《International Journal of General Medicine》：Integrating Clinical Information and Electrocardiographic Signal Features to Develop a Prediction Model for Postoperative Delirium in Older Patients: A Prospective Observational Study
编辑推荐：
目的 术后谵妄（POD）是老年手术患者常见且严重的并发症。尽管传统预测模型主要依赖主观临床指标，本研究旨在通过整合客观生理信号（心电图[ECG]特征和心率变异性[HRV]）与常规人口学和临床数据，开发一种简单、无创的术前风险预测模型。患者与方法 在这项单中心前
目的 术后谵妄（POD）是老年手术患者常见且严重的并发症。尽管传统预测模型主要依赖主观临床指标，本研究旨在通过整合客观生理信号（心电图[ECG]特征和心率变异性[HRV]）与常规人口学和临床数据，开发一种简单、无创的术前风险预测模型。患者与方法 在这项单中心前瞻性观察研究中，纳入了767例年龄≥65岁、接受择期非心脏手术的患者。提取了术前临床特征、常规ECG异常和HRV参数。通过多变量逻辑回归识别独立预测因子。构建了临床-ECG/HRV联合模型，进行内部验证，并与单领域基线模型进行比较。结果 185例患者（24.1%）发生POD。高龄、教育水平较低、手术时间延长、非窦性心律、ST段异常、房性/室性心律失常以及较高的HRV模糊熵被确定为POD的独立危险因素。联合临床-ECG/HRV模型在训练集和测试集上的受试者工作特征曲线下面积分别为0.842和0.783，与基线临床模型相比，显示出更高的预测准确性和改进的风险重分类。结论 术前ECG异常和HRV复杂度增加（模糊熵）与POD风险增加独立相关。将这些客观、无创的生理信号与常规临床数据整合，可产生一个简单实用的预测模型。这种多模式方法增强了术前早期风险分层，为支持老年手术患者的围手术期综合管理提供了有价值的证据。
**论文解读：整合临床信息与心电图信号特征构建老年患者术后谵妄预测模型**
**研究背景与问题**
术后谵妄（POD）是老年手术患者围手术期一种常见且严重的神经精神并发症，表现为意识、注意力和认知功能的急性波动性障碍。随着全球人口老龄化加速，≥65岁手术患者比例持续上升，POD的发生率也随之增加，成为影响老年患者围手术期预后的重要公共卫生问题。POD不仅显著延长住院时间、增加医疗资源消耗和住院费用，还与院内不良事件发生率升高、长期功能依赖、认知功能下降以及全因死亡率增加密切相关。因此，主动筛查POD易感性并实施个体化临床方案，对于改善患者预后和优化医疗资源配置至关重要。
目前，已有一些多变量预测模型用于POD术前风险分层，例如Benjamin等提出的择期非心胸外科手术患者POD预后模型，纳入了年龄、体重指数、美国麻醉医师协会（ASA）分级、谵妄史、用药史和C反应蛋白等变量，性能有所提升。然而，这些模型主要基于临床和实验室指标，未能纳入反映神经心血管调节状态的客观生理信号，因此预测性能仍有提升空间。心率变异性（HRV）作为衡量交感-迷走神经平衡的非侵入性指标，可反映自主神经稳态控制和脑-心通路的生理完整性。在重症监护和手术环境中，POD的发生与HRV时域指标（如正常RR间期标准差[SDNN]和相邻RR间期差值的均方根[RMSSD]）显著下降相关，提示整体变异性降低可能反映自主神经储备不足。但传统频域参数（如低频功率[LF]、高频功率[HF]及LF/HF比值）的研究结果不一致，对POD的预测价值存在争议。
为此，本研究旨在通过整合患者临床特征、心电图（ECG）衍生指标和自主神经调节性能，从多维度角度探讨POD的发展，并构建一个简单、循证的术前筛查工具。
**研究方法与关键技术**
研究人员在西南医科大学附属医院开展了一项单中心前瞻性观察研究，纳入2025年4月1日至2026年4月1日期间接受择期非心脏手术的767例≥65岁患者。主要关键技术方法包括：（1）术前静息状态下12导联ECG信号采集与标准化预处理（基线漂移校正、带通滤波、异常节律去除），采用自动R波检测算法识别RR间期序列，并经人工校正；（2）从预处理后的RR间期序列中计算HRV时域（SDNN、RMSSD）、频域（LF、HF、LF/HF）和非线性复杂度指标（样本熵[SampEn]、模糊熵[FuzzyEn]等）；（3）提取常规ECG形态和节律特征（心率、节律类型、ST段异常、房性与室性心律失常、PR间期、QRS时限、电轴）；（4）通过多变量逻辑回归进行特征选择与模型构建，分别建立临床模型（仅含人口学和围手术期变量）、ECG/HRV模型（仅含ECG和HRV特征）和联合临床-ECG/HRV模型；（5）采用受试者工作特征曲线下面积（AUC-ROC）、校准图、决策曲线分析、净重分类改善指数（NRI）和综合判别改善指数（IDI）评估模型性能，并利用Shapley加法解释（SHAP）进行模型可解释性分析。
