论文部分内容阅读
背景和目的：经皮肾镜碎石术（percutaneous nephrolithotomy，PCNL）是目前治疗复杂性上尿路结石的主要方法之一，术后尿源性脓毒症是最严重的并发症之一，虽然发生率较低，但死亡率高。本研究开发并验证了一组实用的临床预测模型，这个临床预测模型可以可靠地估计PCNL术后尿脓毒症的风险，以便早期对高风险患者进行预防、筛查和治疗，从而降低PCNL术后尿脓毒症的发生率和死亡率。
方法：在2016年6月1日至2019年12月31日期间，从两家大型三级医院病案室的数据库中收集了数据。回顾性分析了进行一期PCNL患者的一般特征，辅助检查和手术因素。缺失的部分信息采用R语言软件进行单次插补。将患者是否发生尿脓毒症分为两组，在单因素logistic回归模型中存在统计学有意义的变量（P＜0.05）将纳入多因素Logistic回归模型中。基于多因素Logistic回归模型得出的独立危险因素，用于开发了列线图。采用R2统计量（R2statistic）和一致性指数（C statistics）来评估预测PCNL术后尿脓毒症的列线图的鉴别能力。模型的验证通过bootstrap重抽样的方法获得。通过受试者工作特征曲线（Receiver operating characteristic curve，ROC）来计算出最大化的尤登指数，依此为分界点来区分低风险患者和中高风险患者。
结果：根据来自两家医院的768名患者的个人数据建立了临床预测模型，并使用500次重抽样数据进行了内部验证。在所有入选的患者中，有63名（8.20％）患者PCNL术后发生了尿脓毒症。单因素logistic回归分析中：女性（OR，1.965；95％CI，1.169-3.303；P=0.011）、身体质量指数（Body mass index，BMI）较大（OR，0.906；95％CI，0.804-0.978、P=0.011）、患有糖尿病（Diabetes，DM）（OR，0.281；95％CI，0.161-0.489；P＜0.001）、患有尿路感染（Urinary infection，UC）（OR，0.552；95％CI，0.315-0.967；P＜0.038）、盖伊结石评分（Guy’s stone score，GSS）（OR，1.857；95％CI，1.387-2.504；P＜0.001）、手术时间（OR，2.065；95％CI，1.415-3.015；P＜0.001）、较高的灌注速度（≥300ml/min）（OR，0.420;95％CI，0.250-0.706;P=0.001）存在明显的统计学意义。将其全部纳入到多因素logistic回归分析之中，最终确定一期PCNL术后尿脓毒症的独立危险因素包括：女性（OR，1.862；95％CI，1.053-3.164；P=0.032）；患有糖尿病（DM）（OR，0.276；95％CI，0.154-0.494；P＜0.001）；GSSⅢ（OR，2.076;95％CI，1.015-4.244;P=0.045），GSSⅣ（OR，6.945;95％CI，1.260-38.297;P=0.026）；手术时间（90?120min）（OR，2.622;95％CI，1.048-6.561;P=0.039），手术时间（≥120min）（OR，3.372;95％CI，1.247-8.878;P=0.016）；较高的灌注速度（≥300ml/min）（OR，0.559;95％CI，0.320-0.976;P=0.041）。列线图的R2统计量为0.146和C统计量为0.743，表明模型有较高的鉴别能力。在500个重抽样样本中显示出良好的符合度。这两个指标表明模型具有较高的预测能力。在ROC曲线中，当尤登指数最大化时，列线图的评分大约160分。因此，我们以此为分界线来区分PCNL术后尿脓毒症的低危患者和中高危患者。
结论：我们的研究发现：女性、糖尿病、GSS、手术时间和灌注速度是预测一期PCNL术后尿脓毒症的独立危险因素。我们基于此开发并验证了一个简单易用的临床预测模型，用来评估PCNL术后发生尿脓毒症的风险。使用该临床预测模型，可以确定不同患者PCNL术后发生尿脓毒症的概率。临床医生在此基础上，可以做出更加合理的治疗和监测的方案。从而降低PCNL术后尿脓毒症的发生率和死亡率。
方法：在2016年6月1日至2019年12月31日期间，从两家大型三级医院病案室的数据库中收集了数据。回顾性分析了进行一期PCNL患者的一般特征，辅助检查和手术因素。缺失的部分信息采用R语言软件进行单次插补。将患者是否发生尿脓毒症分为两组，在单因素logistic回归模型中存在统计学有意义的变量（P＜0.05）将纳入多因素Logistic回归模型中。基于多因素Logistic回归模型得出的独立危险因素，用于开发了列线图。采用R2统计量（R2statistic）和一致性指数（C statistics）来评估预测PCNL术后尿脓毒症的列线图的鉴别能力。模型的验证通过bootstrap重抽样的方法获得。通过受试者工作特征曲线（Receiver operating characteristic curve，ROC）来计算出最大化的尤登指数，依此为分界点来区分低风险患者和中高风险患者。
结果：根据来自两家医院的768名患者的个人数据建立了临床预测模型，并使用500次重抽样数据进行了内部验证。在所有入选的患者中，有63名（8.20％）患者PCNL术后发生了尿脓毒症。单因素logistic回归分析中：女性（OR，1.965；95％CI，1.169-3.303；P=0.011）、身体质量指数（Body mass index，BMI）较大（OR，0.906；95％CI，0.804-0.978、P=0.011）、患有糖尿病（Diabetes，DM）（OR，0.281；95％CI，0.161-0.489；P＜0.001）、患有尿路感染（Urinary infection，UC）（OR，0.552；95％CI，0.315-0.967；P＜0.038）、盖伊结石评分（Guy’s stone score，GSS）（OR，1.857；95％CI，1.387-2.504；P＜0.001）、手术时间（OR，2.065；95％CI，1.415-3.015；P＜0.001）、较高的灌注速度（≥300ml/min）（OR，0.420;95％CI，0.250-0.706;P=0.001）存在明显的统计学意义。将其全部纳入到多因素logistic回归分析之中，最终确定一期PCNL术后尿脓毒症的独立危险因素包括：女性（OR，1.862；95％CI，1.053-3.164；P=0.032）；患有糖尿病（DM）（OR，0.276；95％CI，0.154-0.494；P＜0.001）；GSSⅢ（OR，2.076;95％CI，1.015-4.244;P=0.045），GSSⅣ（OR，6.945;95％CI，1.260-38.297;P=0.026）；手术时间（90?120min）（OR，2.622;95％CI，1.048-6.561;P=0.039），手术时间（≥120min）（OR，3.372;95％CI，1.247-8.878;P=0.016）；较高的灌注速度（≥300ml/min）（OR，0.559;95％CI，0.320-0.976;P=0.041）。列线图的R2统计量为0.146和C统计量为0.743，表明模型有较高的鉴别能力。在500个重抽样样本中显示出良好的符合度。这两个指标表明模型具有较高的预测能力。在ROC曲线中，当尤登指数最大化时，列线图的评分大约160分。因此，我们以此为分界线来区分PCNL术后尿脓毒症的低危患者和中高危患者。
结论：我们的研究发现：女性、糖尿病、GSS、手术时间和灌注速度是预测一期PCNL术后尿脓毒症的独立危险因素。我们基于此开发并验证了一个简单易用的临床预测模型，用来评估PCNL术后发生尿脓毒症的风险。使用该临床预测模型，可以确定不同患者PCNL术后发生尿脓毒症的概率。临床医生在此基础上，可以做出更加合理的治疗和监测的方案。从而降低PCNL术后尿脓毒症的发生率和死亡率。