决策树模型在老年髋部骨折术后病人3年内死亡风险预测中的应用

余媛媛，张正东，屈 波，席小燕

成都医学院第一附属医院，四川 610500

髋部骨折是65 岁以上老年人的多发病与常见病，指从股骨头至股骨小转子处的骨折，临床可分为股骨粗隆间骨折和股骨颈骨折，且该病具有较高的致残率和致死率[1]。相关文献报道，髋部骨折发生率占全身骨折的20% 左右[2]，预计全球髋部骨折病例数可从1990 年的每年130 万例增加至2025 年的每年260 万例，截至2050 年可达每年450 万例，我国每年高达120万例。由于老年人骨量流失较为严重，加之髋部肌肉较为薄弱，导致低能量创伤就可引发髋部骨折[3]。临床治疗该病包括非手术和手术治疗，非手术治疗需病人长期保持卧床状态，但老年病人普遍存在免疫力差、基础疾病多等问题，增加了深静脉血栓、压力性损伤以及肺部感染等严重并发症的发生风险，进而影响生存质量，甚至危及生命[4]。手术治疗已逐渐成为最佳治疗方案，但部分病人脏器衰退、合并内科疾病等诸多因素同样会增加手术风险，且术后并发症及病死率也相对较高。研究表明，髋部骨折病人死亡率可从术后半年12%～23%提升至术后1 年的14%～36%，且致死风险可持续8 年[5]。因此，尽早确定老年髋部骨折术后死亡的危险因素，并早期给予相应的防治措施，在优化病人临床疗效、降低病死率等方面极为重要[6]。但目前相关研究多采用Logistic 回归筛选老年髋部骨折术后死亡的风险因素，虽具有较好的预测效能，但其在决策建议方面存在一定缺陷[7]。决策树是一种以树形结构所构建的模型，可在不创建哑变量的前提下，对定性的预测变量进行有效处理。研究发现，Logistic 回归模型和决策树模型二者联合应用能够实现优势互补，增加预测效果[8]。基于此，本研究基于Logistic 回归和决策树构建老年髋部骨折术后3 年内发生死亡的风险预测模型，以期为老年髋部骨折术后死亡的防治提供参考。

1 资料与方法

1.1 研究对象

回顾性分析2019 年1 月—2021 年5 月在我院进行治疗的238 例老年髋部骨折病人为研究对象。诊断标准：老年髋部骨折根据《老年髋部骨折诊疗专家共识(2017)》[9]中相关诊断标准。纳入标准：1）年龄≥60 岁；2）病人知情同意且临床资料齐全的病人；3）根据美国麻醉医师协会（American Society of Anesthesiologists，ASA）分级为Ⅰ～Ⅳ级的病人。排除标准：1）髋部同部位再次骨折的病人；2）病理性骨折且非手术治疗的病人；3）伴有胸腹部及颅脑外伤的病人；4）伴有严重脏器功能不全、恶性肿瘤或血液类传染性疾病的病人。

1.2 临床资料收集

参考既往影响老年髋部骨折术后死亡的相关因素文献[10]，并结合我院老年髋部骨折病人的相关信息及骨科专家建议收集资料，包括年龄、性别、吸烟史（吸烟总数≥180 支，包括正在吸烟者与既往吸烟者）、饮酒史（酒精摄入量女性每周＞140 g，男性每周＞280 g）、受教育程度、体质指数（≥25 kg/m2）、致伤原因、ASA分级、入院后手术时机、合并内科疾病、骨折类型、麻醉方式、手术方式、术前清蛋白水平、术前白细胞计数、术前D-二聚体、术中输血量、术后首次下地时间、术后并发症、住院时间。根据我院3 年的随访结果将病人分为死亡组和生存组。本研究已通过我院伦理委员会批准。

1.3 统计学方法

运用SPSS 24.0 统计软件分析数据，符合正态分布的定量资料用均数±标准差（±s）表示，行t检验；定性资料用例数表示，行χ2检验，运用二分类Logistic回归筛选老年髋部骨折术后3 年内死亡的危险因素，以P＜0.05 为差异有统计学意义。运用SPSS Modeler软件建立预测老年髋部骨折术后3 年内死亡的决策树模型，并绘制决策树模型和Logistic 回归模型的受试者工作特征（ROC）曲线。

2 结果

2.1 老年髋部骨折术后病人3 年内死亡情况

本研究共纳入238 例老年髋部骨折手术病人，3 年内58 例病人死亡（死亡组），180 例病人存活（生存组），老年髋部骨折术后3 年内死亡率为24.37%（58/238）。

