美国佛罗里达大学Lillian S. Wells神经外科的Ken Porche等对2017年6月1日至2019年6月1日期间接受腰椎手术的成人患者进行回顾性研究,从电子病历中提取患者临床特征、ICD-10代码、术前疼痛和阿片类药物使用情况、术前α-1阻滞剂使用、手术计划、POUR发生和处理策略。采用训练和验证二项式逻辑模型和多层感知器,在模型初治患者中评估模型的性能,然后将模型叠加,进而可以利用每个模型优点,避免弱点。结果发表于2021年9月《Journal of Neurosurgery:Spine》在线。
——摘自文章章节
【Ref: Porche K, et al. J Neurosurg Spine. 2021 Sep 10;36(1):32-41. doi: 10.3171/2021.3.SPINE21189. Print 2022 Jan 1.】
研究背景
研究方法
研究共纳入891例患者。患者平均年龄为59.6±15.5岁,52.7%为男性,体质指数(BMI)30.4±6.4;美国麻醉医师协会分级(ASA)2.8±0.6,合并症平均为5.6±5.7。POUR发生率为25.9%。回归模型和神经网络两种模型具有可比性,回归模型的曲线下面积(AUC)为0.737,神经网络为0.735。合并两个模型,AUC达到0.753。回归模型概率截断值为0.24,神经网络截断值为0.23;均达到最大的敏感性和特异性,特异性68.2%,敏感性72.9%,阴性预测值88.2%,阳性预测值43.4%。应用当前数据集时,两种模型单独优于先前发表的模型(AUC 0.516-0.645)。
结论
最后研究者认为,该预测模型可以作为预测脊柱手术后发生POUR的工具。结合回归模型与神经网络显示良好的灵敏度、特异性和阴性预测值,优于之前发表的模型。未来需要进一步前瞻性评估和验证该预测工具,在多个医疗机构用于床旁检测,测试其预防效益。