臨床評分系統在預測腎結石逆行輸尿管鏡技術后結石清除率中的應用

朱學華 劉余慶 盧劍

1北京大學第三醫院泌尿外科 100191北京

歐洲及北美地區的流行病學資料顯示，5%～10%的人發生過泌尿系結石[1]。我國是世界三大結石高發區之一，其患病率約為6.4%[2]。處理腎結石的手術方式包括傳統的開腹手術及體外沖擊波碎石（extracorporeal shock wave lithotripsy，ESWL）、經皮腎鏡取石術（percutaneous nephrolithotomy，PCNL）、逆行輸尿管鏡技術（retrograde intrarenal surgery，RIRS）和腹腔鏡手術。隨著技術的不斷進步，逆行輸尿管鏡技術，尤其是輸尿管軟鏡技術（flexible ureteroscopy，f-URS）更加成熟，已成為腎結石安全有效的治療方式[3-4]。結石清除率（stone free rates，SFRs）是反映泌尿系結石術后治療效果的重要指標。總體而言，與ESWL相比，RIRS擁有更好的SFRs，而與PCNL相比，在減少術中出血、術后發熱等并發癥及縮短住院時間上更具優勢[5]。歐洲泌尿外科協會指南推薦RIRS作為處理輸尿管結石、直徑2 cm以下腎結石的一線治療方式。對于直徑2 cm以上的腎結石，PCNL雖是首選，但若存在PCNL禁忌證，可選擇RIRS作為替代治療方案[6]。有文獻報道指出，在臨床實踐中，根據手術醫師經驗、患者身體狀況及意愿，RIRS可用于處理直徑≥2 cm腎結石，并有著可與PCNL相媲美的成功率[7-8]。因此在臨床上，對直徑≥2 cm的腎結石治療方式的選擇仍有爭議。

截止目前，關于影響ESWL及PCNL術后SFRs因素的研究較多[9]，并形成了多個不同的評分系統，如Guy's評分系統、S.T.O.N.E.評分系統、CROES評分系統及S-ReSC評分系統，每個評分系統各有優勢和局限性[10]。隨著RIRS技術的進步及應用的普及，有關影響RIRS術后SFRs及并發癥發生率的相關結石因素和腎臟解剖因素的研究逐漸增多。研究者基于上述研究因素建立不同的評分系統以期更好地預測RIRS術后SFRs及相關并發癥發生率，從而更好地進行預后評估和臨床決策。

1 評分系統的建立及內容

1.1 RUSS評分系統

Resorlu等[11]率先建立了預測RIRS術 SFRs及相關并發癥發生率的RUSS評分系統（Resorlu-Unsal stone score）（表1）。研究共納入207例行RIRS的腎結石患者。納入的可能影響SFRs的研究因素包括患者年齡、性別、BMI、結石大小、結石位置、結石成分、結石數目、腎盂腎下盞漏斗部夾角（infundibulopelvic angle，IPA）、抗凝治療、脊柱異常（脊柱側凸、脊髓損傷）及腎臟解剖異常（馬蹄腎、盆位腎）等。通過術中軟鏡直接觀察及術后1個月CT平掃檢查判斷是否有結石殘留，定義結石完全清除或殘留結石直徑＜1 mm為達到結石清除標準。178例（178/207，86%）患者初次RIRS術后達到結石清除標準。對結石清除組和未清除組基于上述研究因素進行單因素分析顯示結石大小、結石位置、結石成分、結石數目、腎臟解剖異常及IPA是術后SFRs的影響因素。Logistic回歸模型對上述指標進行多因素分析顯示結石大小、結石成分、結石數目、腎臟解剖異常及IPA是影響術后SFRs的獨立危險因素。研究發現結石累計直徑＞2 cm、IPA＜45°、腎盞結石數目＞1及腎臟解剖異常導致術后SFRs顯著降低，即RUSS評分越高，預示著SFRs越低。在他的研究中，共有147例（71%）患者術后留置輸尿管支架管；在術中，為獲得更好的手術視野，將21例（10.1%）患者的結石通過取石網籃放置于腎盂或腎上盞，然后處理結石。上述兩點都可能會對術后SFRs產生影響而造成偏移的產生。

