手术患者非计划性术中低体温风险预测模型研究进展

严露培，姚丽丽，李跃荣，陈豪，刘文文，赵庆华，肖明朝

（1.重庆医科大学附属第一医院a.麻醉科；b.胃肠外科；c.护理部；d.泌尿外科，重庆400016；2.重庆医科大学 公共卫生与管理学院，重庆400016）

非计划性术中低体温（inadvertent intraoperative hypothermia, IIH）指除计划性或治疗性低体温外，患者在手术过程中发生的对机体有害的体温下降（核心体温低于36℃）[1]，是外科手术常见的、可防控的并发症之一[2]。 国内外研究显示，非计划性术中低体温的发生率为40%～75%[3-5]，主要原因为手术患者体内核心组织与外周组织热量的再分配[5-6]。 手术过程中，患者体内热量的持续再分配使其体核温度降低，各脏器供能不足， 可能导致其发生严重的凝血功能障碍、药物清除率降低、手术部位感染等并发症，进而延长患者住院时间、加重患者经济负担[1，7-8]。 因此， 准确有效地评估手术患者的非计划性术中低体温风险至关重要。 非计划性术中低体温风险预测模型作为筛查高风险人群的评估工具， 可为医护团队术前识别非计划性术中低体温高风险患者并采取针对性预防措施提供参考。 现将近年来有关非计划性术中低体温风险预测模型的研究进行归纳、 提炼和评价。

1 非计划性术中低体温的危险因素

由于非计划性术中低体温的可防控性， 针对危险因素开展预防成为降低非计划性术中低体温风险的主要方式。近年来，国内外有关非计划性术中低体温危险因素的研究主要集中在以下方面。（1）患者自身因素： 高龄女性患者发生非计划性术中低体温的风险更高[9]，但年龄变量仅对术中30 min 内的体温存在影响效应[7]；低BMI 是非计划性术中低体温发生的独立危险因素[7]，但此变量效应时间局限于术中2 h 内[9]；麻醉实施前患者更高的基线体温（在正常值内）可降低非计划性术中低体温发生率[7]。 （2）保温措施： 临床上将保温措施分为2 种， 主动保温（对皮肤和周围组织施加外部热量，如：强制空气加热）和被动保温（帮助热量储存，防止散失，如加盖毛毯）[6]。 相比于被动保温，主动保温可降低29%的非计划性术中低体温风险[6]；多种主动保温措施联合应用可显著降低非计划性术中低体温发生率[10]。 （3）CO2气腹： 温暖湿化的或20℃、0%相对湿度的CO2可降低非计划性术中低体温发生率[11]。（4）麻醉时长：麻醉时间每增加1 min， 患者核心体温下降0.002 98 ℃[12]。（5）手术室室温：低室温是非计划性术中低体温发生的危险因素[7，13]，但有研究发现室温对患者体温无影响[3]。 （6）其他：如手术类型、手术规模、术中液体输入量、术野暴露面积等。这些研究结果可为非计划性术中低体温风险预测模型的构建提供参考。

2 风险预测模型概述

风险预测模型指以引起某结果的多因素为基础，运用统计学分析建立模型，确定多种风险因素与结果发生概率的定量关系，客观、科学地预估结果发生风险，从而早期识别危险因素开展预防[14]。Logistic回归可筛选疾病的高危因素并确定定量关系，常用于风险预测模型的构建， 并可通过Hosmer-Lemeshow检验判别模型的拟合优度，AUC 值（Area under ROC curve，ROC 曲线下面积）评价模型的优劣性。 目前，在心血管疾病、慢性病、恶性肿瘤等领域均已展开对风险预测模型的探索[15-17]。 现结合国内外文献，介绍非计划性术中低体温风险预测模型的研究进展。

3 手术患者非计划性术中低体温风险预测模型的研究现状

3.1 开腹手术患者术中低体温风险率模型 2002年，Kasai 报告了开腹手术患者术中低体温风险率模型[18]。 该研究通过病历对照法回顾了862 例患者的人口学资料（年龄、性别、身高、体质量），治疗资料（术前基线体温、 术前收缩压、 术前心率）， 采用Logistic回归构建了风险率模型：Z=-15.014+0.097×年龄+0.263×身高-0.323×体质量-0.055×术前收缩压-0.121×术前心率，B（风险率）=1/（1+e-z）。 通过受试者工作特征曲线 （receiver operator characteristic curve, ROC）分析，该模型灵敏度为81.5%，特异度为83.0%。随后，该学者另纳入50 例患者对模型进行验证，当风险率＞0.7 时，患者发生术中低体温；风险率≤0.3 时，患者保持正常体温，模型准确性较好。

