張曉欣 張向毅 崔盈佳 裴志怡 林佳藝 岳雯靜 王子涵 康曉鳳 祝捷

目的：系統(tǒng)評價心臟植入式電子設備（CIED）植入術后設備感染（DRI）的風險預測模型。

方法：通過計算機檢索PubMed、Embase、Web of Science、Cochrane 圖書館、CINAHL、中國生物醫(yī)學文獻數(shù)據庫、中國知網、維普網、萬方數(shù)據庫中與CIED 植入術后DRI 風險預測模型相關的文獻，檢索時間為從建庫至2023 年12月2 日。由2 名研究者獨立篩選文獻、提取資料并完成納入文獻的偏倚風險與適用性評價。

結果：共納入16 項研究，模型總體適用性較好，但偏倚風險較高，ROC 曲線的AUC 為0.67～0.96。11 項研究完成了內部驗證，5 項研究進行了外部驗證。囊袋和（或）電極重置/裝置升級、腎功能不全或腎功能衰竭、年齡、植入埋藏式心臟復律除顫器或心臟再同步化治療、使用抗凝藥是DRI 的預測因子。

結論：目前CIED 植入術后DRI 風險預測模型整體性能較好，適用性較好，但偏倚風險較高。需在數(shù)據來源、變量篩選、模型評價等方面提高研究質量，開展前瞻性隊列研究，完善現(xiàn)有模型的外部驗證，并積極研發(fā)適用于我國人群的預測模型。

心臟植入式電子設備（CIED）主要包括永久性起搏器（PPM）、埋藏式心臟復律除顫器（ICD）、心臟再同步化治療起搏器（CRT-P）和心臟再同步化治療除顫器（CRT-D）等[1]，已經成為各類心律失常及嚴重心力衰竭的重要治療手段之一，可有效改善患者預后并提高生存率。目前，全球每年至少有170 萬心血管疾病患者植入CIED[2]。伴隨CIED植入適應證的拓寬及植入數(shù)量的增加，CIED 植入術后設備感染（DRI）的發(fā)生率也隨之增加，約為0.13%～19.90%[3-4]。若感染無法得到及時、有效地處理，擴散后將導致敗血癥或感染性心內膜炎，甚至威脅患者生命[5]。國內外已有多位學者基于人口學資料、實驗室檢測和影像學特征等數(shù)據開展了CIED植入術后DRI 危險因素的相關研究，并構建了風險預測模型[6]，但現(xiàn)有模型的預測性能、偏倚風險與臨床適用性有待進一步驗證。本研究系統(tǒng)檢索國內外CIED 的DRI 風險預測模型的相關研究并完成評價分析，以期為臨床醫(yī)護人員選擇合適的風險預測模型提供參考。研究已于PROSPERO 平臺完成注冊，注冊號為CRD42023486126。

1 資料與方法

1.1 文獻檢索策略

計算機檢索PubMed、Embase、Web of Science、Cochrane 圖書館、CINAHL、中國生物醫(yī)學文獻數(shù)據庫、中國知網、維普網、萬方數(shù)據庫中的CIED 的DRI 風險預測模型相關研究，采取主題詞與自由詞相結合的檢索方式，英文檢索詞包括cardiac implantable electronic device、pacemaker、defibrillator、implantable cardioverter defibrillator、cardiac resynchronization therapy、device-related infection、pocket infection、pocket hematoma、risk score、risk assessment、predictive score、predictive model、nomogram 等；中文檢索詞包括心臟植入式電子設備、起搏器、植入式心律轉復除顫器、心臟再同步化治療、感染、設備感染、囊袋感染、囊袋血腫、風險預測、風險評分等，時限為建庫至2023 年12 月2 日，并通過滾雪球法追溯被納入文獻的參考文獻和相似文獻。

1.2 文獻納入與排除標準

納入標準：（1）研究對象≥18 歲，且確診為CIED 感染的患者，診斷標準包括《2019 版歐洲心律協(xié)會CIED 感染診斷國際標準》[7]、《2018 版歐洲心律協(xié)會CIED 導線移除專家共識聲明》[8]、《心律植入裝置感染與處理的中國專家共識2013》[9]中CIED 感染診斷標準；（2）研究內容為基于人群開展CIED 的DRI 風險預測模型的開發(fā)、更新和（或）驗證；（3）研究類型包括隊列研究、病例對照研究；（4）模型包含的預測變量≥2 個；（5）文獻語種為中英文。

排除標準：（1）CIED 植入前患者已存在感染或合并其他慢性感染疾??；（2）研究僅為危險因素、影響因素的分析，未構建完整模型或未開展結局事件發(fā)生概率的評估；（3）研究為模型的本土化探索或預測性能的比較性研究；（4）重復發(fā)表或非正式發(fā)表文獻；（5）學位論文、會議摘要及綜述、述評。

