评估降低培养箱湿度对改善有手术伤口的早产儿皮肤状况的效果

《Journal of Tissue Viability》：Assessment of reducing the humidity of the incubator to improve the skin of premature infants with surgical wound

伤口并发症风险因素及预测模型构建研究采用回顾性队列分析方法，纳入2024年西南地区三级口腔医院783例面部外伤患者的临床数据，通过Lasso回归筛选出14个风险因素（包括损伤至就诊间隔、内分泌异常、穿透性损伤等），并建立二元Logistic回归模型。模型验证显示AUC为0.73（95%CI:0.682-0.763），灵敏度61%，特异度70%。主要发现：就诊延迟每增加1小时并发症风险倍增（OR 1.264），穿透性损伤（OR 2.305）及组织缺损（OR 0.381）显著影响预后。模型通过评分分图实现临床应用，为创伤后伤口管理提供精准预测工具。

　　该研究围绕颌面部创伤后清创缝合手术的术后伤口并发症展开，旨在识别相关风险因素并构建有效的预测模型。通过对西南地区一家三级口腔医院急诊科2024年1月至5月期间接受局部麻醉下颌面部清创缝合手术的患者进行回顾性分析，研究团队收集了详尽的临床数据，并采用Lasso回归进行变量筛选，随后利用二元逻辑回归构建预测模型。该模型的构建和验证过程采用了多种统计指标，如准确率、灵敏度、特异度、ROC曲线和AUC值，以全面评估其性能。

颌面部创伤是全球范围内常见的外伤类型之一，其发生率因地区和人群的不同而有所差异。在中国，每年约有2000万例不同类型的创伤事件，而在欧美国家，急诊科每年处理的创伤相关伤口超过1180万例，其中超过730万例为开放性伤口，给医疗系统带来了巨大的经济负担。研究显示，口腔和颌面部创伤占所有创伤事件的5.9%至34%，而其中简单的软组织损伤约占65%至55%。这类创伤在儿童中尤为常见，原因包括意外跌倒和交通事故等。值得注意的是，尽管这些创伤通常不危及生命，但它们可能对患者的外观和心理健康造成显著影响，特别是由于疤痕形成。因此，术后伤口管理在改善患者恢复和减少并发症方面具有关键作用。

研究中，所有患者均在受伤后24小时内接受了标准化的清创和缝合治疗，以确保最佳的伤口处理效果。手术过程中，使用了大量无菌冲洗液（如0.9%生理盐水和0.5-5%碘伏）对伤口进行彻底清洁，并采用特定的缝合技术，包括多层缝合方法。具体而言，深部组织缝合采用3-0/4-0可吸收缝线，皮肤层缝合采用5-0可吸收缝线，而表皮层则使用6-0/7-0不可吸收缝线。此外，术后管理程序涵盖了基于循证医学的随访计划、详细的伤口记录、标准化的敷料更换、个性化敷料选择以及渐进式的功能康复，这些措施共同构成了一个阶段性、跨学科的伤口修复体系。

在数据收集阶段，研究团队通过面对面交流的方式获取了患者在就诊和临床实践中的相关信息。数据集被划分为多个维度，包括人口学信息、就诊细节、病史、创伤特征、治疗和护理情况，以及术后结果。其中，变量涵盖了年龄、性别、是否有陪同人员、内分泌疾病、特殊治疗、牙科创伤、穿刺性创伤、组织缺损、缝合深度、缝合线类型、手术时长、麻醉类型和术中患者配合程度等。研究过程中还特别关注了变量的赋值方式，以确保分析的准确性。例如，对于术中患者配合程度，完全配合被赋值为1，大部分配合为2，部分不配合为3，完全不配合为4。对于可吸收缝线，未使用被赋值为0，6-0线为1，5-0线为2，4-0线为3，3-0线为4。

Lasso回归分析用于筛选潜在的预测变量，其核心优势在于能够有效处理高维数据并减少多重共线性问题。研究中通过交叉验证方法确定了最优参数λ，从而筛选出14个关键风险因素。随后，这些变量被纳入二元逻辑回归模型，构建了一个具有临床解释力的预测模型。为了提高模型的临床实用性，研究团队还设计了一个诺模图（nomogram），通过可视化的方式将逻辑回归结果呈现出来，使医护人员能够在床边快速进行风险评估和分层。诺模图允许对每个变量进行评分，并通过累加这些分数来预测患者发生术后并发症的概率。例如，一名患者若受伤至就诊间隔为5小时，无内分泌疾病，无陪同人员，无穿刺性创伤，但存在组织缺损，手术时长为1.5小时，使用局部浸润麻醉，且术中配合度较高，其总评分为55分，对应的术后并发症风险为23%。

