鼻内镜手术治疗真菌性鼻窦炎的疗效及术后复发的影响因素分析

2023-12-03 00:32:16付剑锋王开府
中国内镜杂志 2023年11期
关键词:真菌性鼻息肉贝叶斯

付剑锋,王开府

(会理市人民医院 耳鼻咽喉科,四川 会理 615100)

真菌性鼻窦炎是常见的鼻腔疾病,具有病程长、易反复和流行性广等特点。近年来,其发病率呈逐年上升的趋势[1]。真菌性鼻窦炎主要由真菌感染引起,可导致鼻腔鼻窦出现明显的炎症反应[2]。随着微创技术的发展,鼻内镜手术已经成为临床上治疗真菌性鼻窦炎的常用方法[3]。鼻内镜手术可以彻底清除窦内息肉、脓性分泌物和真菌团块,同时,可对患者鼻部异常结构进行校正,扩大鼻腔通气引流通道,利于鼻内通气保持长期流动,促进黏膜系统的恢复,通过改变适宜真菌生存的鼻内微环境,可以治疗真菌性鼻窦炎,其具有较高的治愈率和安全性[4-5],但有术后炎症恢复时间长和复发率高等问题[6]。因此,分析真菌性鼻窦炎患者术后复发的影响因素,以预防复发,显得尤为重要。目前,关于真菌性鼻窦炎患者术后复发影响因素的研究报道较少。本研究探讨鼻内镜手术治疗真菌性鼻窦炎的疗效,分析术后复发的影响因素,以期为临床提供参考。将117例接受鼻内镜手术治疗的患者,通过随机数表法,以2∶1 的比例,分为训练集(78例)和验证集(39例),训练集用于鼻内镜手术治疗真菌性鼻窦炎术后复发预测模型的构建,验证集用于模型的验证。现报道如下:

1 资料与方法

1.1 一般资料

选择2019年4月-2022年4月于本院接受治疗的163例真菌性鼻窦炎患者作为研究对象,采用鼻内镜手术治疗的设为观察组(117 例),采用上颌窦根治术治疗的设为对照组(46例)。其中,男89例,女74例,年龄23~59岁,平均(47.24±8.55)岁,体重指数(body mass index,BMI)为(23.36±2.23)kg/m2。两组患者一般资料比较,差异无统计学意义(P> 0.05),具有可比性。通过随机数表法,将观察组患者以2∶1 的比例,分为训练集(78 例)和验证集(39例),分别用于构建鼻内镜手术治疗真菌性鼻窦炎术后复发的预测模型和模型的验证。训练集患者年龄(46.74±8.23)岁,BMI为(23.58±2.41)kg/m2,根据术后是否复发,分为术后复发组(27 例)和术后未复发组(51 例)。验证集患者年龄(47.75±8.96)岁,BMI 为(23.14±2.06)kg/m2。两集患者一般资料比较,差异无统计学意义(P> 0.05),具有可比性。

1.2 纳入和排除标准

1.2.1 纳入标准 在本院接受手术者;经术后病理检查,确诊为真菌性鼻窦炎者;鼻窦CT 检查资料和临床资料完整;无鼻内镜手术史。

1.2.2 排除标准 术后随访资料不全者;术后病理报告确诊为其他类型鼻窦炎;合并鼻窦肿瘤及其他疾病者;有凝血功能异常,不适宜手术者。本研究经医院伦理委员会审批通过,患者及其家属均知情同意。

1.3 手术方法

1.3.1 观察组 行鼻内镜手术治疗。患者在全身麻醉下,采用Messerklinger入路方式,清除鼻腔内鼻息肉、钩突筛泡及其他病变组织;对合并鼻腔结构异常的患者,可同步施行鼻中隔校正及中鼻甲部分切除[7]。

