成人術中低體溫發生風險預測工具和風險因素深度研究進展

柯穩 高興蓮 余文靜

(1.華中科技大學同濟醫學院護理學院，湖北，武漢 430030； 2.華中科技大學同濟醫學院附屬協和醫院，湖北，武漢 430022)

非計劃術中低體溫是指手術患者非計劃和治療引起的術中機體核心體溫<36 ℃[1]；而正常機體核心體溫在36.5～37.5 ℃，以維持機體正常新陳代謝和其他生理活動[2]。2017年國內一項橫斷面調查顯示，全國術中低體溫發生率為44.3%[3]，術中低體溫不僅增加術中出血、術后蘇醒延遲、手術部位感染、心臟不良事件發生概率等風險，還增加社會醫療資源消耗[4-7]。但大多數常規手術室系統尚未把核心體溫作為常規生命體征進行監測，且患者術中核心體溫人為監測存在忽視和體溫監測困難等問題，因無法對核心體溫進行持續觀察，所以早期識別和預測低體溫的發生風險很重要。本文以國內外研究文獻為基礎，總結分析低體溫發生風險預測工具和圍術期低體溫風險因素，探討未來基于低體溫風險因素的低體溫預測工具研究前景。現報告如下。

1 低體溫發生風險預測工具

目前，術中低體溫發生風險預測工具包括低體溫風險預測模型和低體溫風險評估量表。兩者均以低體溫風險因素研究作為基礎，通過結合不同科學研究方法和統計學分析方法，確定可預測手術患者低體溫風險發生的預測風險因素，最終以統計學預測模型或量表形式形成低體溫風險預測工具。研究設計的風險預測工具優劣是以工具對研究問題的預測性能和模型的一致性來反映的，預測性能常以靈敏度、特異性和受試者曲線下面積(AUC)等指標來評價，模型一致性常用擬合優度(GOF)來評價。

1.1基于多元回歸方程的風險預測模型前瞻性構建研究 在腹腔鏡手術和剖宮產手術中，普鷹和孔珊珊學者分別構建了低體溫風險模型并進行了臨床應用[8-9]。2019年，普鷹學者發表腹腔鏡手術患者術中低體溫風險預測模型，該前瞻性研究將腹腔鏡手術患者低體溫風險因素先后進行單因素分析和多因素logistics回歸分析，篩選出4個預測因素，研究構建的logistic回歸風險預測模型為：LogitP=56.893-1.216×基線體溫+0.377×手術類型+0.009×麻醉時長-0.653×手術室室溫。預測模型的H-L檢驗P=0.123，AUC為0.791，約登指數為0.867，靈敏度為0.600，特異度為0.867；該模型運用于132例患者后實際應用正確率為79.45%，模型預測能力較好。孔珊珊學者[9]則于2021年發表剖宮產產婦術中低體溫風險預測模型，研究通過單因素分析和logistic回歸分析后納入6個風險因素和1個保護因素作為預測因素。研究風險預測回歸方程如下：LogitP=-5.700+2.828×麻醉后體溫+0.763×體質量指數+0.958×妊娠期亞臨床甲狀腺功能減退+1.035×術中液體丟失量+1.085×術中沖洗腹腔液體量+0.966×主動保溫持續時間+1.488×進入手術室室溫，當LogitP≥-1.844時，認為產婦在剖宮產手術期間可能發生低體溫。該模型H-L檢驗結果顯示P=0.425，ROC曲線下面積為0.888，當最佳臨界值為-1.844時，靈敏度為0.880，特異度為0.741，模型具有較好的擬合效果及鑒別效度。研究模型臨床運用于64 名產婦進行預測效果檢驗，預測模型靈敏度為100%，特異度為74.0%，整體準確率為79.7%。

