李夢(mèng)娜，劉曉夏，陳美文，趙蕊，葛莉娜

（中國醫(yī)科大學(xué)附屬盛京醫(yī)院 婦產(chǎn)科，遼寧 沈陽 110000）

近年來加速康復(fù)外科 （enhanced recovery after surgery,ERAS） 減少了子宮內(nèi)膜癌患者的術(shù)后住院時(shí)間，促使其早期出院[1-2]。 然而，國內(nèi)關(guān)于加速康復(fù)外科模式下子宮內(nèi)膜癌患者的研究多集中在干預(yù)性研究， 加速康復(fù)外科模式下能夠早期出院的子宮內(nèi)膜癌患者的影響因素不明， 缺乏子宮內(nèi)膜癌患者加速康復(fù)外科術(shù)后能否早期出院的預(yù)測(cè)工具。 本研究通過使用隨機(jī)森林和Logistic 回歸分別基于加速康復(fù)外科模式下子宮內(nèi)膜癌患者的臨床資料建立相關(guān)模型， 確定子宮內(nèi)膜癌患者加速康復(fù)外科術(shù)后早期出院的影響因素，比較2 個(gè)模型的預(yù)測(cè)性能，探索適用于子宮內(nèi)膜癌患者加速康復(fù)外科術(shù)后早期出院預(yù)測(cè)模型，為護(hù)理人員及時(shí)采取預(yù)防及健康管理措施，改善圍術(shù)期護(hù)理質(zhì)量提供參考。

1 對(duì)象與方法

1.1 研究對(duì)象 本研究為單中心，回顧性研究。 采用便利抽樣法，選取2019 年1 月—2021 年12 月在某三級(jí)甲等醫(yī)院接受婦科加速康復(fù)外科手術(shù)并符合納排標(biāo)準(zhǔn)的子宮內(nèi)膜癌患者328 例。納入標(biāo)準(zhǔn)：患者診斷標(biāo)準(zhǔn)符合2018 年《子宮內(nèi)膜癌診斷與治療指南（第4 版）》[3]；病例資料完整；患者接受加速康復(fù)外科手術(shù)。排除標(biāo)準(zhǔn)：死亡患者；術(shù)后轉(zhuǎn)科患者；因術(shù)后出血、感染等原因接受二次手術(shù)患者。

1.2 研究方法

1.2.1 研究工具

1.2.1.1 影響因素調(diào)查表 結(jié)合文獻(xiàn)查閱[4-7]及專家咨詢，自行設(shè)計(jì)子宮內(nèi)膜癌患者加速康復(fù)外科術(shù)后早期出院影響因素調(diào)查表，內(nèi)容包括：（1）一般資料，如年齡、體質(zhì)量指數(shù)、醫(yī)保類型等；（2）手術(shù)相關(guān)，如美國麻醉醫(yī)師協(xié)會(huì)分級(jí)、疾病分期、手術(shù)方式等；（3）檢驗(yàn)指標(biāo)，如術(shù)前白細(xì)胞、術(shù)前紅細(xì)胞、術(shù)前血紅蛋白等。

1.2.1.2 查爾森合并癥指數(shù) （Charlson Comorbidity Index,CCI） 由Shao 等[8]于1987 年提出，用于評(píng)估患者合并癥，19 個(gè)合并癥條目分4 個(gè)子集，依次計(jì)1分、2 分、3 分，無合并癥計(jì)0 分，總分最高37 分，分值越高表示合并癥程度越重。

1.2.1.3 手術(shù)復(fù)雜性評(píng)分 由Datta 等[9]于2011 年提出， 用于評(píng)估患者手術(shù)復(fù)雜程度，12 個(gè)條目分3個(gè)子集，依次計(jì)1 分、2 分、3 分，總分最高18 分，分值越高代表手術(shù)復(fù)雜程度越高。

1.2.2 子宮內(nèi)膜癌患者加速康復(fù)外科術(shù)后早期出院的判斷標(biāo)準(zhǔn) 在這項(xiàng)研究中， 我們將術(shù)后住院時(shí)間小于中位術(shù)后住院時(shí)間定義為早期出院[10]。 本研究中， 子宮內(nèi)膜癌患者加速康復(fù)外科術(shù)后住院時(shí)間為6（5，8）d，根據(jù)本研究結(jié)果和既往研究結(jié)果[11-13]定義子宮內(nèi)膜癌患者在加速康復(fù)外科術(shù)后第6 天和6 d內(nèi)出院都為早期出院。

