基于logistic回歸和決策樹法預(yù)測顱腦腫瘤患者術(shù)后病情惡化風(fēng)險

張燕，彭伶麗，張磊，周芳意，羅貞

手術(shù)是顱腦腫瘤患者主要的治療手段，但擇期開顱術(shù)后30 d內(nèi)病死率為1.0%～2.5%[1-2]。由于顱腦腫瘤術(shù)后患者病情危重、病情變化迅速且隱匿，發(fā)生病情惡化的風(fēng)險高。因此，篩選顱腦腫瘤術(shù)后病情惡化的風(fēng)險因素，建立早期預(yù)警模型，對及早識別術(shù)后高?；颊?、降低術(shù)后病死率具有重要意義。近年來，伴隨人工智能的發(fā)展和大數(shù)據(jù)時代的到來，數(shù)據(jù)挖掘技術(shù)在醫(yī)療衛(wèi)生領(lǐng)域的應(yīng)用優(yōu)勢愈加凸顯[3]。據(jù)報道，決策樹、支持向量機(jī)、人工神經(jīng)網(wǎng)絡(luò)等數(shù)據(jù)挖掘技術(shù)比logistic回歸分析法更能準(zhǔn)確地預(yù)測病情惡化[4]。而現(xiàn)有的病情評價系統(tǒng)如早期預(yù)警評分、改良早期預(yù)警評分、國家早期預(yù)警評分等大多是基于生命體征數(shù)據(jù)、運用傳統(tǒng)的logistic回歸方法建立，缺乏針對性。陳圓圓等[5]運用logistic回歸法建立了顱腦腫瘤?？祁A(yù)警模型，但未納入血生化及影像學(xué)檢查等指標(biāo)，未比較其他數(shù)據(jù)挖掘技術(shù)與傳統(tǒng)logistic回歸法的預(yù)測準(zhǔn)確性。鑒此，本研究探索性地選用logistic回歸分析法和決策樹法兩種預(yù)測模型分別構(gòu)建顱腦腫瘤患者術(shù)后病情惡化的早期預(yù)警模型，并對比兩種模型的預(yù)測效果優(yōu)劣，力圖探索顱腦腫瘤患者術(shù)后病情惡化風(fēng)險評估的更優(yōu)模型，更好地幫助臨床醫(yī)護(hù)人員篩選潛在的危重患者，為早期針對性護(hù)理干預(yù)提供參考。

