基于決策樹模型的胸腔鏡下肺癌根治術患者術后麻醉恢復室低氧血癥影響因素

杜文文，李鵬，張玉，李強，張安琪，劉雪嬌，齊良，莫云長

溫州醫科大學附屬第一醫院 麻醉科，浙江 溫州 325015

最新研究顯示，肺癌是目前全球發病率和病死率最高的癌癥[1]。自2020年新型冠狀病毒出現后，更多的早期肺癌患者被體檢發現，而手術切除是早期肺癌治療的首選方法[2]。胸腔鏡下肺癌根治術相比于傳統的開胸下行肺癌根治術，存在很有優點，例如胸部切口更為美觀，術后并發癥少，住院時間短，恢復正常生活和工作快等[3]，因而更易被患者接受。

研究顯示肺癌根治性術患者術后麻醉恢復室（postanesthesia care unit, PACU）內可出現低氧血癥、低體溫、心率失常、血胸、譫妄等并發癥，其中以低氧血癥最為常見[4-5]。支氣管插管全麻是目前胸腔鏡下肺癌根治術中最常用的麻醉方式，由于手術側肺組織的直接損傷及肺復張損傷、患者自身因素、引流管的刺激等因素，導致患者蘇醒后低氧血癥發生率顯著增加。SUN等[6]的研究顯示約37%的患者至少有1次術后氧飽和度（SpO2）＜90%。低氧血癥可引起機體不同程度缺氧，嚴重者會導致心臟停搏[7]，因此應當引起醫務人員的重視。

既往關于術后發生低氧血癥的危險因素的研究很多，已經證實患者年齡、性別、手術時長、手術類型、術中麻醉用藥等與術后低氧血癥相關[6，8]。但是這些研究主要針對重癥監護室的低氧血癥患者，而關于PACU的研究尚且不足[9]。且目前國內外建立的術后低氧血癥的預測模型多以復雜的計算公式或列線圖的形式呈現，不便于臨床的實際應用和推廣。

決策樹模型以樹形圖的形式顯示自變量和因變量之間的關系，結構直觀明了，可快速識別出發生結局事件的人群，并體現出自變量的重要程度，從而采取有針對性的措施，更具有臨床指導意義。因此本課題組設計了一項大樣本的回顧性研究，通過收集胸腔鏡下肺癌根治術患者臨床資料，包括術前、術中、術后因素，來建立決策樹模型，旨在構建一個簡單易懂、應用簡便、能夠有效預測患者術后PACU低氧血癥的可靠預測決策樹模型，為早期識別和治療術后PACU低氧血癥提供相關依據。

1 對象和方法

1.1 研究對象 本研究為回顧性研究。選取溫州醫科大學附屬第一醫院2017年1月至2022年6月期間麻醉科擇期行胸腔鏡下肺癌根治術的5 560例患者作為研究對象，對所有患者的臨床病歷資料進行回顧性分析。所有患者被隨機分為訓練集3 892例（70%）和驗證集1 668例（30%）。本研究經溫州醫科大學附屬第一醫院倫理委員會審批，審批號：2021（102）號。

1.2 納入標準和排除標準 納入標準：①擇期行胸腔鏡下肺癌根治術（包括肺楔形切除術、肺段切除術、肺葉切除術）患者；②病歷資料完整可供分析；③美國麻醉醫師協會（American Society of Aneshesiologists, ASA）分級I～III級；④支氣管插管全麻；⑤術后送至PACU觀察；⑥未合并其他惡性腫瘤患者。排除標準：①精神疾病患者；②術中轉開胸手術患者；③合并嚴重心血管疾病，如心力衰竭、急性冠脈綜合征等；④合并嚴重肝腎功能不全者；⑤合并重度肺通氣功能障礙或彌散功能障礙者。

1.3 收集指標 查閱每例擇期行胸腔鏡下肺癌根治術患者的住院病歷，麻醉和鎮痛記錄，護理記錄以及PACU記錄。收集患者的基本資料，包括年齡、手術時長、麻醉時長、ASA分級、既往肺氣腫病史、性別、患者自控鎮痛（patient controlled analgesia, PCA）方案、貧血、術中使用鎮痛藥物種類、麻醉醫師是否被接班。術中輔助用藥包括：氟比洛芬酯、地佐辛、布托啡諾、右美托咪定等。