1.2.3 資料收集和質(zhì)量控制方法 經(jīng)過統(tǒng)一培訓(xùn)的3 名研究員根據(jù)研究工具于2022 年1-5 月完成數(shù)據(jù)收集。 在數(shù)據(jù)收集前， 對(duì)3 名研究員進(jìn)行數(shù)據(jù)收集、數(shù)據(jù)填寫及錄入培訓(xùn)。 使用醫(yī)院的病例系統(tǒng)對(duì)2019 年1 月—2021 年12 月的子宮內(nèi)膜癌患者進(jìn)行病例資料收集。 數(shù)據(jù)收集完成后交由第3 人保管并進(jìn)行20%的數(shù)據(jù)抽取和核對(duì)。

1.3 統(tǒng)計(jì)學(xué)方法 采用SPSS 20.0 和R 3.4.1 進(jìn)行數(shù)據(jù)分析。 正態(tài)分布的定量資料采用X±S 表示，組間采用兩獨(dú)立樣本t 檢驗(yàn)， 非正態(tài)分布的計(jì)量資料采用M（P25，P75）表示，組間采用秩和檢驗(yàn)。 計(jì)數(shù)資料以頻數(shù)、百分比表示，組間比較采用χ2檢驗(yàn)或Fisher確切概率法。 等級(jí)資料以頻數(shù)、百分比表示，組間采用秩和檢驗(yàn)。采用雙側(cè)檢驗(yàn)，檢驗(yàn)標(biāo)準(zhǔn)為P<0.05。采用SPSS 20.0 實(shí)現(xiàn)二元Logistic 回歸模型構(gòu)建，采用R 軟件實(shí)現(xiàn)隨機(jī)森林模型構(gòu)建以及變量的重要性排序。采用模型驗(yàn)證結(jié)果的準(zhǔn)確度、靈敏度、特異度、陽性預(yù)測(cè)值、陰性預(yù)測(cè)值、約登指數(shù)和受試者操作特征曲線及曲線下面積等指標(biāo)評(píng)價(jià)模型預(yù)測(cè)能力。

2 結(jié)果

2.1 研究對(duì)象的一般資料 建模組納入子宮內(nèi)膜癌患者230 例，其中，年齡在70 歲以上10 例（4.3%），70 歲及以下220 例 （95.7%）； 體質(zhì)量指數(shù)為23.71（23.44，24.77）kg/m2； 醫(yī)保類型中城鎮(zhèn)職工醫(yī)保43例（18.7%），城鎮(zhèn)居民醫(yī)保88 例（38.3%），農(nóng)村醫(yī)療88 例（38.3%），其他11 例（4.7%）；疾病分期I 期154例（67.0%），Ⅱ期23 例（10.0%），Ⅲ期50 例（21.7%），Ⅳ期3 例（1.3%）。建模組中60 例子宮內(nèi)膜癌患者早期出院，早期出院發(fā)生率為26.1%。

驗(yàn)證組納入子宮內(nèi)膜癌患者98 例，其中，年齡在70 歲及以上3 例（3%），70 歲以下95 例（97%）；體質(zhì)量指數(shù)為23.95（23.05,26.41）kg/m2；醫(yī)保類型中城鎮(zhèn)職工醫(yī)保24 例 （24%）， 城鎮(zhèn)居民醫(yī)保30 例（31%），農(nóng)村醫(yī)療40 例（41%），其他4 例（4%）；疾病分期I 期66 例（67%），Ⅱ期8 例（8%），Ⅲ期19 例（20%），Ⅳ期5 例（5%）。 驗(yàn)證組中25 例子宮內(nèi)膜癌患者早期出院，早期出院發(fā)生率為25.5%。

