基于人体测量学指标的全小肠长度预测模型开发与内部验证：一项327例成人尸检研究

《Diagnostics》：Preoperative Prediction of Total Small Bowel Length Using Anthropometric Measurements: Development and Internal Validation of a Model in 327 Adult Autopsies

　　

背景/目标：小肠总长度（total small bowel length, TSBL）存在显著的个体间差异，并可能影响减重及代谢手术后的结局。本研究旨在评估人体测量学特征与TSBL之间的关系，并开发及内部验证一个基于人体测量学的预测模型。

方法：在这项前瞻性观察性研究中，研究人员纳入了327例成人尸检案例。采用标准化方案记录身高、体重、身体质量指数（body mass index, BMI）、腰围和腹部脂肪厚度。TSBL从Treitz韧带测量至回盲部交界处。进行相关性分析、多元线性回归和预测模型开发。采用1000次bootstrap重抽样进行内部验证。模型性能还通过预测误差、校准度以及预测值与观测TSBL之间的一致性进行评估。

结果：平均TSBL为612.4±108.7 cm。身高与TSBL的相关性最强（r=0.612, p<0.001），其次是体重（r=0.428, p<0.001）和腰围（r=0.341, p<0.001）。在多元分析中，身高（标准化β=0.447, p<0.001）、体重（标准化β=0.185, p=0.006）和腰围（标准化β=0.099, p=0.029）仍与TSBL独立相关。最终预测模型得出R²=0.456，调整后R²=0.451，均方根误差（root mean square error, RMSE）为80.1 cm，平均绝对误差（mean absolute error, MAE）为62.8 cm。Bootstrap验证得出乐观校正后的R²为0.444，校准斜率为0.97。在56.0%的案例中，预测TSBL在观测值的±10%以内。

结论：身高是TSBL最强的独立预测因子，而体重和腰围提供了额外的预测信息。所提出的基于人体测量学的模型显示出中等预测性能，但仍保留了较大的个体预测误差。因此，该模型应被视为一种探索性工具，可能提供补充性的术前信息，而非直接肠道测量的替代方法。在临床实施前，需要在活体和独立人群中进行外部验证。

研究背景与目的：肥胖已成为全球性慢性疾病，减重代谢手术是严重肥胖的有效治疗方式。小肠总长度（total small bowel length, TSBL）存在显著个体差异，并影响吸收性减重手术的疗效及营养并发症风险。但术前TSBL通常未知，术中测量会延长手术时间。既往关于人体测量指标与TSBL关系的研究结果不一致，且缺乏经过验证的预测模型。因此，研究人员在较大样本的尸检队列中评估人体测量特征与TSBL的关系，并开发及内部验证一个基于人体测量学的预测模型。

研究方法概述：本研究为前瞻性观察研究，在土耳其科尼亚法医学理事会地区分支进行，纳入327例成人尸检案例。测量身高、体重、身体质量指数（body mass index, BMI）、腰围及腹部脂肪厚度；TSBL从Treitz韧带至回盲部交界处测量，包括原位及离体测量，以离体测量为参考。统计方法包括Pearson相关、多元线性回归、LASSO和岭回归、1000次bootstrap内部验证、Bland-Altman分析及预测误差评估。样本来源于法医尸检。

研究结果：

3.1 研究流程与基线特征：共筛查387例，排除60例，最终纳入327例。平均年龄44.8±16.7岁，男性占72.8%，平均身高172.6±8.9 cm，体重79.4±18.6 kg，BMI 26.5±5.8 kg/m²，腰围94.1±15.2 cm，腹部脂肪厚度3.8±1.7 cm，离体TSBL均值612.4±108.7 cm。三次原位测量组内相关系数（intraclass correlation coefficient, ICC）为0.987，提示测量高度可重复。死亡至尸检间隔与TSBL、体重、腰围及腹部脂肪厚度均无显著相关。

3.2 相关性分析：身高与TSBL相关性最强（r=0.612, p<0.001），其次为体重（r=0.428, p<0.001）、腰围（r=0.341, p<0.001）、BMI（r=0.221, p<0.001）和腹部脂肪厚度（r=0.196, p<0.001）；年龄及死亡至尸检间隔与TSBL无显著相关。

3.3 性别分层分析：男性平均TSBL为623.6±106.8 cm，女性为582.5±108.1 cm，差值为41.1 cm（95% CI 14.9-67.3; p=0.002）。身高与TSBL在男性（r=0.578）和女性（r=0.521）中均正相关，但性别×身高交互项不显著（p=0.614）。

3.4 多元线性回归分析：调整年龄、性别、腹部脂肪厚度后，身高（标准化β=0.447）、体重（标准化β=0.185）和腰围（标准化β=0.099）为独立相关因素，而年龄、性别和腹部脂肪厚度无独立相关性。模型R²=0.461，调整R²=0.451。

3.5 预测模型开发与内部验证：身高单独解释TSBL变异的37.4%；加入体重后R²升至0.439；最终模型包含身高、体重和腰围，R²=0.456，调整R²=0.451，RMSE=80.1 cm，MAE=62.8 cm。预测方程为：预测TSBL(cm)=?459.0+5.25×身高(cm)+1.18×体重(kg)+0.76×腰围(cm)。1000次bootstrap验证显示乐观校正R²=0.444，校准斜率0.97；Bland-Altman分析平均预测偏倚0.2 cm，95%一致性界限?156.2至156.6 cm，56.0%的预测值在观测值±10%以内。

3.6 敏感性分析：LASSO和岭回归的交叉验证RMSE分别为80.5 cm和80.2 cm，与常规线性回归（80.1 cm）相近，未显示性能改善。

讨论总结与结论：讨论部分指出，TSBL个体差异大，身高是最强独立预测因子，体重和腰围有额外预测价值，但模型约46%的解释