摘要：目的" 系統(tǒng)評價老年髖部骨折患者術后肺炎風險預測模型。方法" 通過計算機檢索CNKI、WanFang Data、VIP、CBM、Web of science、PubMed、EMbase、CINAHL數(shù)據庫中有關老年髖部骨折患者術后肺炎風險預測模型的相關研究，檢索時限為建庫至2024年8月。由2名研究者獨立篩選文獻和提取數(shù)據，采用PROBAST評估工具對納入文獻質量進行評價，使用R4.4.1軟件對模型的AUC值進行Meta分析。結果" 共納入14項研究，共包含24個預測模型，其中13個模型曲線下面積在0.653～0.998，1個模型C-index為0.84，整體研究適用性一般，偏倚風險較高。Meta分析顯示，10個經驗證模型的合并AUC值為0.79（95%CI：0.75～0.83），區(qū)分度較好。常見的肺炎預測因子為年齡、血清白蛋白、COPD、ASA分級、骨折至手術時間等。結論" 老年髖部患者術后肺炎風險預測模型的整體預測性能較好，但模型的偏倚風險較高，臨床適用性有待進一步驗證。

關鍵詞：老年;髖部骨折;肺炎;預測模型;偏倚風險

中圖分類號：R563.1" " " " " " " " " " " " " " " " "文獻標識碼：A" " " " " " " " " " " " " " " " "DOI：10.3969/j.issn.1006-1959.2024.23.002

文章編號：1006-1959（2024）23-0009-06

Systematic Review of Risk Prediction Models for Postoperative Pneumonia

in Elderly Patients with Hip Fracture

Abstract：Objective" To systematically evaluate the risk prediction model of postoperative pneumonia in elderly patients with hip fracture.Methods" CNKI， WanFang Data， VIP， CBM， Web of science， PubMed， Embase and CINAHL databases were searched by computer for relevant studies on the risk prediction model of postoperative pneumonia in elderly patients with hip fracture from inception to August 2024. Two researchers independently screened the literature and extracted the data. The PROBAST evaluation tool was used to evaluate the quality of the included literature. R 4.4.1 software was used for Meta-analysis of the AUC value of the model.Results" A total of 14 studies were included， including 24 prediction models. The area under the ROC curve of 13 models was 0.653-0.998， and the C-index of one model was 0.84. The overall applicability of the study was general and the risk of bias was high. Meta-analysis showed that the combined AUC value of the 10 validated models was 0.79（95%CI： 0.75-0.83）， and the discrimination was good. The common predictors of pneumonia were age， serum albumin， COPD， ASA classification， fracture to operation time， etc.Conclusion" The overall predictive performance of the risk prediction model for postoperative pneumonia in elderly hip patients is good， but the risk of bias of the model is high， and the clinical applicability needs to be further verified.

Key words：Elderly;Hip fracture;Pneumonia;Prediction model;Risk of bias

髖部骨折（hip fracture， HF）是老年人最常見的骨折類型之一，與高死亡率密切相關，隨著老齡化的不斷深入，其患病率也在逐年上升。有研究表明[1]，預計到2050年，老年髖部骨折患者人數(shù)將增長至630萬。手術是HF患者的首選治療方案，可以顯著改善患者預后，但是術后并發(fā)癥會影響患者的生存狀況，甚至危及患者生命。術后肺炎（postoperative pneumonia， POP）是老年HF患者術后最常見的并發(fā)癥。據調查，HF患者POP的發(fā)生率在4.1%～13.9%[2， 3]，這一狀況會增加患者死亡風險，延長患者住院時間。因此，早期識別術后易發(fā)POP的高風險人群，積極預防和干預尤為重要。目前，已有研究針對HF患者POP的預測因子進行探討并構建相關風險預測模型，但各種模型結果不一，臨床適用性及偏倚風險尚不清晰。因此，本研究對HF患者POP風險預測模型進行系統(tǒng)評價，綜合分析評價各模型的性能，以期為臨床工作提供參考依據（本研究注冊號：CRD42024505765）。

