随机森林与Logistic 回归模型对子宫内膜癌患者加速康复外科术后早期出院预测的比较

李梦娜，刘晓夏，陈美文，赵蕊，葛莉娜

（中国医科大学附属盛京医院 妇产科，辽宁 沈阳 110000）

近年来加速康复外科 （enhanced recovery after surgery,ERAS） 减少了子宫内膜癌患者的术后住院时间，促使其早期出院[1-2]。 然而，国内关于加速康复外科模式下子宫内膜癌患者的研究多集中在干预性研究， 加速康复外科模式下能够早期出院的子宫内膜癌患者的影响因素不明， 缺乏子宫内膜癌患者加速康复外科术后能否早期出院的预测工具。 本研究通过使用随机森林和Logistic 回归分别基于加速康复外科模式下子宫内膜癌患者的临床资料建立相关模型， 确定子宫内膜癌患者加速康复外科术后早期出院的影响因素，比较2 个模型的预测性能，探索适用于子宫内膜癌患者加速康复外科术后早期出院预测模型，为护理人员及时采取预防及健康管理措施，改善围术期护理质量提供参考。

1 对象与方法

1.1 研究对象 本研究为单中心，回顾性研究。 采用便利抽样法，选取2019 年1 月—2021 年12 月在某三级甲等医院接受妇科加速康复外科手术并符合纳排标准的子宫内膜癌患者328 例。纳入标准：患者诊断标准符合2018 年《子宫内膜癌诊断与治疗指南（第4 版）》[3]；病例资料完整；患者接受加速康复外科手术。排除标准：死亡患者；术后转科患者；因术后出血、感染等原因接受二次手术患者。

1.2 研究方法

1.2.1 研究工具

1.2.1.1 影响因素调查表 结合文献查阅[4-7]及专家咨询，自行设计子宫内膜癌患者加速康复外科术后早期出院影响因素调查表，内容包括：（1）一般资料，如年龄、体质量指数、医保类型等；（2）手术相关，如美国麻醉医师协会分级、疾病分期、手术方式等；（3）检验指标，如术前白细胞、术前红细胞、术前血红蛋白等。

1.2.1.2 查尔森合并症指数 （Charlson Comorbidity Index,CCI） 由Shao 等[8]于1987 年提出，用于评估患者合并症，19 个合并症条目分4 个子集，依次计1分、2 分、3 分，无合并症计0 分，总分最高37 分，分值越高表示合并症程度越重。

1.2.1.3 手术复杂性评分 由Datta 等[9]于2011 年提出， 用于评估患者手术复杂程度，12 个条目分3个子集，依次计1 分、2 分、3 分，总分最高18 分，分值越高代表手术复杂程度越高。

1.2.2 子宫内膜癌患者加速康复外科术后早期出院的判断标准 在这项研究中， 我们将术后住院时间小于中位术后住院时间定义为早期出院[10]。 本研究中， 子宫内膜癌患者加速康复外科术后住院时间为6（5，8）d，根据本研究结果和既往研究结果[11-13]定义子宫内膜癌患者在加速康复外科术后第6 天和6 d内出院都为早期出院。

1.2.3 资料收集和质量控制方法 经过统一培训的3 名研究员根据研究工具于2022 年1-5 月完成数据收集。 在数据收集前， 对3 名研究员进行数据收集、数据填写及录入培训。 使用医院的病例系统对2019 年1 月—2021 年12 月的子宫内膜癌患者进行病例资料收集。 数据收集完成后交由第3 人保管并进行20%的数据抽取和核对。

1.3 统计学方法 采用SPSS 20.0 和R 3.4.1 进行数据分析。 正态分布的定量资料采用X±S 表示，组间采用两独立样本t 检验， 非正态分布的计量资料采用M（P25，P75）表示，组间采用秩和检验。 计数资料以频数、百分比表示，组间比较采用χ2检验或Fisher确切概率法。 等级资料以频数、百分比表示，组间采用秩和检验。采用双侧检验，检验标准为P<0.05。采用SPSS 20.0 实现二元Logistic 回归模型构建，采用R 软件实现随机森林模型构建以及变量的重要性排序。采用模型验证结果的准确度、灵敏度、特异度、阳性预测值、阴性预测值、约登指数和受试者操作特征曲线及曲线下面积等指标评价模型预测能力。

