院病例首页信息构建预测心脏术后深部胸骨伤口感染风险的列连图模型

评价DSWI风险，患者及家属可以更加直观地了解手术风险及预后。国内外对于心脏术后DSWI风险的预测模型鲜有报道。本研究基于对北京协和医院（以下简称“我院”）心脏手术患者临床资料进行分析，探讨引起DSWI的相关危险因素，旨在建立国内医院首个个性化预测DSWI风险的列线图模型，以期指导临床甄别高风险人群，制订更有针对性的临床决策。

1 资料与方法

1.1 一般资料

采用回顾性研究收集2007年1月～2017年10月我院接受心脏手术患者资料。资料来源于我院病历管理系统，从病历首页中提取相关信息。纳入标准：①在我院心外科接受心脏直视手术，住院前一年内未在其他医院做过心脏手术;②首页信息完整。本研究经我院医学伦理委员会批准。

1.2 方法及观察指标

对收集的首页资料数据进行双人录入与核对，以确保资料数据的准确性。由2名医师根据患者首页信息（DSWI，死亡为研究终点）进行收集。收集临床信息如下：①一般情况。包括住院号、性别、年龄、住院次数、住院天数、费用等。②合并症或并发症。包括高血压、糖尿病、高脂血症、肾功能不全、肺功能不全、免疫性疾病、DSWI、心功能不全、死亡、冠心病以及其他疾病。③手术方式。包括二尖瓣手术、三尖瓣手术、主动脉瓣手术、大血管手术、冠状动脉搭桥术、心包剥脱术、射频消融术、再次手术、同种异体骨移植术以及其他手术。

1.3 统计学方法

运用R软件对所得数据进行统计学分析。符合正态分布计量资料以均数±标准差（x±s）表示，不符合正态分布计量资料以中位数或四分位数表示。计数资料以例数或百分比表示。进行LASSO回归，应用10倍交叉验证来获得最佳风险因子子集。运用多因素Logistic回归分析心脏术后DSWI危险因素，建立心脏术后DSWI风险预测列线图。计算受试者工作特征曲线下面积（AUC）、校准曲线及决策曲线。其中，AUC≤0.5为没有任何区分度，0.50.9为区分度较高。检验采用Bootstrap法对列线图进行内部验证，计算一致性指数（C-index）评估预测模型的性能。其中，C-index≤0.5为没有任何预测能力，0.50.9为准确性较高。以P < 0.05为差异有统计学意义。

2 结果

2.1 一般情况

获得首页信息的患者共2753例，其中信息完整患者2610例，并采集20个待选变量，包括性别、年龄、肾功能不全、呼吸功能不全、心功能分级、主动脉瓣手术、二尖瓣瓣手术、三尖瓣手术、大血管手术、冠脉搭桥术、心包剥脱术、同种异体骨移植术、其他手术、心房射频消融术、高脂血症、高血压、免疫病、糖尿病、再次手术以及深部胸骨伤口感染。纳入患者年龄1～85岁，平均（50±17）岁，中位住院时间为25（19，35）d。

2.2 预测风险因子的选择

深部胸骨伤口感染为结局变量，从20个因变量中筛选出10个变量（年龄、肾功能不全、心功能不全、冠状动脉搭桥术、大血管手术、同种异体骨移植术、高血压、糖尿病以及高脂血症）。其中，偏差最小λ0=0.002，logλ=-6.155。一个标准误内误差最小λ1=0.011，logλ=-4.481。见图1A。随着λ增加，LASSO中变量回归系数逐步归零，将变量逐步从模型中去除，选择交叉验证偏差最小的λ0，并筛选出10个变量。见图1B。

2.3 预测心臟术后DSWI的列线图的建立

大血管手术、二次手术、糖尿病及同种异体骨移植术是DSWI风险的独立预后因子（P < 0.05）。见表1。建立预测心脏术后DSWI风险的列线图模型，总得分对应风险预测值见图2。