Sfoungaristos等[12]的研究對“RUSS 評分系統”預測SFRs的準確性進行了外部驗證。研究納入85例行RIRS的腎結石患者。所有患者術前均行CT平掃以確定結石數目、結石大小（結石累計直徑，cumulative stone diameter，CSD）、位置及IPA。術后4～6周行CT檢查以評估結石清除情況，結石清除定義為無任何結石碎片殘留。多因素分析顯示RUSS評分是術后SFRs的獨立預測因子。通過測量RUSS評分系統ROC曲線下面積，得出該系統預測SFRs的準確性為0.707。但納入的樣本量只有85例，相對較少。

1.2 S-ReSC評分系統

S-ReSC（seoul national university renal stone complexity score）評分系統是預測PCNL術后SFRs的重要工具，主要根據結石所在腎集合系統的位置進行評分，不考慮結石大小、數目等其他因素[13]。Jung等[14-15]將 S-ReSC評分系統進行改良（modified S-ReSC，mS-ReSC），并用于預測RIRS術后SFRs（圖1）。研究共納入88例行RIRS的腎結石患者，術前常規行平掃CT，術后1個月行CT檢查以評估結石清除情況。無任何結石碎片殘留定義為結石清除。術前通過CT測量可能影響SFRs的指標包括結石數目、結石最大直徑、結石總體積和平均密度，其他指標包括患者年齡、BMI等。mS-ReSC評分系統基于結石位置進行評分，得分范圍1～12分。根據評分情況，進一步將患者分為低得分組（1～2分）、中得分組（3～4分）及高得分組（5～12分），即mS-ReSC評分組。同時對所有患者應用RUSS評分系統進行評分，通過比較mS-ReSC評分、mS-ReSC評分組及RUSS評分系統的ROC曲線下面積，來比較不同評分方法預測SFRs的準確性。

研究發現，mS-ReSC評分、結石數目（單發或多發）及結石位置（存在腎下盞結石）與SFRs顯著相關。在對其他影響因素進行校正之后，只有mSReSC評分與SFRs顯著相關。研究同時指出mSReSC評分組及RUSS評分均與SFRs相關，但mSReSC評分ROC曲線下面積為0.806優于mSReSC評分組的0.766及RUSS評分系統的0.692。

Park等[16]對 mS-ReSC 評分系統進行了外部驗證，研究納入159例行RIRS的腎結石患者。術前完善CT檢查以確定結石最大徑、數目、位置及總結石體積。術后3個月后行CT檢查以評估結石清除情況。結石完全無殘留或殘留結石直徑小于2 mm被定義為結石清除。研究顯示隨著評分的增高，SFRs有下降趨勢，且mS-ReSC評分低得分組、中得分組及高得分組SFRs有明顯差異；單因素分析及多因素Logistic回歸分析均顯示mS-ReSC評分組是SFRs的預測因子；mS-ReSC評分模型及mS-ReSC評分組模型ROC曲線下面積分別為0.731和0.701。該外部驗證的研究結果再次證實了mS-ReSC評分及mS-ReSC評分組預測RIRS術后SFRs的可靠性及準確性。但研究存在一定局限性：首先，在原始研究中，Jung等[14]對結石清除的定義為無任何結石碎片殘留，而Park等[16]認為無臨床意義的直徑＜2 mm的殘留結石可忽略不計，這在一定程度上會造成SFRs的增高；另外，Jung等[14]在術后 1個月復查CT評估結石清除情況，而Park等[16]是在術后3個月評估，這本身也會造成SFRs升高。