1資料與方法

1.1文獻檢索" 采用主題詞結合自由詞的方式檢索CNKI、WanFang、VIP、CBM、Web of science、PubMed、EMbase、CINAHL數(shù)據庫，時限為建庫至2024年8月。中文檢索詞為髖部骨折、髖關節(jié)骨折、髖骨骨折、肺部感染、肺炎、肺部并發(fā)癥、預測模型、風險評分、列線圖、預測因子等;英文檢索詞為hip fracture、hip arthroplasty、subtrochanteric fractures、pneumonia、lung infection、postoperative pneumonia、pulmonary complications、risk prediction、prognostic model、nomogram、risk factor等。

1.2納入與排除標準

1.2.1納入標準" ①研究對象：老年髖部骨折手術患者（≥60歲）;②研究類型：病例對照、隊列研究;③研究內容：髖部骨折患者術后肺炎風險預測模型構建和（或）驗證研究、預測因子≥2個;④語言為中文或英文。

1.2.2排除標準" ①研究僅對HF患者POP進行危險因素分析，未構建預測模型;②研究僅涉及術后并發(fā)癥，缺乏肺部并發(fā)癥定義;③基于虛擬數(shù)據的模型;④無法獲取全文或重復發(fā)表。

1.3文獻篩選與數(shù)據提取" 由2名研究者獨立篩選文獻、提取資料并交叉核對。如有分歧，通過討論或由第三方協(xié)助判斷。根據預測模型研究系統(tǒng)評價數(shù)據提取表（CHARMS）[4]進行數(shù)據提取。提取資料主要包括：第一作者、發(fā)表年份、研究對象、樣本量、POP發(fā)生率、預測因子、建模方法、模型性能及驗證方法、受試者工作特征曲線下面積（AUC）值等。

1.4偏倚風險評估及適用性評價" 由2名研究者根據預測模型研究的偏倚風險評估工具（PROBAST）[5，6]對納入研究的偏倚風險和適用性進行評價，出現(xiàn)分歧由第三方判斷。

1.5統(tǒng)計學方法" 對納入研究預測模型的基本特征、構建、性能及驗證進行描述性分析。運用R4.4.1軟件對經驗證的模型采用Logistics開發(fā)的模型AUC值進行Meta分析。

2結果

2.1文獻篩選流程及結果" 初篩檢出相關文獻共計2529篇，包括CNKI（n=162）、WanFang Data（n=479）、VIP（n=48）、CBM（n=161）、PubMed（n=379）、Web of science（n=903）、EMbase（n=379）、CINAHL（n=18）。經逐層篩選后，最終確定納入14篇[7-20]研究。

2.2納入研究的基本特征" 14項研究均來自中國，最早的模型建立于2020年，均為回顧性研究，其中9篇[7， 8， 12， 14-18， 20]研究為回顧性病例對照研究，5篇[9-11， 13， 19]研究為回顧性隊列研究。老年髖部骨折術后肺炎的總發(fā)生率為2.5%～14.91%。納入研究的基本特征見表1。

2.3預測模型的構建情況" 14篇[7-20]研究共構建24個風險預測模型，研究總樣本量在438～2669例，建模樣本量為417～2669例，驗模樣本量為104～305例。12篇[7-12， 14-18， 20]研究采用Logistics回歸建立模型，2篇[13， 19]研究采用機器學習算法建立模型。在連續(xù)變量的處理方法中，僅1篇[13]將連續(xù)變量轉化為分類變量，其余維持連續(xù)變量的連續(xù)性。對于缺失數(shù)據處理，2篇[8， 14]選擇均值替代，4篇[11， 13， 15， 19]選擇多重插補，其余文獻未明確報告。

2.4納入模型性能及預測因子" 在模型性能方面，通過AUC來評估其區(qū)分能力。13篇[7-11， 13-20]研究報告了AUC值，范圍在0.653～0.998，1篇[12]研究報告了C-index為0.84。模型驗證方面，6篇[10， 12， 13， 15， 17， 20]研究進行了模型的內部驗證，3篇[8， 9， 14]研究進行了外部驗證，3篇[11， 17， 19]研究進行了內部與外部驗證。內部驗證的主要方法為bootstrap抽樣法、交叉驗證法及隨機拆分法。模型呈現(xiàn)方式多以列線圖的形式，模型的校準度采用H-L檢驗（Pgt;0.05）、校準曲線和決策曲線分析等進行評估。8篇[7， 8， 10-12， 14， 17， 20]研究報告了H-L檢驗;7篇[10， 12， 13， 15， 17， 18， 20]研究報告了校準度，以校準曲線的形式呈現(xiàn);6篇[7， 10， 12， 13， 17， 20]研究進行了決策曲線分析。

