成年原發性顱腦惡性腫瘤術后顱內感染預測模型的建立及其對預后的影響

【摘要】 目的 建立原發性顱腦惡性腫瘤患者術后顱內感染預測模型，并分析顱內感染對患者預后的影響。方法 回顧性分析2015年1月—2022年12月臨汾市人民醫院神經外科收治的1 352例原發性顱腦惡性腫瘤手術患者的臨床資料，根據患者術后是否發生顱內感染，將患者分為顱內感染組（n=52）和對照組（n=1 300），比較兩組患者臨床特征，同時分析原發性顱腦惡性腫瘤患者術后顱內感染的危險因素，根據相關危險因素，建立Nomogram預測模型，同時分析顱內感染組預后情況。結果 多因素Logistic回歸分析顯示，糖尿病、開顱手術、手術時間、術后腦脊液漏、術后腦出血是原發性顱腦惡性腫瘤患者術后顱內感染的獨立影響因素。將數據集隨機分為訓練集和驗證集，將糖尿病、開顱手術、手術時間、術后腦脊液漏、術后腦出血納入預測模型，繪制列線圖、臨床決策曲線、校準曲線和受試者工作特征（ROC）曲線，訓練集ROC曲線下面積（AUC）為0.849（95% CI=0.763～0.934），驗證集ROC的AUC為0.838（95% CI=0.732～0.943），在驗證集里對模型進行擬合優度檢驗（χ²=14.399，P=0.072），這說明本模型具有良好的可信度。與對照組比較，顱內感染組患者院內死亡率顯著增高（分別為15.38%和1.54%，P＜0.001）。結論 本研究建立的預測模型可以精準識別原發性顱腦惡性腫瘤患者術后顱內感染的高危人群。

【關鍵詞】 顱腦惡性腫瘤；顱內感染；預測模型；預后

【中圖分類號】 R739.41 【文獻標志碼】 B 【文章編號】 1672-7770（2024）05-0568-05

Establishment of a predictive model for postoperative intracranial infection in adult patients with malignant brain tumors and its impact on prognosis DU Linqiang， LIANG Jianrong， HUANG Fubin. Department of Neurosurgery， Linfen People’s Hospital， Linfen 014000， China

Corresponding author： LIANG Jianrong

Abstract： Objective To establish a predictive model for postoperative intracranial infection in patients with brain tumors and analyze the impact of intracranial infection on the prognosis of patients. Methods The clinical data of 1 352 patients with intracranial tumor surgery admitted to Linfen People’s Hospital from January 2015 to December 2022 were analyzed retrospectively. According to whether the patients developed intracranial infection after surgery or not， they were divided into intracranial infection group（n=52） and control group（n=1 300）. The clinical characteristics of the two groups of patients were compared， and the risk factors for postoperatively intracranial infection in patients with craniocerebral tumor were analyzed. Based on the relevant risk factors， a Nomogram prediction model was established. Meanwhile， the prognosis of the intracranial infection group was analyzed. Results Multivariate logistic regression analysis showed that diabetes， craniotomy， operation time， postoperative cerebrospinal fluid leakage and postoperative cerebral hemorrhage were independent influencing factors of postoperative intracranial infection in patients with brain tumors. The data set was randomly divided into a training set and a verification set. Diabetes， craniotomy， operation time， postoperative cerebrospinal fluid leakage and postoperative cerebral hemorrhage were included in the prediction model. Nomogram， clinical decision curves， calibration curves and receiver operating characteristic（ROC） curves were drawn. The area under curve（AUC） of ROC in the training set was 0.849（95% CI=0.763-0.934）， and the AUC of ROC in the validation set was 0.838（95% CI=0.732-0.943）. In the validation set， the model was subjected to the Hosmer-Lemeshow Goodness-of-Fit Test， with a chi square value of 14.399 and a P value of 0.072， which indicated that this model had good reliability. Compared with the control group， the hospital mortality rate in the intracranial infection group was significantly higher（15.38% vs" 1.54%， P＜0.001）. Conclusions The prediction model established in this study can accurately identify patients at high risk of intracranial infection in patients with intracranial tumors after surgery.

