張燕,彭伶麗,張磊,周芳意,羅貞
手術(shù)是顱腦腫瘤患者主要的治療手段,但擇期開(kāi)顱術(shù)后30 d內(nèi)病死率為1.0%~2.5%[1-2]。由于顱腦腫瘤術(shù)后患者病情危重、病情變化迅速且隱匿,發(fā)生病情惡化的風(fēng)險(xiǎn)高。因此,篩選顱腦腫瘤術(shù)后病情惡化的風(fēng)險(xiǎn)因素,建立早期預(yù)警模型,對(duì)及早識(shí)別術(shù)后高?;颊?、降低術(shù)后病死率具有重要意義。近年來(lái),伴隨人工智能的發(fā)展和大數(shù)據(jù)時(shí)代的到來(lái),數(shù)據(jù)挖掘技術(shù)在醫(yī)療衛(wèi)生領(lǐng)域的應(yīng)用優(yōu)勢(shì)愈加凸顯[3]。據(jù)報(bào)道,決策樹(shù)、支持向量機(jī)、人工神經(jīng)網(wǎng)絡(luò)等數(shù)據(jù)挖掘技術(shù)比logistic回歸分析法更能準(zhǔn)確地預(yù)測(cè)病情惡化[4]。而現(xiàn)有的病情評(píng)價(jià)系統(tǒng)如早期預(yù)警評(píng)分、改良早期預(yù)警評(píng)分、國(guó)家早期預(yù)警評(píng)分等大多是基于生命體征數(shù)據(jù)、運(yùn)用傳統(tǒng)的logistic回歸方法建立,缺乏針對(duì)性。陳圓圓等[5]運(yùn)用logistic回歸法建立了顱腦腫瘤專(zhuān)科預(yù)警模型,但未納入血生化及影像學(xué)檢查等指標(biāo),未比較其他數(shù)據(jù)挖掘技術(shù)與傳統(tǒng)logistic回歸法的預(yù)測(cè)準(zhǔn)確性。鑒此,本研究探索性地選用logistic回歸分析法和決策樹(shù)法兩種預(yù)測(cè)模型分別構(gòu)建顱腦腫瘤患者術(shù)后病情惡化的早期預(yù)警模型,并對(duì)比兩種模型的預(yù)測(cè)效果優(yōu)劣,力圖探索顱腦腫瘤患者術(shù)后病情惡化風(fēng)險(xiǎn)評(píng)估的更優(yōu)模型,更好地幫助臨床醫(yī)護(hù)人員篩選潛在的危重患者,為早期針對(duì)性護(hù)理干預(yù)提供參考。
1.1對(duì)象
1.1.1納入與排除標(biāo)準(zhǔn) 采用病例對(duì)照的研究方法,選取中南大學(xué)湘雅醫(yī)院確診顱腦腫瘤行開(kāi)顱手術(shù)患者為研究對(duì)象。納入標(biāo)準(zhǔn):①臨床癥狀和體征符合顱腦腫瘤診斷要點(diǎn),臨床病歷資料顯示顱腦腫瘤疾病診斷,在住院期間發(fā)生非計(jì)劃性再次手術(shù)或非計(jì)劃性轉(zhuǎn)入ICU或死亡;②年齡≥14歲;③住院時(shí)間>24 h。排除標(biāo)準(zhǔn):①并存急性心、肝、腎功能不全;②開(kāi)顱術(shù)后因病情需要計(jì)劃性轉(zhuǎn)入ICU實(shí)施監(jiān)護(hù)、進(jìn)行計(jì)劃性再次手術(shù);③非病情惡化原因(如未達(dá)到效果手術(shù)再調(diào)整,引流管問(wèn)題、切口問(wèn)題等)導(dǎo)致的非計(jì)劃性再次手術(shù)、非計(jì)劃性轉(zhuǎn)入ICU、死亡;④孕婦;⑤因可疑風(fēng)險(xiǎn)轉(zhuǎn)入ICU后但病情未發(fā)生惡化;⑥手術(shù)室、麻醉復(fù)蘇室、外院直接轉(zhuǎn)入ICU。共納入患者539例,其中住院期間發(fā)生病情惡化(病例組)241例(非計(jì)劃性轉(zhuǎn)入ICU 73例,非計(jì)劃性再次手術(shù)155例,死亡13例),同期手術(shù)但未發(fā)生病情惡化(對(duì)照組)298例。病例組中,男120例,女121例;門(mén)診入院222例,急診入院19例。腫瘤類(lèi)型:腦膜瘤68例,彌漫性星形細(xì)胞和少突膠質(zhì)細(xì)胞腫瘤73例,蝶鞍區(qū)腫瘤33例,顱神經(jīng)和脊旁神經(jīng)腫瘤29例,神經(jīng)元及混合性神經(jīng)元-膠質(zhì)腫瘤5例,淋巴瘤7例,生殖細(xì)胞腫瘤10例,間葉腫瘤,非腦膜皮型腫瘤7例,室管膜腫瘤3例,胚胎性腫瘤6例。