本研究納入模型的候選預測因子數(shù)量在10～54個，得到最終預測因子數(shù)量為3～9個，其中最常見的預測因子為年齡、血清白蛋白、COPD、ASA分級及骨折至手術時間等。候選預測因子篩選方法中，5篇[8-10， 12， 14]研究結合逐步分析法，5篇[11-13， 19， 20]研究結合LASSO算法進行篩選，3篇[8， 11， 19]研究結合文獻回顧，1篇[8]研究結合似然比檢驗，見表2。

2.5納入研究的偏倚風險與適用性評價

2.5.1偏倚風險評價" 14篇[7-20]文獻總體偏倚均為較高偏倚風險。①研究對象：13篇[7-19]研究設計為回顧性研究均被評為高偏倚風險，1篇[20]為巢式病例對照研究，為低偏倚風險。②預測因子：2篇[14， 19]研究使用多中心數(shù)據，各中心預測因子評估方式可能不同，10篇[8， 10-13， 15-18， 20]回顧性研究無法確定是否在不了解結果數(shù)據的情況下評估預測因子，因此無法確定是否實施了盲法。③結果方面：4篇[7， 10， 11， 15]文獻未清楚說明結局定義和預測因子的一致性，其余為低偏倚風險。④統(tǒng)計分析方面：14篇[7-20]研究均為高偏倚風險。⑤其原因包括：?基于單因素分析篩選預測因子;?未進行內部驗證;?將連續(xù)型變量轉化為分類變量;?未報告是否進行模型校準度檢驗，未考慮模型的過度擬合、擬合不足等問題。

2.5.2適用性評價" 適用性方面，所納入研究在不同領域和總體上均顯示出較好的適用性，見表3。

2.6 Meta分析結果" 本研究Meta分析僅納入使用Logistic回歸開發(fā)及報告AUC值的模型，由于所納入研究的預測模型所報告的細節(jié)不足，共10個模型符合納入分析的標準。其中2篇[13， 19]研究涉及多種模型開發(fā)算法，都基于相同樣本，因此僅納入使用Logistic回歸開發(fā)的模型。驗證模型的模型性能采用隨機效應模型計算合并AUC值，合并的AUC值為0.79，95%CI（0.75，0.83），近似預測區(qū)間為0.79，95%CI（0.72，0.85），見圖1，表明所納入模型的區(qū)分度較好。

3討論

3.1現(xiàn)有預測模型仍存在不足" 本研究最終納入14項研究共24個模型。結果顯示納入的24個模型在內部或外部驗證中表現(xiàn)出較好的預測性能，報告的AUC值為0.653～0.998。Meta分析納入的10個驗證模型的合并AUC值為0.79，95%CI（0.75，0.83）。但納入的14篇研究均存在較高的偏倚風險，其主要原因包括基于單因素分析篩選預測因子，樣本量設置不合理，缺失數(shù)據處理不當，部分模型性能評估不充分，以及對連續(xù)性或分類預測因子處理不恰當。13篇研究均為回顧性研究，可能會導致信息偏倚，影響結果的準確性與可靠性。在適用性方面，僅有2篇研究采用多中心外部驗證，大部分模型僅基于單中心開展，外部驗證有限，限制了模型的推廣使用。在模型驗證方面，本研究中多數(shù)模型缺乏完整規(guī)范的內外部驗證，影響模型的臨床轉化能力。因此，未來可將本研究中高質量的風險預測模型應用于老年髖部患者術后肺炎的管理中，選擇高質量模型進行優(yōu)化校準，加強模型的內部與外部驗證過程，提高模型性能，開展更多的多中心、大樣本的前瞻性研究來降低偏倚風險，推動術后POP風險預測模型的持續(xù)改進與廣泛應用。

