嚴露培,姚麗麗,李躍榮,陳豪,劉文文,趙慶華,肖明朝
(1.重慶醫(yī)科大學附屬第一醫(yī)院a.麻醉科;b.胃腸外科;c.護理部;d.泌尿外科,重慶400016;2.重慶醫(yī)科大學 公共衛(wèi)生與管理學院,重慶400016)
非計劃性術(shù)中低體溫(inadvertent intraoperative hypothermia, IIH)指除計劃性或治療性低體溫外,患者在手術(shù)過程中發(fā)生的對機體有害的體溫下降(核心體溫低于36℃)[1],是外科手術(shù)常見的、可防控的并發(fā)癥之一[2]。 國內(nèi)外研究顯示,非計劃性術(shù)中低體溫的發(fā)生率為40%~75%[3-5],主要原因為手術(shù)患者體內(nèi)核心組織與外周組織熱量的再分配[5-6]。 手術(shù)過程中,患者體內(nèi)熱量的持續(xù)再分配使其體核溫度降低,各臟器供能不足, 可能導致其發(fā)生嚴重的凝血功能障礙、藥物清除率降低、手術(shù)部位感染等并發(fā)癥,進而延長患者住院時間、加重患者經(jīng)濟負擔[1,7-8]。 因此, 準確有效地評估手術(shù)患者的非計劃性術(shù)中低體溫風險至關(guān)重要。 非計劃性術(shù)中低體溫風險預測模型作為篩查高風險人群的評估工具, 可為醫(yī)護團隊術(shù)前識別非計劃性術(shù)中低體溫高風險患者并采取針對性預防措施提供參考。 現(xiàn)將近年來有關(guān)非計劃性術(shù)中低體溫風險預測模型的研究進行歸納、 提煉和評價。
由于非計劃性術(shù)中低體溫的可防控性, 針對危險因素開展預防成為降低非計劃性術(shù)中低體溫風險的主要方式。近年來,國內(nèi)外有關(guān)非計劃性術(shù)中低體溫危險因素的研究主要集中在以下方面。(1)患者自身因素: 高齡女性患者發(fā)生非計劃性術(shù)中低體溫的風險更高[9],但年齡變量僅對術(shù)中30 min 內(nèi)的體溫存在影響效應[7];低BMI 是非計劃性術(shù)中低體溫發(fā)生的獨立危險因素[7],但此變量效應時間局限于術(shù)中2 h 內(nèi)[9];麻醉實施前患者更高的基線體溫(在正常值內(nèi))可降低非計劃性術(shù)中低體溫發(fā)生率[7]。 (2)保溫措施: 臨床上將保溫措施分為2 種, 主動保溫(對皮膚和周圍組織施加外部熱量,如:強制空氣加熱)和被動保溫(幫助熱量儲存,防止散失,如加蓋毛毯)[6]。 相比于被動保溫,主動保溫可降低29%的非計劃性術(shù)中低體溫風險[6];多種主動保溫措施聯(lián)合應用可顯著降低非計劃性術(shù)中低體溫發(fā)生率[10]。 (3)CO2氣腹: 溫暖濕化的或20℃、0%相對濕度的CO2可降低非計劃性術(shù)中低體溫發(fā)生率[11]。(4)麻醉時長:麻醉時間每增加1 min, 患者核心體溫下降0.002 98 ℃[12]。(5)手術(shù)室室溫:低室溫是非計劃性術(shù)中低體溫發(fā)生的危險因素[7,13],但有研究發(fā)現(xiàn)室溫對患者體溫無影響[3]。 (6)其他:如手術(shù)類型、手術(shù)規(guī)模、術(shù)中液體輸入量、術(shù)野暴露面積等。這些研究結(jié)果可為非計劃性術(shù)中低體溫風險預測模型的構(gòu)建提供參考。
