老年结肠癌患者手术部位感染的危险因素分析

王晓谦，周 威，杨万里，段理理，李一丁，钮瞭然，陈俊峰，范阿强，谢奇斌，洪 流(空军军医大学西京医院消化外科，陕西 西安 710032)

根治性切除对可切除结肠肿瘤历来是一种可靠的治疗手段[1]。然而，结肠癌术后并发症严重影响了外科治疗效果。手术部位感染(surgical site infection，SSI)作为最常见的术后并发症，常延长患者住院时间，造成无预期的再次手术或者急诊入院[2]。结肠癌手术后SSI在增加患者痛苦的同时也加重了公共卫生系统的负担，甚至影响手术治疗原发肿瘤的效果[3-4]。老年患者作为结肠癌的高发人群，普遍存在营养状况不佳、基础疾病复杂等现象，使得老年结肠癌患者术后发生SSI的危险因素不同于其他年龄阶段患者。早期识别发生SSI的高危人群能够提示医生发生不良事件的可能性，及时调整治疗策略并保证外科治疗效果。

1 对象与方法

1.1 对象

本研究收集了2010年1月至2021年9月患有结肠癌且于空军军医大学西京医院消化外科行根治性结肠癌切除术的老年患者临床病历资料。纳入标准：①患者入院时年龄超过60周岁；②入院前已确诊结肠癌；③入院后行结肠癌根治性切除术。排除标准：①急诊入院患者；②入院时合并感染或可能存在感染情况；③手术范围涉及胃部或其他消化道的切除；④合并免疫缺陷病毒感染或长期服用激素药物的患者；⑤合并精神类疾病无法配合治疗及病历采集的患者。

本研究为回顾性研究，通过空军军医大学西京医院伦理委员会批准(许可证号：XJLL-KY20212221)。实验未使用患者生物样本，符合免除患者知情同意规定。研究所涉及病历信息的记录将由专人保存并做必要的保密处理。

1.2 方法

经过严格的纳入和排除标准，最终收集了符合研究目的的1 542例患者的病历资料。收集数据包括年龄、住院时间、体质量指数(body mass index，BMI)等30项指标。将患者按照是否发生SSI分为发生SSI组(SSI组)和未发生SSI组(non-SSI组)。采用单因素及多因素分析的方法，探索SSI发生的独立影响因素。构建发生SSI的列线图预测模型和基于机器学习的临床预测模型，以量化预测SSI的概率风险。

1.3 切口感染的定义

根据卫生部《关于印发医院感染诊断标准的规定》将SSI定义为：有切口局部表现、病原学证据和临床医生诊断确认的，便认定为切口感染终点事件[5]。包括发生于术后30 d内，仅限于切口涉及的皮肤和皮下组织，切口红、肿、热、痛合并脓性分泌物(不包括脂肪液化)或者存在分泌物细菌培养阳性。

1.4 统计学分析

2 结果

2.1 一般资料

根据纳入、排除标准，最终纳入1 542例患者病历信息，男性占55.84%(861/1 542)，女性占44.16%(681/1 542)。年龄60～95(平均69.8±6.9)岁。其中发生SSI患者占3.18%(49/1 542)。两组间基线资料未见统计学差异(表1)。

表1 两组患者基线资料对比

2.2 危险因素分析

2.2.1 单因素分析 单因素分析结果显示肿瘤直径、术前白蛋白、术后白细胞计数、是否使用抗生素、消化道重建方式、肿瘤大体类型6个变量在两组间存在统计学差异(P<0.05，P<0.01，表2)。提示上述6项临床指标可能与老年结肠癌患者发生SSI有关。

表2 老年结肠癌患者术后SSI危险因素单因素分析

2.2.2 多因素分析 将纳入研究的全部临床数据计算方差膨胀系数，方差膨胀系数均<5，表明解释变量间不存在共线性。将单因素分析结果存在差异的临床指标纳入二元logistic回归，结果表明肿瘤直径、术前白蛋白、术后白细胞计数是老年结肠癌患者术后发生SSI的独立危险因素(P<0.05，表3)。

表3 老年结肠癌患者术后SSI危险因素多因素分析

肿瘤直径与发生SSI存在显著的正向关系，优势比(odds ratio，OR)为1.108，表明肿瘤直径每增加一个单位，SSI的发生率将增加原来的10.8%；术前白蛋白对是否发生SSI产生显著的负向影响关系，OR值为0.95，表明术前白蛋白增加一个单位时，发生SSI的概率将减少5%；术后白细胞计数对发生SSI产生显著的正向影响关系，OR值为1.088，意味着术后白细胞计数增加一个单位时，发生SSI的概率将增加8.8%。logistic回归模型似然比检验(χ2=48.89，df=7，P<0.01)和Hosmer-Lemeshow拟合度检验(χ2=11.48，df=8，P>0.05)均提示模型拟合效果较好。