3.2納入模型的預測因子" 在14篇研究中，最終確定的預測因子為5～9個，最常見的預測因子為年齡、血清白蛋白、COPD、ASA分級及骨折至手術時間。有研究顯示高齡是術后肺炎公認的危險因素，高齡患者咳嗽反射降低，排痰功能減退，抵抗病原菌侵入能力差，導致感染風險增加[21]。COPD是老年人常見的慢性肺部疾病，肺部功能結構改變，導致排痰困難，對于術前合并COPD的老年HF患者，會加重患者術后肺炎的風險[22]。而血清白蛋白是評價患者營養(yǎng)狀態(tài)最常見的血清標志物，低蛋白會使老年患者的免疫力及活動能力下降，肌力與肢體功能減弱，從而使術后并發(fā)癥的發(fā)生率增加[23]。此外，低蛋白血癥患者還可能引發(fā)體液外滲、血漿膠體滲透壓下降等問題，進一步加重心肺負擔，增加肺炎的發(fā)生率[24]。ASA分級是基于患者術前合并癥的數(shù)量及程度評估患者術中及術后風險的重要工具，其分級結果與術后感染風險密切相關。多項研究證明，ASA分級≥3級的患者肺炎風險是ASA分級lt;3級患者的4倍[25]。此外，縮短術前準備時間也可以有效降低術后并發(fā)癥的發(fā)生率及病死率[26]，目前研究建議在患者骨折后24～48 h內進行手術可能有助于降低術后POP等并發(fā)癥的風險。因此，對于高齡，低蛋白血癥，COPD，ASA分級≥3級，骨折手術時間推遲的老年髖部骨折患者，應重視其術后肺炎的發(fā)生，盡早采取干預措施。此外，性別、CRP、BMI、住院時間、血鈉、腦卒中等因素也在不同模型中發(fā)揮重要作用。本研究納入的預測因子多為生物標志物、人口統(tǒng)計學因素等，但生物標志物的獲取需要專業(yè)設備和技術支持，增加了模型在臨床應用中的復雜性。因此，未來可采用臨床易于獲得的預測指標，構建適用于老年髖部骨折患者、預測性能良好的術后POP風險預測模型，提高模型的外推性和臨床實用價值。

本研究的局限性：僅納入中英文文獻且均在中國開展，可能存在發(fā)表偏倚;僅對模型的開發(fā)及驗證進行評價，未涉及模型的實際臨床應用效果。

綜上所述，髖部骨折患者術后肺炎風險預測模型尚處于開發(fā)階段，模型整體適用性較好，偏倚風險偏高，部分模型缺乏完整規(guī)范的內外部驗證。建議未來嚴格遵循PROBAST報告規(guī)范，在國內開展多中心大樣本研究，為臨床提供高質量的決策依據。

參考文獻：

[1]Cooper C，Campion G，Melton LJ 3rd.Hip fractures in the elderly： a world-wide projection[J].Osteoporos Int，1992，2（6）：285-289.

[2]Bohl DD，Sershon RA，Saltzman BM，et al.Incidence， Risk Factors， and Clinical Implications of Pneumonia After Surgery for Geriatric Hip Fracture[J].J Arthroplasty，2018，33（5）：1552-1556.

[3]Chang SC，Lai JI，Lu MC，et al.Reduction in the incidence of pneumonia in elderly patients after hip fracture surgery： An inpatient pulmonary rehabilitation program[J].Medicine，2018，97（33）：e11845.

[4]Moons KG，De Groot JA，Bouwmeester W，et al.Critical appraisal and data extraction for systematic reviews of prediction modelling studies：the CHARMS checklist[J].PLoS Med，2014，11（10）：e1001744.

[5]Moons KGM，Wolff RF，Riley RD，et al.PROBAST： A Tool to Assess Risk of Bias and Applicability of Prediction Model Studies： Explanation and Elaboration[J].Ann Intern Med，2019，170（1）：W1-W33.

[6]Wolff RF，Moons KGM，Riley RD，et al.PROBAST： A Tool to Assess the Risk of Bias and Applicability of Prediction Model Studies[J].Ann Intern Med，2019，170（1）：51-58.

[7]Xiang G，Dong X，Xu T，et al.A nomogram for prediction of postoperative pneumonia risk in elderly hip fracture patients[J].Risk Manag Healthc Policy，2020，13：1603-1611.

[8]陳旭娟，朱曉萍，田梅梅，等.老年髖部骨折術后患者肺部感染預測模型的構建及驗證[J].中華護理雜志，2021，56（5）：659-666.

