胸腔鏡肺段切除術后病人合并肺不張的危險因素及預測模型構建

Risk factors and construction of risk prediction model for patients with atelectasis after thoracoscopic segmental resection

CHEN Qianqian， PENG Jifang^*， LIU Han

Jiangsu Provincial People's Hospital/The First Affiliated Hospital of Nanjing Medical University， Jiangsu 210029 China

*Corresponding Author PENG Jifang， E?mail： 39336003@qq.com

Abstract Objective：To analyze the risk factors of lung cancer complicated with atelectasis after thoracoscopic segmental resection，and to construct a prediction model.Methods：585 patients with lung cancer who underwent thoracoscopic segmental resection in our hospital from February 2021 to February 2023 were retrospectively selected as the study objects，and they were divided into atelectasis group and non?atelectasis group according to whether they developed atelectasis after surgery. Clinical data of patients with lung cancer were collected，and multi?factor Logistic regression was used to screen the risk factors affecting atelectasis after thoracoscopic segmental resection of lung cancer.R software was used to establish a random forest model for predicting atelectasis，and the effectiveness of the model was verified.Results：The incidence of atelectasis was 8.55% in 585 patients with lung cancer after thoracoscopic segmental resection. Multivariate results showed that BMI≥24 kg/m²，smoking history，underlying diseases，poor preoperative pulmonary function，operative time ≥2 h and adenocarcinoma were independent risk factors for atatasis after thoracoscopic lung resection （<0.05）. The relative important predictors of lung atatasis after thoracoscopic segmental resection in random forest were preoperative lung function，BMI，smoking history，operation time，underlying disease，and pathological type of tumor. ROC results showed that the AUC of random forest algorithm in predicting the occurrence of atatasis was slightly higher than that of multivariate Logistic regression model（0.841 0.834）.Conclusion：BMI ≥24 kg/m²，smoking history，underlying diseases，poor preoperative pulmonary function，operative time ≥2 h，and adenocarcarcinoma are independent risk factors for atectasis after thoracoscopic segmental resection. Based on these factors，the random forest model for predicting atectasis has good risk prediction efficacy.

Keywordslung cancer；thoracoscopic segmentectomy；atelectasis；risk factors；prediction model；investigation research

摘要目的：分析肺癌胸腔鏡肺段切除術后合并肺不張的危險因素，并構建預測模型。方法：回顧性分析2021年2月—2023年2月在我院行胸腔鏡肺段切除手術治療的585例肺癌病人臨床資料，根據術后是否發生肺不張將其分為肺不張組和非肺不張組。采用多因素Logistic回歸篩選影響肺癌胸腔鏡肺段切除術后合并肺不張的危險因素，運用R軟件建立預測肺癌胸腔鏡肺段切除術后合并肺不張的隨機森林模型，并檢測模型效能。結果：585例肺癌病人，術后肺不張發生率為8.55%；多因素結果顯示，體質指數≥24 kg/m²、吸煙史、基礎疾病、術前肺功能較差、手術時間≥2 h、腺癌均是胸腔鏡肺段切除術后發生肺不張的獨立危險因素（<0.05）；隨機森林預測肺癌胸腔鏡肺段切除術后肺不張發生的預測因子重要性排序為術前肺功能、體質指數、吸煙史、手術時間、基礎疾病、腫瘤病理類型；受試者工作特征（ROC）曲線分析顯示，隨機森林算法預測肺不張發生的ROC曲線下面積（0.841）高于多因素Logistic回歸模型（0.834）。結論：體質指數≥24 kg/m²、吸煙史、基礎疾病、術前肺功能較差、手術時間≥2 h、腺癌均是胸腔鏡肺段切除術后病人發生肺不張的獨立危險因素，基于上述因素構建的隨機森林模型具有良好的預測效能。

