一种可用于预测支气管扩张术术后早期不良结局的可解释性模型

《BMC Pulmonary Medicine》：An interpretable prognostic model for early unfavorable outcomes after bronchiectasis surgery

　　

摘要

背景

支气管扩张症是一种异质性的气道疾病，其特征为不可逆的支气管扩张、慢性痰液生成、反复感染以及急性加重。尽管经过最佳药物治疗后，肺切除术仍是对局部难治性疾病的有效治疗手段，但不同患者的术后恢复情况差异较大。目前临床实践中仍缺乏用于个体化风险分层的可解释工具。

方法

这项回顾性研究纳入了2020年1月至2025年8月期间在我中心接受支气管扩张症相关肺切除术的患者（共142例）。主要评估指标为术后约1个月时的综合结果。理想的结果定义为没有Clavien-Dindo二级或更高级别的并发症，且生活质量问卷-支气管扩张症呼吸症状评分高于50分；其他所有情况均被归为不良结果。在模型构建之前，先确定了40个潜在预测因子。研究采用弹性网惩罚逻辑回归作为主要建模方法，并据此建立了预测图表。通过嵌套交叉验证来调整超参数并评估模型的内在性能。利用折叠外预测概率来评估模型的区分能力（曲线下面积AUC）、整体准确性（布里尔分数）、校准程度，以及通过决策曲线分析判断其临床实用性。同时，还使用了相同折叠划分方式的随机森林模型作为直接对比，另外还基于主要模型中保留的预测因子建立了传统多变量逻辑回归模型。

结果

早期出现不良结果的比为57.7%（82/142）。最终的弹性网模型保留了五个预测因子：动脉血二氧化碳分压、左心室射血分数、一秒用力呼气量占预计值的百分比、最大自主通气量占预计值的百分比，以及支气管扩张症严重程度指数总分。内部折叠外验证显示，该主要模型的AUC为0.820，布里尔分数为0.173，而随机森林模型的AUC为0.831，布里尔分数为0.179。总体而言，随机森林模型并未展现出比主要模型更好的性能优势。校准分析表明预测概率与实际概率吻合良好，决策曲线分析则显示在不同的阈值概率范围内该模型可能具有实际的临床益处。

结论

这一经过内部验证的基于弹性网法的预测图表在预测支气管扩张症手术后的早期不良结果方面表现出良好的区分能力、可接受的校准效果，以及潜在的临床应用价值。由于该模型所使用的都是常规的术前变量，因此可为个体化的围手术期风险分层和早期随访计划提供定量支持。未来需要进行前瞻性外部验证及临床效果评估，以确认其普遍适用性，并为临床应用提供依据。