圖1 mS-ReSC評分系統位置圖

1.3 Ito列線圖

列線圖（nomograms）使用一些互不相交的線段來推算事件的發生概率，使用時往往以直尺做垂線的方式來估算事件的發生概率。在有關預測ESWL及PCNL術后SFRs的相關研究中，列線圖這一預測工具都呈現出良好的應用價值[17-18]，是預測 SFRs的又一重要工具。Ito 等[19]提出了預測f-URS術后SFRs的列線圖（圖2），并進行了內部驗證。研究共納入310例行f-URS的腎結石患者，術前常規完善平掃CT以確定結石負荷、數目、密度、腎積水情況、有無腎下盞結石及術前輸尿管支架管置入情況。研究納入的其他可能影響SFRs的指標還包括術者經驗。術后3個月行CT檢查評估結石清除情況，結石清除定義為無任何可見結石殘留。

在對結石清除組及結石未清除組上述研究指標進行多因素分析顯示，結石體積、數目、腎下盞結石、術者f-URS經驗＞50例及腎積水是f-URS術后SFRs的獨立預測因子。基于上述研究結果，Ito等[19]應用上述五個預測指標建立列線圖。列線圖總得分為各項預測指標得分之和，總得分不同，其對應的SFRs也不同。如一個多發腎下盞結石伴有腎積水的患者，其結石總體積為1 500 mm3，由一位f-URS手術經驗超過50例的泌尿外科醫生行f-URS治療，其列線圖總評分為8分（多發結石評0分+下盞結石評0分+腎積水評0分+結石總體積1 500 mm3評5分+術者經驗≥50例評3分），對應的SFRs約為35%。Ito列線圖最高得分25分，得分越高，預示著fURS術后SFRs越高。通過bootstrapping的方法在原始數據庫中（310例患者）進行重新抽樣獲得的1 000例樣本對列線圖進行內部驗證，通過繪制列線圖ROC曲線測得曲線下面積為0.87，表明該列線圖對SFRs有著良好的預測價值。但尚無研究對該列線圖進行外部驗證。

1.4 R.I.R.S.評分系統

國內建立的預測RIRS術后SFRs的評分系統為R.I.R.S.評分系統（表2）[20]，其納入的評分指標有結石密度、腎下盞結石、IPA、腎下盞漏斗部長度（infundibular length，IL）及累計結石直徑（cumulative stone diameter，CSD）等。分值4～10分，得分越高預示結石情況越復雜。研究共納入382例行RIRS的腎結石患者，術前常規完善CTU以測量結石密度、IPA、IL、CSD等指標。術后第1天（POD1）及術后1個月（POM1）行KUB檢查以確定結石清除情況，若術后第1天KUB顯示高密度影或術中發現有X線陰線結石存在，則術后1個月行CT檢查以確定結石清除情況。結石清除定義為KUB平片上無結石殘留或者殘留結石直徑＜2 mm。研究顯示術后第1天SFRs為61.5%（235/382），術后1個月SFRs為90.4%（281/382）。多因素分析顯示結石密度、腎下盞結石合并狹窄的IPA、IL及結石負荷（結石數目和累計結石直徑）是SFRs的獨立影響因子。在原始數據庫（318例患者）通過bootstrapping的方法獲得1 000例樣本對R.I.R.S.評分系統進行內部驗證，ROC曲線下面積為 0.828（POD1）、0.904（POM1），顯示了R.I.R.S.評分系統良好的預測價值。但截至目前，尚無研究對該評分系統進行外部驗證。

