成人術中獲得性壓力損傷風險預測模型的系統評價*

蔡玉靜，李倫蘭，，丁曉云，李貞，丁佩佩，鳳林生，袁昊煒，黃慧

（1安徽醫科大學護理學院，安徽合肥，230601；2安徽醫科大學第一附屬醫院，安徽合肥，230022）

壓力性損傷（pressure injury，PI）是指由于壓力或者壓力聯合剪切力的綜合作用引起的皮膚和（或）皮下軟組織的局限性損傷，常發生在骨隆突部位或皮膚與醫療設備接觸的部位［1-2］。手術患者是院內壓力性損傷的高風險人群［3］，術中獲得性壓力損傷（intraoperative acquired pressure injury，IAPI）是指在手術中由于長時間受到壓力、摩擦力和（或）剪切力的持續作用而引起皮膚局限性損傷，常在術后幾小時到6d 內發生，以術后1～3d 多見［4-5］，其發生率為2.28%～8.5%［6-7］，一旦發生，不僅延長患者住院時間、增加醫療費用，還可造成醫療資源的浪費［8-9］，術中IAPI 的發生往往是多個危險因素的疊加，因此早期識別IAPI 危險人群，進行針對性的預防和護理至關重要。疾病風險預測模型采用定量研究的方法能夠更準確全面地預測發病風險，并采用直觀的數據呈現研究結果［10］。近年來，國內學者已構建了IAPI 風險預測模型，但預測性能差距較大。因此，本研究系統評價成人IAPI 風險預測模型的偏倚風險和適用性，為構建更好高準確度的風險預測模型提供依據。

1 資料與方法

1.1 文獻納入和排除標準

納入標準：①研究對象為手術患者且年齡≥18周歲，手術類型及麻醉方式不限；②研究內容為術中IAPI 風險預測模型的構建和/或驗證的研究；③研究類型包括病例對照研究、隊列研究和橫斷面研究；④文章語言為中文或英文。排除標準：①院前帶入PI；②會議摘要等非正式發表的文獻；③數據不完整或無法獲取全文；④重復發表的文獻。

1.2 文獻檢索策略

系統檢索中國生物醫學文獻數據庫：中國知網，萬方，維普，PubMed，Web of Science，Cochrane Library，Embase 數據庫中IAPI 風險預測模型的相關研究。檢索時限為建庫至2022 年11 月4 日。檢索詞使用主題詞與自由詞相結合的方式。中文數據庫以中國知網為例，檢索式為：（壓力性潰瘍+壓瘡+褥瘡+壓力性損傷）AND（手術+術中+手術室+圍手術期）AND（風險預測+模型+風險評分+風險評估）。英文數據庫以PubMed 為例，檢索式為：（pressure ulcer OR pressure injury OR pressure sore OR pressure damage OR decubitus ulcer OR decubitus sore OR bedsore OR bed sore OR pressure sore OR ulcer pressure OR sore bed）AND（surgical procedures operative OR surgery OR surgical OR intraoperati OR during operation OR operating rooms OR perioperative period OR perioperati*）AND（predict* OR prediction model OR prognostic model OR prognos* OR risk factors OR risk score* OR riskassessment）。

1.3 文獻篩選和資料提取

2 名研究者按照納入和排除標準獨立篩選文獻，當意見不一致且經討論不能達成共識時，請第3 名研究人員進行評定并達成共識。文獻篩選方法：通過Note-Express 軟件去除重復的題錄，閱讀題目及摘要進行初篩，排除明顯不相關文獻后，進一步閱讀全文進行復篩，確定最終納入文獻。確定納入文獻后，依據預測模型研究系統評價的關鍵評估和數據提取清單（critical appraisal and data extraction for systematic reviews of prediction modelling studies，CHARMS）［11］制定Excel 數據提取表，提取信息包括納入文獻發表年份、研究設計、研究對象、PI 評估時間、模型性能、模型驗證、樣本量和預測因子等。

1.4 納入文獻的偏倚風險和適用性評估

采用預測模型研究的偏倚風險和適用性評估工具（prediction model risk of bias assessment tool，PROBAST）［12］對納入文獻進行評估。①偏倚風險評估包括研究對象、預測因子、結局和統計分析4 個領域，分別包含2、3、6、9 個問題，共20 個問題，所有問題的回答均為“是”或“可能是”，判定為低偏倚風險；任一問題回答為“否”或“可能否”，判定為高偏倚風險；如相關信息不足，判定為偏倚風險不清楚。4 個領域均為低偏倚風險，判定為研究整體為低偏倚風險；≥1 個領域的結果為高偏倚風險或者4 個領域均為低偏倚風險但預測模型缺少外部驗證時，判定為研究整體為高偏倚風險；≥1 個領域為偏倚風險不清楚但其他領域為低偏倚風險，判定研究整體偏倚風險為不清楚。②適用性評價包括研究對象、預測因子和結局3個領域，各個領域按照“適用性好、差及不清楚”進行評價。若3 個領域適用性評估均為好，評定總體適用性好；若任一領域為差，評定總體適用性差；若任一領域不清楚而其他領域好，評定總體為適用性不清楚。