1.3.2 对照组 行上颌窦根治术治疗。患者在全身麻醉下,采用唇龈切口入路方式,行下鼻道开窗术,对于合并鼻腔结构异常的患者,可同期行鼻腔结构治疗。

1.4 观察指标

收集患者的一般资料,包括:性别、年龄、BMI、病程、发病位置、是否吸烟、饮酒、哮喘、长期使用鼻腔减充血剂等;通过鼻窦CT和病理学检查,记录患者治疗前Lund-Mackay 评分 [鼻窦(上颌窦、前组筛窦、后组筛窦、蝶窦和额窦)无阴影、部分阴影、全部阴影,分别计0、1、和2分;窦口鼻道复合体无阴影计0分,有阴影计2分;总分0~24分,分值越高,说明病情越重]、鼻塞评分(无鼻塞,呼吸顺畅,为0 分;轻微鼻塞,无张口呼吸,为1 分;部分堵塞,偶有张口呼吸,为2分;完全堵塞,需张口呼吸,为3分,评分越高,说明患者症状越明显,对生活影响越大)、流涕评分(无流涕0 分;轻微流涕1分;流涕明显2 分;脓涕3 分,评分越高,说明患者症状越明显,对生活影响越大)、病变部位、病变程度(分为单发性鼻息肉和多发性鼻息肉)、浸润型鼻息肉、变应性鼻炎、中鼻甲切除、手术时间、术中出血量、结合药物治疗、术后鼻腔粘连、术后感染和术后填塞情况。采用全自动细胞分析仪,测定患者术前嗜酸性粒细胞计数。

1.5 术后复发判断标准

患者在术后6个月再次出现头痛和鼻塞流涕,伴有脓性分泌物并形成息肉,经鼻窦CT 和病理学检查确诊后,即可判定为复发[8]。

1.6 疗效评价

完全治愈:临床症状完全消失,经鼻内镜检查,鼻内通道开放良好,鼻黏膜恢复良好,无脓性分泌物;部分缓解:临床症状明显改善,经鼻内镜检查,鼻黏膜部分水肿,可见少量脓性分泌物;无效:临床症状无变化,出现窦口狭窄和息肉,鼻黏膜水肿明显,并伴有大量脓性分泌物[9]。

1.7 统计学方法

采用SPSS 23.0 软件分析数据。计量资料以均数±标准差()表示,比较采用t检验;计数资料以例或百分率(%)表示,比较采用χ2检验。采用多因素Logistic 回归模型分析术后复发的影响因素。采用R软件构建贝叶斯网络模型,并绘制受试者操作特征曲线(receiver operator characteristic curve,ROC curve)。P< 0.05为差异有统计学意义。

2 结果

2.1 两组患者治疗效果比较

术后6个月,观察组治疗有效率为70.94%,明显高于对照组的52.17%,差异有统计学意义(χ2=5.16,P=0.023);观察组复发率为29.91%,明显低于对照组的47.83%,差异有统计学意义(χ2=4.66,P=0.031)。见表1。

2.2 影响真菌性鼻窦炎患者鼻内镜术后复发的单因素分析

训练集78例患者中,27例(34.62%)术后复发,单因素分析结果显示:术后复发组与术后未复发组Lund-Mackay评分、吸烟、哮喘、病变程度、嗜酸性粒细胞计数和术后感染比较,差异均有统计学意义(P< 0.05)。见表2。

表2 影响真菌性鼻窦炎患者鼻内镜术后复发的单因素分析Table 2 Univariate analysis of recurrence after endoscopic sinus surgery in patients with fungal sinusitis

2.3 影响真菌性鼻窦炎患者鼻内镜术后复发的多因素Logistic回归分析

将单因素分析中差异有统计学意义(P< 0.05)的因素作为自变量,以鼻内镜手术治疗后是否复发为因变量,进行多因素Logistic 回归分析,结果显示:Lund-Mackay 评分 > 15 分=6.788,95%CI:2.370~19.445)、吸烟=4.082,95%CI:1.464~11.383)、哮喘=11.364,95%CI:1.253~103.052)、多发性鼻息肉=8.078,95%CI:2.252~28.975)、嗜酸性粒细胞计数高=5.478,95%CI:1.251~9.668)和术后感染=9.143,95%CI:3.022~27.659),是影响真菌性鼻窦炎患者鼻内镜术后复发的独立危险因素(P< 0.05)。见表3和4。