患糖尿病18例,患肺部疾病18例,肝臟疾病44例。有吸煙史27例。急診手術(shù)5例,擇期手術(shù)23例,限期手術(shù)213例。體溫37.10(36.80,38.00)℃;血鉀3.80(3.54,4.10)mmol/L,白細(xì)胞13.43(9.75,16.00)×109/L。對(duì)照組中,男148例,女150例;門(mén)診入院282例,急診入院16例。腫瘤類(lèi)型:腦膜瘤72例,彌漫性星形細(xì)胞和少突膠質(zhì)細(xì)胞腫瘤84例,蝶鞍區(qū)腫瘤57例,顱神經(jīng)和脊旁神經(jīng)腫瘤38例,神經(jīng)元及混合性神經(jīng)元-膠質(zhì)腫瘤6例,淋巴瘤7例,生殖細(xì)胞腫瘤13例,間葉腫瘤,非腦膜皮型腫瘤16例,室管膜腫瘤1例,胚胎性腫瘤4例。患糖尿病16例,患肺部疾病15例,患肝臟疾病56例;有吸煙史31例。急診手術(shù)2例,擇期手術(shù)21例,限期手術(shù)275例。體溫37.10(36.80,38.00)℃;血鉀3.77(3.42,4.04)mmol/L,白細(xì)胞13.10(9.80,16.35)×109/L。
1.1.2結(jié)局指標(biāo) 本研究顱腦腫瘤患者術(shù)后病情惡化的結(jié)局指標(biāo)界定為開(kāi)顱術(shù)后發(fā)生非計(jì)劃性再次手術(shù)、非計(jì)劃性轉(zhuǎn)入ICU或死亡這三類(lèi)嚴(yán)重不良事件。非計(jì)劃性轉(zhuǎn)入ICU指患者在同一次住院期間由于病情惡化由普通病房非早期預(yù)警轉(zhuǎn)入ICU治療[6-7];非計(jì)劃性再次手術(shù)指在同一次住院期間,因患者病情發(fā)展或術(shù)后并發(fā)癥導(dǎo)致患者計(jì)劃外的二次手術(shù)[8-9];死亡沿用腦死亡的診斷標(biāo)準(zhǔn)[10]?;颊甙l(fā)生三類(lèi)嚴(yán)重不良事件來(lái)源均是普通病房。患者在同一次住院期間相繼發(fā)生多種不良事件,則選擇首次事件作為病情惡化的結(jié)局,即同一患者同一次住院期間只保留一次病情惡化記錄。
1.2方法
1.2.1調(diào)查內(nèi)容 制訂統(tǒng)一的患者資料調(diào)查表,包括以下6個(gè)方面。①一般資料:包括性別、年齡、入院途徑、腫瘤類(lèi)型、基礎(chǔ)疾病(高血壓、糖尿病、心臟疾病、肺部疾病、肝臟疾病)、吸煙史。②手術(shù)相關(guān)因素:手術(shù)類(lèi)別、ASA分級(jí)、手術(shù)時(shí)間、術(shù)中失血量。③實(shí)驗(yàn)室檢查:血清鉀、血清鈉、白細(xì)胞、血小板。④基礎(chǔ)生理參數(shù):體溫、呼吸、心率、收縮壓、脈搏血氧飽和度(SpO2)、瞳孔。⑤病情評(píng)估系統(tǒng):改良早期預(yù)警評(píng)分(MEWS)、格拉斯哥評(píng)分(GCS)。⑥影像學(xué)檢查:為術(shù)后中線結(jié)構(gòu)的偏移情況。對(duì)于術(shù)后的觀察指標(biāo)(實(shí)驗(yàn)室檢查、生理參數(shù)、病情評(píng)估系統(tǒng)得分、影像學(xué)檢查),病例組收集患者發(fā)生病情惡化前24 h內(nèi)最差的一次數(shù)值,如資料缺失取最近的一次記錄代替;對(duì)照組收集住院期間術(shù)后病歷記錄里最差的一次數(shù)值。