2.3 预测模型的构建

2.3.1 建立基于列线图的风险预测模型 临床预测模型可为患者和医生提供一个立足当前临床指标、预测患某种疾病的量化风险值概率，为健康宣教及生活和行为干预提供了更加直观、强大的科学工具[7]。本研究基于logistic回归模型，建立了列线图预测模型(图1)、预测模型的ROC曲线(图2)。AUC约为0.77(95%CI：0.708～0.827)，模型预测效果良好。

图1 老年结肠癌患者术后发生SSI的风险预测模型列线图

图2 预测模型的ROC曲线

2.3.2 基于机器学习的预测模型构建 采用多种机器学习模型尝试完成数据样本分类任务，包括XGBoost、logistic、LightGBM、AdaBoost、GNB、CNB、MLP、SVM。在验证集中各分类模型进行发生SSI预测的结果(表4)。在目前所有模型中，表现最佳者(AUC最高)为AdaBoost模型。

表4 多模型分类-验证集结果

根据分类多模型对比结果(表4)，研究采用AdaBoost分类器机器学习方法进行分类。分类变量为发生SSI，模型中纳入的变量包括前述原始数据中所有变量。模型参数为：学习速率为0.17；基分类器数量为200。数据集样本数总计1 542例，应变量中包含的类别信息为：①类别(未发生SSI)：n=1 493例；②类别(发生SSI)：n=49例。其中在总体样本中随机抽取测试集462例(30%)，剩余样本作为训练集进行10折交叉验证。

AdaBoosting机器学习模型评估结果(表5)表明：在训练集、验证集和测试集中，模型准确率均超过0.96。准确率是将正样本和负样本中全部预测正确的样本与全部样本预测的结果进行比值，结果反映出模型预测的准确性较高。召回率是正样本中预测正确的结果与正样本中预测正确与错误之和的比值，主要反映的是预测结果中的漏检率。AdaBoost模型训练结果的漏检率在三组集合中均保持极低水平。同样地，反映预测结果错误率的指标“精确率”也在模型训练和验证、测试集中表现出很好的分类效果。F1作为二者的调和平均值在此结果中同样表现出很好的评价结果。

表5 AdaBoosting机器学习模型评估结果

3 讨论

根据2017年WHO发表在Gut上的数据显示，我国结肠癌发病率及死亡率连续数年居高不下，近十年呈持续上升趋势。随着我国人口总数不断增加、人口老龄化加剧，新增死亡人数约增长了73.8%[8]。对于老年人群，营养状况普遍不佳、免疫力低下、常伴有慢性代谢性疾病，这些都导致老年结肠癌患者更容易发生SSI[9]。

本研究的创新性有：①率先针对老年患者进行结肠癌SSI危险因素的探索。发现肿瘤直径、术前白蛋白、术后白细胞计数为老年患者结肠癌术后SSI的独立危险因素，为临床高危人群筛查和干预治疗奠定了基础；②在建立列线图预测模型的基础上，利用ROC曲线进行模型评价，量化展示了模型的预测效果；③率先通过8种常见模型基于机器学习进行可视化的预测模型构建，提高了预测精度并降低了计算成本，有利于临床上动态监测高危患者的感染相关指标，从而降低SSI的发生率。本研究有一定的局限性：①本研究是回顾性研究，无法确认变量间的因果关系，证据级别不高；②受限于样本量的相对不足，研究结论与整体情况之间可能存在偏差；③尽管运用统计学方法尽量避免混杂因素带来的影响，但研究设计不可避免存在偏倚；④研究缺少随访数据，缺乏患者发生SSI后的治疗情况，无法全面观察SSI对患者康复带来的影响。研究结果尚需要前瞻性队列研究，验证研究结果的准确性。

随着老年人口比例的不断上升，中国的医疗保健体系也将发生重大变革。老年结肠癌患者SSI的发生对患者的生存质量和社会公共卫生资源的分配带来巨大挑战。一级预防是针对疾病的致病因素或者危险因素采取的措施，是积极预防SSI的根本措施。现有的研究成果还没有针对老年人群的可靠SSI的危险因素研究，无法形成应用于临床工作的有效的预测模型。针对老年患者结肠癌SSI的危险因素研究有待进一步完善和发展。