關鍵詞肺癌；胸腔鏡肺段切除術；肺不張；危險因素；預測模型；調查研究

doi：10.12102/j.issn.1009-6493.2024.21.008

肺癌是起源于肺部組織惡性細胞，是臨床較為常見的惡性腫瘤疾病^[1]。據相關文獻報道，肺癌的發病率和病死率均居全球癌癥疾病之首，約占所有因腫瘤致死者的30%^[2]。手術切除術是目前唯一可以治愈該病的治療方法。近年來，隨著全民體檢意識的不斷提升及影像學檢查的普及，越來越多的肺癌早期病人得到及時診治，加之免疫、靶向等輔助治療策略的不斷發展，晚期甚至中期肺癌病人獲得了手術治療的機會^[3?4]。而胸腔鏡肺段切除術是肺癌病人的常用術式之一，相比傳統開胸手術，其具有創傷小、恢復快等優勢^[5?6]。雖然該術式可讓多數病人從中獲益，但術后仍有部分病人合并肺不張^[7]。術后肺不張是指術后肺部出現部分或全部塌陷，繼而導致肺泡內的氣體無法正常排出^[8]。這種情況不僅可能導致病人出現呼吸困難、感染等問題，嚴重者亦會危及生命^[9]。因而，早期明確肺癌胸腔鏡肺段切除術后合并肺不張的相關因素，對臨床制定科學、合理的防治策略尤為重要^[10]。目前已有肺癌胸腔鏡肺段切除術后合并肺不張的相關研究報道，但尚未形成預測肺癌胸腔鏡肺段切除術后肺不張發生風險的可靠預測模型。隨機森林是一種基于決策樹的集成學習算法，通過構建多個決策樹并綜合它們的結果來進行預測，其不僅能夠處理高維數據，亦可根據數據特征對其重要性進行排序，幫助決策者了解數據中不同特征對預測結果的貢獻程度并做出相應決策^[11?12]。本研究回顧性分析585例肺癌病人的病例資料，建立肺癌胸腔鏡肺段切除術后合并肺不張的風險預測模型，以期為肺癌胸腔鏡肺段切除術后肺不張的早期診治提供參考。

1 對象與方法

1.1 研究對象

以2021年2月—2023年2月在我院行胸腔鏡肺段切除手術治療的585例肺癌病人為研究對象，根據病人術后是否發生肺不張將其分為肺不張組和非肺不張組。納入標準：行胸腔鏡肺段切除手術治療，符合手術指征，順利完成手術者；年齡≥18歲；知情同意自愿參與本研究者；術后通過影像學檢查確診為肺不張者。排除標準：既往存在胸腔手術史者；合并慢性疾病或嚴重器質性疾病者；伴有精神類疾病或無法與醫務人員有效溝通者。本研究已通過我院倫理委員會批準（審批號：23112670）。

1.2 肺不張判定標準

胸部CT或胸部X線片顯示未見肺門、縱隔或膈肌向受累區域移動的肺混濁影，鄰近非肺不張肺的代償性過度膨脹，即可判定為肺不張^[13]。

1.3 調查內容

采用一般資料調查表收集病人臨床資料，包括性別、年齡、居住地、體質指數、婚姻狀態、文化程度、職業類型、飲酒史、吸煙史、基礎疾病、腫瘤病理類型、腫瘤部位、腫瘤分期、術前肺功能、手術時間、新輔助治療、凝血酶原時間、纖維蛋白原、白蛋白、血小板計數、白細胞計數等臨床資料。

1.4 統計學方法

采用SPSS 24.0軟件分析數據，采用多因素Logistic回歸模型和隨機森林模型分析肺癌胸腔鏡肺段切除術后合并肺不張的危險因素，應用R3.5.3軟件構建隨機森林模型，采用MedCalc繪制受試者工作特征（ROC）曲線。以<0.05為差異有統計學意義。

2 結果

2.1 胸腔鏡肺段切除術后肺不張發生情況

585例肺癌病人中，有50例病人術后發生肺不張，肺不張發生率為8.55%。

2.2 影響病人肺不張發生的單因素分析

肺不張組和非肺不張組病人性別、年齡、居住地、婚姻狀態、文化程度、職業類型、飲酒史、腫瘤部位、腫瘤分期、新輔助治療、凝血酶原時間、纖維蛋白原、白蛋白、血小板計數、白細胞計數等資料比較，差異均無統計學意義（>0.05）；體質指數、吸煙史、基礎疾病、腫瘤病理類型、術前肺功能、手術時間比較，差異均有統計學意義（0.05）。見表1。