1.2.2統(tǒng)計(jì)學(xué)方法 使用Epidata進(jìn)行數(shù)據(jù)雙錄入,核對(duì)無(wú)誤后導(dǎo)入SPSS25.0軟件進(jìn)行統(tǒng)計(jì)分析,缺失值用平均值代替。組間比較采用χ2檢驗(yàn)、t檢驗(yàn)及Mann-WhitneyU檢驗(yàn)。采用logistic回歸分析建立早期預(yù)警模型;選用決策樹(shù)卡方自動(dòng)交互檢測(cè)算法進(jìn)行變量篩選,建立決策樹(shù)(樹(shù)的生長(zhǎng)層數(shù)為3層,停止規(guī)則為α=0.05,父節(jié)點(diǎn)、子節(jié)點(diǎn)最小樣本量分別為200和100)。logistic回歸模型采用最大似然法和Hosmer-lemeshow擬合效果檢驗(yàn),用ROC曲線下面積(AUC)評(píng)價(jià)兩個(gè)模型預(yù)測(cè)的鑒別效度。通過(guò)MedcalcV20.0.14軟件對(duì)兩個(gè)模型的ROC曲線進(jìn)行繪制與對(duì)比。檢驗(yàn)水準(zhǔn)α=0.05。
2.1兩組一般資料比較 兩組性別、入院途徑、腫瘤類(lèi)型、是否患有糖尿病、肺部疾病、肝臟疾病,是否吸煙、手術(shù)類(lèi)別、血鉀及白細(xì)胞水平、體溫比較,差異無(wú)統(tǒng)計(jì)學(xué)意義(均P>0.05),兩組差異有統(tǒng)計(jì)學(xué)意義的項(xiàng)目及比較,見(jiàn)表1。
表1 兩 組 一 般 資 料 比 較
2.2logistic回歸模型 以是否發(fā)生病情惡化為因變量Y(否=0,是=1),將單因素分析中有統(tǒng)計(jì)學(xué)意義的16個(gè)變量進(jìn)行二元logistic回歸分析。結(jié)果顯示,ASA分級(jí)X1(<3=0,≥3=1)、手術(shù)時(shí)間X2(原值輸入)、SpO2X3(原值輸入)、GCS評(píng)分X4(原值輸入)、中線結(jié)構(gòu)移位X5(否=0,是=1)是獨(dú)立危險(xiǎn)因素。得到顱腦腫瘤術(shù)后病情惡化早期預(yù)警模型:Logit(P)=10.951+0.982X1+0.004X2-0.077X3-0.572X4+0.800X5。模型似然比卡方為291.628,df=5,P<0.01,模型有統(tǒng)計(jì)學(xué)差異;Hosmer-lemeshow擬合優(yōu)度檢驗(yàn)χ2=10.738,df=8,P=0.217,模型擬合較好。見(jiàn)表2。
表2 顱腦腫瘤患者術(shù)后病情惡化早期預(yù)警模型的logistic回歸分析(n=539)
2.3決策樹(shù)模型 將有統(tǒng)計(jì)學(xué)差異的16個(gè)自變量作為預(yù)測(cè)因子納入決策樹(shù)模型,生成的決策樹(shù)模型見(jiàn)圖1。決策樹(shù)生長(zhǎng)2層,共6個(gè)節(jié)點(diǎn),其中終末節(jié)點(diǎn)4個(gè)。結(jié)果顯示GCS評(píng)分和ASA分級(jí)是顱腦腫瘤術(shù)后病情惡化的影響因素,首層為GCS評(píng)分,表明GCS評(píng)分對(duì)病情惡化的影響最大。其中GCS評(píng)分≤9分的患者病情惡化的發(fā)生率是93.7%,高于GCS評(píng)分為9~14分的患者(58.7%)和GCS評(píng)分>14分的患者(14.9%);對(duì)于GCS評(píng)分>14分的患者,另一個(gè)預(yù)測(cè)變量是ASA分級(jí),ASA分級(jí)≥3的患者病情惡化的發(fā)生率(19.4%)高于ASA分級(jí)<3的患者(9.8%)。
圖1 顱腦腫瘤術(shù)后病情惡化影響因素的決策樹(shù)交互檢測(cè)算法分析
2.4兩種模型比較 對(duì)照組(298例)用logistic回歸模型和決策樹(shù)模型分別預(yù)測(cè)40例、76例發(fā)生病情惡化,病例組(241例)分別預(yù)測(cè)167例、202例發(fā)生病情惡化,可得logistic回歸和決策樹(shù)模型的分類(lèi)正確率分別為78.8%[(167+298-40)/(298+241)]和78.7%[(202+298-76)/(298+241)]。logistic回歸模型的靈敏度和約登指數(shù)(69.3%,0.559)低于決策樹(shù)模型(83.8%,0.583),其特異度(86.6%)高于決策樹(shù)模型(74.5%)。以logistic回歸模型與決策樹(shù)模型的預(yù)測(cè)值作為狀態(tài)變量,分別繪制ROC曲線,前者的AUC為0.881(95%CI:0.851~0.907),標(biāo)準(zhǔn)誤為0.0145;決策樹(shù)模型的AUC為0.848(95%CI:0.815~0.877),標(biāo)準(zhǔn)誤為0.0160,兩模型的預(yù)測(cè)效果中等(0.7~0.9),AUC差異有統(tǒng)計(jì)學(xué)意義(95%CI:0.0130~0.0536,Z=3.222,P=0.001)。