圖2 Ito等建立的預測f-URS術后SFRs的列線圖

表2 R.I.R.S.評分系統

2 討論與展望

Resorlu等[11]應用多因素分析的方法建立了第一個預測腎結石RIRS術后SFRs的評分系統：RUSS評分系統。該系統得分范圍0～4分，簡單易行，且經過外部驗證研究證實其為有效可靠的評分模型，但其中各項影響因素評分均為1分，不利于其在復雜的臨床環境中對SFRs做到精準評估。腎臟畸形雖作為一項評分項目，但僅納入馬蹄腎及盆位腎，未考慮其他泌尿系畸形如腎旋轉不良、腎輸尿管重復畸形或腎盂腎尿管連接部狹窄等，這使得該評分系統臨床實用性下降[21]。相比于RUSS評分系統，Ito等[19]建立的列線圖更有利于精確預測SFRs：結石體積劃分更為細致，不同體積給予不同分值，列線圖評分范圍更廣。且該評分模型首次納入術者經驗作為評分項目，使其具有更好的臨床實用性及預測準確性。但結石體積這一指標的測量較為復雜，且該預測模型有效性及可靠性還需外部驗證進一步證實。mSReSC評分系統根據結石所在集合系統位置進行評分，根據術前CT檢查結果確定結石位置即可快速完成評分，是一種簡單易行的評分方式。在Jung等[14]的研究中，其將 mS-ReSC 評分系統與RUSS評分系統進行對比發現，前者的預測準確性優于后者。后續的外部驗證研究也證實了mSReSC評分系統的預測價值，這都說明該評分系統是一個值得推廣應用的評分模型。但Jung的研究僅納入88例患者，樣本量較少，mS-ReSC評分系統與RUSS評分系統孰優孰劣還有待更大樣本量的研究予以證實[21]。另外，mS-ReSC評分系統僅依據結石所在位置進行評分，未考慮影響SFRs的其他因素如結石大小、密度、腎積水等因素，這顯然不合理[21-22]。R.I.R.S.評分系統首次納入結石密度和IL這兩個指標：以往研究均證實上述兩個指標顯著影響SFRs[23-24]。該系統納入的四個評分指標簡單易測，臨床實用價值較高。在每一項評分指標中再進一步細化得分，這更有利于對SFRs的精確預測。但R.I.R.S.評分的可靠性及準確性還有待外部驗證研究的進一步證實。

表3 四種不同評分模型間的比較

腎結石RIRS術后SFRs的預測模型的建立主要基于以下幾方面：結石特征、腎臟解剖因素及術者臨床經驗。根據以往研究結果，影響SFRs的結石特征主要包括結石負荷（結石累計直徑、結石體積等）、結石數目、結石位置及結石密度等；影響SFRs腎臟解剖因素主要包括IPA、IL、腎下盞寬度等[25]；術者對RIRS技術的熟練程度及經驗也會影響SFRs[17]。在充分考慮上述影響因素的基礎上，進行試驗設計時還應注意以下幾點：①合適的樣本量。樣本量不宜過多或過少，可通過樣本量計算公式確定樣本量[26]。②嚴格的納入及排除標準。如對于合并輸尿管結石的腎結石患者應排除。③嚴格的結石清除標準。目前尚無統一的結石清除標準：回顧性研究顯示多數研究在術后1個月左右完成SFRs評估，若平掃CT影像上結石直徑＞2 mm，結石相關事件及需要再次治療的風險增加[27]。因此將術后近1個月平掃CT影像上無結石殘留或者殘留結石直徑≤2 mm定義為結石清除似乎更加合理。④盡可能細化各評分項目的得分，擴大預測模型評分范圍。如對IPA進行評分時可根據角度大小進行分組，每組賦予不同分值，這樣有利于更為精確地預測SFRs[20]。⑤預測模型的準確性及可靠性通過前瞻性研究來驗證。⑥新型統計分析方法的應用。人工神經網絡是理論化的人腦神經網絡的數學模型，可進行大量運算并分析各種錯綜復雜的關系。已有研究將其應用于預測輸尿管結石自行排出及腎結石PCNL術后SFRs的預測，顯示了良好的預測價值[28-29]。

綜上所述，預測模型應在充分考慮SFRs影響因素的基礎上，通過大樣本、設計合理的隊列研究來建立，并依靠大樣本內部或外部驗證研究，最好是前瞻性研究證實其有效性及可靠性。一個好的評分模型需同時具備有效、可靠及簡單易行的特點。目前，上述四種預測模型建立時的實驗設計、納入評估指標、臨床實用性、預測準確性及可靠性的驗證等方面仍有不足，應用尚不廣泛。建立更為精確可靠的預測模型以指導臨床實踐，是下一步研究的重點。