表3 多因素Logistic回归分析赋值表Table 3 Assignment table of multivariate Logistic regression analysis

表4 影响真菌性鼻窦炎患者鼻内镜术后复发的多因素Logistic回归分析Table 4 Multivariate Logistic regression analysis of recurrence after endoscopic sinus surgery in patients with fungal sinusitis

2.4 基于贝叶斯网络模型的危险因素预测模型构建及评价

2.4.1 模型构建 采用R软件,构建真菌性鼻窦炎患者术后复发的贝叶斯网络结构模型,模型包含7个节点和7条有向边,利用最大似然法,获得各节点条件概率。结果显示:Lund-Mackay 评分 > 15 分、吸烟、多发性鼻息肉、嗜酸性粒细胞计数高和术后感染,与患者术后复发存在直接联系,哮喘间接影响患者术后复发。见图1。

图1 真菌性鼻窦炎患者鼻内镜术后复发的贝叶斯网络结构分析图Fig.1 Bayesian network structure analysis of recurrence after endoscopic sinus surgery in patients with fungal sinusitis

2.4.2 预测推理 利用Netica 软件进行贝叶斯网络模型风险预测。当患者Lund-Mackay评分 > 15分,吸烟,且发生术后感染时,术后复发率为44.2%,术后复发率提高。见图2。

图2 真菌性鼻窦炎患者鼻内镜术后复发的贝叶斯网络推理图Fig.2 Bayesian network inference diagram of recurrence after endoscopic sinus surgery in patients with fungal sinusitis

2.4.3 模型评价 采用ROC curve 对贝叶斯网络模型效能进行评价,结果显示:训练集和验证集的曲线下面积(area under curve,AUC)分别为0.767(95%CI:0.699~0.835,P=0.000)和0.741(95%CI:0.668~0.813,P=0.000)。ROC curve的特异度分别为90.42%和90.23%,灵敏度分别为90.18%和90.06%。见图3。

图3 贝叶斯网络结构图预测模型的ROC curve验证图Fig.3 ROC curve verification diagram of Bayesian network structure diagram prediction model

3 讨论

3.1 真菌性鼻窦炎的发生与发展

真菌性鼻窦炎的发生与发展,与患者鼻腔结构异常、真菌感染和外界环境等因素密切相关[10]。临床表现主要为呼吸不畅、头痛和流涕等,并经常伴有鼻息肉和鼻中隔偏曲的出现,并可能引发嗅觉障碍,给患者的生活带来不便,并造成一定的精神压力[11]。因鼻内镜手术具有视野清晰、鼻黏膜损伤小和术后恢复快等优势,已逐步成为临床上治疗真菌性鼻窦炎的首选方案[12]。但由于患者病情严重程度和个人身体素质不同,术后恢复差异较大,且常出现术后复发的情况。因此,分析影响真菌性鼻窦炎患者术后复发的危险因素,对提高手术疗效,至关重要。但研究热点集中于慢性鼻窦炎,关于真菌性鼻窦炎患者术后复发的影响因素,鲜有报道。本研究通过分析鼻内镜手术治疗真菌性鼻窦炎的疗效及术后复发的影响因素,旨在为临床提供理论基础。

3.2 鼻内镜手术治疗真菌性鼻窦炎的临床效果

本研究结果显示,采用鼻内镜手术治疗真菌性鼻窦炎,术后6个月随访,治疗效果明显高于上颌窦根治术。结果表明:鼻内镜手术治疗真菌性鼻窦炎,安全、有效,可作为临床上治疗真菌性鼻窦炎的首选方案。

