肾积水患儿血清胱抑素C 与术后并发症的关系及其预测模型的构建

王雷波，许可涛，何建华

小儿肾积水是临床上一种较为常见的先天性疾病[1]。据相关流行病学统计报道，全球小儿肾积水的发病率约为0.15%[2]。目前，手术是中、重度肾积水的主要治疗手段，对改善患儿患侧肾尿液排泄状况及肾功能的恢复有着较好的效果[3]。然而，由于小儿免疫功能尚未成熟，病情变化较快，加之术后经常需要放置双J 管以及引流管，术后并发症的发生风险较高，严重影响预后[4-5]。因此，探讨与重度肾积水患术儿后并发症相关的危险因素，对于完善治疗策略、改善预后并降低相关医疗费用有着至关重要的作用。血清胱抑素C（Cys-C）是反映肾小球滤过率的敏感指标，其已被证实能较准确的诊断评估泌尿系统疾病的严重程度[6-7]。本研究探讨肾积水患儿Cys-C 与术后并发症的关系并基于Cys-C构建一种可以预测术后并发症的Nomogram模型，报道如下。

1 资料与方法

1.1 一般资料 回顾性收集于宁波大学医学院附属医院2016年1月至2021年8月行手术治疗的249例肾积水患儿的临床资料。纳入标准：（1）年龄≤3岁；（2）经超声、ECT及磁共振尿路造影成像等影像检查，并符合重度肾积水诊断标准[8]；（3）梗阻性单侧肾积水且接受肾初次手术；（4）监护人同意参加本研究并知晓研究目的；（5）临床资料完整。排除标准：（1）尿道发育畸形或需II 期手术；（2）除输尿管、肾盂外其他原因所致的肾积水；（3）心、肝以及肾功能严重受损；（4）合并严重感染或慢性感染；（5）合并凝血功能异常或自身免疫性疾病；（6）严重的心脏、肺、肝和肾功能不全疾病；（7）合并恶性肿瘤；（8）中途退出本研究。本研究通过了医院伦理委员会审查并按照《赫尔辛基宣言》的相关要求进行研究。

1.2 方法 回顾性收集并审查纳入患儿的病历信息。基本资料：年龄、性别、包茎、美国麻醉师协会（ASA）分级、分肾功能（DRF）分级、肾积水部位、肾积水量、肾实质厚度以及肾盂前径；术前实验室指标：白蛋白（Alb）、血红蛋白（Hb）、C-反应蛋白（CRP）、红细胞（RBC）、白细胞（WBC）、淋巴细胞、中性粒细胞、单核细胞、血小板（PLT）、血尿素氮（BUN）、肌酐（Cr）、肾小球滤过率（GFR）以及Cys-C；手术相关指标：手术方式、术中生命体征[血氧饱和度（SpO2）、心率（HR）、平均动脉压（MAP）]、手术时间、术中出血量以及术后双J 管留置情况。

术后并发症定义为肾盂输尿管吻合口梗阻、肾盂输尿管扭转、渗血或渗尿、尿路感染、肺部感染、切口感染以及黏连性肠梗阻。如出现多种并发症，则记录首次出现的并发症。根据患儿术后是否出现并发症分为研究组与对照组。

1.3 统计方法 采用SPSS 23.0 及R语言4.0 进行统计分析。计量资料以均数±标准差表示，组间比较采用独立样本t检验；计数资料采用2 检验；采用受试者工作特征曲线（ROC）分析有差异的连续性变量，根据最佳截断值，并以此转化为二分类变量进行后续分析；采用多因素Logistic 回归分析术后并发症发生的独立危险因素；采用R 软件“rms”包构建Nomogram 模型及内部验证，模型性能由一致性指数（C-index）和校准曲线进行评价，模型临床净收益由决策曲线分析（DCA）进行评估。P ＜0.05 为差异有统计学意义。

2 结果

2.1 术后并发症发生率及Cys-C 水平比较 249例肾积水患儿中，86例（34.54%）发生术后并发症，其中肾盂输尿管吻合口梗阻20例（8.03%），肾盂输尿管扭转8例（3.21%），渗血或渗尿24例（9.64%），尿路感染21例（8.43%），肺部感染5例（2.00%），切口感染5例（2.00%），黏连性肠梗阻3例（1.20%）。研究组Cys-C 水平显著高于对照组[（1.44±0.26）mg/L vs（1.17±0.21）mg/L，t=11.550，P ＜0.05）]。

2.2 两组临床资料的比较 研究组肾积水患儿ASA分级（Ⅲ～Ⅳ）比例、DFR（1 ～2 级）比例、CRP、BUN、Cr、手术时间以及术中出血量均高于对照组（均P＜0.05）；而年龄、肾实质厚度、GFR 及Alb均低于对照组（均P＜0.05），见表1。