1 對象與方法

1.1對象

1.1.1納入與排除標(biāo)準(zhǔn) 采用病例對照的研究方法，選取中南大學(xué)湘雅醫(yī)院確診顱腦腫瘤行開顱手術(shù)患者為研究對象。納入標(biāo)準(zhǔn)：①臨床癥狀和體征符合顱腦腫瘤診斷要點，臨床病歷資料顯示顱腦腫瘤疾病診斷，在住院期間發(fā)生非計劃性再次手術(shù)或非計劃性轉(zhuǎn)入ICU或死亡；②年齡≥14歲；③住院時間>24 h。排除標(biāo)準(zhǔn)：①并存急性心、肝、腎功能不全；②開顱術(shù)后因病情需要計劃性轉(zhuǎn)入ICU實施監(jiān)護(hù)、進(jìn)行計劃性再次手術(shù)；③非病情惡化原因(如未達(dá)到效果手術(shù)再調(diào)整，引流管問題、切口問題等)導(dǎo)致的非計劃性再次手術(shù)、非計劃性轉(zhuǎn)入ICU、死亡；④孕婦；⑤因可疑風(fēng)險轉(zhuǎn)入ICU后但病情未發(fā)生惡化；⑥手術(shù)室、麻醉復(fù)蘇室、外院直接轉(zhuǎn)入ICU。共納入患者539例，其中住院期間發(fā)生病情惡化(病例組)241例(非計劃性轉(zhuǎn)入ICU 73例，非計劃性再次手術(shù)155例，死亡13例)，同期手術(shù)但未發(fā)生病情惡化(對照組)298例。病例組中，男120例，女121例；門診入院222例，急診入院19例。腫瘤類型：腦膜瘤68例，彌漫性星形細(xì)胞和少突膠質(zhì)細(xì)胞腫瘤73例，蝶鞍區(qū)腫瘤33例，顱神經(jīng)和脊旁神經(jīng)腫瘤29例，神經(jīng)元及混合性神經(jīng)元-膠質(zhì)腫瘤5例，淋巴瘤7例，生殖細(xì)胞腫瘤10例，間葉腫瘤，非腦膜皮型腫瘤7例，室管膜腫瘤3例，胚胎性腫瘤6例?；继悄虿?8例，患肺部疾病18例，肝臟疾病44例。有吸煙史27例。急診手術(shù)5例，擇期手術(shù)23例，限期手術(shù)213例。體溫37.10(36.80，38.00)℃；血鉀3.80(3.54，4.10)mmol/L，白細(xì)胞13.43(9.75，16.00)×109/L。對照組中，男148例，女150例；門診入院282例，急診入院16例。腫瘤類型：腦膜瘤72例，彌漫性星形細(xì)胞和少突膠質(zhì)細(xì)胞腫瘤84例，蝶鞍區(qū)腫瘤57例，顱神經(jīng)和脊旁神經(jīng)腫瘤38例，神經(jīng)元及混合性神經(jīng)元-膠質(zhì)腫瘤6例，淋巴瘤7例，生殖細(xì)胞腫瘤13例，間葉腫瘤，非腦膜皮型腫瘤16例，室管膜腫瘤1例，胚胎性腫瘤4例?；继悄虿?6例，患肺部疾病15例，患肝臟疾病56例；有吸煙史31例。急診手術(shù)2例，擇期手術(shù)21例，限期手術(shù)275例。體溫37.10(36.80，38.00)℃；血鉀3.77(3.42，4.04)mmol/L，白細(xì)胞13.10(9.80，16.35)×109/L。

1.1.2結(jié)局指標(biāo) 本研究顱腦腫瘤患者術(shù)后病情惡化的結(jié)局指標(biāo)界定為開顱術(shù)后發(fā)生非計劃性再次手術(shù)、非計劃性轉(zhuǎn)入ICU或死亡這三類嚴(yán)重不良事件。非計劃性轉(zhuǎn)入ICU指患者在同一次住院期間由于病情惡化由普通病房非早期預(yù)警轉(zhuǎn)入ICU治療[6-7]；非計劃性再次手術(shù)指在同一次住院期間，因患者病情發(fā)展或術(shù)后并發(fā)癥導(dǎo)致患者計劃外的二次手術(shù)[8-9]；死亡沿用腦死亡的診斷標(biāo)準(zhǔn)[10]?；颊甙l(fā)生三類嚴(yán)重不良事件來源均是普通病房?；颊咴谕淮巫≡浩陂g相繼發(fā)生多種不良事件，則選擇首次事件作為病情惡化的結(jié)局，即同一患者同一次住院期間只保留一次病情惡化記錄。

1.2方法

1.2.1調(diào)查內(nèi)容 制訂統(tǒng)一的患者資料調(diào)查表，包括以下6個方面。①一般資料：包括性別、年齡、入院途徑、腫瘤類型、基礎(chǔ)疾病(高血壓、糖尿病、心臟疾病、肺部疾病、肝臟疾病)、吸煙史。②手術(shù)相關(guān)因素：手術(shù)類別、ASA分級、手術(shù)時間、術(shù)中失血量。③實驗室檢查：血清鉀、血清鈉、白細(xì)胞、血小板。④基礎(chǔ)生理參數(shù)：體溫、呼吸、心率、收縮壓、脈搏血氧飽和度(SpO2)、瞳孔。⑤病情評估系統(tǒng)：改良早期預(yù)警評分(MEWS)、格拉斯哥評分(GCS)。⑥影像學(xué)檢查：為術(shù)后中線結(jié)構(gòu)的偏移情況。對于術(shù)后的觀察指標(biāo)(實驗室檢查、生理參數(shù)、病情評估系統(tǒng)得分、影像學(xué)檢查)，病例組收集患者發(fā)生病情惡化前24 h內(nèi)最差的一次數(shù)值，如資料缺失取最近的一次記錄代替；對照組收集住院期間術(shù)后病歷記錄里最差的一次數(shù)值。