上述2位學者都是進行的前瞻性研究，預先進行研究設計再進行臨床數據收集，研究者可以將任何被認為可能是低體溫風險因素的觀察指標納入到數據收集中，可對潛在的低體溫因素進行全面納入研究，且可以避免回顧性研究選取研究數據產生的人為偏倚。普鷹學者[8]構建的腹腔鏡手術患者術中低體溫風險預測模型在構建時較全面地納入了腹腔鏡手術的常見病種，研究設計的模型對當前越來越普及的腹腔鏡手術患者有很好的低體溫預測價值。但腹腔鏡手術患者術中低體溫風險預測模型的靈敏度僅為60%，無法對低體溫手術患者進行全部識別，且在研究患者篩選上，體質量指數>35 kg/m2和麻醉級別III級以上患者被排除在外，局限了模型臨床應用對象。剖宮產產婦術中低體溫風險預測模型的靈敏度為0.880，模型臨床運用的整體預測準確率為79.7%，該研究的整體預測性能較好，但其驗證時的樣本量過小。對2位學者的前瞻性研究而言，研究數據收集需要耗費大量時間和精力，研究樣本量會較少和較難進行外部驗證，未來應該對模型進行大樣本驗證和低體溫風險程度分級，確定具有穩健預測能力的模型以指導臨床工作。

1.2基于多元回歸方程的風險預測模型回顧性構建研究 2002年Kasai學者[10]研制了開腹手術患者的術中低體溫風險預測模型，研究回顧性分析862例成人開腹手術患者，分別選取200例體溫正常組(核心體溫>36 ℃)和低溫組(核心體溫<35 ℃)進行單因素分析和構建logistic回歸方程預測模型。回歸預測方程如下：Z=-15.014+0.097×(年齡)+ 0.263×(身高)- 0.323×(體質量)- 0.055×(術前收縮壓)-0.121×(術前心率)，P(低體溫概率)=1/(1+e-z)。該模型通過ROC曲線分析，當評估患者術中低體溫發生率>0.5時，模型預測的敏感性為81.5%，特異性為83%。該學者另納入50例患者對模型進行驗證，當風險率>0.7 時，患者發生術中低體溫；風險率≤0.3 時，患者保持正常體溫，模型準確性較好。2017年，全麻手術患者術中低體溫預測因子評分方程[11]發表，由易杰學者基于全國范圍內3 132例成人全麻手術患者術中核心體溫大數據設計而成。該低體溫預測因子評分方程為：預測因子得分(術中低體溫發生率×100%)=100%×1/{1+EXP [-(119+0.201×手術等級-0.184 7×術中輸液量+0.529 9×麻醉時長-0.226 9×保溫措施-0.306×體質量指數-0.191 2×手術室室溫-3.105 7×基線體溫)]}。研究后續將北京地區的830例成年全麻手術患者的臨床數據帶入方程中進行模型外部驗證。通過驗證，該模型具有良好的總體準確性(Brier評分=0.211)、良好的區分度(C-統計量=0.759)和良好的校正(H-L檢驗，P=0.561 1)。該研究中建模組與驗證組的AUC分別為0.789、0.771，模型具備良好的鑒別力、擬合優度和準確性。2021年，楊霞學者[12]構建了泌尿外科達芬奇機器人手術患者術中低體溫風險預測模型。研究回歸方程如下：LogitP=22.56-1.085×基礎體溫-0.669×體質量指數-1.182×室溫+0.486×麻醉時間-0.632×主動保溫持續時間。對預測模型進行H-L檢驗擬合效果，P=0.475,ROC曲線檢驗的約登指數在最大值時，曲線下面積為0.837，靈敏度為0.766，特異度為0.829。研究模型后續對150例患者進行評估，實際低體溫發生數為36例，模型預測低體溫發生例數為29例，靈敏度為80.6%；實際未發生低體溫預測數為114例，模型預測為93例，特異度為81.6%，模型總正確率為81.3%。

3位學者的回顧性研究資料相對容易獲取，研究納入樣本量大，但無法保證患者資料信息收集全面性和選擇偏倚，存在潛在的低體溫風險因素無法獲取而造成預測工具的預測能力受到影響。在學者Kasai[10]的研究中，手術患者低體溫定義為核心體溫<35 ℃，該指標的低體溫評定標準與當前的標準不一致，此低體溫風險評估模型需要基于大數據進行驗證，以確定模型是否在當今低體溫評定標準下具有良好預測功能。YI J等[11]的研究是基于全國和北京地區的大數據構建的，模型預測能力良好，但是將模型運用于某地區醫院依舊需要進行驗證，探究模型是否依舊擁有良好預測功能。楊霞[12]構建的研究模型僅針對進行泌尿外科機器人手術的患者群體，模型具有良好預測效能。研究建議臨床醫護人員臨床積極應用相關模型并在檢驗預測因素效度的同時挖掘潛在預測因子，構建更加穩健預測模型。回顧性研究可納入更多樣本量對風險因素進行篩選和驗證，但是調查結果可能存在偏倚，未來模型在臨床使用時需要進行前瞻性外部驗證，驗證模型的適用性、預測性能和探尋潛在預測風險因素而完善模型。

