目的探讨脾切除术病人术后发生胰瘘的影响因素,并构建预测模型。方法回顾性分析第九〇九医院(厦门大学附属东南医院)2019年6月至2022年6月收治的89例行脾切除术病人临床资料,根据术后是否发生胰瘘分为胰瘘组(13例)和无胰瘘组(76例),采...目的探讨脾切除术病人术后发生胰瘘的影响因素,并构建预测模型。方法回顾性分析第九〇九医院(厦门大学附属东南医院)2019年6月至2022年6月收治的89例行脾切除术病人临床资料,根据术后是否发生胰瘘分为胰瘘组(13例)和无胰瘘组(76例),采用单因素和logistic多因素回归分析术后胰瘘发生独立影响因素,并建立风险预测模型,绘制受试者操作特征(receiver operator characteristic,ROC)曲线,计算曲线下面积(area under the curve,AUC),评估该模型对胰瘘发生的预测价值,分析胰瘘病人的预后情况。结果单因素分析结果发现体重指数(body mass index,BMI)≥27 kg/m^(2)、急诊手术、脾破裂、使用切割闭合器、高年资主治医师主刀手术、脾脏长度≥15 cm、术中暴露不佳的病人胰瘘发生率更高(P<0.05);多因素回归分析结果发现胰瘘独立影响因素为:BMI≥27 kg/m^(2)[HR=17.194,95%CI(2.151,137.407),P<0.05];脾破裂[HR=7.551,95%CI(1.891,64.017),P<0.05];高年资主治医师主刀手术[HR=7.250,95%C(I 1.888,59.188),P<0.05];术中暴露不佳[HR=13.803,95%CI(1.515,125.749),P<0.05]。构建胰瘘风险模型为Logit(P)=-18.155+2.845×X_(1)+2.022×X_(2)+1.981×X_(3)+2.625×X_(4)(X_(1)为BMI、X_(2)为脾破裂、X_(3)为主刀医师资历、X_(4)为术中暴露不佳)。ROC曲线分析发现该模型预测胰瘘AUC为0.943,灵敏度为0.884,特异度为0.859,95%C(I 0.875,1.000),P<0.05。13例胰瘘病人中,8例为生化漏、5例为B级胰瘘,保守治疗后均好转。结论肥胖、脾破裂、主刀医师资历和术中暴露不佳是脾切除术后胰瘘发生的独立影响因素,根据多因素分析结果构建风险预测模型对术后胰瘘发生具有较好的预测价值。展开更多
文摘目的探讨脾切除术病人术后发生胰瘘的影响因素,并构建预测模型。方法回顾性分析第九〇九医院(厦门大学附属东南医院)2019年6月至2022年6月收治的89例行脾切除术病人临床资料,根据术后是否发生胰瘘分为胰瘘组(13例)和无胰瘘组(76例),采用单因素和logistic多因素回归分析术后胰瘘发生独立影响因素,并建立风险预测模型,绘制受试者操作特征(receiver operator characteristic,ROC)曲线,计算曲线下面积(area under the curve,AUC),评估该模型对胰瘘发生的预测价值,分析胰瘘病人的预后情况。结果单因素分析结果发现体重指数(body mass index,BMI)≥27 kg/m^(2)、急诊手术、脾破裂、使用切割闭合器、高年资主治医师主刀手术、脾脏长度≥15 cm、术中暴露不佳的病人胰瘘发生率更高(P<0.05);多因素回归分析结果发现胰瘘独立影响因素为:BMI≥27 kg/m^(2)[HR=17.194,95%CI(2.151,137.407),P<0.05];脾破裂[HR=7.551,95%CI(1.891,64.017),P<0.05];高年资主治医师主刀手术[HR=7.250,95%C(I 1.888,59.188),P<0.05];术中暴露不佳[HR=13.803,95%CI(1.515,125.749),P<0.05]。构建胰瘘风险模型为Logit(P)=-18.155+2.845×X_(1)+2.022×X_(2)+1.981×X_(3)+2.625×X_(4)(X_(1)为BMI、X_(2)为脾破裂、X_(3)为主刀医师资历、X_(4)为术中暴露不佳)。ROC曲线分析发现该模型预测胰瘘AUC为0.943,灵敏度为0.884,特异度为0.859,95%C(I 0.875,1.000),P<0.05。13例胰瘘病人中,8例为生化漏、5例为B级胰瘘,保守治疗后均好转。结论肥胖、脾破裂、主刀医师资历和术中暴露不佳是脾切除术后胰瘘发生的独立影响因素,根据多因素分析结果构建风险预测模型对术后胰瘘发生具有较好的预测价值。