2 结果

2.1 研究对象的一般资料 建模组纳入子宫内膜癌患者230 例，其中，年龄在70 岁以上10 例（4.3%），70 岁及以下220 例 （95.7%）； 体质量指数为23.71（23.44，24.77）kg/m2； 医保类型中城镇职工医保43例（18.7%），城镇居民医保88 例（38.3%），农村医疗88 例（38.3%），其他11 例（4.7%）；疾病分期I 期154例（67.0%），Ⅱ期23 例（10.0%），Ⅲ期50 例（21.7%），Ⅳ期3 例（1.3%）。建模组中60 例子宫内膜癌患者早期出院，早期出院发生率为26.1%。

验证组纳入子宫内膜癌患者98 例，其中，年龄在70 岁及以上3 例（3%），70 岁以下95 例（97%）；体质量指数为23.95（23.05,26.41）kg/m2；医保类型中城镇职工医保24 例 （24%）， 城镇居民医保30 例（31%），农村医疗40 例（41%），其他4 例（4%）；疾病分期I 期66 例（67%），Ⅱ期8 例（8%），Ⅲ期19 例（20%），Ⅳ期5 例（5%）。 验证组中25 例子宫内膜癌患者早期出院，早期出院发生率为25.5%。

2.2 影响因素的单因素分析 将建模组加速康复外科术后早期出院与加速康复外科术后未早期出院的子宫内膜癌患者资料进行分析，2 组在年龄、体质量指数、医保类型、查尔森合并症指数、术前白细胞和术前红细胞比较，差异均无统计学意义（P>0.05），在美国麻醉医师协会分级、疾病分期、手术方式、手术复杂性评分、手术时间、术中输血、术中输液量、术中失血量、术前血红蛋白、术前红细胞压积、术前D-二聚体比较，差异均有统计学意义（P<0.05），见表1。

表1 子宫内膜癌患者加速康复外科术后早期出院影响因素单因素分析

2.3 子宫内膜癌患者加速康复外科术后早期出院的随机森林与Logistic 回归模型的建立及预测作用分析

2.3.1 输入变量的选择 将单因素分析中有统计学意义的11 个影响因素纳入2 种模型中为自变量，以子宫内膜癌患者加速康复外科术后是否早期出院为因变量进行随机森林和Logistic 回归分析， 纳入模型的自变量赋值方法如下。美国麻醉医师协会分级：Ⅰ～Ⅱ=1，Ⅲ～Ⅳ=2；疾病分期：Ⅰ期=1，Ⅱ期=2，Ⅲ期=3，Ⅳ期=4；手术方式：开腹手术=0，微创手术=1；术中输血：无=0，有=1；手术复杂性评分、手术时间、术中输液量、术中失血量、术前血红蛋白、术前红细胞压积、术前D-二聚体为连续性变量，将原始数据代入。

2.3.2 子宫内膜癌患者加速康复外科术后早期出院随机森林模型的建立 以随机森林模型预测精度的平均下降量对随机森林模型变量重要性进行排序。排序越靠前表示对应的变量对模型的分类影响越大。 可以看出手术复杂性评分、手术时间、手术方式、术中输液量、术中失血量指标对模型分类的贡献度较高，术中失血、术前血红蛋白、术前红细胞压积、疾病分期、术中是否输血等指标也能在一定程度上影响模型的分类结果，见表2。

表2 随机森林模型中变量重要性排序

2.3.3 子宫内膜癌患者加速康复外科术后早期出院Logistic 回归模型的建立 Logistic 回归结果显示，微创手术、手术时间、术中失血量、术前红细胞压积是子宫内膜癌患者加速康复外科术后能否早期出院的独立影响因素，见表3。 根据回归模型的预测公式，P=1/1+exp（-Z）。 制定本研究预测模型公式：P=1/｛1+exp[-（-3.964×微创手术+0.026×手术时间+0.009×术中失血量-0.113×红细胞压积+1.275）]｝。

表3 子宫内膜癌患者快速康复外科术后早期出院Logistic 回归分析

2.4 随机森林和Logistic 回归模型在建模组和验证组的预测性能比较 在建模组中， 随机森林模型的准确度、灵敏度、特异度、阳性预测值、阴性预测值、约登指数和AUC 均高于Logistic 回归；在验证组中，随机森林模型的准确度、灵敏度、特异度、阳性预测值、阴性预测值、约登指数、AUC 均高于Logistic 回归，见表4。

表4 2 种模型在建模组和验证组的预测性能比较

3 讨论

3.1 子宫内膜癌患者加速康复外科术后住院时间现状 本研究结果显示， 子宫内膜癌患者加速康复外科术后住院时间中位数为6 d， 达到早期出院占比为26.1%。 轩俊娜[13]、吴莹[14]研究结果显示，子宫内膜癌患者应用加速康复外科理念平均住院时间为6.8 d、10.3 d。 本研究结果与轩俊娜研究结果相似，低于吴莹研究结果。 分析原因可能与纳入人群的疾病严重程度不同，本研究只纳入了术后住院时间，未纳入术前住院时间有关。