在非计划性术中低体温风险预测模型领域中，该研究较早通过危险因素构建模型并开展临床验证，为后续研究提供了参考；但Moons 对该模型提出质疑，认为其存在设计缺陷，不适宜应用于临床实践[19]。 Moons 认为，基于病例对照法推导模型，调查者可以自由选择病例组和对照组数量， 因此可以预先“操纵”阳性结果的发生率，具有较大的偏倚风险。该学者对模型中的性别变量进行例证分析，发现案例组与对照组比例不同， 患者在总体上和性别上的低体温发生概率就不同。 由此，Moons 建议Kasai使用队列研究法重新构建模型， 因为队列研究能前瞻性追踪患者的原始队列数量， 更能准确预估结果发生率，因此更适用于推导概率估计模型[20]。 但查阅文献，未见该模型的后续报道。 本结论提示学者，对于绝对概率预测模型的推导应采用队列研究法，前瞻性收集患者相关信息，降低模型的偏倚风险，增加模型的实证价值。

3.2 全麻手术患者术中低体温风险评分系统2008 年，Rincon 报告了全麻手术患者术中低体温风险评分系统[21]。 该前瞻性研究将264 例患者随机分配到建模组（200 例）和验证组（64 例），采用Logistics回归构建模型：B（风险值）=105.117+0.0371484×年龄-0.0282914×体质量+0.0213259×手术时长-0.2609733×手术室室温-2.727589×基线体温。 同时，该学者将5 项风险因素进行赋值， 构建出风险评分系统， 评分系统的建模组与验证组的AUC 分别为0.83、0.82，准确性较好。该研究较早将危险因素进行评分， 有助于医护人员更直观地量化术中低体温发生风险，且简单快速，可作为个体化筛查工具；但由于该研究样本量较少，且纳入的研究因素较少，且未见其他学者对其进行外部实证研究，因此，临床适用性有待进一步探究。

3.3 手术患者术中低体温危险因素评价指标体系

2016 年， 黄一乐通过专家函询法构建了手术患者术中低体温危险因素评价指标体系[22]。 该学者先通过德尔菲法确定危险因素指标， 专家主观判断指标的相对重要性并赋值，2 轮函询法的专家权威程度分别为0.83 和0.84（均＞0.7），专家意见的协调程度分别为0.586 和0.601（均＞0.5），专家的权威程度及协调性较好； 再通过层次分析法计算指标权重并进行一致性检验，一致性比率为0.025（＜0.1），表明体系中指标权重分配合理。 最终确定了2 个一级指标（术前、术中危险因素）及21 个二级指标；其中，术前危险因素权重比0.423，共10 个条目；术中危险因素权重比0.577，共11 个条目。

该研究通过汇总及分析专家意见构建出风险指标体系，虽然专家代表性及可信性较高，但无法否认德尔菲法仍具有较强的主观性， 其结果与纳入专家的专业知识储备及学术造诣密不可分[23]。 因此，未来的研究可着重关注该体系的临床实践性， 积极应用并不断完善该体系的使用方式及内容， 旨在提高预测工具的科学性，构建更为可靠的临床评测工具。

3.4 全麻手术患者术中低体温预测因子评分方程

2018 年，Yi Jie 报告了全麻手术患者术中低体温预测因子评分方程[5]。 该研究首先基于国内数据库对全国3 132 名全麻手术患者进行术中低体温风险因素评估并建立模型：预测因子得分（术中低体温发生率×100%）=100%×1/｛1+EXP [-（119+0.201×手术等级-0.1847×术中输液量+0.5299×麻醉时长-0.2269×保温措施-0.306×BMI-0.1912×手术室室温-3.1057×基线体温）]｝。 随后，将北京830 名全麻手术患者的相关数据代入方程预测低体温的发生率。该研究中建模组 与 验 证 组 的AUC 分 别 为0.789、0.771，Hosmer-Lemeshow 检验值为0.5611，Brier 值为0.21， 模型具备良好的鉴别力及拟合优度，准确性较好。