2.2 两组病人临床一般资料及死亡的单因素分析

死亡组和生存组病人吸烟史、饮酒史、受教育程度、体质指数、致伤原因、ASA 分级、入院后距手术时机、骨折类型、麻醉方式、手术方式、术前D-二聚体、术中输血量、术后首次下地时间以及住院时间比较，差异均无统计学意义（P＞0.05），而死亡组和生存组病人年龄、性别、合并内科疾病、术前清蛋白、术前白细胞计数以及术后并发症比较，差异均有统计学意义（P＜0.05）。见表1。

表1 两组病人临床资料及死亡的单因素分析结果

2.3 老年髋部骨折术后病人3 年内发生死亡危险因素的Logistic 回归分析

以老年髋部骨折术后3 年内是否发生死亡为因变量（发生死亡=1，未发生死亡=0），以老年髋部骨折术后病人的临床资料分析结果中有统计学意义的项目（年龄、性别、合并内科疾病、术前清蛋白、术前白细胞计数以及术后并发症）为自变量，进行二分类多因素Logistic 回归分析，结果显示：年龄≥75 岁、男性、合并内科疾病≥2 种、术前清蛋白降低、术前白细胞计数升高以及术后并发症均为老年髋部骨折术后3 年内发生死亡的独立危险因素（P＜0.05）。详见表2、表3。

表2 变量赋值情况

表3 老年髋部骨折术后病人3 年内发生死亡的多因素Logistic 回归分析结果

2.4 老年髋部骨折术后病人3 年内死亡影响因素的决策树模型

将表1 中有统计学意义的6 个自变量纳入决策树模型，得到决策树生长3 层，共14 个节点，其中终末节点10 个，筛选出术前清蛋白、术后并发症、术前白细胞计数以及合并内科疾病4 个解释变量，其中首层为术前清蛋白，提示术前清蛋白水平与老年髋部骨折术后3 年内发生死亡最具相关性，术前清蛋白≤24.53 g/L 的病人术后3 年内的死亡率为83.33%，在术前清蛋白＞33.10 g/L 的前提下，术前白细胞计数≤10.93×109/L时，死亡发生率为0。详见图1。

图1 老年髋部骨折术后病人3 年内死亡影响因素的决策树模型

2.5 多因素Logistic 回归模型和决策树模型的效果比较

Logistic 回归模型预测老年髋部骨折术后病人3年内死亡的ROC 曲线下面积（AUC）为0.881[95%CI（0.833，0.919）]，决策树模型预测老年髋部骨折术后3年内死亡的AUC 为0.895[95%CI（0.846，0.932）]，决策树模型的预测效能稍优于Logistic 回归模型，差异有统计学意义（Z=2.423，P=0.013）。详见图2、表4。

图2 多因素Logistic回归模型与决策树模型的ROC曲线

表4 多因素Logistic 回归模型和决策树模型的效果比较

3 讨论

骨折可诱发疼痛和关节活动受限，其中以髋部骨折更为严重。老年人作为髋部骨折的好发人群，骨折后其耐受能力、基础疾病、身体恢复状态等均会直接影响病人康复效果[11-12]。研究表明，卧床保守治疗的髋部骨折病人3 个月内的死亡率约为19%，而1 年内死亡率可达37%[11]。近年来，随着医疗水平的不断发展与进步，病人高龄已不再是手术的禁忌，通过手术治疗可有效避免卧床保守治疗的相关并发症，有助于提高病人生活质量，降低病死风险[13]。若病人符合手术条件，出于降低卧床相关并发症及改善生存质量的目的，选择手术治疗基本已成共识。但如何降低病人术后致残率、致死率仍是骨科医生亟需解决的问题之一[14]。因此，探讨影响老年髋部骨折术后死亡的相关因素，及时对高危病人进行风险分级，并实施针对性的干预方案尤为重要。王晓伟等[15]研究显示，老年髋部骨折病人术后1 个月、6 个月以及1 年的死亡率分别为4.3%、9.8%以及31.9%。王成刚等[16]研究显示，老年髋部骨折病人术后2 年的死亡率为25.85%。本研究结果显示，老年髋部骨折病人术后3 年内死亡率为24.37%，与上述研究结果具有一致性，由此可见，老年髋部骨折术后病人死亡率高，提示老年髋部骨折术后病人需得到临床医生的重点关注。