風險預測模型指以引起某結(jié)果的多因素為基礎,運用統(tǒng)計學分析建立模型,確定多種風險因素與結(jié)果發(fā)生概率的定量關(guān)系,客觀、科學地預估結(jié)果發(fā)生風險,從而早期識別危險因素開展預防[14]。Logistic回歸可篩選疾病的高危因素并確定定量關(guān)系,常用于風險預測模型的構(gòu)建, 并可通過Hosmer-Lemeshow檢驗判別模型的擬合優(yōu)度,AUC 值(Area under ROC curve,ROC 曲線下面積)評價模型的優(yōu)劣性。 目前,在心血管疾病、慢性病、惡性腫瘤等領域均已展開對風險預測模型的探索[15-17]。 現(xiàn)結(jié)合國內(nèi)外文獻,介紹非計劃性術(shù)中低體溫風險預測模型的研究進展。
3.1 開腹手術(shù)患者術(shù)中低體溫風險率模型 2002年,Kasai 報告了開腹手術(shù)患者術(shù)中低體溫風險率模型[18]。 該研究通過病歷對照法回顧了862 例患者的人口學資料(年齡、性別、身高、體質(zhì)量),治療資料(術(shù)前基線體溫、 術(shù)前收縮壓、 術(shù)前心率), 采用Logistic回歸構(gòu)建了風險率模型:Z=-15.014+0.097×年齡+0.263×身高-0.323×體質(zhì)量-0.055×術(shù)前收縮壓-0.121×術(shù)前心率,B(風險率)=1/(1+e-z)。 通過受試者工作特征曲線 (receiver operator characteristic curve, ROC)分析,該模型靈敏度為81.5%,特異度為83.0%。隨后,該學者另納入50 例患者對模型進行驗證,當風險率>0.7 時,患者發(fā)生術(shù)中低體溫;風險率≤0.3 時,患者保持正常體溫,模型準確性較好。
在非計劃性術(shù)中低體溫風險預測模型領域中,該研究較早通過危險因素構(gòu)建模型并開展臨床驗證,為后續(xù)研究提供了參考;但Moons 對該模型提出質(zhì)疑,認為其存在設計缺陷,不適宜應用于臨床實踐[19]。 Moons 認為,基于病例對照法推導模型,調(diào)查者可以自由選擇病例組和對照組數(shù)量, 因此可以預先“操縱”陽性結(jié)果的發(fā)生率,具有較大的偏倚風險。該學者對模型中的性別變量進行例證分析,發(fā)現(xiàn)案例組與對照組比例不同, 患者在總體上和性別上的低體溫發(fā)生概率就不同。 由此,Moons 建議Kasai使用隊列研究法重新構(gòu)建模型, 因為隊列研究能前瞻性追蹤患者的原始隊列數(shù)量, 更能準確預估結(jié)果發(fā)生率,因此更適用于推導概率估計模型[20]。 但查閱文獻,未見該模型的后續(xù)報道。 本結(jié)論提示學者,對于絕對概率預測模型的推導應采用隊列研究法,前瞻性收集患者相關(guān)信息,降低模型的偏倚風險,增加模型的實證價值。
3.2 全麻手術(shù)患者術(shù)中低體溫風險評分系統(tǒng)2008 年,Rincon 報告了全麻手術(shù)患者術(shù)中低體溫風險評分系統(tǒng)[21]。 該前瞻性研究將264 例患者隨機分配到建模組(200 例)和驗證組(64 例),采用Logistics回歸構(gòu)建模型:B(風險值)=105.117+0.0371484×年齡-0.0282914×體質(zhì)量+0.0213259×手術(shù)時長-0.2609733×手術(shù)室室溫-2.727589×基線體溫。 同時,該學者將5 項風險因素進行賦值, 構(gòu)建出風險評分系統(tǒng), 評分系統(tǒng)的建模組與驗證組的AUC 分別為0.83、0.82,準確性較好。該研究較早將危險因素進行評分, 有助于醫(yī)護人員更直觀地量化術(shù)中低體溫發(fā)生風險,且簡單快速,可作為個體化篩查工具;但由于該研究樣本量較少,且納入的研究因素較少,且未見其他學者對其進行外部實證研究,因此,臨床適用性有待進一步探究。
3.3 手術(shù)患者術(shù)中低體溫危險因素評價指標體系