Key words： malignant brain tumor; intracranial infection; prediction model; prognosis

基金項目：山西省基礎研究計劃項目（202103021224386）

作者單位：014000 臨汾，臨汾市人民醫院神經外科

通信作者：梁建榮

顱腦腫瘤是指發生于顱腔內的腫瘤，主要包括膠質瘤、腦膜瘤等^［1-3］。手術是治療顱腦腫瘤的重要手段之一，但術后顱內感染時有發生，一項研究顯示顱腦腫瘤術后顱內感染的發生率可高達30%^［4］。隨著醫療技術的進步，顱腦腫瘤患者術后顱內感染的發生率已較低，但由于顱腦腫瘤患者術后顱內感染可導致患者死亡等嚴重后果，仍是目前臨床醫師關注的重點和難點^［5-7］。目前，僅有少數研究探討顱腦腫瘤患者術后顱腦感染的危險因素，復雜的基礎疾病、手術時間、術中出血量是顱內感染的危險因素。一項研究顯示腫瘤部位、手術時間、術后留置引流時間、術中腦脊液漏和糖尿病患者病史均與腦腫瘤術后繼發顱內感染相關^［4］，但僅有相關危險因素，臨床醫師難以精準評估顱腦腫瘤患者術后顱腦感染風險。列線圖（Alignment Diagram），又稱諾莫圖（Nomogram圖），是建立在多因素回歸分析基礎上將多個預測指標進行整合，然后采用帶有刻度的線段，按照一定的比例繪制在同一平面上，從而用以表達預測模型中各個變量之間的相互關系。列線圖將復雜的回歸方程，轉變為了可視化的圖形，使預測模型的結果更具有可讀性，方便對患者進行評估。Nomogram預測模型目前已經在多種疾病中被用于評估患者預后，結果更直觀、可靠^［8-11］。目前在顱腦腫瘤患者術后顱內感染中，尚無相關研究，為此本研究納入2015年1月—2022年12月臨汾市人民醫院神經外科收治的1 352例原發性顱腦惡性腫瘤手術患者，旨在建立原發性顱腦惡性腫瘤患者術后顱內感染預測模型，并分析顱內感染對患者預后的影響。

1 資料與方法

1.1 一般資料 共納入原發性顱腦惡性腫瘤手術患者1 352例，見表1。根據患者術后是否發生顱內感染（出現顱腦感染的臨床癥狀，包括發熱、意識障礙等，同時引流液培養出致病菌），將患者分為顱內感染組（n=52）和對照組（n=1 300）。納入標準：（1）原發性顱腦惡性腫瘤（原發性顱腦惡性腫瘤的手術范圍大、創傷大、感染風險高）；（2）在臨汾市人民醫院行手術治療；（3）年齡18歲；（4）臨床資料完整。排除標準：（1）顱內良性腫瘤；（2）合并其他惡性腫瘤；（3）免疫系統疾病；（4）顱腦其他疾病；（5）心肌梗死、腦梗死等心腦血管疾病史；（6）其他重大疾病。本研究符合2013年版《赫爾辛基宣言》，已經征得臨汾市人民醫院倫理委員會批準（NO：202201284），豁免知情同意。

1.2 治療方法 入院后完善相關檢驗檢查，限期行手術治療，術前30 min給予預防性抗生素預防感染，術后給予抗感染、補液、維持水電解質平衡等對癥支持治療。

1.3 觀察指標 （1）臨床特征資料：年齡、性別、身體體質量指數、吸煙史、嗜酒史、糖尿病、高血壓、腦腫瘤位置、手術部位、腦腫瘤大小、手術方式、手術時間、腦室外引流、術后腦脊液漏、術后腦出血；（2）預后情況：院內死亡率。

1.4 統計學分析 采用SPSS 26.0進行數據分析，計量資料采用均值±標準差（x-±s）表示，采用獨立樣本t檢驗分析兩組差異；計數資料采用［n（%）］表示，采用χ²檢驗分析兩組差異。采用多因素Logistic回歸分析探討顱腦腫瘤患者術后顱內感染的危險因素，多因素回歸分析中Plt;0.05的變量將納入預測模型；采用受試者工作特征（receiver operating characteristic，ROC）曲線分析不同指標對顱腦腫瘤患者術后顱內感染的預測價值；采用R4.0.3統計軟件將數據按照7∶3的比例隨機分為訓練集和驗證集，通過訓練集構建原發性顱腦惡性腫瘤患者術后顱內感染的預測模型，并在驗證集中進行驗證。以Plt;0.05認為差異有統計學意義。