本研究logistic回歸模型結(jié)果顯示,ASA分級(jí)、手術(shù)時(shí)間、脈搏血氧飽和度、GCS評(píng)分、中線結(jié)構(gòu)移位是顱腦腫瘤術(shù)后病情惡化的獨(dú)立危險(xiǎn)因素,與以往的研究結(jié)果類(lèi)似[4,11]。其中GCS評(píng)分和ASA分級(jí)是兩種模型共同的危險(xiǎn)因素,而GCS評(píng)分位于決策樹(shù)的首層,是決策樹(shù)模型中影響病情惡化的首要因素,與彭麗等[12]研究結(jié)果相符。GCS評(píng)分反映患者的意識(shí)障礙程度,評(píng)分低往往預(yù)示著預(yù)后不良,因此,術(shù)后應(yīng)密切關(guān)注GCS評(píng)分低的患者,正確掌握GCS的評(píng)估方法,輔助病情判斷。ASA分級(jí)根據(jù)患者系統(tǒng)性疾病程度及代償能力分為5級(jí),隨系統(tǒng)性疾病程度升高而升高。本研究結(jié)果顯示,ASA≥3級(jí)的患者術(shù)后發(fā)生病情惡化的風(fēng)險(xiǎn)顯著高于ASA<3級(jí)的患者(P<0.01),說(shuō)明ASA分級(jí)越高的顱腦腫瘤患者是病情惡化高危人群,與孟凱等[13]研究結(jié)果一致。Quinn等[14]研究結(jié)果發(fā)現(xiàn),ASA分級(jí)為4級(jí)和5級(jí)的患者發(fā)生心臟驟停的風(fēng)險(xiǎn)高于1級(jí)或2級(jí)患者。ASA分級(jí)越高的患者合并癥多,手術(shù)難度大,手術(shù)風(fēng)險(xiǎn)高,術(shù)前應(yīng)做好手術(shù)風(fēng)險(xiǎn)的全面評(píng)估和術(shù)前準(zhǔn)備,術(shù)后加強(qiáng)監(jiān)護(hù)。
此外,手術(shù)時(shí)間、脈搏血氧飽和度、中線結(jié)構(gòu)移位也是顱腦腫瘤患者術(shù)后發(fā)生病情惡化的獨(dú)立危險(xiǎn)因素。Dasenbrock等[15]分析11 462例開(kāi)顱手術(shù)患者的資料,發(fā)現(xiàn)手術(shù)時(shí)間長(zhǎng)是出現(xiàn)血腫需非計(jì)劃性再次手術(shù)的預(yù)測(cè)因素之一??赡芘c手術(shù)時(shí)間長(zhǎng),腦組織暴露于外界的時(shí)間長(zhǎng),易導(dǎo)致顱內(nèi)感染等并發(fā)癥的發(fā)生有關(guān)[16]。脈搏血氧飽和度能在一定程度上反映血氧飽和度及呼吸功能的變化,幫助醫(yī)護(hù)人員及時(shí)發(fā)現(xiàn)早期的低氧血癥,同時(shí)也間接反映了循壞功能[17]。本研究結(jié)果顯示,脈搏血氧飽和度越低者病情惡化風(fēng)險(xiǎn)越高(P<0.05)。由于腦組織對(duì)缺氧的耐受性很差,嚴(yán)重缺氧會(huì)損傷腦細(xì)胞,也會(huì)導(dǎo)致心律失常、心臟驟停等并發(fā)癥,加重患者的病情。護(hù)理人員需要根據(jù)患者病情選擇合適的吸氧方式,吸氧過(guò)程中監(jiān)測(cè)血氧飽和度的變化,根據(jù)血氧飽和度調(diào)整吸氧濃度和時(shí)間。中線結(jié)構(gòu)位于正中矢狀線,包括第三腦室、胼胝體、透明隔、大腦鐮、丘腦、丘腦間粘合、松果體等[18]。由于顱腔的總?cè)莘e固定,在發(fā)生引起容積變化的病變時(shí),會(huì)導(dǎo)致處于正常位置的腦組織移位、受壓、變形等異常改變,即產(chǎn)生所謂的占位效應(yīng)。