2016 年, 黃一樂通過專家函詢法構(gòu)建了手術(shù)患者術(shù)中低體溫危險因素評價指標體系[22]。 該學者先通過德爾菲法確定危險因素指標, 專家主觀判斷指標的相對重要性并賦值,2 輪函詢法的專家權(quán)威程度分別為0.83 和0.84(均>0.7),專家意見的協(xié)調(diào)程度分別為0.586 和0.601(均>0.5),專家的權(quán)威程度及協(xié)調(diào)性較好; 再通過層次分析法計算指標權(quán)重并進行一致性檢驗,一致性比率為0.025(<0.1),表明體系中指標權(quán)重分配合理。 最終確定了2 個一級指標(術(shù)前、術(shù)中危險因素)及21 個二級指標;其中,術(shù)前危險因素權(quán)重比0.423,共10 個條目;術(shù)中危險因素權(quán)重比0.577,共11 個條目。
該研究通過匯總及分析專家意見構(gòu)建出風險指標體系,雖然專家代表性及可信性較高,但無法否認德爾菲法仍具有較強的主觀性, 其結(jié)果與納入專家的專業(yè)知識儲備及學術(shù)造詣密不可分[23]。 因此,未來的研究可著重關(guān)注該體系的臨床實踐性, 積極應用并不斷完善該體系的使用方式及內(nèi)容, 旨在提高預測工具的科學性,構(gòu)建更為可靠的臨床評測工具。
3.4 全麻手術(shù)患者術(shù)中低體溫預測因子評分方程
2018 年,Yi Jie 報告了全麻手術(shù)患者術(shù)中低體溫預測因子評分方程[5]。 該研究首先基于國內(nèi)數(shù)據(jù)庫對全國3 132 名全麻手術(shù)患者進行術(shù)中低體溫風險因素評估并建立模型:預測因子得分(術(shù)中低體溫發(fā)生率×100%)=100%×1/{1+EXP [-(119+0.201×手術(shù)等級-0.1847×術(shù)中輸液量+0.5299×麻醉時長-0.2269×保溫措施-0.306×BMI-0.1912×手術(shù)室室溫-3.1057×基線體溫)]}。 隨后,將北京830 名全麻手術(shù)患者的相關(guān)數(shù)據(jù)代入方程預測低體溫的發(fā)生率。該研究中建模組 與 驗 證 組 的AUC 分 別 為0.789、0.771,Hosmer-Lemeshow 檢驗值為0.5611,Brier 值為0.21, 模型具備良好的鑒別力及擬合優(yōu)度,準確性較好。
該研究較早運用國內(nèi)大數(shù)據(jù)構(gòu)建低體溫預測模型,并實施了外部驗證,模型的可實施性較強;但考慮到該模型的構(gòu)建來源于回顧性數(shù)據(jù)的分析, 因此模型的實踐價值有待進一步證實。然而,考慮到模型的樣本量較大且模型表現(xiàn)力及準確性較好, 因此建議臨床醫(yī)護人員積極應用該模型, 在檢驗預測因子效應度的同時挖掘潛在因子間作用, 并可通過結(jié)構(gòu)方程模型進行路徑分析,證實預測因子之間的關(guān)系,旨在推導出更穩(wěn)健的低體溫預測模型。
3.5 腹腔鏡手術(shù)患者術(shù)中低體溫風險預測模型
2019 年,普鷹報告了腹腔鏡手術(shù)患者術(shù)中低體溫風險預測模型[24]。 該前瞻性研究將396 名腹腔鏡手術(shù)患者以2∶1 的比例分配到建模組(264 例)和驗證組(132 例), 用Logistic 回歸構(gòu)建出風險預測模型:Logit (P)=56.893-1.216×基線體溫+0.377×手術(shù)類型+0.009×麻醉時長-0.653×手術(shù)室室溫。 該模型的AUC 為0.791,約登指數(shù)為0.867,靈敏度為60.0%,特異度為86.7%,H-L 檢驗P=0.123, 模型擬合度和預測能力中等偏上; 驗證組應用模型后得出實際應用正確率為79.54%,模型較為穩(wěn)健。