模型的验证过程采用了ROC曲线和校准曲线，以评估其预测性能。在内部验证中，研究团队使用了Bootstrap再抽样方法（1000次迭代），以确保模型的稳定性和可靠性。校准曲线用于衡量模型预测概率与实际观察频率之间的吻合度，结果显示模型在训练集和测试集中均表现出良好的一致性。此外，ROC曲线进一步验证了模型的判别能力，其AUC值分别为0.79（95% CI: 0.699–0.867）和0.71（95% CI: 0.664–0.756），表明模型在预测术后并发症方面具有一定的准确性和可靠性。尽管AUC值略低于理想值（0.8或更高），但该模型仍能为临床决策提供有价值的参考。

在研究结果分析中，多个关键变量被确认为术后并发症的独立预测因子。这些变量包括受伤至就诊的间隔时间、内分泌疾病、是否有陪同人员、穿刺性创伤、组织缺损、手术时长、麻醉类型以及术中患者配合程度。其中，受伤至就诊时间越长，术后并发症风险越高，每增加1小时，风险增加约26.4%。这一发现与既往研究一致，即创伤性伤口应在受伤后6小时内进行清创缝合，以减少感染风险。然而，研究也指出，现有文献尚未明确证明延长的受伤至治疗时间与术后感染率之间的直接关联，因此这一结论需要进一步的临床验证。

内分泌疾病，尤其是糖尿病和甲状腺功能减退症，被发现对术后伤口愈合具有显著影响。尽管在本研究中，只有3.4%的患者患有此类疾病，但其对术后并发症的影响却非常显著，患者风险增加了约13.66倍。这可能与糖尿病患者的高血糖环境破坏了伤口愈合的生理过程，影响了巨噬细胞从促炎型（M1）向抗炎型（M2）的极化有关。此外，甲状腺激素在皮肤和黏膜修复过程中发挥重要作用，其缺乏可能导致组织代谢和胶原合成能力下降，进而影响伤口愈合速度和质量。值得注意的是，尽管本研究主要针对儿童群体，但已有研究表明，内分泌功能障碍对成人患者的影响更为严重，因此在临床实践中，对所有颌面部创伤患者进行内分泌评估并优化治疗方案，可能是降低术后并发症的重要策略。

穿刺性创伤和组织缺损也被确认为术后并发症的重要预测因素。研究发现，穿刺性创伤的患者，尤其是涉及上唇和下唇的伤口，其术后并发症发生率较高。这可能与穿刺性创伤的深度和清洁难度有关，因为这类伤口往往更难以彻底清除污染物，从而增加了感染和组织坏死的风险。然而，令人意外的是，组织缺损的患者术后感染率反而低于无组织缺损的患者。这可能与开放性伤口的自然引流作用以及系统性清创技术的实施有关，这些措施有助于减少感染的发生。此外，术中患者配合度也被证实为重要影响因素，配合度越低，术后并发症风险越高。这一发现强调了患者在手术过程中的主动参与对于手术成功的重要性。

手术时长和麻醉类型同样对术后并发症产生影响。每增加1小时的手术时间，术后并发症风险上升约13.2%。这一现象可能与手术过程中伤口暴露时间增加、感染风险上升以及术中操作复杂性有关。此外，局部浸润麻醉的使用频率高于神经阻滞麻醉，但后者在减少药物用量、减轻肿胀和促进伤口愈合方面具有一定优势。因此，选择合适的麻醉方式可能是优化手术效果的重要环节。

尽管该研究取得了一定成果，但其仍存在一些局限性。首先，由于研究数据来源于单一中心，可能引入选择偏倚，影响模型的外部有效性。因此，未来的研究应考虑多中心合作，以确保模型的广泛适用性。其次，尽管内部验证显示模型具有较好的稳定性，但其在外部验证中的表现仍需进一步评估。此外，研究团队建议未来可以开发动态风险预测算法，以实现对术后并发症的个性化预警。同时，结合智能生物材料和抗菌敷料，实现对伤口的实时监测和精准药物输送，可能是提升颌面部创伤治疗效果的未来方向。

总体而言，该研究为颌面部创伤术后并发症的预测提供了重要的临床依据。通过识别关键风险因素并构建预测模型，不仅有助于实现精准的术前风险分层，还能为术后个性化护理和干预策略提供科学支持。此外，研究结果还强调了早期干预、全面的伤口管理以及患者配合在改善手术效果中的关键作用。未来，随着医学技术的进步和数据分析方法的优化，此类预测模型有望进一步完善，为颌面部创伤的预防和治疗提供更加精准和个性化的解决方案。