全身麻醉病人术中低体温发生预测模型的建立

史卓颖，张海伟，杜祥飞

南京医科大学第一附属医院（江苏省人民医院），江苏210029

体温是重要的生命体征，体温维持对人体各项机能正常运转至关重要。术中低体温是指体温在手术中的任何时间点小于36 ℃[1]。已有研究显示：术中有50%～70%的病人会出现低体温[2]。全身麻醉下实施手术的病人由于麻醉剂对机体温度调节的影响、术中大量输注低温液体和机体长时间暴露于相对低温环境等原因，常发生术中低体温[3]。低体温一方面可以降低机体代谢率、减少耗氧量、增加组织器官对缺血和缺氧的耐受力；另一方面也可导致多种并发症，如麻醉药物代谢减慢引起药物中毒、寒战、心律失常、凝血机制障碍、酸碱平衡紊乱以及发生麻醉苏醒延迟等，最终影响手术安全性和预后[4]，因此其发生预测对手术室护理质量评价具有重要意义。

1 对象与方法

1.1 研 究 对 象 选 取2018 年1 月1 日—2018 年12 月31 日在我院采取基础保温措施的9 155 例全身麻醉手术病人作为研究对象。纳入标准：①接受全身麻醉手术；②术中有体温监测数据且体温>30 ℃；③年龄>18 岁。纳入的病人中术中发生低体温的病人1 420例，未发生低体温的病人7 735 例。将1 420 例体温30～<36 ℃的病人视为术中发生低体温，纳入低体温组，将7 735 例体温≥36 ℃的病人视为正常低体温，纳入正常组。

1.2 资料收集方法

1.2.1 体温及术中低体温发生影响因素记录方法每台麻醉监护仪均配有定期校准、检测精准的体温探头。病人行麻醉诱导并插入气管插管后，将体温探头置入病人鼻咽部，手术结束后拔除探头。期间麻醉师需点击记录麻醉开始时间、手术开始时间、手术结束时间。且所有体温数据及术中关键数据都会记录在手术麻醉系统中。

1.2.2 体温数据及术中低体温发生影响因素的收集方法 ①体温数据收集方法：收集从麻醉开始且体温描绘开始后整个监测期间手术麻醉系统中记录的>30 ℃的体温数据。②术中发生低体温的影响因素收集方法：以“术中低体温”“术中低体温风险因素”“全身麻醉病人术中低体温发生预测模型”等为检索词检索中国知网、万方数据库等数据库中关于术中低体温发生影响因素的研究，确定术中低体温发生影响因素种类，从手术麻醉系统中提取可能与术中低体温发生有关的关键数据，包括病人一般资料，如性别、年龄、体质指数（BMI）等；手术相关资料，如总输液量、总输血量、总出量、麻醉时长、手术时长、美国麻醉医师协会（ASA）分级等。③数据剔除方法：剔除无效、记录不实数据，如食管癌根治术出血量为0 mL；剔除有缺失数据的病人数据，如手术麻醉系统无出入量及BMI 等记录；剔除逻辑核查有误数据，如描述的总出量为1 000 mL，但实际出量合计值为800 mL 等；手术麻醉系统中记录的麻醉时间小于手术时间的数据。

1.3 统计学方法 采用SAS 9.4 统计软件进行统计分析。呈正态分布的定量资料以均数±标准差(±s）表示，采用两样本t 检验进行组间比较；计数资料以频数及百分率（%）表示，采用χ2检验进行组间比较，等级资料采用秩和检验进行组间比较。采用Logistic 回归分析构建模型，以P<0.05 为差异有统计学意义。针对多因素回归分析中有统计学意义的因素，采用受试者工作特征曲线（ROC）进行手术病人低体温发生风险预测的效果评价，通过灵敏度、特异度及符合率验证风险预测模型的准确度。

2 结果

2.1 术中发生低体温影响因素的单因素分析（见表1）

表1 术中发生低体温影响因素的单因素分析

2.2 建立全身麻醉病人术中低体温发生预测模型及预测效果分析 将单因素分析中所有变量均纳入多因素Logistic 回归建模。年龄、总输液量、总输血量、总入量、失血、尿量、总出量、手术时长、麻醉时长等定量资料以原值带入，分类资料变量赋值情况见表2。术中发生低体温影响因素的多因素Logistic 回归分析结果见表3。最终建立的Logistic回归模型为P=－3.914+0.010×年龄+0.192×性别（男）+6.637×侧卧位+2.557×俯卧位+0.141×器械护士能级－0.231×BMI+0.005×手术时长+0.289×总输液量－0.297×总出量。

