肠道准备不充分风险列线图的开发与验证
文摘
2024-07-24 14:02
北京
![]()
微信扫一扫，关注该公众号 DOI：10.3877/cma.j.issn.2095-7157.2024.02.006基金项目：山东省重点研发计划项目（2019GSF108190)作者单位： 264200威海，山东大学附属威海市立医院消化内科1；261000潍坊，潍坊医学院临床医学院2 通信作者：高孝忠，Email：xzgaoweihai@sina.com【摘要】目的 建立列线图以识别有肠道准备不充分风险的患者，使这些患者可能从强化的肠道清洁方案中受益。方法 回顾性收集2023年7月至2023年9月山东大学附属威海市立医院消化内镜中心373例接受分剂量肠道准备方案的患者的人口统计学资料和临床特征，将资料进行整理为一个队列，分为肠道准备充分组和肠道准备不充分组，对两组的临床资料进行比较。随机抽取80%的队列作为训练队列建立列线图预测模型，20%的队列作为验证队列对预测模型的区分度和精准度进行验证和评估。结果训练队列共纳入298例结肠镜检查，纳入预测模型的独立危险因素为糖尿病（P=0.0251）、便秘（P=0.0013）、肠道准备不充分历史（P=0.0431）、结直肠术后（P<0.0001）、未饮食管理（P=0.0254）、ASA≥Ⅲ级（P=0.0129）。本研究得出的列线图的判别能力较好，训练队列的曲线下面积为0.7455，验证队列的曲线下面积为0.7709。列线图预测模型C-index为0.746。校正曲线趋近于理想曲线。结论 该列线图具有较好的预测能力,可用于将准备接受结肠镜检测患者肠道准备不充分的风险可视化、易于使用。结肠镜检查是目前检测结肠黏膜异常的主要方法［1］。充分的肠道准备是结肠镜检查和结肠疾病诊断准确的必要条件。本文旨在构建和验证更适合国内门诊预约结肠镜检查使用的可视化列线图以预测患者行肠道准备不充分的可能性，期待本模型能够识别肠道准备不充分的高危患者。本研究将 2023年7~9月经山东大学附属威海市立医院消化内镜中心行结肠镜检查的373例患者男性患者为研究对象分为二组，肠道准备充分组277例和肠道准备不充分组96例。纳入标准：（1）年龄≥18岁；（2）无肠镜检查禁忌；受检者均签署知情同意书。排除标准：（1）未按规定服用聚乙二醇；（2）食用大量带种子的水果等；（3）因紧急情况、出血或不适合进行肠道准备；（4）已知或怀疑肠梗阻或狭窄；(5)血流动力学不稳定；(6)哺乳期或孕期。本研究经山东大学附属威海市立医院伦理委员会通过（审批号：2023015）。本研究使用3L复方聚乙二醇电解质散分次服用方案。 在预约当天，由护士提供有关饮食限制或具体肠道准备方法的口头告知和书面指导。所有检查由至少有1 000次结肠镜检查经验的内镜医师完成并使用波士顿肠道准备量表（Boston
bowel preparation scale，BBPS）对受检者肠道准备情况评分。本研究回顾性分析2023年7~9月经山东大学附属威海市立医院消化内镜中心行结肠镜检查的373例患者人口统计学资料和临床特征。我们使用问卷调查结合麻醉科评估记录单获得患者的人口统计学资料和临床特征，包括年龄、性别、吸烟史、体重指数(BMI)、美国麻醉师学会身体状况分类系统(ASA)评级、既往结直肠手术史、胃手术史、阑尾手术史、其他腹部或盆腔手术史、肠道准备不充分史、糖尿病、慢性便秘、检查前一天未饮食管理、肠道准备情况。便秘采用罗马IV［2］的标准。肠道准备不充分定义为波士顿肠道准备量表(BBPS)总分＜6或某个节段评分＜2。正态分布的连续变量采用均数±标准差（x±s）表示，使用Student′s t检验，非正态分布的连续变量采用M（Q1，Q3）表示，采用Wilcoxon秩和检验。分类变量以频率加百分比表示，采用卡方检验进行分析。对单因素分析中P＜0.05的危险因素进行多因素Logistic分析。P＜0.05为差异有统计学意义。使用R4.3.1语言软件建立列线图，对筛选的因素进行可视化。根据受试者-操作者特征曲线(ROC)下面积判断模型区分度。C指数、校正曲线判断预测精准度。一、 肠道准备充分组和肠道准备不充分组受检者临床资料比较本研究共有373例患者入选。根据患者肠道准备是否充分，将患者分为肠道准备充分组和肠道准备不充分组。在ASA分级≥Ⅲ级、年龄≥70岁、糖尿病史、便秘、结直肠手术史、既往肠道准备不充分者、住院状态、前一天未饮食管理方面，两组间差异有统计学意义（P<0.05）。在性别、BMI、吸烟史、胃手术史、阑尾手术史、其他腹部/盆腔手术史方面，两组间差异无统计学意义（P>0.05，表1）。![]()