微創(chuàng)醫(yī)學的興起使視野清楚、切口小、對腹腔內(nèi)臟器干擾小的腔鏡手術(shù)越來越普及, 而隨著腔鏡手術(shù)的開展,手術(shù)時間延長,術(shù)中低體溫問題也受到了更多的關(guān)注[24-25]。 該研究聚焦于腹腔鏡手術(shù)患者,研究對象具有針對性,且模型經(jīng)過臨床驗證,具有較高的實踐價值; 但該模型的樣本量較小且未對風險率進行分級描述, 無法準確預估患者術(shù)后低體溫發(fā)生風險的高低。下一步可將模型進行大樣本驗證,并嘗試對模型進行風險率高低的劃分, 進一步建立方便臨床醫(yī)護人員實施的預測模型。
非計劃性術(shù)中低體溫發(fā)生風險與患者自身因素、疾病因素、手術(shù)因素、治療因素等息息相關(guān),早期識別并評估風險有益于醫(yī)護團隊采取針對性措施開展預防。目前,國內(nèi)外針對非計劃性術(shù)中低體溫風險因素的研究多集中于保溫措施、體溫管理、綜合保溫護理效果等, 對于非計劃性術(shù)中低體溫預測因子與發(fā)生風險的量性關(guān)系的研究較少, 且多數(shù)研究存在模型構(gòu)建方式單一、模型性能評價指標不完整、新技術(shù)應用不足、結(jié)果不準確、報告質(zhì)量差和證據(jù)相互矛盾等缺點[26-29]。 此外,已有非計劃性術(shù)中低體溫風險預測模型多探究術(shù)中階段,未覆蓋圍術(shù)期全過程,且采用單一的Logistic 回歸分析, 該方法僅能分析納入因素的影響效應, 無法識別潛在因子間及潛在因子與納入因素間的相互作用,無法估計測量誤差,存在一定缺陷,導致模型準確率降低。
本研究對非計劃性術(shù)中低體溫風險預測模型進行綜述, 結(jié)果表明非計劃性術(shù)中低體溫模型普遍缺乏外部驗證,總體呈現(xiàn)為開發(fā)多、應用少的局面,尚不能識別出那類模型實用價值更高。 一個成熟的預測模型需經(jīng)過科學評估、反復驗證才能推行。 因此,本研究結(jié)論可為后續(xù)工作提供以下建議。
(1)建議學者對已有模型進行跨地區(qū)、跨種族的前瞻性多中心臨床驗證, 充分利用互聯(lián)網(wǎng)技術(shù)構(gòu)建非計劃性術(shù)中低體溫風險預測網(wǎng)絡平臺, 擴大模型的使用范圍,提高使用率。 其次,推薦學者采用多類型統(tǒng)計方法進行模型推導,如神經(jīng)網(wǎng)絡模型、結(jié)構(gòu)方程模型、決策樹、機器學習等進行風險因素與非計劃性術(shù)中低體溫發(fā)生結(jié)果的全面分析, 并可通過列線圖可視化模型的預測結(jié)果, 方便醫(yī)護人員直觀預估風險、減輕工作負擔。(2)應透明化模型構(gòu)建方式,使用科學的模型評價表, 如預測模型研究的偏倚風險和適用性評估工具 (prediction model risk of bias assessment tool,PROBAST)[30],對模型進行質(zhì)量控制及方法學評價,標準化模型制定過程,提高模型的規(guī)范性及科學性。
綜上所述, 非計劃性術(shù)中低體溫風險預測模型仍有較大的改善空間, 未來研究的關(guān)注點應從開發(fā)新模型轉(zhuǎn)移到驗證已有模型,并可從數(shù)據(jù)收集方式、驗證方式、 分析方式及呈現(xiàn)方式等方面進行模型的創(chuàng)新,旨在制定出具有較強科學性、較高臨床應用價值、方便實施的非計劃性術(shù)中低體溫風險預測模型,以期降低患者非計劃性術(shù)中低體溫發(fā)生風險, 提高照護質(zhì)量,保障患者安全。