1.2.2統(tǒng)計學(xué)方法 使用Epidata進(jìn)行數(shù)據(jù)雙錄入，核對無誤后導(dǎo)入SPSS25.0軟件進(jìn)行統(tǒng)計分析，缺失值用平均值代替。組間比較采用χ2檢驗、t檢驗及Mann-WhitneyU檢驗。采用logistic回歸分析建立早期預(yù)警模型；選用決策樹卡方自動交互檢測算法進(jìn)行變量篩選，建立決策樹(樹的生長層數(shù)為3層，停止規(guī)則為α=0.05，父節(jié)點、子節(jié)點最小樣本量分別為200和100)。logistic回歸模型采用最大似然法和Hosmer-lemeshow擬合效果檢驗，用ROC曲線下面積(AUC)評價兩個模型預(yù)測的鑒別效度。通過MedcalcV20.0.14軟件對兩個模型的ROC曲線進(jìn)行繪制與對比。檢驗水準(zhǔn)α=0.05。

2 結(jié)果

2.1兩組一般資料比較 兩組性別、入院途徑、腫瘤類型、是否患有糖尿病、肺部疾病、肝臟疾病，是否吸煙、手術(shù)類別、血鉀及白細(xì)胞水平、體溫比較，差異無統(tǒng)計學(xué)意義(均P>0.05)，兩組差異有統(tǒng)計學(xué)意義的項目及比較，見表1。

表1 兩 組 一 般 資 料 比 較

2.2logistic回歸模型 以是否發(fā)生病情惡化為因變量Y(否=0，是=1)，將單因素分析中有統(tǒng)計學(xué)意義的16個變量進(jìn)行二元logistic回歸分析。結(jié)果顯示，ASA分級X1(<3=0，≥3=1)、手術(shù)時間X2(原值輸入)、SpO2X3(原值輸入)、GCS評分X4(原值輸入)、中線結(jié)構(gòu)移位X5(否=0，是=1)是獨立危險因素。得到顱腦腫瘤術(shù)后病情惡化早期預(yù)警模型：Logit(P)=10.951+0.982X1+0.004X2-0.077X3-0.572X4+0.800X5。模型似然比卡方為291.628，df=5，P<0.01，模型有統(tǒng)計學(xué)差異；Hosmer-lemeshow擬合優(yōu)度檢驗χ2=10.738，df=8，P=0.217，模型擬合較好。見表2。

表2 顱腦腫瘤患者術(shù)后病情惡化早期預(yù)警模型的logistic回歸分析(n=539)

2.3決策樹模型 將有統(tǒng)計學(xué)差異的16個自變量作為預(yù)測因子納入決策樹模型，生成的決策樹模型見圖1。決策樹生長2層，共6個節(jié)點，其中終末節(jié)點4個。結(jié)果顯示GCS評分和ASA分級是顱腦腫瘤術(shù)后病情惡化的影響因素，首層為GCS評分，表明GCS評分對病情惡化的影響最大。其中GCS評分≤9分的患者病情惡化的發(fā)生率是93.7%，高于GCS評分為9～14分的患者(58.7%)和GCS評分>14分的患者(14.9%)；對于GCS評分>14分的患者，另一個預(yù)測變量是ASA分級，ASA分級≥3的患者病情惡化的發(fā)生率(19.4%)高于ASA分級<3的患者(9.8%)。