PACU低氧血癥定義為在呼吸空氣時，脈搏SpO2低于90%或動脈血氧分壓（pressure of arterial oxygen,PaO2）低于60 mmHg（1 mmHg=0.133 kPa）[6，10-11]。手術時長定義為從手術部位皮膚切開至皮膚縫合完畢的歷經時長。麻醉時長定義為從麻醉誘導至患者清醒拔管的時間。麻醉醫師的累積工作時長定義為麻醉醫師當日工作的總時長，即從上班開始到該手術結束經歷的總時長。根據患者術后PCA是否以使用舒芬太尼為主，將術后PCA泵類型分為舒芬太尼泵和非舒芬太尼泵。根據患者手術開始時間不同，將患者手術時間分為上午（8:00—12:00）、下午（12:00—18:00）和晚上（18:00以后）。

1.4 麻醉和手術方案 在手術當天，所有患者均接受類似的全身麻醉和預防性鎮痛方案，均未使用術前用藥。根據患者性別及術前胸部CT氣管測量選擇合適的雙腔氣管導管。使用舒芬太尼、異丙酚/依托咪酯、羅庫溴銨誘導后氣管插管，異丙酚、瑞芬太尼和七氟醚維持麻醉。維持BIS40-60，手術結束前常規由外科醫師通過胸腔鏡直視下給予20 mL的0.75%羅哌卡因進行肋間神經阻滯。所有患者的手術均由副主任/主任醫師來完成。

術中采用單肺通氣模式，潮氣量6～8 mL/kg，呼吸頻率12～16次/min，FiO2100%左右，呼氣末正壓通氣4～5 cmH2O（1 cmH2O=0.098 kPa），維持氣道壓≤30 cmH2O，呼氣末CO2分壓維持在30～ 35 cmH2O。手術結束時，進行手法復位，壓力為25～ 30 cmH2O，持續10～20 s[12]。所有患者均在手術室內拔管后，送至PACU進行麻醉復蘇。

送至PACU后，所有患者均采用鼻導管吸氧3 L/min， 持續30 min后脫氧觀察，若脫氧后SpO2維持在90%以上，則無需特殊處理，否則需繼續吸氧觀察。

1.5 統計學處理方法 采用R語言4.2.2版本進行統計分析。計量資料若服從正態分布，且方差齊則采用±s進行統計描述，兩組之間的比較采用獨立樣本t檢驗；計數資料采用頻數和率表示，兩組間數據的差異使用χ2檢驗。采用方差膨脹因子（variance expansion factor, VIF）檢驗變量的共線性。將單因素分析P＜0.05的變量進行逐步Logistic回歸分析，篩選出獨立影響因素。采用R語言rpart包進行決策樹模型的建立，prune函數對該決策樹進行后剪枝法，防止過擬合。根據模型預測PACU低氧血癥發生的風險評分繪制受試者工作特征（receiver operator characteristic, ROC）曲線，并計算曲線下面積（area under the curve, AUC），分別采用pROC、rms、rmda包對決策樹模型的區分度、校準度、凈收益進行驗證，并采用Hosmer-Lemeshow檢驗評估預期概率和實際概率是否擬合。P＜0.05為差異有統計學意義。

2 結果

2.1 訓練集患者PACU低氧血癥的單因素分析 本研究5 560例患者中，1 653例（29.73%）患者出現PACU低氧血癥。隨機將所有患者按照7:3的比例分為訓練集（3 892例）和驗證集（1 668例），其中訓練集3 892例患者中，有927例（23.8%）患者出現低氧血癥。單因素分析結果顯示，年齡、手術時長、麻醉時長、ASA分級、性別、PCA泵類型、貧血、術中使用鎮痛藥物種類、麻醉醫師是否被接班、手術時間、低血壓與胸腔鏡下肺癌根治術后PACU低氧血癥有關（P＜0.05）。其中低氧血癥組患者的年齡、手術時長、麻醉時長均大于非低氧血癥組患者，且差異有統計學意義（P＜0.05）。與非低氧血癥組患者相比，低氧血癥組患者以女性較多見，主要行肺葉切除術，患者的ASA分級高，術中輔助使用地佐辛、右美托咪定、激素的比例多，出現低氧血癥、低血壓并發癥偏多，患者的麻醉醫師被接班的比例增加，差異有統計學意義（P＜0.05）。見表1。

