基于年龄、CAR和手术时间的列线图模型预测胃黏膜下肿瘤内镜全层切除术后腹腔感染风险

《BioMedical Engineering OnLine》：A nomogram prediction model for the risk of intra-abdominal infection after endoscopic full-thickness resection of gastric submucosal tumors

本研究针对胃黏膜下肿瘤(GSMT)患者行内镜全层切除术(EFR)后腹腔感染(IAI)的预防难题，通过回顾性分析240例患者临床数据，发现年龄、术前C反应蛋白/白蛋白比值(CAR)和手术时间是IAI的独立危险因素。研究人员构建的列线图预测模型具有优异区分度(AUC=0.968)，为临床个体化风险评估提供了可视化工具，对优化围术期管理策略具有重要意义。

　　

在消化内镜技术飞速发展的今天，胃黏膜下肿瘤(Gastric Submucosal Tumors, GSMT)的检出率显著提升。这类起源于黏膜下层的病变虽然多数无症状，但具有一定恶性潜能，尤其是间质瘤破裂可能导致致命性大出血。传统开腹手术创伤大、恢复慢，而内镜全层切除术(Endoscopic Full-thickness Resection, EFR)作为新兴微创技术，既能完整切除肿瘤，又能最大限度保留胃功能，正逐渐成为GSMT的主流治疗方式。然而，EFR手术需要穿透胃壁全层，这种"故意穿孔"的操作也带来了腹腔感染(Intra-Abdominal Infection, IAI)这一严重并发症的风险。IAI不仅导致患者发热、腹痛，延长住院时间，更可能进展为脓毒症甚至死亡，尤其对肿瘤患者而言，感染还会影响长期生存率。

目前针对GSMT患者EFR术后IAI的风险因素研究尚属空白，临床缺乏有效的预测工具。为此，Wang等人在《BioMedical Engineering OnLine》发表研究，通过系统分析单中心临床数据，首次构建了EFR术后IAI的列线图预测模型。

研究采用回顾性队列设计，纳入了2018年1月至2023年7月期间在上海第六人民医院金山分院接受EFR手术的240例GSMT患者。通过单因素分析、最小绝对收缩和选择算子(LASSO)回归以及多因素logistic回归的三阶段变量筛选方法，最终确定独立危险因素并构建可视化预测工具。

研究结果显示，在240例患者中，14例(5.83%)发生术后IAI。多因素分析揭示年龄(OR=1.208)、术前CAR值(C-reactive protein/albumin ratio, OR=1.259)和手术时间(OR=1.099)是IAI的独立预测因素。基于这三个关键指标构建的列线图模型表现出色：受试者工作特征曲线下面积(Area Under the Curve, AUC)达0.968，一致性指数(C-index)为0.968，Hosmer-Lemeshow检验显示模型预测与实际观测值高度吻合(p=0.741)。决策曲线分析(Decision Curve Analysis, DCA)进一步证实该模型在0.1-1.0的风险阈值范围内能提供显著的临床净获益。

一般资料分析

研究纳入的240例GSMT患者中，男性109例(45.4%)，女性131例(54.6%)，平均年龄59.90±7.52岁。IAI组与非IAI组在吸烟史、饮酒史、高血压、病变位置、病理类型等基础特征上无显著差异，但年龄、BMI、糖尿病、术前淋巴细胞计数、血红蛋白、白蛋白、CAR值、肌酐和手术时间存在统计学差异。

单因素与多因素分析

单因素分析识别出9个与IAI相关的变量。LASSO回归进一步筛选出8个潜在预测因子。最终多因素logistic回归确定年龄(每增加1岁，IAI风险增加20.8%)、术前CAR值(每增加0.1单位，风险增加25.9%)和手术时间(每延长1分钟，风险增加9.9%)为独立危险因素。

预测模型构建与验证

基于三个独立预测因子构建的列线图模型，将各因素得分相加可得到IAI发生概率。该模型通过Bootstrap法内部验证显示优异区分度，校准曲线显示预测概率与实际观测概率高度一致。

研究讨论部分深入分析了各危险因素的临床意义。年龄增长伴随器官功能衰退和合并症增多，增加感染风险；CAR值综合反映炎症状态和营养状况，比单一指标更具预测价值；手术时间延长增加腹腔暴露时间和器械污染概率。尽管BMI在单因素分析中显示关联，但未成为独立预测因子，可能与样本量有限有关。

该研究的创新点在于首次针对GSMT患者EFR术后IAI风险构建预测模型，将复杂的统计学模型转化为临床医生易于使用的可视化工具。通过简单评分系统，医生可在术前快速评估患者风险，对高分患者加强预防措施，如优化营养状况、控制手术时间、加强术后监测等。

然而，研究也存在一定局限性。回顾性设计可能存在选择偏倚，IAI病例数较少可能影响模型稳定性，未纳入所有潜在预测因素如术中出血量等。未来需要多中心、大样本前瞻性研究进一步验证和优化该模型。

综上所述，这项研究首次明确了年龄、术前CAR值和手术时间是GSMT患者EFR术后IAI的独立危险因素，并成功构建了具有高预测效能的列线图模型。该模型为临床医生提供了实用的风险评估工具，有助于实现个体化干预，最终改善患者预后。随着内镜技术的普及，这种基于循证医学的风险预测工具将在精准医疗时代发挥越来越重要的作用。