2.3 肺癌胸腔鏡肺段切除術后肺不張發生的多因素Logistic回歸分析

將單因素分析具有統計學意義的項目（體質指數、吸煙史、基礎疾病、術前肺功能、手術時間、腫瘤病理類型）作為自變量，以肺癌病人胸腔鏡肺段切除術后是否發生肺不張作為因變量，進行多因素Logistic回歸分析，結果顯示：體質指數≥24 kg/m²、吸煙史、基礎疾病、術前肺功能較差、手術時間≥2 h、腺癌均是胸腔鏡肺段切除術后發生肺不張的獨立危險因素（<0.05）。變量賦值見表2，回歸分析結果見表3。

2.4 肺癌胸腔鏡肺段切除術后肺不張發生的重要性評分及排序

以胸腔鏡肺段切除術后是否發生肺不張為因變量，以單因素分析（<0.05）的項目作為自變量（變量賦值見表3）構建隨機森林模型。本模型預測肺癌胸腔鏡肺段切除術后肺不張發生的相對重要預測因子依次排序為術前肺功能、體質指數、吸煙史、手術時間、基礎疾病、腫瘤病理類型，變量Gini值的平均降低量與其在模型的重要性成正比。見圖1。

2.5 2種預測模型對肺癌胸腔鏡肺段切除術后肺不張發生的效能

隨機森林算法預測肺癌胸腔鏡肺段切除術后肺不張發生的ROC曲線下面積（AUC）為0.841[95%CI（0.809，0.870）]，稍高于多因素Logistic回歸模型[AUC=0.834，95%CI（0.802，0.863）]。見圖2和表4。

3 討論

3.1 肺癌胸腔鏡肺段切除術后肺不張發生現狀

近年來，隨著人們飲食習慣和生活方式的不斷改變，肺癌發病率呈逐年增高趨勢^[14]。而胸腔鏡肺段切除術作為治療肺癌和其他肺部疾病的可靠微創術式之一，隨著該術式的廣泛應用，肺癌術后肺不張的發生率也逐漸增加^[15]。若未及時采取治療措施，不僅會引起通氣/血流比例失調、肺功能下降等呼吸、循環系統功能障礙，嚴重時亦可導致低氧血癥、肺感染等并發癥，繼而延長病人的住院時間，影響病人術后恢復甚至危及生命^[16]。因此，了解影響肺癌胸腔鏡肺段切除術后肺不張的相關因素并構建風險預測模型對術后肺不張的早期防治就顯得尤為重要。本研究585例行胸腔鏡肺段切除術的肺癌中，術后肺不張發生率為8.55%。稍低于其他研究^[17]報道的肺切除術后肺不張發生率（16.3%）。分析原因可能與納入對象、研究設計等因素相關，但由此說明，術后肺不張不僅在其他肺部疾病術后具有較高的發生率，在肺癌胸腔鏡肺段切除術后同樣具有較高的發生率，提醒醫務人員需加強對肺癌行胸腔鏡肺段切除術病人的重視并給予術后肺不張病人重點關注。