[9]Ji Y，Li X，Wang Y，et al.Partial pressure of oxygen level at admission as a predictor of postoperative pneumonia after hip fracture surgery in a geriatric population： a retrospective cohort study[J].BMJ Open，2021，11（10）：e048272.

[10]Cheng X，Liu Y，Wang W，et al.Preoperative Risk Factor Analysis and Dynamic Online Nomogram Development for Early Infections Following Primary Hip Arthroplasty in Geriatric Patients with Hip Fracture[J].Clin Interv Aging，2022，17：1873-1883.

[11]Tang MT，Li S，Liu X，et al.Early Detection of Pneumonia with the Help of Dementia in Geriatric Hip Fracture Patients[J].Orthop Surg，2022，14（1）：129-138.

[12]Zhang X，Shen ZL，Duan XZ，et al.Postoperative Pneumonia in Geriatric Patients With a Hip Fracture： Incidence， Risk Factors and a Predictive Nomogram[J].Geriatr Orthop Surg Rehabil，2022，13：21514593221083824.

[13]Guo JL，He QH，Peng CJ，et al.Machine learning algorithms to predict risk of postoperative pneumonia in elderly with hip fracture[J].J Orthop Surg Res，2023，18（1）：571.

[14]Huang J，Ge H，Zhu X，et al.Risk factors analysis and nomogram construction for postoperative pulmonary infection in elderly patients with hip fractures[J].Aging Clin Exp Res，2023，35（9）：1891-1899.

[15]Peng X，Hao X，Zhu T.A nomogram to predict postoperative infection for older hip fracture patients[J].Arch Orthop Trauma Surg，2023，143（2）：847-855.

[16]劉百川，葉欣，趙斌，等.老年髖部骨折患者圍手術期并發(fā)肺炎的風險預測回歸模型構建[J].中國醫(yī)刊，2024，59（1）：79-82.

[17]王浩闐，吳毛，楊俊鋒，等.老年髖部骨折術后并發(fā)肺部感染：影響因素及風險預測列線圖模型構建[J].中國組織工程研究，2024，28（36）：5785-5792.

[18]楊嵩，雷哲，朱軍方，等.老年髖部骨折術后并發(fā)肺部感染的影響因素分析及列線圖預測模型的構建[J].中華實驗外科雜志，2024，41（5）：1086-1089.

[19]Dai AR，Liu H，Shen P，et al.Incorporating preoperative frailty to assist in early prediction of postoperative pneumonia in elderly patients with hip fractures： an externally validated online interpretable machine learning model[J].BMc Geriatrics，2024，24（1）：472.

[20]Meng Y，Liu Y，F(xiàn)u MM，et al.Clinical characteristics of elderly hip fracture patients with chronic cerebrovascular disease and construction of a clinical predictive model for perioperative pneumonia[J].Orthop Traumatol Surg Res，2024，110（3）：103821.

[21]吳歡樂，吳軍，楊成偉，等.老年髖部骨折術后肺部感染病原菌與影響因素[J].中華醫(yī)院感染學雜志，2023，33（23）：3605-3609.

[22]Ou Y，Wang H，Yang L，et al.Frailty is associated with an increased risk of postoperative pneumonia in elderly patients following surgical treatment for lower-extremity fractures：A cross-sectional study[J].Medicine （Baltimore），2023，102（15）：e33557.

[23]楊玉霞，倘艷鋒，焦瑞娜，等.老年髖部骨折術后肺炎影響因素分析[J].中華骨與關節(jié)外科雜志，2023，16（5）：466-470.

[24]梁健軍，陳建民，劉國印.粒細胞胞外陷阱在老年髖部骨折肺炎中的診斷意義[J].中國矯形外科雜志，2024，32（9）：781-786.

[25]Lv C，Chen S，Shi T，et al.Risk Factors Associated With Postoperative Pulmonary Infection in Elderly Patients With Hip Fracture：A Longitudinal Study[J].Clin Nurs Res，2022，31（8）：1454-1461.

[26]Varady NH，Ameen BT，Chen AF.Is Delayed Time to Surgery Associated with Increased Short-term Complications in Patients with Pathologic Hip Fractures？[J].Clin Orthop Relat Res，2020，478（3）：607-615.