全身麻醉病人術中低體溫發生預測模型的建立

史卓穎，張海偉，杜祥飛

南京醫科大學第一附屬醫院（江蘇省人民醫院），江蘇210029

體溫是重要的生命體征，體溫維持對人體各項機能正常運轉至關重要。術中低體溫是指體溫在手術中的任何時間點小于36 ℃[1]。已有研究顯示：術中有50%～70%的病人會出現低體溫[2]。全身麻醉下實施手術的病人由于麻醉劑對機體溫度調節的影響、術中大量輸注低溫液體和機體長時間暴露于相對低溫環境等原因，常發生術中低體溫[3]。低體溫一方面可以降低機體代謝率、減少耗氧量、增加組織器官對缺血和缺氧的耐受力；另一方面也可導致多種并發癥，如麻醉藥物代謝減慢引起藥物中毒、寒戰、心律失常、凝血機制障礙、酸堿平衡紊亂以及發生麻醉蘇醒延遲等，最終影響手術安全性和預后[4]，因此其發生預測對手術室護理質量評價具有重要意義。

1 對象與方法

1.1 研 究 對 象 選 取2018 年1 月1 日—2018 年12 月31 日在我院采取基礎保溫措施的9 155 例全身麻醉手術病人作為研究對象。納入標準：①接受全身麻醉手術；②術中有體溫監測數據且體溫>30 ℃；③年齡>18 歲。納入的病人中術中發生低體溫的病人1 420例，未發生低體溫的病人7 735 例。將1 420 例體溫30～<36 ℃的病人視為術中發生低體溫，納入低體溫組，將7 735 例體溫≥36 ℃的病人視為正常低體溫，納入正常組。

1.2 資料收集方法

1.2.1 體溫及術中低體溫發生影響因素記錄方法每臺麻醉監護儀均配有定期校準、檢測精準的體溫探頭。病人行麻醉誘導并插入氣管插管后，將體溫探頭置入病人鼻咽部，手術結束后拔除探頭。期間麻醉師需點擊記錄麻醉開始時間、手術開始時間、手術結束時間。且所有體溫數據及術中關鍵數據都會記錄在手術麻醉系統中。

1.2.2 體溫數據及術中低體溫發生影響因素的收集方法 ①體溫數據收集方法：收集從麻醉開始且體溫描繪開始后整個監測期間手術麻醉系統中記錄的>30 ℃的體溫數據。②術中發生低體溫的影響因素收集方法：以“術中低體溫”“術中低體溫風險因素”“全身麻醉病人術中低體溫發生預測模型”等為檢索詞檢索中國知網、萬方數據庫等數據庫中關于術中低體溫發生影響因素的研究，確定術中低體溫發生影響因素種類，從手術麻醉系統中提取可能與術中低體溫發生有關的關鍵數據，包括病人一般資料，如性別、年齡、體質指數（BMI）等；手術相關資料，如總輸液量、總輸血量、總出量、麻醉時長、手術時長、美國麻醉醫師協會（ASA）分級等。③數據剔除方法：剔除無效、記錄不實數據，如食管癌根治術出血量為0 mL；剔除有缺失數據的病人數據，如手術麻醉系統無出入量及BMI 等記錄；剔除邏輯核查有誤數據，如描述的總出量為1 000 mL，但實際出量合計值為800 mL 等；手術麻醉系統中記錄的麻醉時間小于手術時間的數據。

1.3 統計學方法 采用SAS 9.4 統計軟件進行統計分析。呈正態分布的定量資料以均數±標準差(±s）表示，采用兩樣本t 檢驗進行組間比較；計數資料以頻數及百分率（%）表示，采用χ2檢驗進行組間比較，等級資料采用秩和檢驗進行組間比較。采用Logistic 回歸分析構建模型，以P<0.05 為差異有統計學意義。針對多因素回歸分析中有統計學意義的因素，采用受試者工作特征曲線（ROC）進行手術病人低體溫發生風險預測的效果評價，通過靈敏度、特異度及符合率驗證風險預測模型的準確度。

2 結果

2.1 術中發生低體溫影響因素的單因素分析（見表1）

表1 術中發生低體溫影響因素的單因素分析

2.2 建立全身麻醉病人術中低體溫發生預測模型及預測效果分析 將單因素分析中所有變量均納入多因素Logistic 回歸建模。年齡、總輸液量、總輸血量、總入量、失血、尿量、總出量、手術時長、麻醉時長等定量資料以原值帶入，分類資料變量賦值情況見表2。術中發生低體溫影響因素的多因素Logistic 回歸分析結果見表3。最終建立的Logistic回歸模型為P=－3.914+0.010×年齡+0.192×性別（男）+6.637×側臥位+2.557×俯臥位+0.141×器械護士能級－0.231×BMI+0.005×手術時長+0.289×總輸液量－0.297×總出量。