2 結 果

2.1 兩組患者臨床特征比較 兩組患者糖尿病、手術方式、手術時間、術后腦脊液漏、術后腦出血等方面存在統計學差異（Plt;0.05）。與對照組比較，顱內感染組患者院內死亡率顯著增高（分別為15.38%和1.54%，Plt;0.001）。見表1。在52例顱內感染患者中，32例為手術部位感染，8例為血行感染，12例為引流管逆行感染。

2.2 術后顱內感染的危險因素分析 多因素Logistic回歸分析顯示糖尿病、開顱手術、手術時間、術后腦脊液漏、術后腦出血是原發性顱腦惡性腫瘤患者術后顱內感染的獨立影響因素。見表2。

2.3 術后顱內感染預測模型的建立及驗證 本研究采用R4.0.3統計軟件將數據集按7∶3的比例隨機分為訓練集和驗證集，訓練集的樣本量為946，驗證集的樣本量為406，在訓練集中構建預測模型，在驗證集中進行驗證。將糖尿病、開顱手術、手術時間、術后腦脊液漏、術后腦出血納入預測模型，繪制列線圖、臨床決策曲線、校準曲線和ROC曲線，訓練集ROC曲線下面積（area under curve，AUC）為0.849（95% CI=0.763～0.934），驗證集ROC的AUC為0.838（95% CI=0.732～0.943），在訓練集和驗證集里對模型進行Hosmer-Lemeshow擬合優度檢驗，χ²值分別為8.684、14.399，P值分別為0.363、0.072，這說明本模型具有良好的校準度。見圖1-4。

3 討 論

在神經外科中，開顱手術是比較常見的手術。開顱手術雖然能夠治愈腦部疾病，但也會有一定的風險，它會留下一些后遺癥，如顱內感染、顱內血腫等。顱內感染早期一般表現為發熱、頭痛、嘔吐、意識障礙、頸項強直等，而一旦發展到顱內感染晚期，出現腦實質感染，甚至腦干實質感染，患者多數情況不能完全治愈，可能出現致殘甚至死亡。識別原發性顱腦惡性腫瘤患者術后顱內感染的危險因素和高危人群，是防治顱內感染的關鍵。本研究探討了原發性顱腦惡性腫瘤患者術后顱內感染的危險因素，并根據相關危險因素建立了預測模型，結果發現糖尿病、開顱手術、手術時間、術后腦脊液漏、術后腦出血是原發性顱腦惡性腫瘤患者術后顱內感染的獨立影響因素，根據相關危險因素，本研究建立的預測模型對預測原發性顱腦惡性腫瘤患者術后顱內感染具有較高的價值，訓練集ROC的AUC為0.849（95% CI=0.763～0.934），驗證集ROC的AUC為0.838（95% CI=0.732～0.943）。

糖尿病是以血糖代謝紊亂，血糖異常升高的一種疾病。糖尿病患者免疫功能低下、糖代謝異常，容易出現感染性疾病，目前已經證實糖尿病會導致患者感染風險^［12］。本研究結果顯示，糖尿病是原發性顱腦惡性腫瘤術后顱內感染的獨立危險因素。糖尿病導致感染風險增加的原因主要包括：（1）血糖增高為細菌的生長提供了良好的環境，容易導致細菌感染；（2）糖尿病患者免疫力下降，導致機體對微生物的殺傷能力降低，進而容易發生感染；（3）糖尿病可損害微小動脈，導致微循環功能障礙，導致手術部位血供不足，愈合能力下降，增加感染風險。對于腦腫瘤患者，傳統的手術方法主要是行開顱手術治療，但目前越來越多的學者開始嘗試使用神經內鏡等微創手術方法治療顱內病變，與傳統的開放手術相比，微創手術可以有效降低創傷，降低術后包括感染在內的各種并發癥的發生率^［13-16］。開放的顱腦手術，手術創傷大，增加了病原菌感染的機會，因此容易出現術后顱內感染。本研究證實了開顱手術是術后顱內感染的危險因素。另外，手術時間與顱內感染也有關，手術過程中需要破壞血腦屏障，手術時間越長，創傷越大，進而導致患者感染風險增加，有研究^［4］已經證實手術時間延長是腦腫瘤患者術后感染的危險因素，與本研究結果一致。腦脊液漏是顱內腫瘤患者的常見并發癥，腦脊液漏會導致患者對感染的易感性增加，主要原因是一些細菌或者病毒可能會沿著破口逆行感染中樞神經系統，導致顱內感染^{［4，17-18］}。術后腦出血患者，可導致腦水腫、腦疝，甚至死亡；同時腦出血后顱內的淤血導致顱內感染的風險增加；此外，術后腦出血的患者，可能需要二次手術治療，大大增加了術后顱內感染的風險；最后，顱內出血產生的淤血為細菌的生長提供了良好的環境，也可導致顱內感染風險增加。因此，對于存在以上危險因素的患者，應加強干預，防止術后顱內感染。