本研究回顾性分析了238 例老年髋部骨折手术病人的临床资料，并采用多因素Logistic 回归筛选危险因素发现，年龄、性别、合并内科疾病、术前清蛋白、术前白细胞计数以及术后并发症均为老年髋部骨折术后病人3 年内发生死亡的独立危险因素。研究发现，高龄是老年髋部骨折术后病人死亡的危险因素。随着老年人年龄的不断增长，其器官逐渐老化，免疫能力下降，同时受手术创伤、麻醉等影响，术后病人器官衰竭更为明显，促使病人术后死亡风险增加[17]。李成宇等[18]研究表明，女性是老年髋部骨折术后病人死亡的保护因素，男性为老年髋部骨折术后病人死亡的危险因素。部分学者认为，男性生活习惯相较于女性而言更差，常伴有较多的基础疾病，且其寿命短于女性[19]。研究发现，衰弱在老年髋部骨折病人的预后中发挥了重要作用，而男性较女性而言更易发生衰弱，在同样应激条件下更易出现各种合并症，这亦可能是男性术后死亡率高于女性的原因[20]。本研究结果显示，高龄和男性的老年髋部骨折病人术后3 年内死亡的风险是年龄较低和女性病人的2 倍，与上述研究结果一致。清蛋白异常多提示病人存在营养方面的问题，其作为老年髋部骨折病人术后死亡的影响因素之一，同样受到学者的关注。营养不良主要是指机体所需营养与其摄入不平衡所致的相关症状，亦是老年人健康失衡的表现。既往研究表明，营养不良与病人不良预后密切相关，针对该类病人需给予特殊关注[21]。本研究结果显示，死亡组病人术前清蛋白水平低于生存组，通过Logistic 回归分析发现，术前清蛋白升高是老年髋部骨折病人术后死亡的保护因素。周朝波等[22]研究表明，老年人多伴有内科疾病，其中以冠心病、糖尿病、高血压等疾病最为常见，而上述疾病均可加剧病人内耗，使病人更为虚弱，而老年病人本身就较为虚弱，当其合并内科疾病病种≥2 种时，手术带来的损伤亦会致使其术后难以恢复至术前状态，进而增加病人术后的死亡风险。既往研究表明，白细胞计数升高常见于全身炎症反应综合征的病人中，全身炎症反应综合征是对病人创伤、感染、手术以及烧伤等非感染性和感染性因素诱发严重损伤后所产生的非特异性炎症反应，当老年髋部骨折病人白细胞计数异常升高时多伴有全身炎症反应综合征，其可诱发器官功能衰竭，进而导致病人术后死亡风险增加[23]。研究表明，术后并发症亦是老年髋部骨折病人死亡的影响因素[24]。老年髋部骨折病人多需要长期卧床调养，而长期卧床易诱发深静脉血栓、泌尿系统感染等严重并发症，进而增加病人致死风险，虽然现阶段多数病人均选择手术干预，以期缩短卧床时间，尽早下床活动，但本研究结果发现，术后并发症仍是病人死亡的独立危险因素，分析原因可能与病人术后并发症的发生对其生存影响仍需通过卧床时间来体现相关，而并发症严重程度不同，术后康复状态亦存在差异，因此，术后并发症同样可纳入老年髋部骨折病人死亡的风险因素中。

此外，本研究结果还显示，Logistic 回归模型和决策树模型预测老年髋部骨折病人术后3 年内死亡的AUC 值分别为0.881 和0.895，决策树模型的预测效果稍优于Logistic 回归模型，同时2 种模型预测老年髋部骨折病人术后3 年内死亡的影响因素结果具有较高的一致性，这与既往研究结果[25]较为一致。而本研究中的Logistic 回归模型虽然可有效计算出不同影响因素预测的具体OR 值，并反映了老年髋部骨折病人术后3年内死亡与年龄、性别、合并内科疾病、术前清蛋白、术前白细胞计数以及术后并发症6 项因素间的依存关系，但其无法显示各因素间的交互作用，预测结果不直观。决策树可很好地显示各因素间的交互作用，本研究中术前清蛋白是决策树模型中的首层影响因素，提示术前清蛋白是老年髋部骨折术后3 年内死亡的重要影响因素，决策树第2 层和第3 层则显示了各因素间的交互关系。上述2 种模型各具优势，医务人员可结合使用，充分发挥2 种模型的优越性。此外，本研究为回顾性研究，且样本来源单一，结果可能存在一定不足，因此，还需在今后的研究中纳入多中心、大样本加以验证。