圖1 顱腦腫瘤術(shù)后病情惡化影響因素的決策樹交互檢測算法分析

2.4兩種模型比較 對照組(298例)用logistic回歸模型和決策樹模型分別預(yù)測40例、76例發(fā)生病情惡化，病例組(241例)分別預(yù)測167例、202例發(fā)生病情惡化，可得logistic回歸和決策樹模型的分類正確率分別為78.8%[(167+298-40)/(298+241)]和78.7%[(202+298-76)/(298+241)]。logistic回歸模型的靈敏度和約登指數(shù)(69.3%，0.559)低于決策樹模型(83.8%，0.583)，其特異度(86.6%)高于決策樹模型(74.5%)。以logistic回歸模型與決策樹模型的預(yù)測值作為狀態(tài)變量，分別繪制ROC曲線，前者的AUC為0.881(95%CI：0.851～0.907)，標(biāo)準(zhǔn)誤為0.0145；決策樹模型的AUC為0.848(95%CI：0.815～0.877)，標(biāo)準(zhǔn)誤為0.0160，兩模型的預(yù)測效果中等(0.7～0.9)，AUC差異有統(tǒng)計學(xué)意義(95%CI：0.0130～0.0536，Z=3.222，P=0.001)。

3 討論

本研究logistic回歸模型結(jié)果顯示，ASA分級、手術(shù)時間、脈搏血氧飽和度、GCS評分、中線結(jié)構(gòu)移位是顱腦腫瘤術(shù)后病情惡化的獨立危險因素，與以往的研究結(jié)果類似[4，11]。其中GCS評分和ASA分級是兩種模型共同的危險因素，而GCS評分位于決策樹的首層，是決策樹模型中影響病情惡化的首要因素，與彭麗等[12]研究結(jié)果相符。GCS評分反映患者的意識障礙程度，評分低往往預(yù)示著預(yù)后不良，因此，術(shù)后應(yīng)密切關(guān)注GCS評分低的患者，正確掌握GCS的評估方法，輔助病情判斷。ASA分級根據(jù)患者系統(tǒng)性疾病程度及代償能力分為5級，隨系統(tǒng)性疾病程度升高而升高。本研究結(jié)果顯示，ASA≥3級的患者術(shù)后發(fā)生病情惡化的風(fēng)險顯著高于ASA<3級的患者(P<0.01)，說明ASA分級越高的顱腦腫瘤患者是病情惡化高危人群，與孟凱等[13]研究結(jié)果一致。Quinn等[14]研究結(jié)果發(fā)現(xiàn)，ASA分級為4級和5級的患者發(fā)生心臟驟停的風(fēng)險高于1級或2級患者。ASA分級越高的患者合并癥多，手術(shù)難度大，手術(shù)風(fēng)險高，術(shù)前應(yīng)做好手術(shù)風(fēng)險的全面評估和術(shù)前準(zhǔn)備，術(shù)后加強(qiáng)監(jiān)護(hù)。

此外，手術(shù)時間、脈搏血氧飽和度、中線結(jié)構(gòu)移位也是顱腦腫瘤患者術(shù)后發(fā)生病情惡化的獨立危險因素。Dasenbrock等[15]分析11 462例開顱手術(shù)患者的資料，發(fā)現(xiàn)手術(shù)時間長是出現(xiàn)血腫需非計劃性再次手術(shù)的預(yù)測因素之一?？赡芘c手術(shù)時間長，腦組織暴露于外界的時間長，易導(dǎo)致顱內(nèi)感染等并發(fā)癥的發(fā)生有關(guān)[16]。脈搏血氧飽和度能在一定程度上反映血氧飽和度及呼吸功能的變化，幫助醫(yī)護(hù)人員及時發(fā)現(xiàn)早期的低氧血癥，同時也間接反映了循壞功能[17]。本研究結(jié)果顯示，脈搏血氧飽和度越低者病情惡化風(fēng)險越高(P<0.05)。由于腦組織對缺氧的耐受性很差，嚴(yán)重缺氧會損傷腦細(xì)胞，也會導(dǎo)致心律失常、心臟驟停等并發(fā)癥，加重患者的病情。護(hù)理人員需要根據(jù)患者病情選擇合適的吸氧方式，吸氧過程中監(jiān)測血氧飽和度的變化，根據(jù)血氧飽和度調(diào)整吸氧濃度和時間。中線結(jié)構(gòu)位于正中矢狀線，包括第三腦室、胼胝體、透明隔、大腦鐮、丘腦、丘腦間粘合、松果體等[18]。由于顱腔的總?cè)莘e固定，在發(fā)生引起容積變化的病變時，會導(dǎo)致處于正常位置的腦組織移位、受壓、變形等異常改變，即產(chǎn)生所謂的占位效應(yīng)。如果占位發(fā)生在中線結(jié)構(gòu)或非對稱的兩側(cè)，可能會造成中線結(jié)構(gòu)的偏移。本研究中病例組有32.1%的顱腦腫瘤患者術(shù)后CT檢查發(fā)現(xiàn)有中線結(jié)構(gòu)移位，顯著高于對照組(20.7%)。中線結(jié)構(gòu)移位與病情嚴(yán)重程度和臨床預(yù)后密切相關(guān)，如杜玲等[19]對278例出血性腦卒中患者進(jìn)行前瞻性研究，發(fā)現(xiàn)中線結(jié)構(gòu)發(fā)生偏移患者的風(fēng)險比為1.776，是30 d內(nèi)死亡的獨立預(yù)測因素。且中線結(jié)構(gòu)移位越大，患者的病死率越高[20]。因此，監(jiān)測腦中線結(jié)構(gòu)的移位情況對指導(dǎo)醫(yī)護(hù)人員辨別可能發(fā)生的病情惡化、判斷預(yù)后具有重要意義。