表1 研究组与观察组肾积水患儿临床资料的比较

2.3 两组术后并发症相关连续性变量ROC 分析 Cys-C、年龄、肾实质厚度、Alb、CRP、BUN、Cr、GFR、手术时间及术中出血量的最佳截断值分别为＞1.45 mg/L、≤4岁、≤3.60 mm、≤38.76 g/L、＞ 39.17 mg/dL、＞ 12.03 mmol/L、≤88.63 mol/L、≤23.86 ml/min、＞130min 及＞28 ml，AUC 分别为0.747（0.691 ～ 0.826）、0.628（0.596 ～0.751）、0.612（0.581 ～0.736）、0.564（0.427 ～ 0.703）、0.573（0.439 ～0.720）、0.668（0.593 ～0.726）、0.623（0.576 ～ 0.700）、0.665（0.590 ～0.721）、0.605（0.572 ～0.713）及0.625（0.586 ～0.709），见图1。

图1 两组术后并发症相关连续性变量ROC 曲线

2.4 多因素Logistic回归分析 多因素Logistic 回归分析结果显示，Cys-C ＞1.45 mg/L 、年龄≤4岁、ASA 分级（Ⅲ～Ⅳ级）、DFR（1 ～2 级）、GFR≤23.86 ml/min 及手术时间＞130 min 是肾积水患儿术后并发症发生的独立危险因素（均P ＜0.05），见表2。

表2 多因素Logistic 回归分析

2.5 构建肾积水患儿术后并发症发生风险的Nomogram 模型 将Cys-C、年龄、ASA分级、DFR、GFR及手术时间作为预测肾积水患儿术后并发症发生风险的Nomogram 模型预测指标，见图2。

2.6 Nomogram 模型内部验证及DCA分析 内部验证结果显示，Nomogram模型预测肾积水患儿术后并发症发生风险的C-index 为0.793（95%CI：0.720 ～0.859）。校准曲线结果显示，Nomogram模型的预测值与真实值之间保持较好一致性，见图3。Nomogram 模型预测肾积水患儿术后并发症发生风险的AUC 为0.817（95%CI：0.738 ～0.871），见封三彩图2。

图2 肾积水患儿术后并发症发生风险的Nomogram 模型

DCA 结果显示，Nomogram 模型预测肾积水患儿术后并发症发生风险阈值＞0.11，此Nomogram 模型可提供额外的临床净收益；Nomogram 模型临床净收益均高于Cys-C、年龄、ASA 分级、DFR、GFR 及手术时间，见封三彩图3。

图3 Nomogram 模型的校准曲线

3 讨论

近年来，肾积水患儿术后并发症的防治已成为临床围术期重点关注的焦点。因此，尽早预测肾积水患儿术后并发症的发生风险，甄别高危患儿，对完善术后医护方案具有重要的临床意义。Cys-C 半胱氨酸蛋白酶抑制剂Cystatin超家族的成员，肾小球过滤后几乎完全被近端小管重吸收[9]。不仅如此，Cys-C 水平不受种族、性别及年龄等因素影响，并且较Cr 更加灵敏[10-11]。本研究研究组Cys-C 显著增加，而Cys-C 亦是肾积水患儿术后并发症发生的独立危险因素，提示患儿术前肾功能不佳可能与术后并发症的发生风险有关。此外，本研究结果显示年龄、ASA 分级、DFR、GFR 及手术时间也是其发生的独立危险因素。

本研究249例肾积水患儿中有86例（34.54%）发生术后并发症，需引起临床医务工作者们的注意。由于术后留置管道较多，年龄较小的患儿其控制意识较弱，亦导致管道向体内移动，造成污染，加之免疫功能尚未完善，增加术后感染等并发症的风险[12]。研究显示[13]，患者的ASA 分级与术后不良并发症率密切相关，分级越高，术后并发症的发生风险就越大。另外，DFR 与GFR 等反映肾积水疾病严重程度的指标以及手术时间也是增加并发症发生风险的关键因素，提示术前改善患儿的分肾功能及安排熟练的医生进行手术以减少手术时间将有助于降低肾积水患儿术后并发症的发生率。

本研究基于Cys-C并联合其余独立风险因素，开发了一种可以可视化预测肾积水患儿术后并发症发生风险的Nomogram 模型。内部验证结果显示，Nomogram模型预测肾积水患儿术后并发症发生风险的C-index 为0.793（95%CI：0.720 ～0.859）。校准曲线结果显示，Nomogram 模型的预测值与真实值之间保持较好一致性。Nomogram 模型预测肾积水患儿术后并发症发生风险的AUC 为0.817（95%CI：0.738 ～0.871）。DCA 结果显示，Nomogram 模型预测肾积水患儿术后并发症发生风险阈值＞0.11，此Nomogram 模型可提供额外的临床净收益；此外，Nomogram模型临床净收益均高于Cys-C、年龄、ASA 分级、DFR、GFR 及手术时间。以上结果均提示该Nomogram 模型在预测术后并发症风险方面具有良好的准确度与区分度。除此之外，本Nomogram模型中的评估指标简单易得，更加利于临床推广与运用。

然而，本研究依旧存在着一定的局限性：（1）本研究为单中心回顾性研究，并且术后并发症的不同定义均会对结果产生偏差；（2）本研究所构建的Nomogram模型性能未进行外部数据集验证，未来需纳入外部样本数据进行更为深入的研究。

综上所述，肾积水患儿Cys-C 水平与术后并发症相关，基于Cys-C、年龄、ASA 分级、DFR、GFR 以及手术时间所构建Nomogram模型可用于临床识别术后并发症发生的高风险患儿。