1.3基于Nomogram預測模型的風險預測模型研究 開顱手術繼發術中低體溫的風險模型是2021年成紫琳研究者[13]發表，模型通過病例回顧性研究構建。研究通過單因素分析和二元logistic回歸分析得到9個預測因子(年齡≥60 歲、不良心理狀態、麻醉時間≥90 min、手術時間≥4 h、輸血輸液量>1 500 mL、失血量>400 mL、合并糖尿病、心血管疾病和復合保溫措施)。研究基于回歸方程構建了低體溫風險預測的列線圖模型，模型采用 Bootstrap內部驗證法進行驗證，結果顯示模型預測值與實測值基本一致，一致性指數(C-index) 高達 0.748( 95% CI 0.658～0.838)，ROC曲線下面積為0.748，表明該模型的預測精準度、區分度良好。該回顧性研究構建的列線圖模型可清晰地反映各項術中發生低體溫危險因子的影響程度，具有醫護人員評估簡單和模型區分度良好的特點，推薦研究者采用多類型統計學方法進行模型構建，比如該研究構建的列線圖模型。該模型通過內部驗證，顯示模型具有較高的預測性能，有待進一步的臨床前瞻性外部驗證，同時對低體溫發生風險做出危險程度分級和界值。

1.4低體溫風險評估量表 成人手術患者術中低體溫風險等級評估量表由于海洋[14]在2017年開始研制，該研究通過Meta分析和結合臨床實踐構建低體溫風險因素量表的條目池，通過2輪專家函詢和結合前瞻性臨床手術患者的實踐數據進行量表條目篩選和量表內部一致性信度檢驗。成人手術患者術中低體溫風險等級評估量表最終形成2個維度、13個風險因素條目和26個風險因素等級條目，量表形成3個風險等級評分范圍(低風險12～14分、中風險15～18分、高風險19～24分)，分值越高表示患者發生術中低體溫的風險程度越高。該研究量表的總Cronbach's α系數和折半信度檢驗分別為0.711、0.777,具有較好的量表內在一致性。該研究編制量表將低體溫發生風險進行了風險程度劃分，有利于使用者對手術患者低體溫發生風險程度進行評估，且醫護人員對量表的評估使用更為熟悉。該研究通過 Meta分析構建量表的最初條目池，但Meta分析受文獻納排標準和納入數量影響，量表初始條目的構建會存在偏倚。同時，該研究并未對量表進行預測性能檢驗，且僅進行了量表內部一致性信度檢驗，該研究編制的量表存在科學性不足。該研究編制的風險評估量表有待進行前瞻性研究的預測性能檢驗、靈敏度和特異性等研究驗證。

2 低體溫發生風險因素

2.1手術治療相關風險因素

2.1.1麻醉方式 對于全麻手術患者，全麻藥物嚴重影響體溫調節中樞：機體血管收縮閾值降低、顫抖閾值降低和代謝產熱減少[15-16]。神經阻滯是對脊髓、神經干或神經叢進行阻滯，麻醉藥物僅阻滯外周神經系統，但中樞到外周和外周到中樞的神經傳導受到阻滯，機體傳入神經阻滯使患者感受不到寒冷，機體傳出神經阻滯同樣降低了機體血管收縮閾值和顫抖閾值[2]。麻醉方式不一導致低體溫發生風險不一，單純神經阻滯較全麻相比，神經阻滯對患者體溫影響小；但當兩者聯合用于某些較大手術患者時其危害將疊加。

2.1.2手術間環境溫度 有研究表明手術室環境溫度低于23 ℃時，并不能夠保證患者維持正常體溫，而手術室溫度低于21 ℃時，每個手術患者經歷低溫[17]。相比較于手術患者一定程度上的體表必要暴露，手術人員需要站立工作、身著手術衣、戴橡膠手套等，顯然更低手術間溫度有利于手術人員進行手術。有研究表明，當手術室溫度超過21 ℃時，外科手術人員舒適度下降并影響工作效率[18]。手術間環境溫度調控需要手術室護理人員動態調控。