本研究探討了原發性顱腦惡性腫瘤患者術后顱內感染的相關危險因素，但臨床上本研究需要更加精準地識別高危人群。列線圖又稱Nomogram圖，使預測模型的結果更具有可讀性^［19-20］。本研究發現，Nomogram模型對原發性顱腦惡性腫瘤患者術后顱內感染具有良好的預測價值，訓練集ROC的AUC為0.849（95% CI=0.763～0.934），驗證集ROC的AUC為0.838（95% CI=0.732～0.943），通過本預測模型，臨床醫師可以更為直觀地掌握原發性顱腦惡性腫瘤患者術后顱內感染風險。在訓練集和驗證集里對模型進行Hosmer-Lemeshow擬合優度檢驗，χ²值分別為8.684、14.399，P值分別為0.363、0.072，這說明本模型具有良好的校準度。通過列線圖，本研究可以將數據可視化，直觀地展示多個變量之間的關系，并幫助理解和解釋復雜的數據模式。通過繪制列線圖，可以將各種變量的影響和相互關聯轉化為圖形化的表示，使得數據解讀更加直觀和易于理解，對于識別術后顱內感染的高危人群更有價值。

本研究為回顧性臨床研究，可能存在混雜偏倚、選擇偏倚和時間偏倚等，且未對數據進行傾向性匹配和時間依賴性分析；其次，由于顱內感染的發生率相對較低，感染組患者病例數相對較少；最后，本模型的實際應用效能尚需要在多中心、大樣本量的研究中進行進一步驗證。

綜上所述，本研究建立的預測模型可以精準識別原發性顱腦惡性腫瘤患者術后顱內感染的高危人群，針對高危人群進行針對性感染，可能有助于降低顱內感染的發生率，改善患者預后，但仍需進一步的臨床研究證實。

利益沖突：所有作者均聲明不存在利益沖突。

作者貢獻聲明：杜臨強試驗操作、論文撰寫；梁建榮負責數據整理、統計分析；皇甫斌負責研究指導、論文修改、經費支持。

［參 考 文 獻］

［1］ 周子璇，高尚鋒，張士成，等.ITGA2在人腦膠質瘤組織中的表達及其臨床意義［J］.臨床神經外科雜志，2023，20（3）：301-306，312.

Zhou ZX，Gao SF，Zhang SC，et al.Expression and prognostic analysis of ITGA2 in glioma［J］.J Clin Neurosurg，2023，20（3）：301-306，312.

［2］ 許志劍，陳華輝，楊帆，等.手術聯合¹²⁵I粒子植入治療復發高級別膠質瘤的臨床初步應用［J］.臨床神經外科雜志，2023，20（3）：282-286，291.

Xu ZJ，Chen HH，Yang F，et al.Clinical efficacy of operation combined with iodine-125 radioactive implantation in treatment of recurrent high-grade glioma［J］.J Clin Neurosurg，2023，20（3）：282-286，291.

［3］ Gao FL，Zhao WY，Li MX，et al.Role of circulating tumor cell detection in differentiating tumor recurrence from treatment necrosis of brain gliomas［J］.Biosci Trends，2021，15（2）：107-117.

［4］ Zhang Y，Zhou Y，Hou M，et al.Analysis of cerebrospinal fluid routine biochemical level，pathogenic bacteria distribution，and risk factors in patients with secondary intracranial infection after brain tumor surgery［J］.Evid Based Complement Alternat Med，2022，2022：7716205.

［5］ Chen WY，Sheng DL.Analysis of the factors related to intracranial infection after brain tumor surgery［J］.Contrast Media Mol Imaging，2022，2022：6988560.