2.2 影響因素的單因素分析 將建模組加速康復(fù)外科術(shù)后早期出院與加速康復(fù)外科術(shù)后未早期出院的子宮內(nèi)膜癌患者資料進(jìn)行分析，2 組在年齡、體質(zhì)量指數(shù)、醫(yī)保類型、查爾森合并癥指數(shù)、術(shù)前白細(xì)胞和術(shù)前紅細(xì)胞比較，差異均無統(tǒng)計(jì)學(xué)意義（P>0.05），在美國麻醉醫(yī)師協(xié)會(huì)分級(jí)、疾病分期、手術(shù)方式、手術(shù)復(fù)雜性評(píng)分、手術(shù)時(shí)間、術(shù)中輸血、術(shù)中輸液量、術(shù)中失血量、術(shù)前血紅蛋白、術(shù)前紅細(xì)胞壓積、術(shù)前D-二聚體比較，差異均有統(tǒng)計(jì)學(xué)意義（P<0.05），見表1。

表1 子宮內(nèi)膜癌患者加速康復(fù)外科術(shù)后早期出院影響因素單因素分析

2.3 子宮內(nèi)膜癌患者加速康復(fù)外科術(shù)后早期出院的隨機(jī)森林與Logistic 回歸模型的建立及預(yù)測(cè)作用分析

2.3.1 輸入變量的選擇 將單因素分析中有統(tǒng)計(jì)學(xué)意義的11 個(gè)影響因素納入2 種模型中為自變量，以子宮內(nèi)膜癌患者加速康復(fù)外科術(shù)后是否早期出院為因變量進(jìn)行隨機(jī)森林和Logistic 回歸分析， 納入模型的自變量賦值方法如下。美國麻醉醫(yī)師協(xié)會(huì)分級(jí)：Ⅰ～Ⅱ=1，Ⅲ～Ⅳ=2；疾病分期：Ⅰ期=1，Ⅱ期=2，Ⅲ期=3，Ⅳ期=4；手術(shù)方式：開腹手術(shù)=0，微創(chuàng)手術(shù)=1；術(shù)中輸血：無=0，有=1；手術(shù)復(fù)雜性評(píng)分、手術(shù)時(shí)間、術(shù)中輸液量、術(shù)中失血量、術(shù)前血紅蛋白、術(shù)前紅細(xì)胞壓積、術(shù)前D-二聚體為連續(xù)性變量，將原始數(shù)據(jù)代入。

2.3.2 子宮內(nèi)膜癌患者加速康復(fù)外科術(shù)后早期出院隨機(jī)森林模型的建立 以隨機(jī)森林模型預(yù)測(cè)精度的平均下降量對(duì)隨機(jī)森林模型變量重要性進(jìn)行排序。排序越靠前表示對(duì)應(yīng)的變量對(duì)模型的分類影響越大。 可以看出手術(shù)復(fù)雜性評(píng)分、手術(shù)時(shí)間、手術(shù)方式、術(shù)中輸液量、術(shù)中失血量指標(biāo)對(duì)模型分類的貢獻(xiàn)度較高，術(shù)中失血、術(shù)前血紅蛋白、術(shù)前紅細(xì)胞壓積、疾病分期、術(shù)中是否輸血等指標(biāo)也能在一定程度上影響模型的分類結(jié)果，見表2。

表2 隨機(jī)森林模型中變量重要性排序

2.3.3 子宮內(nèi)膜癌患者加速康復(fù)外科術(shù)后早期出院Logistic 回歸模型的建立 Logistic 回歸結(jié)果顯示，微創(chuàng)手術(shù)、手術(shù)時(shí)間、術(shù)中失血量、術(shù)前紅細(xì)胞壓積是子宮內(nèi)膜癌患者加速康復(fù)外科術(shù)后能否早期出院的獨(dú)立影響因素，見表3。 根據(jù)回歸模型的預(yù)測(cè)公式，P=1/1+exp（-Z）。 制定本研究預(yù)測(cè)模型公式：P=1/｛1+exp[-（-3.964×微創(chuàng)手術(shù)+0.026×手術(shù)時(shí)間+0.009×術(shù)中失血量-0.113×紅細(xì)胞壓積+1.275）]｝。