表2 分類資料變量賦值情況

表3 術中發生低體溫影響因素的多因素Logistic 回歸分析結果

2.3 全身麻醉病人術中低體溫發生預測模型效果分析 采用ROC 曲線檢驗全身麻醉病人術中低體溫發生預測模型預測實際低體溫的靈敏度與特異度，以約登指數最大值為預測模型的最佳臨界值。最終測得ROC 曲線下面積（AUC）為0.814，約登指數為0.48，靈敏度為0.639，特異度為0.841。見圖1。采用預測模型分別對本研究納入的低體溫組和正常組病人進行術中低體溫發生情況預測，結果顯示低體溫組病人中908 例病人被預測模型預測發生術中低體溫，512 例病人被預測模型預測不發生術中低體溫；正常組病人中1 232 例病人被預測模型預測發生術中低體溫，6 503例病人被預測模型預測不發生術中低體溫。Cut off值（最佳臨界值）為0.132 4，符合率=(908+6 503)/9 155=0.81。見表4。

圖1 受試者ROC 曲線

表4 預測低體溫發生模型效果評價 單位：例

3 討論

3.1 識別術中低體溫發生的意義 已有研究表明，進行體溫干預的病人手術出血量減少，麻醉清醒時間縮短，該類病人接受保溫措施，清醒時間縮短，有利于避免低體溫所致不良反應[6‐7]，說明醫護人員加強術中病人保溫意識或采取相應保溫措施具有重要性。本研究單因素分析結果顯示：低體溫組和正常組病人年齡、總輸液量、總輸血量、總入量、失血、尿量、總出量、手術時長、麻醉時長、性別、手術體位、BMI 比較，差異有統計學意義（P<0.05）。說明以上因素為術中低體溫發生的影響因素。本研究中，低體溫組和正常組器械護士能級、巡回護士能級、病人ASA 分級差異無統計學意義（P>0.05），這些因素需要進一步開展前瞻性研究，以進一步全面明確術中低體溫發生影響因素。根據《衛生部關于實施醫院護士崗位管理的指導意見》有關精神，結合我院《護士能力級別晉階管理規定及實施方案》及《手術室護士分級培訓指南》，在全院實行護士能力分層級管理，器械護士能級較高，術前準備用物及手術配合中較精準，有利于縮短手術時間；巡回護士能級較高對病人體溫保護的概念及意識較高，因此，在選擇低體溫發生影響因素時將護士能級納入其中。ASA根據病人體質狀況和手術危險性于麻醉前將病人分為5 級，已有研究結果顯示：ASA 分級為2 級以上的病人較1 級病人低體溫發生率增加，且ASA 分級越高，低體溫發生風險越高［8‐12］，故在選擇低體溫發生影響因素時也將ASA 分級納入其中。臨床應用預測模型預測術中低體溫發生的高危病人，可以及時給予病人個性化預保溫措施，如采用空氣對流裝置、沖洗液加溫、大量輸液或輸血時使用加溫儀等，從而降低低體溫發生風險，減少并發癥發生；對于一些短、頻、快的手術，如扁桃體摘除術、腹腔鏡下膽囊切除術、骨折內固定裝置取出術等，可不給予過渡保溫措施，蓋棉被或毛毯即可，從而將保溫裝置應用于高危病人。

3.2 建立預測模型意義 我國現有的關于圍術期非計劃性低體溫的預防措施研究多為經驗總結,研究內容主要為術中溫度管理,缺乏高危病人術前風險評估、術中頻率監測、培訓管理等方面的成果[13]。我院通過手術麻醉系統記錄病人術中體溫，并借助該系統實現了較大樣本量的采集，通過分析術中低體溫發生影響因素，建立模型，模型對臨床效果評價時AUC 為0.814，Cut off 值為0.132 4(最佳臨界值)，符合率為0.81，表明建立的預測模型擬合度和預測能力較好，處于中等偏上水平。

3.3 建立的預測模型的局限性 ①2017 年圍術期病人低體溫防治專家共識提出手術病人體溫監測應具備動態連續性，涵蓋整個圍術期。本研究無法對病人術前、術后體溫數據進行采集、分析，因此今后需進一步解決術前、術中體溫監測問題。②研究過程中，手術室溫度為21～25 ℃，手術過程中室溫可調節性大，不能維持在某一特定溫度且無法記錄，因此，建立預測模型缺乏手術室溫度對低體溫發生的影響數據。

3.4 術中保溫措施 ①在病人手術部位以外的地方加蓋棉被或布單，從而減少病人體表暴露，有效減少熱量流失。②沖洗液加溫后（38～40 ℃）再使用。③可借助裝置保溫，如“人工鼻”在麻醉通路中可減少熱量喪失；濕化瓶可防止蒸發散熱[14]；此外，還可通過借助變溫水毯、變溫風毯、輸液輸血加溫儀、手術間安裝可調節溫度的溫箱等措施，使易發生術中低體溫的手術病人得到個性化護理。

4 小結

術中低體溫會增加手術切口感染率，延長住院時間，影響機體凝血功能、心血管功能，引起代謝異常、寒戰發生率增加[15]。建立預測模型可有效監測和調節術中體溫，采取合理的保暖措施，有利于促進病人麻醉蘇醒，使病人更加舒適，促進術后康復[16]，也有利于對高危病人采取早期術中低體溫預測及干預，避免或減輕術中低體溫帶來不良并發癥提供條件。