编辑推荐：
为预测老年大手术患者术后肺部感染（POI），研究对比 LR 和 ML 模型，LR 表现更优，有助于临床管理。
预测老年大手术患者术后肺部感染：逻辑回归与机器学习模型的较量
在医疗领域，老年患者接受大手术是一件需要谨慎对待的事情。术后肺部感染（Postoperative pulmonary infection，POI）就像一个隐藏在暗处的 “敌人”，常常在患者术后悄悄出现，给患者的康复带来巨大挑战。它不仅会让患者的住院时间延长，增加医疗费用，还可能导致患者的预后变差，严重影响患者的健康。而且，由于老年人生理机能下降，上呼吸道革兰氏阴性菌定植增加，在大手术这样的创伤刺激下，POI 的发生风险更高。以往虽然有研究探索过 POI 的危险因素，但针对老年大手术患者这一高风险群体的大样本研究较少。同时，机器学习（Machine learning，ML）在医学领域虽应用越来越广泛，但逻辑回归（Logistic regression，LR）和 ML 算法在预测老年大手术患者 POI 方面的表现究竟如何，还不明确。在这样的背景下，开展相关研究十分必要。
为了解决这些问题，华中科技大学同济医学院附属协和医院的研究人员进行了一项研究。该研究成果发表在《BMC Pulmonary Medicine》上。研究人员通过回顾性队列研究，收集了 2014 年 1 月至 2019 年 12 月在武汉协和医院接受手术的老年患者数据。
研究人员用到了几个关键的技术方法。首先，他们从医院电子数据库系统获取数据，纳入年龄≥65 岁且大手术中进行机械通气的患者，排除了术前气管插管、术前肺炎、器官移植及数据缺失的患者。然后，采用最小绝对收缩和选择算子（Least absolute shrinkage and selection operator，LASSO）回归算法进行特征选择，确定相关风险因素。将患者随机分为训练集和验证集（7:3），运用多种机器学习算法（决策树 Decision tree，DT、随机森林 Random forest，RF、支持向量机 Support vector machine，SVM、梯度提升决策树 Gradient boosting decision tree，GBDT、极端梯度提升 Extreme gradient boosting，XGBoost、多层感知器 Multilayer perceptron，MLP）和逻辑回归算法构建预测模型，并通过网格搜索和五折交叉验证优化模型超参数 。最后用多种指标评估模型性能，还利用多种方法分析模型特征重要性，并构建列线图。
下面来看看具体的研究结果：
- 基线特征：研究共分析了 9481 例患者，其中 951 例发生 POI，占比 10.03%。与未发生 POI 的患者相比，发生 POI 的患者男性更多、合并症更多、血红蛋白和白蛋白水平更低、炎症因子水平更高、手术时间更长，术后住院时长和总住院时长也显著更高 。训练集和验证集在各特征及 POI 发生率上无显著差异。
- 特征选择：经 LASSO 回归分析，最终模型纳入慢性阻塞性肺疾病（Chronic obstructive pulmonary disease，COPD）、中性粒细胞计数、白蛋白水平、手术切口和手术时间这 5 个变量，它们与 POI 独立相关。变量间相关性低，多重共线性极小。
- 算法性能：在验证集上，LR 模型 AUC 最高，达 0.80，DT 模型最低，为 0.75。LR 模型在训练集上 AUC 为 0.81（95% CI：0.795 - 0.837） 。与其他算法相比，LR 模型在准确性（88.22%）、特异性（90.29%）、精度（44.42%）和 F1 评分（54.25%）等方面表现更优。其 Brier 评分低，校准曲线也表明其校准度更好，可靠性更高。
- 算法可解释性和应用：RF 模型的 4 种可解释性方法显示，手术时间、开胸手术、白蛋白水平和中性粒细胞计数是重要特征，但不同方法的特征排名存在差异。最终基于各项评估，选择 LR 模型构建列线图，可对患者进行风险分层，低、中、高风险组 POI 发生率差异显著。
在研究结论和讨论部分，研究发现 LR 算法比 ML 算法在预测老年大手术患者 POI 方面效果更好。研究确定了 5 个简单易收集的独立风险因素，基于 LR 构建的可视化列线图和风险分层，能帮助医生在术前更好地评估患者 POI 风险，制定更有针对性的围手术期管理策略。例如，对于 COPD 患者，术前可使用支气管扩张剂联合糖皮质激素治疗；对于白蛋白水平低的患者，可改善营养状况。虽然研究存在一些局限性，如单中心回顾性研究可能低估 POI 发生率、缺乏外部验证、部分机械通气参数未收集、LASSO 回归选择特征有局限性等，但总体来说，该研究为老年大手术患者 POI 的预测和管理提供了重要依据，对临床实践具有重要指导意义，未来还可进一步优化模型，提升预测的准确性和实用性。
