基于临床与实验室指标的BAR-N模型：一种简易预测绞窄性肠梗阻(StBO)的新工具

本研究针对绞窄性肠梗阻(StBO)早期诊断难题，通过LASSO回归筛选出反弹压痛、BMI、中性粒细胞百分比(N)和AST四项关键指标，构建了BAR-N预测模型。该模型在训练组和验证组分别达到0.784和0.750的AUC值，特异性达90.3%，为急诊环境下StBO的快速识别提供了经济有效的决策支持工具。

　　

肠梗阻是急诊外科常见的"定时炸弹"，其中绞窄性肠梗阻(Strangulated Bowel Obstruction, StBO)因可导致肠坏死、脓毒休克等致命并发症，死亡率高达35%。然而传统CT检查在基层医院普及率低，且敏感性仅73-100%，特异性不足。更精确的CT血管造影(CTA)则因价格昂贵、造影剂肾损伤风险难以常规应用。这种诊断困境促使Cuifeng Zheng团队探索更经济便捷的预测方案。

研究团队收集了福建医科大学附属协和医院453例小肠梗阻(SBO)患者数据，通过LASSO回归筛选变量，最终开发出包含临床体征和实验室指标的BAR-N模型。该研究采用10折交叉验证优化参数(α=0.3, λ=0.0202)，通过多变量逻辑回归分析确定各指标权重，并构建可视化列线图。训练集与验证集按7:3比例随机分配，确保模型可靠性。

关键技术方法包括：1)采用LASSO回归进行特征选择，优化正则化参数(α=0.3)；2)多变量逻辑回归建立预测模型；3)10折交叉验证评估模型性能；4)构建列线图实现临床转化应用。研究对象为2016-2024年急诊外科收治的SBO患者，经手术/病理确诊StBO 62例，SiBO 391例。

研究结果：

1. 1.

   基线特征分析显示：StBO组在BMI(p=0.027)、N%(p=0.002)、AST(p=0.024)等指标与SiBO组存在显著差异。

2. 2.

   LASSO回归筛选出10个预测变量，最终模型保留4个关键指标：反弹压痛(OR=6.64)、BMI_log(OR=0.02)、N%(OR=1.05)和AST_log(OR=1.97)。

3. 3.

   模型性能验证：训练集AUC 0.784，验证集AUC 0.750，特异性90.3%，准确率80.7%。校准曲线显示预测风险与实际风险吻合良好。

讨论与结论：

这项研究创新性地将临床体征与实验室指标结合，开发出记忆便捷的BAR-N模型(BMI、AST、Rebound tenderness、Neutrophil%)。反弹压痛作为最强预测因子(OR=6.64)，印证了腹膜刺激征的经典诊断价值；而中性粒细胞百分比(N%)升高反映了肠缺血引发的炎症级联反应。特别值得注意的是BMI的保护性作用(OR=0.02)，可能与代谢储备相关，这为后续机制研究提供了新方向。

相比影像学检查，BAR-N模型仅需71元人民币成本，不足CT检查的1/10，在资源有限地区尤具优势。虽然31.8%的灵敏度提示其不能完全替代临床判断，但90.3%的高特异性使其非常适合用于排除低风险患者。研究者建议将该模型作为"分诊过滤器"，辅助医生在等待影像结果时做出更及时决策。

该研究的局限性在于单中心回顾性设计，且未纳入新兴生物标志物。作者强调需要多中心前瞻性研究进一步验证，并探索BMI与肠缺血的潜在生物学机制。这项发表在《BMC Surgery》的成果，为优化SBO诊疗流程提供了切实可行的决策工具，特别是对CT资源匮乏的基层医院具有重要转化价值。