揭秘甲状腺乳头状癌术后引流量的影响因素：构建精准风险预测模型助力临床决策

《Current Problems in Surgery》：Clinical Factors Influencing Postoperative Drainage Volume in Papillary Thyroid Carcinoma: A Retrospective Analysis

甲状腺乳头状癌（PTC）术后引流量增加影响患者恢复。研究人员分析 135 例患者数据，结合多种分析方法，发现 BMI、FPG 等是影响术后引流量的关键因素，构建的风险模型预测性能良好，为 PTC 术后个性化管理提供依据。

　　在医学领域，甲状腺乳头状癌（Papillary Thyroid Carcinoma，PTC）近年来全球发病率不断攀升，它是甲状腺癌中最常见的亚型，占所有恶性甲状腺肿瘤的 85% 以上，且女性发病明显多于男性，多集中在 30 - 50 岁人群 。虽说 PTC 整体预后较好，五年生存率超 95%，但部分患者术后仍会遭遇各种并发症，其中术后引流量的变化就十分关键。过多的术后引流会带来诸多麻烦，比如伤口愈合延迟、电解质失衡、呼吸困难等，不仅延长患者住院时间，还加重了经济负担。可目前关于影响 PTC 术后引流量的因素研究较少，大多集中在乳腺癌等其他癌症上。为了填补这一空白，河北北方学院第一附属医院的研究人员开展了一项极具意义的研究。

研究人员回顾性分析了 2020 年 10 月至 2022 年 4 月在本院耳鼻咽喉 - 头颈外科治疗的 135 例 PTC 术后患者的临床数据。这些患者都接受了双侧全甲状腺切除术加双侧中央淋巴结清扫术，或单侧甲状腺切除术加峡部切除术及同侧中央淋巴结清扫术。为了深入探究影响术后引流量的因素，研究人员采用了多因素逻辑回归、支持向量机（Support Vector Machine，SVM）和随机森林（Random Forest，RF）模型这几种关键技术方法。

研究结果显示：

• 基线特征差异：根据术后引流量中位数将患者分为高引流组和低引流组。高引流组在女性比例、BMI、高血压、空腹血浆葡萄糖（Fasting Plasma Glucose，FPG）、血清淀粉样蛋白（Serum Amyloid Protein，SAA）、肿瘤大小、双侧甲状腺切除术比例以及使用 Ditch 引流装置比例等方面，均显著高于低引流组；而年龄、吸烟、饮酒等因素在两组间无明显差异。
• 多因素逻辑回归分析结果：将有显著差异的因素纳入多因素逻辑回归分析，发现 BMI（OR = 1.156，p = 0.007）、FPG（OR = 3.594，p = 0.015）、SAA（OR = 1.169，p = 0.038）和高血压（OR = 3.041，p = 0.039）与术后引流量呈正相关，意味着这些因素增加会提高高引流量的风险；男性（OR = 0.233，p = 0.039）和使用 T 管引流装置（OR = 0.322，p = 0.011）则与术后引流量呈负相关，能降低风险。该模型的 AUC 值为 0.834，表明性能良好。
• SVM 和随机森林分析结果：SVM 模型平均 AUC 值为 0.795，通过 SHAP 可视化分析确定 BMI、FPG 和引流装置是最重要的特征，SHAP 值分别为 1.37、1.23 和 1.20。随机森林模型通过袋外误差法确定最优参数后，AUC 值为 0.755，GINI 指数分析显示 FPG、BMI 和肿瘤大小是最重要的特征，GINI 值分别为 14.09、13.93 和 12.12 。
• 风险模型构建结果：选取多变量回归模型和机器学习模型中共同的前三个重要特征构建风险模型，BMI 和 FPG 是三个模型共有的特征。标准化系数后构建公式：Risk Score = Coef_[BMI]×Factor_[BMI] + Coef_[FPG]×Factor_[FPG] 。ROC 曲线评估显示，该风险模型的 AUC 值高于单独使用 BMI 或 FPG 。

研究结论和讨论部分指出，BMI 和 FPG 是影响 PTC 术后引流量的重要因素。BMI 高意味着体内脂肪组织多，手术时识别和结扎淋巴管难度增大，淋巴瘘风险增加，且肥胖还易引发切口感染和呼吸并发症，体内慢性炎症也会延缓伤口愈合；FPG 高会激活 NF - κB 通路，加剧体内炎症，增加血管通透性，导致液体渗出增多，同时还会抑制免疫功能和伤口愈合。此外，研究还发现 T 管引流装置能减少术后引流量，这得益于其双向引流设计和负压吸引作用；较大的肿瘤由于手术切除范围广、淋巴结清扫多，会导致术后引流量增加。不过，手术方式和肿瘤大小在本研究中未显示出显著影响，可能与样本量不足和临床异质性有关。另外，手术时长、医生经验等因素也可能影响术后引流量，未来研究可进一步探索。

总体而言，该研究通过多种分析方法相结合，构建了风险预测模型，其预测性能优于单一指标。这一成果为 PTC 术后的个性化管理提供了科学依据，有助于提前筛选高风险患者，制定更精准的术后决策，在临床实践中具有重要的指导意义。虽然研究存在样本量有限、未全面考虑潜在变量、风险模型需进一步验证等局限性，但依然为后续研究指明了方向，推动了 PTC 术后管理领域的发展 。