表1 訓練集患者PACU低氧血癥的單因素分析結果

2.2 多因素Logistic回歸分析結果 采用VIF檢驗變量的共線性，結果顯示麻醉時長和手術時長存在顯著相關性，剔除手術時長因素。將麻醉時長和單因素分析中差異有統計學意義的其他變量作為自變量進行逐步Logistic回歸分析。多因素Logistic分析顯示，患者年齡，性別，ASA分級，手術類型，術中輔助使用氟比洛芬酯、地佐辛、右美托咪定、激素，PCA泵類型，術中低氧血癥，低血壓，手術時間是胸腔鏡下肺癌根治術后PACU低氧血癥的影響因素（見表2）。其中患者高齡，女性，ASA分級II級、III級，麻醉醫師被接班，術中輔助使用地佐辛、右美托咪定、激素，非舒芬太尼泵類型，術中低氧血癥，低血壓，非上午手術均為術后PACU低氧血癥的危險因素，而男性、術中輔助使用氟比洛芬酯、上午手術是術后PACU低氧血癥的保護因素（P＜0.05）。本研究結果顯示，相比較于肺楔形切除術，肺段切除術會降低術后低氧血癥的發生率。

表2 訓練集患者PACU低氧血癥的Logistic回歸分析結果

2.3 決策樹模型的建立 采用R語言4.2.2版本的rpart包進行決策樹模型的訓練。設定決策樹的控制參數：minsplit=10，即每個節點中所含樣本最小數為10；minbucket=5，即葉節點中所含樣本最小數為5；Xval=10，即為交叉驗證次數為10；繪制構建完成的決策樹圖。通過采用prune函數對該決策樹進行后剪枝法，防止過擬合。選取能夠容忍的 xerror最大值時對應的cp值，cp=0.0086，cp為復雜度參數，為剪枝閾值。本研究中，決策樹生長5層，共有8個終末節點，篩選出6個變量：年齡，性別，術中使用右美托咪定、地佐辛，手術時間，麻醉醫師被接班。其中患者年齡≥64歲，女性，麻醉醫師被接班，術中輔助使用地佐辛、右美托咪定，非上午手術為術后PACU低氧血癥的危險因素，而男性、術中輔助使用氟比洛芬酯、上午手術是術后PACU低氧血癥的保護因素。其中年齡是最重要的因素，年齡＜64歲患者發生低氧血癥的可能性低（見圖1）。

圖1 胸腔鏡下肺癌根治術患者PACU低氧血癥預測決策樹模型

2.4 決策樹模型的驗證

2.4.1 區分度的驗證：ROC曲線評判決策樹模型在驗證數據集中的總體預測效果見圖2。基于決策樹算法建立的預測模型，在訓練集中AUC值為0.809（95%CI=0.794～0.825）；在驗證集中AUC值為0.916（95%CI=0.903～0.930），表明該決策樹模型展現出較好的區分效果，且具有較好的預測效能。在訓練集中，基于決策樹算法建立的決策樹模型的預測準確率為74.97%，靈敏度為75.85%，特異度為72.17%，陽性預測值為89.71%，陰性預測值為48.30%。在驗證集中，決策樹模型的預測準確率為85.37%，靈敏度為87.47%，特異度為82.64%，陽性預測值為86.74%，陰性預測值為83.57%。見表3。

圖2 決策樹模型預測胸腔鏡下肺癌根治術患者PACU低氧血癥的ROC曲線

表3 決策樹模型對于胸腔鏡下肺癌根治術患者PACU低氧血癥預測結果[例（%）]