如果占位發(fā)生在中線結(jié)構(gòu)或非對(duì)稱(chēng)的兩側(cè),可能會(huì)造成中線結(jié)構(gòu)的偏移。本研究中病例組有32.1%的顱腦腫瘤患者術(shù)后CT檢查發(fā)現(xiàn)有中線結(jié)構(gòu)移位,顯著高于對(duì)照組(20.7%)。中線結(jié)構(gòu)移位與病情嚴(yán)重程度和臨床預(yù)后密切相關(guān),如杜玲等[19]對(duì)278例出血性腦卒中患者進(jìn)行前瞻性研究,發(fā)現(xiàn)中線結(jié)構(gòu)發(fā)生偏移患者的風(fēng)險(xiǎn)比為1.776,是30 d內(nèi)死亡的獨(dú)立預(yù)測(cè)因素。且中線結(jié)構(gòu)移位越大,患者的病死率越高[20]。因此,監(jiān)測(cè)腦中線結(jié)構(gòu)的移位情況對(duì)指導(dǎo)醫(yī)護(hù)人員辨別可能發(fā)生的病情惡化、判斷預(yù)后具有重要意義。
本研究?jī)煞N預(yù)測(cè)模型的分類(lèi)準(zhǔn)確率相近,均達(dá)到70%以上,模型效果較好。logistic回歸模型的靈敏度和約登指數(shù)低于決策樹(shù)模型,但特異度高于決策樹(shù)模型,說(shuō)明決策樹(shù)模型判別真正發(fā)生病情惡化的能力較高,而logistic回歸模型預(yù)測(cè)實(shí)際不發(fā)生病情惡化的能力較高。logistic回歸模型的AUC顯著高于決策樹(shù)模型(P<0.01),說(shuō)明其預(yù)測(cè)效能更高。主要因?yàn)閘ogistic回歸模型中包含的變量更多,模型更穩(wěn)定。有研究指出,logistic回歸模型和決策樹(shù)模型各具優(yōu)勢(shì),兩者結(jié)合可以充分解釋變量間的關(guān)系[21]。就本研究而言,logistic回歸模型雖然能反映病情惡化與各自變量的依存關(guān)系,但在反映變量間的交互作用上不如決策樹(shù)模型。而決策樹(shù)模型不受變量間共線性的影響,能顯示變量間的交互關(guān)系及各自變量對(duì)結(jié)果變量的重要程度,并以概率的形式展示。如本研究中決策樹(shù)的首層為GCS評(píng)分,其與病情惡化的相關(guān)性最高,評(píng)分越低的患者發(fā)生病情惡化的概率越高;第二層顯示變量間的相互作用,如GCS>14分的患者要進(jìn)一步考慮ASA分級(jí)才能判斷病情惡化的風(fēng)險(xiǎn)性。且決策樹(shù)生成的樹(shù)形圖能直觀地展示有分類(lèi)或有預(yù)測(cè)意義的變量[22],易于醫(yī)護(hù)人員理解和使用。但與logistic回歸模型相比,決策樹(shù)模型不能輸出OR值,分類(lèi)結(jié)果受實(shí)際數(shù)據(jù)控制,會(huì)隨葉子節(jié)點(diǎn)數(shù)的變化而變化,欠缺穩(wěn)定性。因此,兩者可互為補(bǔ)充,從不同層面發(fā)現(xiàn)影響顱腦腫瘤術(shù)后病情惡化的因素,為醫(yī)護(hù)人員篩選高?;颊咛峁﹨⒖?。
本研究采用logistic回歸分析和決策樹(shù)法分別建立顱腦腫瘤患者術(shù)后病情惡化的早期預(yù)警模型,并對(duì)比兩者的預(yù)測(cè)效能,結(jié)果顯示logistic回歸模型的預(yù)測(cè)效果優(yōu)于決策樹(shù)模型,而決策樹(shù)模型更直觀,易于理解,兩者結(jié)合可以幫助醫(yī)護(hù)人員從數(shù)學(xué)統(tǒng)計(jì)、樹(shù)形圖等多角度綜合評(píng)判患者病情惡化風(fēng)險(xiǎn)。鑒于樣本量較小,本研究未探討其他數(shù)據(jù)挖掘技術(shù)如人工神經(jīng)網(wǎng)絡(luò)、貝葉斯等方法的應(yīng)用效果,未來(lái)有望開(kāi)展大樣本、多中心的前瞻性隊(duì)列研究,對(duì)所建立的模型進(jìn)一步完善。