**研究结果**
**人口学与临床特征**
共767例患者，中位年龄72（68–76）岁，男性占54%（n=415）。185例（24.12%）发生POD。与未发生POD的NPOD组相比，POD组患者年龄更大、ASA III级比例更高（均P<0.001），总胆固醇（TC）和低密度脂蛋白（LDL）水平显著更低（P=0.042和P=0.010）。围手术期，POD组手术时间更长（P<0.001），更易出现麻醉苏醒延迟（P=0.019）和术后需入住ICU（P=0.041），住院时间也更长（P<0.001）。POD组ECG异常总发生率、非窦性心律、ST段异常及房性/室性心律失常比例均显著高于NPOD组（均P<0.001）。HRV参数中，模糊熵（HRV_FuzzyEn）和Katz分形维数显著高于NPOD组（P=0.023和P=0.048），而加速-减速段交互截距（HRV_IALS）显著低于NPOD组（P=0.044）。
**POD的独立危险因素**
通过单变量逻辑回归筛选候选变量，再经多变量逻辑回归向后逐步选择，最终保留以下独立预测因子：年龄（OR=1.10，95%CI: 1.05–1.15，P<0.001）、教育水平（以文盲为参照，小学：OR=0.45，P=0.039；初中及以上：OR=0.49，P=0.052）、手术时间（OR=1.00，P=0.049）、非窦性心律（OR=9.63，P<0.001）、ST段异常（OR=3.57，P=0.001）、房性或室性心律失常（房性：OR=5.62，P<0.001；室性：OR=10.36，P<0.001；两者均有：OR=10.02，P=0.003）以及HRV_FuzzyEn（OR=2.49，P=0.024）。
**模型构建与性能评估**
基于独立预测因子，构建三个逻辑回归模型：临床模型（年龄、教育水平、手术时间）、ECG/HRV模型（非窦性心律、ST段异常、房性或室性心律失常、HRV_FuzzyEn）和联合临床-ECG/HRV模型。在训练集中，临床模型AUC为0.6791，ECG/HRV模型为0.7774，联合模型为0.8423，DeLong检验显示联合模型显著优于单领域模型（P<0.001）。在验证集中，联合模型AUC为0.7832。校准图显示预测概率与观测概率良好一致。决策曲线分析表明，联合模型在广泛阈值概率范围内提供更高的净获益。此外，将ECG/HRV特征加入临床模型后，NRI为0.392（P<0.001），IDI为0.215（P<0.001）。最后，基于联合模型构建了列线图，可进行个体化风险估计。例如，一名69岁文盲患者，手术时间165分钟，术前ECG显示窦性心律伴ST段改变但无心律失常，HRV_FuzzyEn=1.19，列线图总分200分，对应的POD预测概率为45.8%。
**模型可解释性分析**
利用SHAP值评估各协变量对谵妄风险估计的贡献权重。全局特征重要性图显示，房性或室性心律失常、年龄、ST段异常、住院时间和HRV_FuzzyEn是模型中最具影响力的五个变量，其中房性和室性心律失常的平均绝对SHAP值最高。SHAP蜂群图显示，心律失常高值、高龄和ST段异常主要分布在SHAP正值区域（对应POD风险增加），而窦性心律和教育程度较高与较低POD风险相关。SHAP依赖图显示，HRV_FuzzyEn与SHAP值呈正相关，当HRV_FuzzyEn达到约1.3–1.4时，SHAP值由负转正，且高龄患者即使在中等HRV_FuzzyEn水平也表现出更高的SHAP值。
**敏感性分析**
排除21例非窦性心律患者后（n=746），在仅保留窦性心律的敏感性模型中，HRV_FuzzyEn仍为POD的独立危险因素（OR=1.93，95%CI: 1.13–3.32，P=0.017），且估计值更精确（置信区间更窄），表明结果稳健。
**讨论与结论**
**讨论总结**
本研究构建的临床-ECG/HRV联合预测模型AUC达0.8423，通过整合多维围手术期信息，有助于术前识别POD高风险患者。高龄、较低教育水平、手术时间延长及多种ECG异常与POD显著相关，与既往研究一致。ECG异常（非窦性心律、ST段改变、心律失常）作为独立风险决定因素，可能反映潜在心肌缺血、心输出量波动或自主神经失衡，进而影响脑灌注稳定性，增加谵妄易感性。HRV非线性复杂度指标FuzzyEn是POD的独立预测因子，其升高可能反映心脏节律模式结构化自主调节的丧失，与脑-心轴失调增加神经认知障碍易感性的假说一致。联合模型性能优于单领域模型，AUC提升及显著的NRI/IDI改善强调了数据融合的价值——临床变量量化基线生理储备，HRV和ECG指标反映自主神经完整性和神经-心脏通讯，整合后能捕捉更广泛的风险因素谱。敏感性分析进一步证实了HRV指标的独立预测能力。
**研究结论**
总之，研究人员的发现确立了基线心电异常和HRV复杂度增加作为老年个体术后谵妄的独立风险决定因素。整合临床-ECG/HRV模型相比单领域模型显著提高了预测准确性。这些发现为使用简单、无创的生理信号进行POD早期风险分层提供了新证据，并可能有助于老年手术患者精准围手术期管理策略的制定。