3.3 影响真菌性鼻窦炎患者鼻内镜术后复发的危险因素

本研究中,多因素Logistic 回归分析结果显示:Lund-Mackay评分 > 15分、吸烟、哮喘、多发性鼻息肉、嗜酸性粒细胞计数高和术后感染,是影响真菌性鼻窦炎患者鼻内镜术后复发的独立危险因素。Lund-Mackay 评分是对患者病情程度的综合评价,病情越严重,分数越高,病情复杂是导致患者术后复发率升高的原因之一[13-14]。有吸烟习惯的患者,鼻黏膜长期受到烟草中有害物质的刺激,导致鼻黏膜正常生理功能受损,加重患者炎症反应,不利于术后恢复,可引起术后复发[15]。哮喘患者鼻窦黏膜一般都存在病变,导致嗜酸性粒细胞浸润聚集,加重患者病变部位的炎症反应,提高治疗难度,使患者术后复发率升高[16-17]。多发性鼻息肉患者,病灶数量多,病变范围大,在接受鼻内镜手术治疗时,容易出现病灶清除不彻底的情况,进而导致术后鼻息肉复发[18]。术后感染的发生,会严重影响患者术后鼻黏膜的恢复情况,以及鼻黏膜正常生理功能的发挥,并且会加重炎症损伤,导致术后复发[19-20]。多种因素综合作用,导致患者术后复发情况的出现。因此,分析影响患者鼻内镜术后复发的因素,对降低复发率和改善预后,具有重大意义。

3.4 贝叶斯网络预测模型的应用效果

本研究在单因素和多因素分析的基础上,针对上述危险因素,建立贝叶斯网络模型,与传统模型相比,贝叶斯网络模型在影响因素分析方面,更具有合理性。首先,从独立性而言,影响真菌性鼻窦炎患者术后复发的各因素间存在着关联性,贝叶斯网络模型能够充分挖掘数据的潜在信息,揭示出多因素间多层次的相互关系;其次,从变量间的关系而言,贝叶斯网络模型可以通过图形的方法,进一步描述各变量间是如何相互关联,以及如何整体影响疾病的发生,能够更加直观地描述疾病与因素间复杂的网络风险机制;最后,当各因素间存在交互作用时,贝叶斯网络模型能直接识别所有因素间的交互作用,便于全面深入发掘各因素间的内部调控关系。本研究中,ROC curve 验证结果显示:贝叶斯网络模型效能良好,可为临床预测患者术后复发提供帮助。本研究中,通过训练集建立贝叶斯网络模型,再通过验证集对模型进行外部验证,得到的结果更加真实可信。

3.5 本研究的不足

本研究有一些不足之处。影响真菌性鼻窦炎患者术后复发的因素较多,而本研究纳入的影响因素尚不全面,得到的结果也可能因为样本量不足而产生偏倚,今后仍需扩大样本量,增加可能的影响因素,再进行更加全面的分析。

综上所述,鼻内镜手术治疗真菌性鼻窦炎,安全、有效,值得临床推广。Lund-Mackay 评分 > 15分、吸烟、哮喘、多发性鼻息肉、嗜酸性粒细胞计数高和术后感染,是影响鼻内镜手术患者术后复发的危险因素,对于合并相关危险因素的患者,应及时采取相应措施,以避免术后复发的发生。

猜你喜欢
真菌性鼻息肉贝叶斯
慢性鼻窦炎伴鼻息肉药物保守治疗一例
云南医药(2019年3期)2019-07-25 07:25:22
鼻内镜下手术治疗鼻息肉的临床分析
IL13 与IL13Rα2 在慢性鼻—鼻窦炎鼻息肉组织中的表达
贝叶斯公式及其应用
对真菌性阴道炎患者进行综合护理的效果分析
基于贝叶斯估计的轨道占用识别方法
鼻息肉病采用糖皮质激素联合鼻内镜治疗的效果分析
肺部真菌性肺炎的临床治疗观察
一种基于贝叶斯压缩感知的说话人识别方法
电子器件(2015年5期)2015-12-29 08:43:15
IIRCT下负二项分布参数多变点的贝叶斯估计