3.2 肺癌胸腔鏡肺段切除術后肺不張的危險因素分析

本研究通過單因素及多因素分析585例肺癌胸腔鏡肺段切除術病人的臨床資料發現，體質指數≥24 kg/m²、吸煙史、基礎疾病、術前肺功能較差、手術時間≥2 h、腺癌均是胸腔鏡肺段切除術后發生肺不張的獨立危險因素。既往研究報道，基礎疾病是肺部分切除術后肺不張發生的危險因素，伴有基礎疾病的病人術后肺不張的發生風險相對更高^[17]。本研究結果顯示，肺不張組病人伴有基礎疾病者占比高于非肺不張組，通過多因素Logistic回歸分析發現，伴有基礎疾病者術后肺不張發生風險高于未伴有基礎疾病者，結果與上述報道相符。基礎疾病指的是在行手術治療前已經存在的呼吸道基礎疾病，包括間質性肺疾病、慢性阻塞性肺疾病以及哮喘等，伴有該類疾病的病人均可能出現氣道和/或肺泡異常，并伴有不同程度的生理或解剖結構改變，因而術后更易發生肺不張。王斌等^[18]研究發現，手術時間是肝切除術后肺不張發生的影響因素，隨著手術時間不斷增加，術后肺不張發生風險明顯增高。本研究結果與其一致，手術時間≥2 h的肺癌胸腔鏡肺段切除術病人發生肺不張風險高于手術時間<2 h者。手術時間延長則提示術中膈肌部位的操作時間隨之延長，加劇肺組織創傷，從而增加術后肺不張的發生率，同時長時間的手術過程也會導致病人術后需要更長時間保持體位不動，這可能會導致肺部通氣不暢，進而引起術后肺不張。研究表明，體質指數是胸腔鏡下肺癌根治術后持續性肺不張發生的危險因素，體質指數越高的病人術后更易發生肺不張^[19]。本研究結果與其相符。體重增加引起腹部脂肪堆積和軀干重量增加可使橫膈向上抬高并壓迫肺部，從而限制了肺的膨脹和通氣。當病人處于仰臥位時，軀干和腹部的重量會進一步使橫膈向頭側移動，導致肺的功能殘氣量減少，氣道更易閉合，從而增加了肺不張的發生風險。閆付慶^[20]研究發現，術前肺功能是肺癌病人術后并發持續性肺不張的因素，術前肺功能越差的病人術后肺不張發生風險越高。肺功能差意味著肺部的通氣能力受限，病人往往存在氣道狹窄、肺泡破壞或彈性減弱等問題，導致肺膨脹和肺通氣受到限制，而術中有創傷操作和麻醉藥物也會加重呼吸困難，使病人無法有效地擴張肺部，繼而導致術后肺不張的發生風險更高。腫瘤病理類型也是肺癌胸腔鏡肺段切除術后肺不張發生的影響因素，腺癌病人術后更易發生肺不張。腺癌通常位于肺部周邊，手術切除范圍較大、剩余肺組織容量減少，加之腺癌的組織結構特點也會對肺的彈性和通氣能力產生影響，因而術后更易發生肺不張。此外，本研究結果顯示，長期吸煙也會增加術后肺不張的發生風險。煙草中含有多種有害化學物質，香煙進入呼吸道后可增加氣管內分泌物并導致呼吸道阻塞，損傷肺部組織，引起肺組織塌陷，進而影響肺部氣體交換，增加肺不張發生率。

3.3 預測肺癌胸腔鏡肺段切除術后肺不張的隨機森林模型

隨機森林預測模型是通過集成多個決策樹來進行預測的機器學習模型，其中每個決策樹均是基于不同的隨機樣本和特征子集構建，并通過投票或平均的方式得出最終預測結果。在預測過程中，隨機森林會根據輸入的特征值，經過每個決策樹的判斷，最終綜合每個決策樹的預測結果，得出最終預測結果^[21]。隨機森林預測模型具有較高的準確性和泛化能力，不僅能夠處理復雜的數據關系和非線性關系，亦適用于各種預測任務。同時，隨機森林亦可評估不同特征的重要性，幫助理解預測結果的影響因素，提供決策支持^[22]。相較于傳統的多因素Logistic回歸模型，隨機森林預測模型具有更好的特征處理能力、泛化能力、解釋性和決策支持能力^[23]。本研究構建的肺癌胸腔鏡肺段切除術后肺不張的隨機森林模型，其中每項危險因素均有其相對應的預測重要性排序，醫務人員可通過該模型根據肺癌病人的臨床資料進行評估，判斷病人是否為肺不張高危人群，制定相應的干預方案。此外，本研究預測肺癌胸腔鏡肺段切除術后肺不張發生的相對重要預測因子依次排序為術前肺功能、體質指數、吸煙史、手術時間、基礎疾病、腫瘤病理類型，且變量Gini值的平均降低量與其在模型的重要性成正比。此外，隨機森林模型預測肺癌胸腔鏡肺段切除術后肺不張發生的AUC值稍高于多因素Logistic回歸模型，提示隨機森林算法模型對肺癌胸腔鏡肺段切除術后肺不張發生的預測效能更好。

4 小結

本研究對肺癌胸腔鏡肺段切除術后肺不張發生現狀及其危險因素進行探討，并構建了術后肺不張發生的風險預測模型，構建的預測模型具有良好的風險預測效果，可為臨床早期識別肺不張高危病人和相關干預措施的制定提供依據。但本研究為回顧性研究，存在變量納入不全、未長期隨訪等不足，后續將考慮進行多中心、大樣本及納入更多的變量進行深入研究。

參考文獻：

[1] 董仙英，徐琪紋，鐘娟.肺癌患者術后并發慢性咳嗽的危險因素分析[J].護士進修雜志，2022，37（9）：783-786.