3.2 随机森林和Logistic 回归对子宫内膜癌患者加速康复外科术后早期出院预测结论不完全一致

3.2.1 手术方式和手术时间影响子宫内膜癌患者加速康复外科术后早期出院 2 种模型均显示，手术方式和手术时间是子宫内膜癌患者加速康复外科术后早期出院的预测因子（手术方式在随机森林重要性排序位居第2，Logistic 回归中P<0.001；手术时间在随机森林重要性排序位居第3，Logistic 回归中B=0.026，P<0.001）。Obermair 等[15]研究显示，腹腔镜和机器人手术减少了妇科肿瘤患者的术后住院时间，这与本研究结果一致。 Laughlin-Tommaso 等[16]研究显示，手术时间的增加会导致患者早期出院概率降低，这与本研究结果一致。 这可能与手术时间过长，患者在手术过程中机体的应激能力下降， 术后需要更长时间的恢复有关。 因此，护理人员对于接受开腹手术和手术时间过长的患者，应在术后密切观察其生命体征、病情变化和手术切口情况，及早识别并干预术后不良状况的发生。

3.2.2 术中失血量影响子宫内膜癌患者加速康复外科术后早期出院 2 种模型均显示， 术中失血量是子宫内膜癌患者加速康复外科术后早期出院的预测因子 （在随机森林重要性排序位居第5，Logistic 回归中B=0.009，P<0.05）。 术中失血过多导致患者肝脏、肠道和肾脏的内脏灌流和氧合减少，进而导致胃肠功能障碍[17]。由于胃肠功能障碍而无法耐受肠内营养，可延长高达50%的患者在大手术后的住院时间[18]。因此，护理人员在术中要严密监测患者的血流动力学状态[19]，通过输液和输血治疗及时补充患者的血容量。

3.2.3 术前红细胞压积影响子宫内膜癌患者加速康复外科术后早期出院 2 种模式均显示， 术前红细胞压积是子宫内膜癌患者加速康复外科术后早期出院的预测因子 （在随机森林重要性排序位居第6，Logistic 回归B=-0.113，P<0.05）。 Smith 等[6]研究显示， 红细胞压积<38%的患者是术后住院时间延长的独立危险因素，这与本研究结果一致。 分析原因为患者因长期的疾病状态往往伴随健康状况不佳，营养不良和贫血。 因此，护理人员对患者进行术前评估尤为重要，以便在术前优化患者的机体功能状态，同时应在术后关注其营养状态的评估并及早干预。

3.2.4 手术复杂性评分影响子宫内膜癌患者加速康复外科术后早期出院 随机森林模型显示， 手术复杂性评分是子宫内膜癌患者加速康复外科术后早期出院的重要预测因子（随机森林模型变量重要性排序位居第1）。 本研究单因素分析结果显示，早期出院组与未早期出院组相比手术复杂性评分更低。 分析原因手术复杂性评分高的患者， 术中机体受到创伤较大，术后并发症发生率高。 因此，护理人员应将手术复杂性评分高的患者作为术后不能早期出院的重点预防对象， 重视患者的生命体征变化及主观感受，如有术后并发症发生及早干预，改善预后。

3.2.5 术中输液量影响子宫内膜癌患者加速康复外科术后早期出院 随机森林模型显示， 术中输液量是子宫内膜癌患者加速康复外科术后早期出院的重要预测因子（随机森林模型变量重要性排序位居第4）。本研究单因素分析结果显示，早期出院组与非早期出院组相比术中输液量更低。 McKenny 等[20]研究显示，因子宫和/或附件恶性肿瘤切除而进行开腹手术的患者，因接受食道多普勒监测引导的液体管理，住院时间从7 d 减少到6 d。 因此，在开腹手术中，对于失血量大或全身炎症反应综合征高危患者， 建议使用先进的血流动力学监测， 以促进目标导向液体治疗。

3.3 随机森林的预测性能高于Logistic 回归模型

在建模组中，随机森林模型的准确度、灵敏度、特异度、阳性预测值、阴性预测值、约登指数、AUC 均高于Logistic 回归， 随机森林的预测性能高于Logistic回归模型。 这可能与相较于Logistic 回归模型，随机森林具有处理高维度的数据， 并且不用做特征选择的优势；引入随机性，模型不容易过度拟合，准确度高有关。

[致谢] 感谢中国医科大学临床流行病学教研室曹凡老师对本研究统计学方法和数据结果的指导和审核。