本研究随机抽取80%的队列作为训练队列，20%的队列作为验证队列。肠道准备不充分相关的单因素包括年龄≥70岁、ASA分级≥Ⅲ级、糖尿病史、便秘、结直肠手术史、肠道准备不充分史、前一天未饮食管理以及目前住院状态（P＜0.05）。训练队列中进行多因素logistic回归分析发现，ASA分级≥Ⅲ级、糖尿病史、便秘、结直肠手术史、前一天未饮食管理和肠道准备不充分历史是肠道准备不充分的独立危险因素（P＜0.05，表2）。![]()
根据得出的6个结肠镜肠道准备不充分危险因素使用R4.3.1语言软件建立绘制出列线图（图1）可以看出，无上述危险因素则被赋值为0分、有糖尿病65分、便秘72分、肠道准备不充分历史65分，结直肠手术史100分、未饮食管理50分、ASA≥Ⅲ级83分。医护人员通过收集患者的临床资料、特征，判断有无上述6个独立危险因素，并对其赋值计算总分可以得到肠道准备不充分可能性，图中总分达到120分，则患者至少有50%的肠道准备不充分可能性，达到250分以上则有至少90%的肠道准备不充分可能性。![]()
训练队列的受试者工作特征曲线（图2）。训练队列的曲线下面积为0.7455。内部验证队列下的受试者工作特征曲线（图3），曲线下面积为0.7709，表明该模型区分度良好。C-index为 0.746，校正曲线趋近于理想曲线（图4），表明该模型具有良好的预测精准度。![]()
在清肠药物的选择方面，聚乙二醇是国内外使用最广泛的肠道准备药物，相对于磷酸钠盐等导泻剂，聚乙二醇电解质散安全性较高，患者的电解质水平不会出现大的波动，因此患有肾衰、心衰、电解质失衡的患者也可以使用聚乙二醇导泻［3］。本研究排除了未按规定服用聚乙二醇的患者，主要研究影响肠道准备不充分的其他危险因素。与肠道准备不充分相关的单因素包括年龄≥70岁、ASA分级≥Ⅲ级、糖尿病史、便秘、结直肠手术史、肠道准备不充分史、前一天未饮食管理以及目前住院状态（P＜0.05）。经多因素logistic回归分析后发现，ASA≥Ⅲ级、糖尿病史、便秘、结直肠手术史、前一天未饮食管理和肠道准备不充分历史是肠道准备不充分的独立危险因素（P＜0.05），因为以上6种因素易于询问统计及量化，我们在此基础上进一步建立风险评估的列线图，简单快速地对患者进行评估，识别肠道准备不充分高风险患者，给予这些人群更加个性化的肠道准备方案或结肠镜检查前教育。国内已有列线图已用于肠道准备的分析［4］，且具有很好的区分和校准能力，但该列线图不太适用于门诊内镜预约，因为该列线图应用于患者服用聚乙二醇之后。本研究列线图方便门诊预约使用，在患者肠道准备前识别出肠道准备不充分高风险患者，提前进行多方面干预。为便于临床应用，我们对研究结果进行可视化处理，并对其进行多方面干预以防其肠道准备不充分。为了克服肠道准备不良的危险因素，为肠道准备不充分的高危患者提供强化策略是必不可少的［5］。为了改善患者肠道准备质量，目前有研究提示可以通过虚拟现实（VR）、智能手机软件、短信、电话加强结肠镜检查前教育进而提高肠道准备质量［6-8］，有的研究使用乳果糖、利那洛肽、莫沙必利等药物联合聚乙二醇提高肠道准备成功率［9-11］，有的研究采用预包装低渣饮食代替自备低渣饮食提高肠道准备质量［12］。本研究希望通过建立肠道准备不充分风险预测模型来识别高风险患者，进而给予这些人群更加个性化的肠道准备方案或结肠镜检查前教育。本研究仍然存在一些局限性。首先本研究是单中心研究，样本量较少，且只限于按规定分次服用3L聚乙二醇的患者，可这能会导致模型应用的局限以及有效性的降低，不能普遍适用于其他地区和医院。此外，因威海地区人民特别喜欢食用无花果，无花果带有大量种子，短时间内很难排出，对此内镜中心、门诊等对患者往往反复提醒，如患者未按要求进行肠道准备，内镜中心或劝患者改期，或请患者再服用1L聚乙二醇。本研究纳入的其中一项危险因素，即未饮食管理不包括食用带有大量种子的食物，只是一般蔬菜和肉类。这可能会导致在本研究中该危险因素赋值的下降。此外，我们纳入的危险因素不够全面，文献报道肠道准备不充分的危险因素如肝硬化、卒中病史、每周排便次数、服药后排便次数、服药后末次排便时间、低剂量饮酒等，而本研究并未收集、分析。本研究开发了一种新的预测肠道准备不充分的列线图（基于便秘、肠道不准备充分历史、结直肠手术史、ASA评分≥Ⅲ级、糖尿病、未饮食管理），并在采用分次3L复方聚乙二醇电解质散肠道准备方案的患者中进行了内部验证。与目前可用的模型相比，此列线图具有更好的区分度和精准度，且纳入的因素更容易同时获得，非常适合预约门诊使用。 宋振河，张沛康，高孝忠.肠道准备不充分风险列线图的开发与验证［J/CD］.中华胃肠内镜电子杂志，2024，11（2）: 100-104.