2.1.3術中液體因素 在室溫情況下，有研究顯示靜脈輸注1 000 mL晶體液可使一個體質量為70 kg患者的平均體溫降低約0.25 ℃[2]。在大數據病例隊列研究中，輸注>1 000 mL室溫液體和術中室溫沖洗液使用>1 000 mL均被證明是全麻手術患者低體溫發生率增加的風險因素[3,19]；指南和術中低體溫證據總結建議對手術使用的常溫液體進行主動復溫[1,20]。

2.2患者自身低體溫風險因素

2.2.1患者麻醉級別(ASA) ASA麻醉分級是麻醉醫生根據手術患者體質狀況和系統性疾病程度對手術麻醉的危險程度進行分級；ASA級別越高，患者麻醉風險越大。在眾多低體溫危險因素研究中，ASA等級評分高被發現是低體溫危險因素，但是ASA等級IV級以上患者有很大可能面臨死亡風險或死亡，故在許多研究中該患者人群并未納入研究[21-22]。目前指南和大量研究指出，ASA等級>II級是低體溫風險因素，且等級越高低體溫風險就越高[1,19]。

2.2.2年齡 機體體溫調節效率會隨著年齡增長而降低，老年人全身耗氧量降低和血管收縮反應減弱，機體產熱減少和核心溫室保持溫度能力降低；老年人肌肉含量減少，通過骨骼肌顫抖產生熱量的能力下降；老年人感知冷熱舒適能力也隨年齡增加而降低，其自身體溫保護能力下降[23]。國際上將年齡65歲以上人群定義為老年人，而我國老年人的標準是年齡60歲以上。關于年齡>60歲是否為術中低體溫發生風險因素，國內眾多學者一致認同年齡>60歲是危險因素。陸陽等[24]關于大梯度范圍年齡的患者低體溫因素研究表明高齡(>60歲)是術中低體溫風險發生具有統計學意義的因素；國內圍手術期低體溫防治專家共識也將高齡(>60歲)作為術中低體溫風險因素之一[1]。

2.2.3體質量指數 低體質量指數(<18.5 kg/m2)的消瘦者隔絕熱量能力不足，機體熱量容易散失到外界。高體質量指數者，其外周血管在脂肪中處于持續擴張狀態，皮下脂肪含量高，此類患者擁有更小核心-外周溫度梯度和熱量散失；同時在手術麻醉中，即使是輕度肥胖者，其麻醉后核心體溫觸發血管收縮程度也比正常者高[25]。在國內外的隊列研究與指南中，體質量指數≥25 kg/m2是成人術中低體溫保護因素[1,19,26-27]。

2.2.4術前患者基線體溫 機體維持正常生命活動的核心體溫在36.5～37.5 ℃[2]，當患者術前基線體溫過低時，其在術中麻醉和諸多干擾因素作用下發生低體溫可能性大大增加[28]。在 Wetz等[29]調查擇期手術患者麻醉誘導前低體溫發生率的研究中，有高達21.3%的成年患者術前低溫過低(中值=36.3 ℃)，可見術前基線體溫過低發生率很高。YI J等[11]構建的成人術中低體溫風險預測方程中，術前基線溫度被當作術中患者風險增加因素；在Mehta等[30]關于大腸癌手術患者的研究中，手術開始時的患者核心溫度被證實是術中低體溫最顯著因素，同時患者手術開始前最后一次核心體溫<36.5 ℃和年齡>70歲是導致手術開始后體溫過低的因素。