表3 子宮內(nèi)膜癌患者快速康復(fù)外科術(shù)后早期出院Logistic 回歸分析

2.4 隨機(jī)森林和Logistic 回歸模型在建模組和驗(yàn)證組的預(yù)測(cè)性能比較 在建模組中， 隨機(jī)森林模型的準(zhǔn)確度、靈敏度、特異度、陽性預(yù)測(cè)值、陰性預(yù)測(cè)值、約登指數(shù)和AUC 均高于Logistic 回歸；在驗(yàn)證組中，隨機(jī)森林模型的準(zhǔn)確度、靈敏度、特異度、陽性預(yù)測(cè)值、陰性預(yù)測(cè)值、約登指數(shù)、AUC 均高于Logistic 回歸，見表4。

表4 2 種模型在建模組和驗(yàn)證組的預(yù)測(cè)性能比較

3 討論

3.1 子宮內(nèi)膜癌患者加速康復(fù)外科術(shù)后住院時(shí)間現(xiàn)狀 本研究結(jié)果顯示， 子宮內(nèi)膜癌患者加速康復(fù)外科術(shù)后住院時(shí)間中位數(shù)為6 d， 達(dá)到早期出院占比為26.1%。 軒俊娜[13]、吳瑩[14]研究結(jié)果顯示，子宮內(nèi)膜癌患者應(yīng)用加速康復(fù)外科理念平均住院時(shí)間為6.8 d、10.3 d。 本研究結(jié)果與軒俊娜研究結(jié)果相似，低于吳瑩研究結(jié)果。 分析原因可能與納入人群的疾病嚴(yán)重程度不同，本研究只納入了術(shù)后住院時(shí)間，未納入術(shù)前住院時(shí)間有關(guān)。

3.2 隨機(jī)森林和Logistic 回歸對(duì)子宮內(nèi)膜癌患者加速康復(fù)外科術(shù)后早期出院預(yù)測(cè)結(jié)論不完全一致

3.2.1 手術(shù)方式和手術(shù)時(shí)間影響子宮內(nèi)膜癌患者加速康復(fù)外科術(shù)后早期出院 2 種模型均顯示，手術(shù)方式和手術(shù)時(shí)間是子宮內(nèi)膜癌患者加速康復(fù)外科術(shù)后早期出院的預(yù)測(cè)因子（手術(shù)方式在隨機(jī)森林重要性排序位居第2，Logistic 回歸中P<0.001；手術(shù)時(shí)間在隨機(jī)森林重要性排序位居第3，Logistic 回歸中B=0.026，P<0.001）。Obermair 等[15]研究顯示，腹腔鏡和機(jī)器人手術(shù)減少了婦科腫瘤患者的術(shù)后住院時(shí)間，這與本研究結(jié)果一致。 Laughlin-Tommaso 等[16]研究顯示，手術(shù)時(shí)間的增加會(huì)導(dǎo)致患者早期出院概率降低，這與本研究結(jié)果一致。 這可能與手術(shù)時(shí)間過長，患者在手術(shù)過程中機(jī)體的應(yīng)激能力下降， 術(shù)后需要更長時(shí)間的恢復(fù)有關(guān)。 因此，護(hù)理人員對(duì)于接受開腹手術(shù)和手術(shù)時(shí)間過長的患者，應(yīng)在術(shù)后密切觀察其生命體征、病情變化和手術(shù)切口情況，及早識(shí)別并干預(yù)術(shù)后不良狀況的發(fā)生。

3.2.2 術(shù)中失血量影響子宮內(nèi)膜癌患者加速康復(fù)外科術(shù)后早期出院 2 種模型均顯示， 術(shù)中失血量是子宮內(nèi)膜癌患者加速康復(fù)外科術(shù)后早期出院的預(yù)測(cè)因子 （在隨機(jī)森林重要性排序位居第5，Logistic 回歸中B=0.009，P<0.05）。 術(shù)中失血過多導(dǎo)致患者肝臟、腸道和腎臟的內(nèi)臟灌流和氧合減少，進(jìn)而導(dǎo)致胃腸功能障礙[17]。由于胃腸功能障礙而無法耐受腸內(nèi)營養(yǎng)，可延長高達(dá)50%的患者在大手術(shù)后的住院時(shí)間[18]。因此，護(hù)理人員在術(shù)中要嚴(yán)密監(jiān)測(cè)患者的血流動(dòng)力學(xué)狀態(tài)[19]，通過輸液和輸血治療及時(shí)補(bǔ)充患者的血容量。