［6］ Iannolo G，Sciuto MR，Cuscino N，et al.Zika virus infection induces MiR34c expression in glioblastoma stem cells：new perspectives for brain tumor treatments［J］.Cell Death Dis，2019，10（4）：263.

［7］ Bongiorno EK，Garcia SA，Sauma S，et al.Type 1 immune mechanisms driven by the response to infection with attenuated rabies virus result in changes in the immune bias of the tumor microenvironment and necrosis of mouse GL261 brain tumors［J］.J Immunol，2017，198（11）：4513-4523.

［8］ Chang XJ，Wang J，Chen Y，et al.A novel nomogram to predict evident histological liver injury in patients with HBeAg-positive chronic hepatitis B virus infection［J］.EBioMedicine，2021，67：103389.

［9］ Li S，Su JW，Sui QY，et al.A nomogram for predicting postoperative pulmonary infection in esophageal cancer patients［J］.BMC Pulm Med，2021，21（1）：283.

［10］Zhao LN，Li Y，Wang YY，et al.Development and validation of a nomogram for the prediction of hospital mortality of patients with encephalopathy caused by microbial infection：a retrospective cohort study［J］.Front Microbiol，2021，12：737066.

［11］Peng XR，Hao XC，Zhu T.A nomogram to predict postoperative infection for older hip fracture patients［J］.Arch Orthop Trauma Surg，2023，143（2）：847-855.

［12］Liu YX，Cao QM，Ma BC.Pathogens distribution and drug resistance in patients with acute cerebral infarction complicated with diabetes and nosocomial pulmonary infection［J］.BMC Infect Dis，2019，19（1）：603.

［13］陽吉虎，胡錦賢，張帆，等.神經內鏡手術治療顱底表皮樣囊腫的策略及療效分析［J］.臨床神經外科雜志，2020，17（6）：621-629.

Yang JH，Hu JX，Zhang F，et al.Strategies and efficacy analysis of endoscopic surgical treatment for epidermoid cyst in skull base［J］.J Clin Neurosurg，2020，17（6）：621-629.

［14］曾宇，劉軍，王健偉，等.神經內鏡輔助下經幕下切除后顱窩腫瘤的療效分析（附14例報告）［J］.臨床神經外科雜志，2023，20（1）：10-14.

Zeng Y，Liu J，Wang JW，et al.Neuroendoscopic resection of posterior cranial fossa tumors via infratentorial keyhole approach（report of 14 cases）［J］.J Clin Neurosurg，2023，20（1）：10-14.

［15］Sharif S，Shaikh MY，Ali SM.Novel tool for minimally invasive brain surgery-syringe port system［J］.World Neurosurg，2019，131：339-345.

［16］Wu GF，Jiao Y，Wu JJ，et al.Rosiglitazone infusion therapy following minimally invasive surgery for intracranial hemorrhage evacuation decreased perihematomal glutamate content and blood-brain barrier permeability in rabbits［J］.World Neurosurg，2018，111：e40-e46.

［17］Oyama M，Rikimaru H，Migita H，et al.The efficacy of continuous negative pressure and irrigation treatment inside the wound by a closed system in reconstruction of all layers of the cranium accompanying infection and cerebrospinal fluid leakage［J］.J Craniofac Surg，2016，27（1）：e10-e13.

［18］Owase Jeelani NU，Kulkarni AV，Desilva P，et al.Postoperative cerebrospinal fluid wound leakage as a predictor of shunt infection：a prospective analysis of 205 cases.Clinical article［J］.J Neurosurg Pediatr，2009，4（2）：166-169.

［19］Li N，Mo Y，Huang CC，et al.A clinical semantic and radiomics nomogram for predicting brain invasion in WHO grade II meningioma based on tumor and tumor-to-brain interface features［J］.Front Oncol，2021，11：752158.

［20］陳晟，柳振華，王德林，等.動脈瘤性蛛網膜下腔出血并發心肌損傷的危險因素分析［J］.臨床神經外科雜志，2021，18（4）：390-394.

Chen S，Liu ZH，Wang DL，et al.Risk factors and prognosis of aneurysmal subarachnoid hemorrhage complicated with myocardial injury［J］.J Clin Neurosurg，2021，18（4）：390-394.

（收稿2023-05-08 修回2023-09-18）