本研究兩種預(yù)測模型的分類準(zhǔn)確率相近，均達(dá)到70%以上，模型效果較好。logistic回歸模型的靈敏度和約登指數(shù)低于決策樹模型，但特異度高于決策樹模型，說明決策樹模型判別真正發(fā)生病情惡化的能力較高，而logistic回歸模型預(yù)測實際不發(fā)生病情惡化的能力較高。logistic回歸模型的AUC顯著高于決策樹模型(P<0.01)，說明其預(yù)測效能更高。主要因為logistic回歸模型中包含的變量更多，模型更穩(wěn)定。有研究指出，logistic回歸模型和決策樹模型各具優(yōu)勢，兩者結(jié)合可以充分解釋變量間的關(guān)系[21]。就本研究而言，logistic回歸模型雖然能反映病情惡化與各自變量的依存關(guān)系，但在反映變量間的交互作用上不如決策樹模型。而決策樹模型不受變量間共線性的影響，能顯示變量間的交互關(guān)系及各自變量對結(jié)果變量的重要程度，并以概率的形式展示。如本研究中決策樹的首層為GCS評分，其與病情惡化的相關(guān)性最高，評分越低的患者發(fā)生病情惡化的概率越高；第二層顯示變量間的相互作用，如GCS>14分的患者要進(jìn)一步考慮ASA分級才能判斷病情惡化的風(fēng)險性。且決策樹生成的樹形圖能直觀地展示有分類或有預(yù)測意義的變量[22]，易于醫(yī)護(hù)人員理解和使用。但與logistic回歸模型相比，決策樹模型不能輸出OR值，分類結(jié)果受實際數(shù)據(jù)控制，會隨葉子節(jié)點數(shù)的變化而變化，欠缺穩(wěn)定性。因此，兩者可互為補(bǔ)充，從不同層面發(fā)現(xiàn)影響顱腦腫瘤術(shù)后病情惡化的因素，為醫(yī)護(hù)人員篩選高?；颊咛峁﹨⒖肌?/p>

4 小結(jié)

本研究采用logistic回歸分析和決策樹法分別建立顱腦腫瘤患者術(shù)后病情惡化的早期預(yù)警模型，并對比兩者的預(yù)測效能，結(jié)果顯示logistic回歸模型的預(yù)測效果優(yōu)于決策樹模型，而決策樹模型更直觀，易于理解，兩者結(jié)合可以幫助醫(yī)護(hù)人員從數(shù)學(xué)統(tǒng)計、樹形圖等多角度綜合評判患者病情惡化風(fēng)險。鑒于樣本量較小，本研究未探討其他數(shù)據(jù)挖掘技術(shù)如人工神經(jīng)網(wǎng)絡(luò)、貝葉斯等方法的應(yīng)用效果，未來有望開展大樣本、多中心的前瞻性隊列研究，對所建立的模型進(jìn)一步完善。