DONG X Y，XU Q W，ZHONG J.Analysis of the risk factors of postoperative chronic cough in the patients with lung cancer[J].Journal of Nurses Training，2022，37（9）：783-786.

[2] AHUJA J，DE GROOT P M，SHROFF G S，.The postoperative chest in lung cancer[J].Clinical Radiology，2022，77（1）：6-18.

[3] 洪子強，茍文曦，盛燕楠，等.達芬奇機器人與電視輔助胸腔鏡手術治療肺癌短期療效及術后炎性細胞因子變化比較[J].腫瘤防治研究，2023，50（4）：378-383.

HONG Z Q，GOU W X，SHENG Y N，.Short-term efficacy and postoperative inflammatory cytokine changes in lung cancer treated with Da Vinci robot-assisted versus video-assisted thoracoscopic surgery[J].Cancer Research on Prevention and Treatment，2023，50（4）：378-383.

[4] 郭洪撥，喻本桐.機器人與胸腔鏡肺葉切除術在治療早期非小細胞肺癌的安全性與療效對比[J].實用醫學雜志，2019，35（4）：541-545.

GUO H B，YU B T.Safety and efficacy of robotic and thoracoscopic lobectomy in the treatment of early non-small cell lung cancer[J].The Journal of Practical Medicine，2019，35（4）：541-545.

[5] 張亞年，張璐，范心庭.胸腔鏡肺段切除術治療非小細胞肺癌的臨床效果及其對血清LDH、ProGRP、NSE的影響[J].臨床和實驗醫學雜志，2022，21（19）：2062-2066.

ZHANG Y N，ZHANG L，FAN X T.Clinical effect of thoracoscopic segmentectomy in the treatment of non-small cell lung cancer and its effect on serum LDH，ProGRP and NSE[J].Journal of Clinical and Experimental Medicine，2022，21（19）：2062-2066.

[6] 曾敏，徐利強.單孔胸腔鏡下肺段切除術治療非小細胞肺癌的療效觀察[J].現代腫瘤醫學，2020，28（20）：3560-3564.

ZENG M，XU L Q.Observation of curative effect of single-hole thoracoscopic segmentectomy for non-small cell lung cancer[J].Journal of Modern Oncology，2020，28（20）：3560-3564.

[7] 張五星.胸腔鏡下肺段切除與肺葉切除治療Ⅰ期非小細胞肺癌：系統回顧與薈萃分析[D].南昌：南昌大學，2019.

ZHANG W X.Thoracoscopic segmentectomy versus lobectomy for stage Ⅰ non-small cell lung cancer：a systematic review and meta-analysis[D].Nanchang：Nanchang University，2019.

[8] LAGIER D，ZENG C L，FERNANDEZ-BUSTAMANTE A，.Perioperative pulmonary atelectasis：part Ⅱ.clinical implications[J].Anesthesiology，2022，136（1）：206-236.

[9] MORADIAN S T，HEYDARI A A，MAHMOUDI H.What is the role of preoperative breathing exercises in reducing postoperative atelectasis after CABG？[J].Reviews on Recent Clinical Trials，2019，14（4）：275-279.

[10] SWEITY E M，ALKAISSI A A，OTHMAN W，.Preoperative incentive spirometry for preventing postoperative pulmonary complications in patients undergoing coronary artery bypass graft surgery：a prospective，randomized controlled trial[J].Journal of Cardiothoracic Surgery，2021，16（1）：241.

[11] WANG W，LI L N，GU H J，.Random forest-based prediction of acute respiratory distress syndrome in patients undergoing cardiac surgery[J].The Heart Surgery Forum，2022，25（6）：E854-E859.

[12] 文天才，劉保延，張艷寧.缺血性腦卒中患者31天內非計劃性再入院風險因素研究：隨機森林模型[J].中國循證醫學雜志，2019，19（5）：532-538.

xnnAMGVNwJqxh+kWd5nJsKxWY72AL8llUNm/p4TDQ8E=WEN T C，LIU B Y，ZHANG Y N.Risk factors for unplanned readmission in ischemic stroke patients within 31 days：a random forest algorithm research[J].Chinese Journal of Evidence-Based Medicine，2019，19（5）：532-538.