1.3 文獻篩選與數(shù)據提取

由2 名研究人員按照納入和排除標準獨立篩選文獻、提取數(shù)據并完成交叉核對。根據Moons 等[10]制定的CHARMS 清單（critical appraisal and data extraction for systematic reviews of prediction modelling studies，CHARMS）繪制數(shù)據提取表格。提取內容包括第一作者、發(fā)表年份、國家或地區(qū)、研究設計、研究對象、構建模型與模型驗證方法、樣本量、ROC 曲線的AUC、模型呈現(xiàn)形式和最終預測因子等。

1.4 納入文獻的偏倚風險與適用性評估

由2 名研究者根據Wolff 等[11]編制的預測模型偏倚風險評估工具（prediction model risk of bias assessment tool，PROBAST）獨立進行納入文獻的偏倚風險評估。評估共由20 個條目組成，涵蓋研究對象、預測因子、結果和統(tǒng)計分析4 個領域，每個問題按照“是”、“可能是”、“不是”、“可能不是”、“未提供相關信息”來回答。其中，若任一領域所有問題的回答均為“是”或“可能是”則認為該領域偏倚風險低；若任一領域某一問題的回答為“不是”或“可能不是”，則認為該領域偏倚風險高；若未提供相關信息，則認為該領域偏倚風險不清楚；總體偏倚風險評價亦然。評價如遇分歧則與第3 位研究者共同討論決定。

2 結果

2.1 文獻篩選流程與結果

經初檢與手工追溯，共獲得相關文獻4 973 篇，逐層篩選后，最終納入符合標準的文獻16 篇[12-27]。文獻篩選流程及結果見圖1。

圖1 文獻篩選流程圖

2.2 納入文獻的基本特征（表1）

最終納入16 篇文獻，多為模型開發(fā)與驗證研究。研究類型包括8 項回顧性隊列研究[13-14,18,20-22,24-25]、6 項前瞻性隊列研究[12,15,17,19,26-27]和2 項病例對照研究[16,23]，其中多中心研究4 項[12,20-21,27]、單中心研究12 項[13-19,22-26]。美洲研究7 項[12-14,20-22,25]，歐洲研究6 項[16-19,26-27]，亞洲或其他地區(qū)研究2 項[23-24]，全球多中心研究1 項[15]。研究對象多為CIED 植入患者或僅植入ICD、CRT 患者。

2.3 納入模型的構建方法與預測效能

納入研究的建模樣本量為322～32 464 例，結果事件數(shù)為12～574 例，候選預測變量數(shù)為6～46 個，模型構建方法有Logistic 回歸、Lasso 回歸和Cox比例風險回歸分析等。模型ROC 曲線的AUC 為0.67～0.96。除1 項研究[27]顯示AUC 為0.67 及5 項研究[12,14,18,23,26]未報道外，其余10 項研究的AUC均＞0.70，提示模型預測性能較好。變量選擇方面，10 項研究[12-13,15-16,18-20,23,26-27]均開展單因素與多因素分析，僅6 項研究[15-16,19-20,23-24]報道了模型區(qū)分度，主要為校準圖、Hosmer-Lemeshow 檢驗與決策曲線分析（DCA）等。模型驗證方面，所有研究[12-27]進行了內部驗證，5 項[12,14-15,20,27]研究還進行了外部驗證。

2.4 納入模型的預測因子

預測模型呈現(xiàn)形式不一，包含分層風險評分、列線圖、機器學習模型與電子監(jiān)測算法等。常見預測因子為囊袋和（或）電極重置或裝置升級、腎功能不全或腎功能衰竭、年齡、ICD 或CRT、使用抗凝藥、糖尿病、既往CIED 感染、既往手術次數(shù)等，模型基本情況報告見表2。

表2 CIED 患者DRI 風險預測模型的基本特征

2.5 偏倚風險與適用性評價（表3）

表3 模型的偏倚風險及適用性評價結果

納入研究的模型整體均存在高偏倚風險。研究對象評價中，有6 項研究[13-14,16,18,23-34]存在高偏倚風險，主要與其數(shù)據來源不合適、研究對象的代表性不充分有關。如Mittal 等[13]和S?awek-Szmyt 等[19]的研究均為回顧性研究，且兩者數(shù)據分別來自美國紐約某醫(yī)療中心和波蘭某醫(yī)科大學附屬醫(yī)院，均不是PROBAST推薦的前瞻性隊列研究、隨機對照試驗、注冊數(shù)據庫等低偏倚數(shù)據來源。在預測因子評價中，2 項研究[21,25]為高風險偏倚，可能與其研究設計僅為回顧性研究、沒有按照統(tǒng)一標準評估有關。在結果評價中，1 項研究[15]的研究對象結局定義和測量方法可能不同；3 項研究[14,21,25]變量的篩選僅基于單因素分析或未報告；2 項研究[16,23]僅使用Hosmer-Lemeshow 擬合優(yōu)度檢驗校準度，4 項研究[12,14,18,26]未報告預測模型的區(qū)分度或校準度的信息。在分析評價中，納入研究均存在高偏倚風險，主要表現(xiàn)為模型構建樣本量不飽和、未考慮模型的擬合不足與過度擬合、候選變量的處理方法較為局限等問題，如4 項研究[12,14,17,26]的應變量事件數(shù)＜20 例可能會造成模型的過度擬合。適用性評價方面，所有納入的模型在各領域和總體的適用性均較好。