表2 分类资料变量赋值情况

表3 术中发生低体温影响因素的多因素Logistic 回归分析结果

2.3 全身麻醉病人术中低体温发生预测模型效果分析 采用ROC 曲线检验全身麻醉病人术中低体温发生预测模型预测实际低体温的灵敏度与特异度，以约登指数最大值为预测模型的最佳临界值。最终测得ROC 曲线下面积（AUC）为0.814，约登指数为0.48，灵敏度为0.639，特异度为0.841。见图1。采用预测模型分别对本研究纳入的低体温组和正常组病人进行术中低体温发生情况预测，结果显示低体温组病人中908 例病人被预测模型预测发生术中低体温，512 例病人被预测模型预测不发生术中低体温；正常组病人中1 232 例病人被预测模型预测发生术中低体温，6 503例病人被预测模型预测不发生术中低体温。Cut off值（最佳临界值）为0.132 4，符合率=(908+6 503)/9 155=0.81。见表4。

图1 受试者ROC 曲线

表4 预测低体温发生模型效果评价 单位：例

3 讨论

3.1 识别术中低体温发生的意义 已有研究表明，进行体温干预的病人手术出血量减少，麻醉清醒时间缩短，该类病人接受保温措施，清醒时间缩短，有利于避免低体温所致不良反应[6‐7]，说明医护人员加强术中病人保温意识或采取相应保温措施具有重要性。本研究单因素分析结果显示：低体温组和正常组病人年龄、总输液量、总输血量、总入量、失血、尿量、总出量、手术时长、麻醉时长、性别、手术体位、BMI 比较，差异有统计学意义（P<0.05）。说明以上因素为术中低体温发生的影响因素。本研究中，低体温组和正常组器械护士能级、巡回护士能级、病人ASA 分级差异无统计学意义（P>0.05），这些因素需要进一步开展前瞻性研究，以进一步全面明确术中低体温发生影响因素。根据《卫生部关于实施医院护士岗位管理的指导意见》有关精神，结合我院《护士能力级别晋阶管理规定及实施方案》及《手术室护士分级培训指南》，在全院实行护士能力分层级管理，器械护士能级较高，术前准备用物及手术配合中较精准，有利于缩短手术时间；巡回护士能级较高对病人体温保护的概念及意识较高，因此，在选择低体温发生影响因素时将护士能级纳入其中。ASA根据病人体质状况和手术危险性于麻醉前将病人分为5 级，已有研究结果显示：ASA 分级为2 级以上的病人较1 级病人低体温发生率增加，且ASA 分级越高，低体温发生风险越高［8‐12］，故在选择低体温发生影响因素时也将ASA 分级纳入其中。临床应用预测模型预测术中低体温发生的高危病人，可以及时给予病人个性化预保温措施，如采用空气对流装置、冲洗液加温、大量输液或输血时使用加温仪等，从而降低低体温发生风险，减少并发症发生；对于一些短、频、快的手术，如扁桃体摘除术、腹腔镜下胆囊切除术、骨折内固定装置取出术等，可不给予过渡保温措施，盖棉被或毛毯即可，从而将保温装置应用于高危病人。

3.2 建立预测模型意义 我国现有的关于围术期非计划性低体温的预防措施研究多为经验总结,研究内容主要为术中温度管理,缺乏高危病人术前风险评估、术中频率监测、培训管理等方面的成果[13]。我院通过手术麻醉系统记录病人术中体温，并借助该系统实现了较大样本量的采集，通过分析术中低体温发生影响因素，建立模型，模型对临床效果评价时AUC 为0.814，Cut off 值为0.132 4(最佳临界值)，符合率为0.81，表明建立的预测模型拟合度和预测能力较好，处于中等偏上水平。

3.3 建立的预测模型的局限性 ①2017 年围术期病人低体温防治专家共识提出手术病人体温监测应具备动态连续性，涵盖整个围术期。本研究无法对病人术前、术后体温数据进行采集、分析，因此今后需进一步解决术前、术中体温监测问题。②研究过程中，手术室温度为21～25 ℃，手术过程中室温可调节性大，不能维持在某一特定温度且无法记录，因此，建立预测模型缺乏手术室温度对低体温发生的影响数据。

3.4 术中保温措施 ①在病人手术部位以外的地方加盖棉被或布单，从而减少病人体表暴露，有效减少热量流失。②冲洗液加温后（38～40 ℃）再使用。③可借助装置保温，如“人工鼻”在麻醉通路中可减少热量丧失；湿化瓶可防止蒸发散热[14]；此外，还可通过借助变温水毯、变温风毯、输液输血加温仪、手术间安装可调节温度的温箱等措施，使易发生术中低体温的手术病人得到个性化护理。

4 小结

术中低体温会增加手术切口感染率，延长住院时间，影响机体凝血功能、心血管功能，引起代谢异常、寒战发生率增加[15]。建立预测模型可有效监测和调节术中体温，采取合理的保暖措施，有利于促进病人麻醉苏醒，使病人更加舒适，促进术后康复[16]，也有利于对高危病人采取早期术中低体温预测及干预，避免或减轻术中低体温带来不良并发症提供条件。