[13] JAMMER I，WICKBOLDT N，SANDER M，.Standards for definitions and use of outcome measures for clinical effectiveness research in perioperative medicine：European Perioperative Clinical Outcome（EPCO） definitions：a statement from the ESA-ESICM joint taskforce on perioperative outcome measures[J].European Journal of Anaesthesiology，2015，32（2）：88-105.

[14] 吳俊平，崔盼，席芳，等.肺癌患者術后發生VTE的相關影響因素[J].實用癌癥雜志，2023，38（4）：615-617;621.

WU J P，CUI P，XI F，.Related influencing factors of VTE in postoperative patients with lung cancer[J].The Practical Journal of Cancer，2023，38（4）：615-617;621.

[15] 王建平，高杰，薛恒川，等.胸腔鏡肺段切除術和肺葉切除術治療老年早期非小細胞肺癌患者的療效比較[J].實用臨床醫藥雜志，2020，24（11）：97-100.

WANG J P，GAO J，XUE H C，.Thoracoscopic pulmonary segmentectomy versus lobectomy in the treatment of early non-small cell lung cancer in elderly patients[J].Journal of Clinical Medicine in Practice，2020，24（11）：97-100.

[16] 付群，郭迪，趙文飛.重組人血管內皮抑制素聯合順鉑化療方案在非小細胞肺癌合并肺不張中的療效觀察[J].癌癥進展，2021，19（14）：1470-1473.

FU Q，GUO D，ZHAO W F.Effect of recombinant human endostatin combined with cisplatin chemotherapy in treating non-small cell lung cancer patients with atelectasis[J].Oncology Progress，2021，19（14）：1470-1473.

[17] 許舜，姚鋒鋒，于奇，等.肺切除術后并發肺不張的危險因素Logistics分析[J].臨床肺科雜志，2018，23（1）：46-49.

XU S，YAO F F，YU Q，.Logistics analysis of related factors of atelectasis after pneumoresection[J].Journal of Clinical Pulmonary Medicine，2018，23（1）：46-49.

[18] 王斌，沈佳偉，安友仲.肝切除術后重癥患者發生肺不張的影響因素分析[J].解放軍醫學雜志，2022，47（3）：264-268.

WANG B，SHEN J W，AN Y Z.Analysis of the related factors of atelectasis in ICU patients after hepatectomy[J].Medical Journal of Chinese PLA，2022，47（3）：264-268.

[19] 嚴曉霞，劉虹婷，周春娟，等.胸腔鏡下肺癌根治術后持續性肺不張發生的影響因素分析及預測模型構建[J].中華現代護理雜志，2022，28（1）：27-31.

YAN X X，LIU H T，ZHOU C J，.Analysis of influencing factors and predictive model construction of persistent atelectasis after thoracoscopic radical resection of lung cancer[J].Chinese Journal of Modern Nursing，2022，28（1）：27-31.

[20] 閆付慶.肺癌患者術后并發持續性肺不張的影響因素[J].河南醫學研究，2023，32（2）：286-289.

YAN F Q.Related factors of postoperative persistent atelectasis in patients with lung cancer[J].Henan Medical Research，2023，32（2）：286-289.

[21] ZHOU C，XU C L，YANG B，.Preoperative US integrated random forest model for predicting Delphian lymph node metastasis in patients with papillary thyroid cancer[J].Current Medical Imaging，2023，19（9）：1031-1040.

[22] DUAN X Z，YANG B，ZHAO C B，.Prognostic value of preoperative hematological markers in patients with glioblastoma multiforme and construction of random survival forest model[J].BMC Cancer，2023，23（1）：432.

[23] 桑祎瑩，黃仕鑫，易靜，等.Logistic回歸模型和隨機森林模型診斷糖尿病周圍神經病變效能的比較[J].廣西醫學，2022，44（5）：511-515.

SANG Y Y，HUANG S X，YI J，.Diagnostic efficacy of Logistic regression model versus random forest model for diabetic peripheral neuropathy：a comparative study[J].Guangxi Medical Journal，2022，44（5）：511-515.

（本文編輯崔曉芳）

作者簡介陳倩倩，護師，本科

*通訊作者彭紀芳，E?mail：39336003@qq.com

引用信息陳倩倩，彭紀芳，劉晗.胸腔鏡肺段切除術后病人合并肺不張的危險因素及預測模型構建[J].護理研究，2024，38（21）：3812?3817.