2.4 预测心脏术后DSWI风险的列线图模型性能评价、验证及临床实用性评价

列线图预测DSWI风险的AUC为0.725（95%CI：0.671～0.750），区分度中等。列连图的校准曲线图提示，预测概率与实际概率一致性良好（P = 0.754）。在模型内验证中C-index = 0.720，提示该模型具有一定的预测能力。决策曲线分析提示，阈值概率为0.01～0.40，临床应用该列连图预测DSWI风险可以获得好的净收益率，即临床实用性较高。见图3。

3 讨论

随着医学科学的提高，DSWI治疗有很大程度的进步[7]，但DSWI仍是最灾难性的心脏外科并发症之一，故对心脏术后DSWI风险的量化评估，显得非常重要。本研究符合入选标准患者2610例，DSWI发生率1.8%。在建立预测心脏术后DSWI风险的列线图模型过程中，考虑到结局变量的病例数较少，因变量多达20个，因此本研究应用了LASSO回归筛选风险因子[8-10]，共10个变量建立DSWI风险列连图模型。本研究结果提示，大血管手术、再次手术、糖尿病及同种异体骨移植是DSWI风险的独立预后因子，与相关临床研究结果相似[1-2]。在模型的性能评价中，该模型具有较高的区分度及校准度。同时，在内验证中具有较高的C-index。提示，运用该模型进行心脏术后DSWI风险预测较为可靠。

決策曲线分析是一种简洁易懂的数学模型，以评判预测工具的临床可用性及效益[11-12]。在决策曲线的分析中，阈值概率在0.01～0.40区间内模型的净受益更高;而在阈值概率>0.40时，模型无应用价值。提示，该预测模型可以应用到较大的样本中。

目前，心外科最为广泛应用的有关心脏术后感染的风险评估系统是美国胸外科医师协会评分系统（STS）[13]。然而，所有评价系统均不具有可视化功能。本研究结果显示，列线图模型能够图形化、可视化以及量化Logistic回归结果，比较直观快速地应用于个体临床结局的预测，建议临床推广应用[14-15]。此外，本研究首次建立国内预测心脏术后DSWI风险的列线图，有助于外科医师量化DSWI的风险权重，便于家属及患者直观地理解手术风险。

本研究结果显示[16]，对于显著胸骨骨质疏松患者，植入同种异体松质骨可以明显改善DSWI的发生。临床研究发现[17-19]，骨质疏松与患者的脆弱性有关，而脆弱性与心脏手术患者预后、营养状况以及抗感染力明显相关[20-21]。针对列线图模型所示的DSWI风险因素，需增强对有关可控因素的处理。对于复杂手术，应积极纠正心功能状态，加强肾功能管理等脏器功能处理，尤其是高龄患者，更应积极做好术前准备，以降低围术期DSWI的发生风险。

由于病例首页信息的限制，围术期DSWI风险的部分重要危险因素（如患者体重指数、ICU时间等）并未充分考虑。此外，本研究为单中心研究，预测心脏围术期死亡风险的列线图模型还需经多中心、更大样本研究进一步外部验证。

综上所述，基于上述10项危险因素建立的国内首个预测DSWI风险的列线图模型具有良好的区分度、准确性以及一定的临床应用价值，对于甄别高风险DSWI患者、制订更有效的干预对策以及预防围术期风险提供指导依据。

[参考文献]

[1]  Filsoufi F，Castillo JG，Rahmanian PB，et al. Epidemiology of deep sternal wound infection in cardiac surgery [J]. J Cardiothorac Vasc Anesth，2009，23（4）：488-494.

[2]  Eklund AM，Lyytikainen O，Klemets P，et al. Mediastinitis after more than 10，000 cardiac surgical procedures [J]. Ann Thorac Surg，2006，82（5）：1784-1789.

[3]  Juhl AA，Hody S，Videbaek TS，et al. Deep Sternal Wound Infection after Open-Heart Surgery：A 13-Year Single Institution Analysis [J]. Ann Thorac Cardiovasc Surg，2017， 23（2）：76-82.