3.2.3 術(shù)前紅細(xì)胞壓積影響子宮內(nèi)膜癌患者加速康復(fù)外科術(shù)后早期出院 2 種模式均顯示， 術(shù)前紅細(xì)胞壓積是子宮內(nèi)膜癌患者加速康復(fù)外科術(shù)后早期出院的預(yù)測(cè)因子 （在隨機(jī)森林重要性排序位居第6，Logistic 回歸B=-0.113，P<0.05）。 Smith 等[6]研究顯示， 紅細(xì)胞壓積<38%的患者是術(shù)后住院時(shí)間延長的獨(dú)立危險(xiǎn)因素，這與本研究結(jié)果一致。 分析原因?yàn)榛颊咭蜷L期的疾病狀態(tài)往往伴隨健康狀況不佳，營養(yǎng)不良和貧血。 因此，護(hù)理人員對(duì)患者進(jìn)行術(shù)前評(píng)估尤為重要，以便在術(shù)前優(yōu)化患者的機(jī)體功能狀態(tài)，同時(shí)應(yīng)在術(shù)后關(guān)注其營養(yǎng)狀態(tài)的評(píng)估并及早干預(yù)。

3.2.4 手術(shù)復(fù)雜性評(píng)分影響子宮內(nèi)膜癌患者加速康復(fù)外科術(shù)后早期出院 隨機(jī)森林模型顯示， 手術(shù)復(fù)雜性評(píng)分是子宮內(nèi)膜癌患者加速康復(fù)外科術(shù)后早期出院的重要預(yù)測(cè)因子（隨機(jī)森林模型變量重要性排序位居第1）。 本研究單因素分析結(jié)果顯示，早期出院組與未早期出院組相比手術(shù)復(fù)雜性評(píng)分更低。 分析原因手術(shù)復(fù)雜性評(píng)分高的患者， 術(shù)中機(jī)體受到創(chuàng)傷較大，術(shù)后并發(fā)癥發(fā)生率高。 因此，護(hù)理人員應(yīng)將手術(shù)復(fù)雜性評(píng)分高的患者作為術(shù)后不能早期出院的重點(diǎn)預(yù)防對(duì)象， 重視患者的生命體征變化及主觀感受，如有術(shù)后并發(fā)癥發(fā)生及早干預(yù)，改善預(yù)后。

3.2.5 術(shù)中輸液量影響子宮內(nèi)膜癌患者加速康復(fù)外科術(shù)后早期出院 隨機(jī)森林模型顯示， 術(shù)中輸液量是子宮內(nèi)膜癌患者加速康復(fù)外科術(shù)后早期出院的重要預(yù)測(cè)因子（隨機(jī)森林模型變量重要性排序位居第4）。本研究單因素分析結(jié)果顯示，早期出院組與非早期出院組相比術(shù)中輸液量更低。 McKenny 等[20]研究顯示，因子宮和/或附件惡性腫瘤切除而進(jìn)行開腹手術(shù)的患者，因接受食道多普勒監(jiān)測(cè)引導(dǎo)的液體管理，住院時(shí)間從7 d 減少到6 d。 因此，在開腹手術(shù)中，對(duì)于失血量大或全身炎癥反應(yīng)綜合征高?；颊?， 建議使用先進(jìn)的血流動(dòng)力學(xué)監(jiān)測(cè)， 以促進(jìn)目標(biāo)導(dǎo)向液體治療。

3.3 隨機(jī)森林的預(yù)測(cè)性能高于Logistic 回歸模型

在建模組中，隨機(jī)森林模型的準(zhǔn)確度、靈敏度、特異度、陽性預(yù)測(cè)值、陰性預(yù)測(cè)值、約登指數(shù)、AUC 均高于Logistic 回歸， 隨機(jī)森林的預(yù)測(cè)性能高于Logistic回歸模型。 這可能與相較于Logistic 回歸模型，隨機(jī)森林具有處理高維度的數(shù)據(jù)， 并且不用做特征選擇的優(yōu)勢(shì)；引入隨機(jī)性，模型不容易過度擬合，準(zhǔn)確度高有關(guān)。

[致謝] 感謝中國醫(yī)科大學(xué)臨床流行病學(xué)教研室曹凡老師對(duì)本研究統(tǒng)計(jì)學(xué)方法和數(shù)據(jù)結(jié)果的指導(dǎo)和審核。