2.3其他風險因素 手術患者術前腸道準備會使機體熱量損失，清潔灌腸的熱量丟失大于口服導瀉藥清潔腸道，而不進行腸道準備則不會有術前熱量丟失；手術間潔凈級別表示手術間空氣換氣頻率、氣流強度和換氣量等，手術間級別越高患者體表暴露丟失的熱量更多；手術患者體表消毒面積關乎機體熱量丟失，在手術室環境中，患者消毒的面積越大則其暴露體表更多，那么消毒液的液體蒸發和暴露體表的熱量輻射均會丟失大量熱量；手術方式對患者核心體溫影響不一，相對于微創手術和淺表及深部組織手術，開腔手術在手術室環境中定是患者出現低體溫的絕對風險因素，而微創手術對低體溫是有保護的，但形成氣腹的氣體對低體溫形成了風險因素。其他因素還包括：術中出血量、手術時間等等[31]。手術患者術中低體溫是一系列風險因素共同作用并導致體溫發生的臨床事件，所有風險因素研究結果均可為研究風險評估預測工具提供風險因素納入，促進研究者研究和構建一個全面且精準的風險預測工具。

3 低體溫預測工具的研究方法分析

在低體溫風險發生預測工具的研究方法上，大多數研究是回顧性研究，其具有研究資料收集容易和樣本量大優點，卻無法保證研究資料的完整性、同質性和研究目標獲得性，存在潛在的低體溫風險因素無法獲取而造成預測工具的預測能力受影響。在風險預測模型構建研究中，預測因素和結局發生之間存在縱向因果聯系，故前瞻性研究才是最佳的構建研究方法。但對于普鷹、和孔珊珊等學者[8-9]的前瞻性研究而言，研究存在樣本量較少和較難進行外部驗證的問題。模型內部性驗證和外部性驗證是評估模型預測能力穩定性和實用適用性的必要步驟。內部驗證可減少模型過度擬合，得到更為可靠的模型預測準確性評估值；而外部驗證主要是通過臨床應用評價模型預測性能，為模型的優化定型和大范圍使用提供基礎；而且進行內外部驗證的數據應該具有異質性，以保證模型具有良好的預測效能。通過研究分析，大多項研究通過了其內部驗證，而內外部驗證只有YI J學者[11]的研究通過，可見對研究構建的模型進行外推運用和預測效能檢驗需要未來進一步開展研究。

4 預測工具中的風險因素分析

構建低體溫風險預測工具，是將納入研究的低體溫風險因素結合臨床數據的統計學分析后確定最終預測因子。不同研究人群的納入風險因素不一，通過分析形成的預測風險因素亦不相同，可見風險因素在不同人群和手術類型中對低體溫的發生危害貢獻不一，無法明確風險因素和低體溫結果間的確切關系。在大多數研究中，研究者對風險因素的劃分大多按照二項分類變量劃分，預測工具的構建研究存在風險因素認知深度不夠的問題。學者于海洋[12]的研究依據Meta分析結果對低體溫風險因素進行二分類，并作為量表構建條目。將低體溫風險因素按照二項劃分會忽視風險因素內部對機體體溫的危害程度，研究構建的量表會存在較差的靈敏度和特異性，這對于意圖構建精準預測低體溫發生風險的預測工具是極不利的。在低體溫預測工具構建中，研究者對低體溫風險因素認知不全將致使最后形成的風險預測模型存在偏差。在開顱手術模型研究中，核心體溫在36～37.5 ℃被認定為正常核心體溫[13]；在學者Kasai[10]的研究中，手術患者低體溫定義為核心體溫<35 ℃。未來，研究者對納入的風險因素應有更深層次的認識和程度劃分，使研究設計的低體溫風險預測模型有更好的預測性能。

綜上所述，非計劃性低體溫發生風險是眾多風險因素在機體麻醉基礎上共同作用產生的。風險因素包括手術治療相關和患者自身相關的眾多風險因素，對低體溫發生風險進行早期識別和預測有利于手術患者的體溫保護。目前，國內外手術患者低體溫研究多是關于主動加溫措施、被動保溫措施、綜合保溫護理等，并有手術患者低體溫防治指南。關于手術患者術中低體溫發生風險預測工具的研究較少，且現有的術中低體溫風險預測工具多是基于單一logistics回歸分析構建，低體溫預測工具多存在低體溫風險程度分級不清、預測性能評價指標不完整、未進行臨床前瞻性驗證研究等不足。未來，研究者對術中低體溫風險預測工具的構建和驗證當基于前瞻性研究數據，對低體溫風險因素基于危險程度進行合理分級；基于異質性臨床數據進行模型內外部驗證，確定預測性能；應采用多中心、大樣本的臨床驗證，驗證模型的外推能力，建立科學成熟的術中低體溫風險預測工具。