2 結果

2.1 文獻篩選流程和結果

檢索共獲得4 741 篇相關文獻，經過篩選后，納入文獻13 篇［13-25］，其中英文文獻3 篇［13-15］，中文文獻10 篇［16-25］。文獻篩選流程及結果圖見圖1。

圖1 文獻檢索流程及結果圖

2.2 納入文獻的基本特征

共納入13 篇［13-25］文獻，6 篇［14，18-19，21-22，25］是前瞻性隊列研究，7 篇［13，15-17，20，23-24］是回顧性研究。在IAPI 評估時間方面：10 項［13-14，16，18-19，21-25］研究評估時間為術前1d 至術后5d；1 項［15］研究未具體說明評估時間僅描述將術后和出院前發生PI 患者納入PI 發生組；2 項研究［17，20］在文中未說明評估時間也未做任何描述。納入文獻的基本特征和PI 評估時間見表1。

表1 納入文獻的基本特征和壓力性損傷評估時間（n=13）

2.3 預測模型的基本特征

本研究納入13 項［13-25］研究均為模型的開發（驗證）研究，共納入17 個風險預測模型，其中PARK 等［13］應用3 種不同評估工具，建立了3 個模型；曲超然［25］基于隨機森算法、決策樹、樸素貝葉斯，建立3 個模型。本研究候選變量數為8～51 個，總樣本量為138～11 247例，結局事件數為30～873 例。模型建立方法方面，除曲超然［25］的研究，其他研究均采用Logistics 回歸方法構建風險預測模型。所有研究均未報告缺失數據的相關信息。預測模型的基本特征見表2。

表2 預測模型的基本特征 （n=13）

2.4 模型性能及預測因子

17 個模型中有14 個模型的受試者工作特征曲線下面積（area under the curve，AUC）為0.616～0.984，另外3 個模型沒有報告AUC 結果。13 項研究中，有9 項研究［13，15，18-24］報告了模型的校準方法，7 項研究［15，17-18，21-24］對模型進行了驗證；1 項研究［25］采用K 折交叉驗證，得出3 個預測模型的準確率為90.91%、89.0%和88.52%。

17 個風險預測模型，其中PARK 等［13］建立，模型a 顯示沒有一個因素與手術患者PI 的發生顯著相關，另外16 個模型包含2～13 個獨立預測因子，排名前5位的風險因素為：手術時間、年齡、合并糖尿病、體質指數（body mass index，BMI）、血清白蛋白水平。預測模型性能及預測因子見表3。

表3 預測模型性能及預測因子（n=13）

2.5 偏倚風險和適用性評價

2.5.1 偏倚風險評價 ①與研究對象有關的偏倚：有6項研究［14，18-19，21-22，25］評價為低風險；7項研究［13，15-17，20，23-24］評價為高風險，原因為研究數據來自回顧性研究，而回顧性研究因資料不全導致不能深入探討和發現某些相關因素。②與預測因子有關的偏倚：有11項研究［13-19，21-24］評價為低風險；有1項研究［20］評價為不清楚；1項研究［25］評價為高風險，原因為通過篩選得出的13個有意義變量，在決策樹算法模型中只有8個有意義變量。③與結果有關的偏倚：有3項研究［13，18，23］評價為高風險，原因為預測結局未采用指南或者標準化的定義；3項研究［15，17，20］評價為不清楚，原因為預測結局時未報告IAPI的具體評定時限，文章僅描述IAPI相關定義，其他研究評價為低風險。④與分析有關的偏倚：有12項研究［13-14，16-25］評價為高風險，主要原因為變量的篩選基于單因素分析、研究未報告模型的區分度或校準度和連續性變量轉化成≥2的分類變量；有1項研究［15］評價為不清楚。納入的13項研究［13-25］整體偏倚均為高偏倚風險。結果見表4。

表4 納入模型的偏倚風險及適用性評價 （n=13）

2.5.2 適用性評價 有10項研究［13-14，16，18-19，21-25］整體適用性風險低，表示適用性好；有3項研究［15，17，20］整體適用性風險為不清楚。在結果適用性評價方面：有3項研究［15，17，20］評價為適用性風險不清楚，FENG等［15］研究未說明IAPI的具體評估時間，僅將腹部手術后并在ICU監護成年腹部手術患者在術后至出院前發生的壓瘡納入壓瘡組；李鳳林等［17］及劉婉琳等［20］研究未報告手術患者術后PI的具體評估時間或患者住院期間多長時間內PI發生情況。結果見表4。

3 討論

3.1 IAPI風險預測模型性能較好但偏倚風險較高

本研究檢索國內外發表的中英文有關IAPI 風險預測模型的相關研究，篩選后最終納入13 項研究［13-25］，包括17 個模型，有14 個模型的AUC 為0.616～0.984，其中有7 項研究［13，15，18-20，22-23］的8 個模型的AUC＞0.8，2項研究［15，24］同時報道了模型內部和外部驗證的AUC，AUC 均＞0.7，說明IAPI 風險預測模型整體性能較好。本研究對納入的13 項研究［13-25］，17 個IAPI 風險預測模型，從研究對象、預測因子、結局指標和分析4個領域進行了系統評價，結果提示IAPI 風險預測模型適用性較好，但風險預測模型偏倚均較高，主要原因為部分研究為回顧性研究、未規避單因素分析的方法篩選變量、模型性能及過度擬合評估不全、忽略缺失數據處理等；另外，研究對象在科室、病種、手術方式及麻醉方式等方面，沒有進行細致劃分，并且研究多為單中心研究，使得模型的普適性和推廣性受到限制。