2.4.2 校準度的驗證：為驗證模型預測結果與實際結果是否一致，分別對訓練集和驗證集繪制校準度曲線（見圖3）。從圖中可以看出，通過校準曲線評價決策樹模型預測術后PACU低氧血癥的發生風險和術后PACU低氧血癥真實發生的關系，校準曲線和45°參考線基本上重合，模型的校準度較好。在驗證集中，研究結果顯示決策樹預測模型的預測術后PACU低氧血癥發生預測值與發生術后PACU低氧血癥的實測值有較好的一致性，說明本研究的決策樹模型具有較可靠的預測能力。

圖3 決策樹模型預測胸腔鏡下肺癌根治術患者PACU低氧血癥的校準曲線

2.4.3 實用性的驗證：通過分別繪制訓練集和測試集的臨床決策曲線對預測模型的臨床使用價值進行評價。結果顯示：在訓練集和驗證集中，藍色的模型曲線離黑色和淺灰色線均越遠，說明該決策樹模型具有良好的凈獲益，決策樹預測模型的臨床應用效果越好。見圖4。

圖4 決策樹模型評價胸腔鏡下肺癌根治術患者PACU低氧血癥的決策曲線

3 討論

3.1 胸腔鏡下肺癌根治術患者術后PACU低氧血癥的現狀 胸腔鏡下肺癌根治術具有胸部切口更為美觀，術后并發癥少，住院時間短，恢復正常生活和工作快，更易被患者接受等優點，但是由于手術側肺組織直接損傷、肺復張損傷、引流管放置等原因，術后低氧血癥成為最常見的并發癥之一，發生率約30%。與既往研究[8]結果一致，本研究5 560例患者中，1 653例（29.73%）患者出現PACU低氧血癥，其中訓練集3 892例患者中，有927例（23.8%）患者出現低氧血癥。

3.2 胸腔鏡下肺癌根治術患者術后PACU低氧血癥的危險因素 本研究選擇在我院接受胸腔鏡下肺癌根治術，且術后常規送至PACU觀察的5 560例患者作為研究對象，建立了一個基于決策樹模型的PACU低氧血癥的預測模型。決策樹模型預測PACU低氧血癥獨立影響因素的前6位重要變量分別為年齡，性別，術中使用右美托咪定、地佐辛，手術時間，麻醉醫師被接班，其中年齡≤64歲是術后不出現低氧血癥最重要的因素。

3.2.1 年齡：本研究結果顯示與年齡≥64歲患者相比較，年齡＜64歲者術后低氧血癥的發生率顯著降低。與既往研究[13]結果一致，低氧血癥常分布于年齡較大患者。隨著年齡增長，患者活動量減少，并發心血管及呼吸系統疾病的概率增加，對手術創傷的耐受性較差，麻醉藥物在體內清除速度減慢，因此術后低氧血癥的發生率較高[14]。對于老年人，醫務人員一定要注意完善術前準備，術中注意呼吸機參數的調控和麻醉深度的嚴密監測，預防低體溫，維持血流動力學平穩，減少術后低氧血癥的發生率。

3.2.2 性別：BHATT等[15]研究不同性別氣道解剖結構時發現，與男性相比，女性的氣道腔尺寸小，有著更窄的節段性管腔直徑，因此女性呼吸困難更多、呼吸生活質量更差、6 min步行距離較短。FARITOU 等[16]的研究認為女性是術后長時間機械通氣的危險因素。本研究也證實女性術后發生PACU低氧血癥的風險顯著增加。既往普遍認為男性吸煙比例高，更易合并肺通氣或換氣功能障礙。但是本研究訓練集中的肺癌手術患者，僅有13例患者出現肺氣腫，并且由于吸煙存在一定的麻醉風險，幾乎所有患者均于術前戒煙，這可能是男性低氧血癥發生率低于女性的原因。因此女性患者也應該引起醫務人員的重視。