3 討論

預測模型是以疾病預測因子為基礎，按照數(shù)學模型計算結局事件發(fā)生概率的方式[28]?，F(xiàn)階段CIED 植入術后DRI 風險預測模型多采用Logistic 回歸分析或Cox 比例風險回歸方法開展研究，模型構建便利的同時也存在難以規(guī)避的變量之間的相關性問題。模型的預測效果常用AUC 表示，數(shù)值越接近l，表示模型的預測效果越好。本研究中，有10 個模型的AUC＞0.7，說明此類模型可有效預測DRI。開展內部驗證可用于檢驗模型的可重復性，防止過度擬合的發(fā)生，外部驗證多關注模型的可移植性及可泛化性[29]。本研究中，所有模型建立后均完成了內部驗證，研究設計較為完整和嚴謹，但仍有11 項模型未進行外部驗證，其模型外推應用性有待考量。

盡管CIED 植入術后DRI 的危險因素較多，但本研究發(fā)現(xiàn)各模型的預測因子存在一定共性。囊袋和（或）電極重置/裝置升級、腎功能不全或腎功能衰竭、年齡、植入ICD 或CRT、使用抗凝藥、糖尿病、既往CIED 感染等是DRI 風險預測模型中較為常見的預測因子，高齡、男性與腫瘤患者是DRI 發(fā)生的高危人群，可能由于此類患者年齡相對較大，身體功能及抵抗力下降明顯，導致感染風險增加。另外值得關注的是，受研究者主觀因素的影響，模型前期的資料收集或分析階段極易出現(xiàn)偏倚。因此，在選擇預測因子時，研究者應充分考慮臨床重要性、模型可用性以及收集的可行性和成本負擔。研究設計時應注意實施盲法，使得出的模型結果更真實可靠。同時，基于單變量關聯(lián)的預測因子（如P＜0.1）開發(fā)預測模型，容易導致重要變量的遺漏，研究者更應采用多變量分析構建模型，并嚴格遵循個體預后或診斷多變量預測模型透明報告（TRIPOD）[30]來開展風險預測模型的研發(fā)、更新與驗證研究，提升模型在臨床實踐中的適用性和安全性。

CIED 植入術后DRI 風險預測模型可實現(xiàn)危險因素的早期篩查，為高風險患者提供針對性預防措施的有效工具。早在2013 年，國外學者便開始探索DRI 風險預測模型[12]，當下已聚焦于大型隊列與電子病歷數(shù)據庫開發(fā)的多變量風險預測模型研究。與國外相比，我國僅有2 個模型完成開發(fā)[23-24]，均發(fā)表于2021 年及以后，且多為單中心研究，缺乏外部驗證?？赡芘c我國DRI 風險預測模型的研究起步較晚，醫(yī)護人員對DRI 的認知不足有關。因此，應注重提升醫(yī)護人員的DRI 風險認知水平，并借助數(shù)據挖掘技術探索DRI 的預測因素，不斷提高模型的精確性。而從實用性角度出發(fā)，構建模型的預測因子應選取絕大多數(shù)醫(yī)療機構容易獲得的人口學資料和實驗、影像學變量等，并在實際臨床工作中，結合DRI 的高危人群特點，持續(xù)優(yōu)化并及時校準風險預測模型。同時，模型的應用價值既取決于其預測效能，也取決于其外推性，從模型研究人群、研究設計與模型驗證領域分析發(fā)現(xiàn)，多數(shù)風險預測模型報告了可觀的AUC 和校準度，在內部驗證時均表現(xiàn)出較好的預測效能，提示其具有良好的應用潛能，但多數(shù)模型外部驗證開展較少，未在植入CIED 患者中進行普遍驗證，相關模型的可遷移性與臨床適用性有待進一步探討，且多數(shù)模型是基于歐美人群開發(fā)，基于我國人群構建的2 個模型也均未在外部人群中進行效果驗證，其模型的預測效能尚未可知，提示相關研究者當前預測模型的構建研究對臨床應用的支撐度不足，仍需進一步完善模型的迭代更新與開發(fā)驗證。

本研究所納入的16 項模型整體預測性能較好，有助于醫(yī)護人員早期識別CIED 患者中DRI 高風險患者。未來相關研究者應更加側重在全國范圍內開展多中心、大樣本、前瞻性研究，積極尋找阻礙模型應用的因素，進一步提升預測模型的臨床轉化效率，探索出適合我國植入CIED 患者的DRI 風險預測模型。

利益沖突：所有作者均聲明不存在利益沖突