该研究较早运用国内大数据构建低体温预测模型，并实施了外部验证，模型的可实施性较强；但考虑到该模型的构建来源于回顾性数据的分析， 因此模型的实践价值有待进一步证实。然而，考虑到模型的样本量较大且模型表现力及准确性较好， 因此建议临床医护人员积极应用该模型， 在检验预测因子效应度的同时挖掘潜在因子间作用， 并可通过结构方程模型进行路径分析，证实预测因子之间的关系，旨在推导出更稳健的低体温预测模型。

3.5 腹腔镜手术患者术中低体温风险预测模型

2019 年，普鹰报告了腹腔镜手术患者术中低体温风险预测模型[24]。 该前瞻性研究将396 名腹腔镜手术患者以2∶1 的比例分配到建模组（264 例）和验证组（132 例）， 用Logistic 回归构建出风险预测模型：Logit （P）=56.893-1.216×基线体温+0.377×手术类型+0.009×麻醉时长-0.653×手术室室温。 该模型的AUC 为0.791，约登指数为0.867，灵敏度为60.0%，特异度为86.7%，H-L 检验P=0.123， 模型拟合度和预测能力中等偏上； 验证组应用模型后得出实际应用正确率为79.54%，模型较为稳健。

微创医学的兴起使视野清楚、切口小、对腹腔内脏器干扰小的腔镜手术越来越普及， 而随着腔镜手术的开展，手术时间延长，术中低体温问题也受到了更多的关注[24-25]。 该研究聚焦于腹腔镜手术患者，研究对象具有针对性，且模型经过临床验证，具有较高的实践价值； 但该模型的样本量较小且未对风险率进行分级描述， 无法准确预估患者术后低体温发生风险的高低。下一步可将模型进行大样本验证，并尝试对模型进行风险率高低的划分， 进一步建立方便临床医护人员实施的预测模型。

4 展望

非计划性术中低体温发生风险与患者自身因素、疾病因素、手术因素、治疗因素等息息相关，早期识别并评估风险有益于医护团队采取针对性措施开展预防。目前，国内外针对非计划性术中低体温风险因素的研究多集中于保温措施、体温管理、综合保温护理效果等， 对于非计划性术中低体温预测因子与发生风险的量性关系的研究较少， 且多数研究存在模型构建方式单一、模型性能评价指标不完整、新技术应用不足、结果不准确、报告质量差和证据相互矛盾等缺点[26-29]。 此外，已有非计划性术中低体温风险预测模型多探究术中阶段，未覆盖围术期全过程，且采用单一的Logistic 回归分析， 该方法仅能分析纳入因素的影响效应， 无法识别潜在因子间及潜在因子与纳入因素间的相互作用，无法估计测量误差，存在一定缺陷，导致模型准确率降低。

本研究对非计划性术中低体温风险预测模型进行综述， 结果表明非计划性术中低体温模型普遍缺乏外部验证，总体呈现为开发多、应用少的局面，尚不能识别出那类模型实用价值更高。 一个成熟的预测模型需经过科学评估、反复验证才能推行。 因此，本研究结论可为后续工作提供以下建议。

（1）建议学者对已有模型进行跨地区、跨种族的前瞻性多中心临床验证， 充分利用互联网技术构建非计划性术中低体温风险预测网络平台， 扩大模型的使用范围，提高使用率。 其次，推荐学者采用多类型统计方法进行模型推导，如神经网络模型、结构方程模型、决策树、机器学习等进行风险因素与非计划性术中低体温发生结果的全面分析， 并可通过列线图可视化模型的预测结果， 方便医护人员直观预估风险、减轻工作负担。（2）应透明化模型构建方式，使用科学的模型评价表， 如预测模型研究的偏倚风险和适用性评估工具 （prediction model risk of bias assessment tool，PROBAST）[30]，对模型进行质量控制及方法学评价，标准化模型制定过程，提高模型的规范性及科学性。

综上所述， 非计划性术中低体温风险预测模型仍有较大的改善空间， 未来研究的关注点应从开发新模型转移到验证已有模型，并可从数据收集方式、验证方式、 分析方式及呈现方式等方面进行模型的创新，旨在制定出具有较强科学性、较高临床应用价值、方便实施的非计划性术中低体温风险预测模型，以期降低患者非计划性术中低体温发生风险， 提高照护质量，保障患者安全。