3.2.3 術中輔助用藥右美托咪定和地佐辛：右美托咪定具有高選擇性，可減少全身器官的炎癥反應，激活抗凋亡信號通路，保護細胞免受損傷[17]。多項研究證實，在應用臨床劑量的情況下，不會對患者自主呼吸產生抑制[18]。一項Meta分析表明，膿毒癥患者使用右美托咪定可顯著降低膿毒癥患者的炎性細胞因子水平和死亡率[19]。但是本研究證實使用右美托咪定組患者低氧血癥發生率顯著高于未使用組患者。臨床上右美托咪定可以降低患者的呼吸頻率，且呈劑量依賴性，合并其他阿片類藥物輔助鎮痛時，患者可能會出現飽和度下降風險，尤其是行肺切除術患者。因此針對無禁忌證患者，使用時應注意劑量和使用方法。

地佐辛是強效阿片類鎮痛藥，對κ受體有完全激動作用，但劑量過大或與其他鎮靜鎮痛藥物配伍時會發生協同作用，引起呼吸抑制[20]。本研究使用地佐辛顯著增加了PACU低氧血癥的發生率。因此麻醉醫師在使用地佐辛輔助鎮痛或者右美托咪定減少患者炎癥反應時，應警惕患者術后低氧血癥的發生。

3.2.4 麻醉醫師被接班：據加拿大一項大樣本研究顯示，術中麻醉醫師進行完全接班會使術后30 d內的全因死亡風險、嚴重并發癥、再次入院等發生率增加[21]。本試驗發現，術中麻醉醫師被接班會導致術后PACU低氧血癥發生率增加，這可能與不規范的交接班有關。研究表明，缺乏高質量的交接班是誘發醫院不良事件發生的主要原因之一[22]。因此完善交接班制度，設計適合手術患者的交接班模式顯得尤為重要，未來可做進一步研究。

3.2.5 手術時間：MONTAIGNE等[23]研究發現進行體外循環心臟手術的時間與術后并發癥的發病風險密切相關。因此本研究也嘗試將患者手術的時間分為上午、下午、晚上，結果發現上午手術患者低氧血癥發生率顯著低于下午手術患者。這與既往研究結果一致，上午手術對減少術后并發癥及改善患者預后有積極作用[24]，這可能與醫師的疲勞程度有一定相關性，因此建議臨床醫師將大手術放于上午進行，以降低術后低氧血癥的發生率。

3.3 預測模型效能分析 胸腔鏡下肺癌根治術患者術后PACU低氧血癥發生率較其他手術患者較高，有效的早期識別并預防PACU低氧血癥，降低圍術期不良事件具有重要意義。本研究決策樹算法建立的預測模型繪制ROC曲線，在訓練集和驗證集中的AUC值分別為0.809、0.916，表明該決策樹模型展現出較好的區分效果，且具有較好的預測效能。校準曲線和決策曲線表明該決策樹模型預測術后PACU低氧血癥發生預測值與發生術后PACU低氧血癥的實測值有較好的一致性，有良好的凈獲益，因此該決策樹預測模型具有較可靠的診斷能力和較好的臨床應用效果。

3.4 優缺點 本研究仍存在局限性，首先，本研究為單中心回顧性研究，存在回憶偏倚、選擇偏倚等；其次，本研究只納入轉至PACU的胸腔鏡下肺癌根治術患者，缺乏普遍性。鑒于以上不足，未來可以開展前瞻性多中心研究。但是本試驗樣本量大，得出的決策樹模型具有較好的預測能力，較高的準確性，結構直觀明了，因此仍具有一定的臨床價值。

綜上所述，年齡，性別，術中使用右美托咪定、地佐辛，手術時間，麻醉醫師被接班是PACU低氧血癥的影響因素。其中患者年齡≥64歲，女性，麻醉醫師被接班，術中輔助使用地佐辛、右美托咪定，非上午手術為術后PACU低氧血癥的促進因素，而男性、術中輔助使用氟比洛芬酯、上午手術是術后PACU低氧血癥的保護因素。基于決策樹建立的胸腔鏡下肺癌根治術患者PACU低氧血癥的預測模型具有較好的預測能力，較高的準確性，良好的凈獲益，結構直觀明了，有助于PACU醫護人員早期識別和預防低氧血癥。