改良的皮下腰椎指数（MSLSI）：一种用于预测经椎间孔腰椎椎间融合术后早期手术部位感染的新指标

《Annals of Medicine》：Modified subcutaneous lumbar spine index (MSLSI): a new predictor for early surgical site infection after transforaminal lumbar interbody fusion

MSLSI作为新的影像学预测指标可独立评估TLIF术后早期SSI风险，与肥胖、脂肪厚度等传统因素协同作用。

　　
本研究针对经椎间孔腰椎融合术（TLIF）术后早期切口感染（SSI）的预测因素展开探索，重点验证改良皮下腰椎指数（MSLSI）的临床价值。研究通过回顾性病例对照设计，纳入2015-2021年间接受TLIF手术的患者数据，最终筛选出93例有效样本（31例SSI组，62例对照组），采用严格匹配机制控制性别、年龄、糖尿病史、手术时间及季节等混杂因素。

研究核心创新在于提出MSLSI作为新型影像学预测指标。该指数通过L4椎体水平在T2加权MRI影像中测量皮下脂肪厚度与棘突高度的比值（SFT/SPH），相较于传统SLSI（需多节段测量取均值）具有显著优势：测量仅需单次定位L4椎体，操作时间缩短约60%；通过标准化解剖定位（L4水平）规避了个体脊柱生理曲度差异的影响；双盲独立测量（PACS系统）将误差率控制在3%以下，较传统方法重复性提高40%。

临床验证显示，MSLSI ≥0.68成为独立风险因子（OR=6.17，95%CI 1.73-22.12，p=0.005）。该临界值对应的AUC达0.749，敏感度58.1%，特异性85.5%，较传统皮下脂肪厚度测量（AUC 0.701，p=0.016）具有更高预警效能。值得注意的是，BMI虽与MSLSI呈中度正相关（r=0.51），但未通过多因素回归分析成为独立预测因子，这与Mehta等（2019）关于BMI预测效力的研究结论一致。

影像学测量流程采用标准化操作：患者取仰卧位，以L4棘突尖为解剖标志，沿中矢状面定位。通过T2加权序列观察皮下脂肪层（距棘突前缘1-2mm处）与棘突高度的比值。测量由两名放射科医师独立完成，首测值作为基准，第二位医师测量需在首测误差±1mm范围内，最终取均值作为MSLSI值。

临床意义体现在三个层面：其一，优化围手术期管理，对MSLSI≥0.68患者可提前部署抗生素策略（如术中局部抗生素缓释剂应用）；其二，指导术式选择，肥胖患者（BMI≥28）联合MSLSI≥0.68时，建议采用微创通道TLIF以减少切口张力；其三，建立量化评估体系，将传统定性判断（如切口愈合情况）转化为可量化的影像学参数，为多中心研究提供统一评估标准。

研究局限性需客观说明：样本量（n=93）虽满足单中心研究要求，但尚未达到多中心验证的样本规模；未区分SSI类型（深部感染17例，浅表14例）对预测模型的影响；长期随访数据缺失，无法评估MSLSI对深部组织感染的预测效能。此外，棘突高度测量可能受椎体退行性变影响，需在临床应用中结合影像学特征综合判断。

该研究为脊柱外科感染防控提供了新思路。建议临床实践中采用分层管理策略：对BMI≥30且MSLSI≥0.68的高危患者，术中可考虑扩大切口（3-5cm）以保证融合器充分植入；对BMI正常但MSLSI≥0.68患者，应加强术后切口护理（如银离子敷料使用）。未来研究可拓展至其他融合节段（L5-S1），并探索MSLSI与其他生物标志物（如IL-6、CRP）的联合预测模型。

在技术规范层面，建议建立标准化操作流程：MRI扫描时需保持体位固定（使用体位固定带），扫描参数建议采用T2WI序列，层厚3-5mm，空间分辨率≥0.3mm。测量过程中需注意避免伪影干扰（如肠管气体的遮挡），对于存在明显解剖变异（如L4棘突融合或先天性缺失）病例应排除。同时需加强跨学科合作，将影像科、骨科、感染科联合建立评估体系。

该研究对现有文献具有补充价值。尽管Shaw（2020）曾提出SLSI概念，但本研究通过改良测量方式解决了原SLSI的三大痛点：①减少多节段测量导致的操作繁琐；②消除个体脊柱曲度差异的干扰；③提升测量重复性（Cronbach's α=0.89）。与Wang等（2021）关于脂肪厚度的研究不同，本研究首次将棘突高度纳入评估体系，更精准地反映局部脂肪堆积与手术切口张力之间的关系。

在质量控制方面，研究团队采取三重验证机制：①数据录入时由两名研究护士交叉核对；②统计分析采用盲法处理（模型构建与参数解读由不同人员完成）；③重要测量参数（如SFT、SPH）均通过数字化分割软件自动提取，人工复核误差率＜2%。这种严谨的方法学为结果的可信度提供了保障。

临床转化潜力体现在两方面：首先，MSLSI的测量成本极低（仅需常规MRI检查），适合作为术前常规筛查指标；其次，其预测效能（AUC 0.749）已达到临床实用标准，结合手术记录中的BMI数据（AUC 0.68）可形成预测组合，使SSI风险评估准确率提升至82.3%。

未来研究方向建议：①开展前瞻性队列研究，纳入≥500例样本以验证泛化性；②探索MSLSI与术中出血量、组织间隙压力等即时手术参数的关联；③开发基于深度学习的自动测量系统，通过AI算法实现实时影像分析。这些改进将进一步提升MSLSI的临床实用价值。

总之，本研究成功构建了具有临床操作价值的MSLSI预测模型，为降低TLIF术后感染率提供了可靠工具。建议临床指南纳入该评估指标，同时加强多中心验证和长期随访研究，以完善其在不同亚种人群中的应用规范。