[4]  Loop FD，Lytle BW，Cosgrove DM，et al. J. Maxwell Chamberlain memorial paper. Sternal wound complications after isolated coronary artery bypass grafting：early and late mortality，morbidity，and cost of care [J]. Ann Thorac Surg，1990，49（2）：179-187.

[5]  张超纪，刘剑州，李晓凤，等.心脏术后深部胸骨伤口感染的外科处理[J].中国医药导报，2014，11（30）：143-146.

[6]  Pan L，Mo R，Zhou Q，et al. Deep sternal wound infection after cardiac surgery in the Chinese population：a single-centre 15-year retrospective study [J]. J Thorac Dis，2017， 9（9）：3031-3037.

[7]  Kaul P. Sternal reconstruction after post-sternotomy mediastinitis [J]. J Cardiothorac Surg，2017，12（1）：94.

[8]  Pavlou M，Ambler G，Seaman SR，et al. How to develop a more accurate risk prediction model when there are few events [J]. BMJ，2015，351：h3868.

[9]  Lin P，Wen DY，Chen L，et al. A radiogenomics signature for predicting the clinical outcome of bladder urothelial carcinoma [J]. Eur Radiol，2019：1-11.

[10]  Jiang Y，Wang W，Chen C，et al. Radiomics Signature on Computed Tomography Imaging：Association With Lymph Node Metastasis in Patients With Gastric Cancer [J]. Front Oncol，2019，9：340.

[11]  Kerr KF，Brown MD，Zhu K，et al. Assessing the Clinical Impact of Risk Prediction Models With Decision Curves：Guidance for Correct Interpretation and Appropriate Use [J]. J Clin Oncol，2016，34（21）：2534-2540.

[12]  Fitzgerald M，Saville BR，Lewis RJ. Decision curve analysis [J]. JAMA，2015，313（4）：409-410.

[13]  Fowler VJ，O′Brien SM，Muhlbaier LH，et al. Clinical predictors of major infections after cardiac surgery [J]. Circulation，2005，112（9 Suppl）：I358-I365.

[14]  Dihge L，Bendahl PO，Ryden L. Nomograms for preoperative prediction of axillary nodal status in breast cancer [J]. Br J Surg，2017，104（11）：1494-1505.

[15]  Zhang J，Li X，Huang R，et al. A nomogram to predict the probability of axillary lymph node metastasis in female patients with breast cancer in China：A nationwide，multicenter，10-year epidemiological study [J]. Oncotarget，2017，8（21）：35311-35325.

[16]  Liang M，Liu J，Miao Q，et al. Use of freeze-dried bone allografts in osteoporotic patients undergoing median sternotomy [J]. Cell Tissue Bank，2018，19（1）：27-33.

[17]  Li G，Thabane L，Papaioannou A，et al. An overview of osteoporosis and frailty in the elderly [J]. BMC Musculoskelet Disord，2017，18（1）：46.

[18]  Sternberg SA，Levin R，Dkaidek S，et al. Frailty and osteoporosis in older women-a prospective study [J]. Osteoporos Int，2014，25（2）：763-768.

[19]  趙蕾，刘学员，陈日超，等.住院患者多种慢性疾病与骨质疏松症的偏相关分析[J].中国医药导报，2017，14（28）：53-56.

[20]  Lee DH，Buth KJ，Martin BJ，et al. Frail patients are at increased risk for mortality and prolonged institutional care after cardiac surgery [J]. Circulation，2010，121（8）：973-978.

[21]  Rajabali N，Rolfson D，Bagshaw SM. Assessment and Utility of Frailty Measures in Critical Illness，Cardiology，and Cardiac Surgery [J]. Can J Cardiol，2016，32（9）：1157-1165.

（收稿日期：2019-07-17  本文编辑：王晓晔）

推荐访问:胸骨 术后 病例 首页 构建