
-
生物通官微
陪你抓住生命科技
跳动的脉搏
基于囊肿直径、年龄及其他指标的术前预测模型开发与验证:用于预测儿童胆总管囊肿患者接受机器人辅助Roux-en-Y肝空肠吻合术后高引流量的情况
《BMC Surgery》:Development and validation of a preoperative nomogram for predicting postoperative high drainage output after robot-assisted Roux-en-Y hepaticojejunostomy for children with choledochal cysts: based on cyst diameter, age, and other indicators
【字体: 大 中 小 】 时间:2026年06月11日 来源:BMC Surgery 1.8
编辑推荐:
摘要背景机器人辅助的Roux-en-Y肝空肠吻合术(RYHJ)是治疗胆总管囊肿(CDC)的标准方法。通常会放置常规的腹部引流管,但目前尚无可靠的术前工具来识别那些引流量较高的患者(≥2 mL·kg?1·d?1),这限制了在密切监测下提前拔除引流管或选择性地不放置引流管的可能性。本
机器人辅助的Roux-en-Y肝空肠吻合术(RYHJ)是治疗胆总管囊肿(CDC)的标准方法。通常会放置常规的腹部引流管,但目前尚无可靠的术前工具来识别那些引流量较高的患者(≥2 mL·kg?1·d?1),这限制了在密切监测下提前拔除引流管或选择性地不放置引流管的可能性。本研究旨在开发并验证一个基于易于获取的临床指标(如囊肿直径、年龄)的直观术前预测模型,以预测机器人辅助RYHJ术后的高引流风险,并支持个性化的引流管理。
这项单中心回顾性队列研究纳入了129名接受达芬奇机器人辅助RYHJ治疗的CDC患儿。根据体重调整后的每日引流量,患者被分为低引流组(<2 mL·kg?1·d?1,n=30)和高引流组(≥2 mL·kg?1·d?1,n=99)。通过单变量和多变量逻辑回归确定了潜在的预测因素,并将这些因素纳入预测模型中。使用接收者操作特征曲线下面积(AUC)和校准图来评估模型的性能。
多变量分析显示,年龄较年轻是高引流量的独立预测因素(OR=0.983,95% CI:0.972–0.994),而较大的囊肿直径也是一个潜在的预测因素,但其关联趋势不明显(OR=1.321,95% CI:0.979–1.783)。最终的预测模型结合了囊肿直径、年龄、体重指数(BMI)、血红蛋白(HGB)和球蛋白(GLB),具有良好的区分度(AUC=0.753)和校准性能。最佳风险阈值为79.88%,特异性为75.9%,使用这一最佳阈值可以识别出适合提前拔除引流管、从而实现个性化引流管理的高风险患者。
我们开发并验证了一个基于“囊肿直径+年龄”(并结合BMI、HGB和GLB)的预测模型,该模型能够无创、准确地评估机器人辅助RYHJ术后的高引流风险。值得注意的是,该模型能够识别出低风险亚群——即年龄较大且囊肿较小的患儿——对于这些患儿来说,提前拔除引流管(例如在24–48小时内)是安全的,并且可以在严格监测下前瞻性地评估选择性不放置引流管的可能性。这种风险分层的方法有可能减少与引流相关的并发症,并优化机器人辅助RYHJ后的加速康复路径(ERAS)。由于这只是内部验证,因此在临床应用之前还需要在独立队列中进行外部验证。
机器人辅助的Roux-en-Y肝空肠吻合术(RYHJ)是治疗胆总管囊肿(CDC)的标准方法。通常会放置常规的腹部引流管,但目前尚无可靠的术前工具来识别那些引流量较高的患者(≥2 mL·kg?1·d?1),这限制了在密切监测下提前拔除引流管或选择性地不放置引流管的可能性。本研究旨在开发并验证一个基于易于获取的临床指标(如囊肿直径、年龄)的直观术前预测模型,以预测机器人辅助RYHJ术后的高引流风险,并支持个性化的引流管理。
这项单中心回顾性队列研究纳入了129名接受达芬奇机器人辅助RYHJ治疗的CDC患儿。根据体重调整后的每日引流量,患者被分为低引流组(<2 mL·kg?1·d?1,n=30)和高引流组(≥2 mL·kg?1·d?1,n=99)。通过单变量和多变量逻辑回归确定了潜在的预测因素,并将这些因素纳入预测模型中。使用接收者操作特征曲线下面积(AUC)和校准图来评估模型的性能。
多变量分析显示,年龄较年轻是高引流量的独立预测因素(OR=0.983,95% CI:0.972–0.994),而较大的囊肿直径也是一个潜在的预测因素,但其关联趋势不明显(OR=1.321,95% CI:0.979–1.783)。最终的预测模型结合了囊肿直径、年龄、体重指数(BMI)、血红蛋白(HGB)和球蛋白(GLB),具有良好的区分度(AUC=0.753)和校准性能。最佳风险阈值为79.88%,特异性为75.9%,使用这一最佳阈值可以识别出适合提前拔除引流管、从而实现个性化引流管理的高风险患者。
我们开发并验证了一个基于“囊肿直径+年龄”(并结合BMI、HGB和GLB)的预测模型,该模型能够无创、准确地评估机器人辅助RYHJ术后的高引流风险。值得注意的是,该模型能够识别出低风险亚群——即年龄较大且囊肿较小的患儿——对于这些患儿来说,提前拔除引流管(例如在24–48小时内)是安全的,并且可以在严格监测下前瞻性地评估选择性不放置引流管的可能性。这种风险分层的方法有可能减少与引流相关的并发症,并优化机器人辅助RYHJ后的加速康复路径(ERAS)。由于这只是内部验证,因此在临床应用之前还需要在独立队列中进行外部验证。
生物通微信公众号