3.2 影響成人IAPI發生的主要風險因素分析

本研究系統檢索了IAPI 風險預測模型的相關研究，共納入13 項研究涉及17 個風險預測模型，經過分析發現，沒有任何2 個模型所包含的預測因子完全一致，但出現頻次最高的前5 位預測因子為手術時間、年齡、合并糖尿病、BMI、血清白蛋白水平。分析原因，①研究結果［26］發現，手術時間是IAPI 高危因素之一，與本研究結論一致。受壓部位壓力和剪切力會隨著手術時間延長不斷增加，皮膚受壓時間越長，發生壓力性損傷風險越大。因此應重點觀察手術時間較長患者皮膚受壓情況，避免手術期間某一部位長時間受壓。②郭莉等［6］研究發現，IAPI 發生率最高的年齡段是65 歲以上患者。這是由于老年患者真皮較薄，膠原蛋白、肌肉和脂肪組織較少，這些因素會降低患者皮膚的彈性，增加PI 發生的概率［27］。③NASIRI 等［28］研究結果表明，糖尿病患者發生手術相關壓瘡的風險是其他患者的1.5 倍，與本研究結論一致?？赡苁且驗樘悄虿∫鸬男⊙芄嘧⒆兓?、神經病變和血紅蛋白、糖化血紅蛋白、血清白蛋白水平等變化有關，降低了患者的皮膚敏感性和耐受性［29］。④相關研究結果顯示［30］，手術患者BMI過高時，其受壓部位承受壓力增加；BMI 過低時，受壓部位和骨突出部位缺少脂肪和肌肉組織支撐和緩沖，壓力性損傷風險增加。⑤刁玲玲等［31］研究結果顯示，血清白蛋白水平與壓瘡發生密切相關?；颊哐灏椎鞍姿浇档?，與蛋白質攝入量減少、消耗增加以及疾病本身等有關，更增加壓力性損傷的風險。應重視手術患者基礎疾病情況及營養狀況，并制定相應對策。

3.3 啟示

IAPI 風險預測模型能夠識別IAPI 發生的風險，有助于醫護人員對IAPI 高風險患者進行評估，以便及時制定有效的預防措施。目前，IAPI 預防策略仍然缺乏相應的高質量前瞻性、隨機對照臨床研究，IAPI 風險預測模型的開發研究不足以保證其臨床效用，仍然需要進一步的更新、驗證研究去支持最佳臨床實踐?？蓮囊韵聨追矫孢M行思考：①IAPI 風險因素較多，各模型手術病種不同，預測因子也不同但存在一定特征。本研究發現，納入模型中前5 位的預測因子是手術時間、年齡、BMI、合并糖尿病、血清白蛋白水平。應對這些變量進行正確評估并采取積極有效的預防措施，以降低IAPI 的發生。②本研究納入模型的研究樣本量計算公式缺乏報告，可能會導致參數估計不準確。在模型的開發方面，每個自變量的事件數（events per variable，EPV）＞20 會讓研究更有說服力［32］；若EPV＜10 可能會造成過度擬合［33］；而模型的驗證研究，樣本量＜100可能會造成偏倚［34］。因此，未來模型的構建，不僅需要納入足夠的樣本量，還要規范報告樣本量計算方法。③曲超然［25］研究基于機器學習算法構建決策樹、隨機森林、樸素貝葉斯3 種模型并比較各模型的預測效果，但沒有報告模型的區分度和校準度。大部分研究僅進行模型構建及內部驗證，缺乏外部驗證，使得可移植性和可泛化性受到限制［35］。因此，未來需要對模型構建進行嚴格的質量和方法評估，規范模型建立和驗證過程，提高模型的標準化和科學性［36］。④所有研究均未報告數據缺失的有關信息，可能對模型結果有一定影響。研究顯示［37］，正確處理數據可減少偏倚，如運用加權法、刪除法及插補法等方法處理缺失數據。

4 結論

本研究納入13 項研究，共17 個成人IAPI 風險預測模型，其中手術時間、年齡、合并糖尿病、BMI、血清白蛋白水平是最常見的預測因子。模型整體預測性能較好，適用性風險較低，但存在較高的偏倚風險，主要原因是回顧性研究、基于單變量分析篩選預測因子、預測結局未采用指南或者標準化的定義。未來應開展多中心、大樣本前瞻性研究，充分考慮到模型的外推性；其次，應考慮科室、病種、手術方式及麻醉方式等方面的混雜因素，并對模型進行內部驗證和外部驗證，以得到更好的高準確度的風險預測模型，為制訂相關預防策略提供參考依據。