睪丸扭轉患者睪丸切除危險因素分析和睪丸切除風險預測模型建立

李 莉,劉振輝,艾熱提·阿皮孜,宋光魯,裴華蓮

(1新疆醫科大學第一附屬醫院泌尿外科,烏魯木齊 830054;2新疆醫科大學第一附屬醫院顯微修復外科;3新疆醫科大學第一附屬醫院RICU;4新疆醫科大學公共衛生學院;*通訊作者,E-mail:85020586@qq.com)

睪丸扭轉是泌尿外科的常見急癥,常見于青年男性,臨床癥狀以睪丸疼痛為主。美國1-25歲的男性中,睪丸扭轉的發病率為每年4.5例/10萬[1],中國臺灣地區發生率為每年3.5例/10萬[2]。睪丸扭轉后靜脈回流受阻,動脈壓和靜脈壓失衡,睪丸在持續缺血后壞死[3]。據報道睪丸累計損失率達31.9%-41.9%[4],睪丸缺失會對患者生理和心理造成極大的影響[2]。

患者年齡、種族等個人因素以及轉院等醫院因素與睪丸切除相關,但這存在爭議[1,3-7],比較明確的是睪丸扭轉角度和扭轉嚴重程度與最終救治結局密切相關[1,3,5-7],但是目前臨床仍然缺乏關于睪丸扭轉持續時間和扭轉程度共同作用對最終救治結局影響的實際統計學數據。本研究通過探索睪丸切除的獨立危險因素,建立影響睪丸生存結果的風險預測模型,為臨床評估睪丸扭轉患者睪丸切除風險提供參考。

1 資料和方法

1.1 病例來源

收集新疆醫科大學第一附屬醫院泌尿外科2009-01～2019-11門診和住院經彩超或手術確診為睪丸扭轉164例患者信息,包括年齡、民族、居住區域(城市或農村)、發病場所、發病誘因及睪丸扭轉持續時間、扭轉程度(超聲)、扭轉部位、是否切除睪丸。

1.2 統計學分析和建模方法

統計學分析及建模通過R(version 3.6.1)軟件及rms和ROCR包實現。將患者信息數據錄入計算機,對變量進行數量化及賦值。將數據按約3 ∶1的比例由R軟件隨機抽取分為建模組(119例)和驗證組(45例)。以睪丸是否切除為因變量,以年齡、民族、居住區域、發病場所、發病誘因、扭轉持續時間、扭轉程度、扭轉部位為自變量,在建模組進行單因素logistic回歸分析,逐步回歸方法將單因素分析中P<0.1的變量納入多因素logistic回歸分析,篩選出P<0.05的變量,基于各自變量的回歸系數,建立預測睪丸切除風險的模型,繪制列線圖。以OR值(95% CI)和P值作為分析指標,P<0.05為差異有統計學意義。通過計算建模組和驗證組的受試者工作特征曲線(ROC)下面積(AUC)來評估預測模型的準區分度。其中計量資料以樣本均數±標準差表示,計數資料以率表示(%)。

2 結果

2.1 患者的臨床特征

共收集164例患者,均為單側睪丸扭轉,其中左側117例,占71.34%。發病年齡以11-20歲為主,其中15歲和16歲比例最高,分別占12.8%和11%。患者以漢族和維吾爾族為主,分別占53.7%和35.4%。來自于城市患者占76.8%。發病場所以室內為主,占83.5%。81.7%患者發病前沒有劇烈運動。扭轉程度常見180°和360°,比例分別為30.5%和43.3%。扭轉持續時間3-168 h,平均56.67 h。睪丸切除率61.6%。變量數量化及賦值見表1。單因素方差分析顯示,不同年齡組別之間扭轉持續時間兩兩比較沒有統計學差異(P>0.05)。單因素方差分析顯示,不同民族組別之間扭轉持續時間兩兩比較也沒有統計學差異(P>0.05,見表2)。

表1 睪丸扭轉患者的變量及賦值

Table 1 Variables and assignments of patients with torsional testis

變 量賦 值民族(x1)漢族=01,維吾爾族=10,其他=00年齡(x2)10歲以下=0,11-20歲=1,21-30歲=2,31歲以上=3居住區域(x3)農村=0,城市=1發病場所(x4)室內=0,室外=1發病誘因(x5)發病前無劇烈活動=0,發病前有劇烈活動=1扭轉程度(x6)扭轉角度180°及以下=0,270°=1,360°=2,540°=3,720°及以上=4扭轉持續時間(x7)連續性變量扭轉部位(x8)左=0,右=1是否切除睪丸(Y)保留睪丸=0,切除睪丸=1

表2 不同年齡和不同民族患者睪丸扭轉持續時間和扭轉程度

Table 2 Duration time and degree of torsion at different age and in different nation

變量 n扭轉持續時間(h)扭轉程度年齡 10歲以下17 63.00±9.211.23±0.30 11-20歲110 52.24±4.791.39±0.12 21-30歲27 63.52±10.501.44±0.12 31歲以上12 57.14±3.791.80±0.40民族 漢族87 51.74±4.741.45±0.14 維吾爾族57 67.60±6.991.57±0.15 其他20 50.17±11.671.22±0.23

2.2 單因素logistic回歸分析和多因素logistic回歸分析

對建模組8個變量分別進行單因素logistic回歸分析,結果顯示,扭轉嚴重程度高(OR=2.39)和發病時間長(OR=1.03)是睪丸切除的危險因素,差異有統計學意義(見表3)。多因素非條件logistic回歸分析結果顯示,睪丸切除具有統計學意義的危險因素仍為扭轉程度和扭轉持續時間(見表3)。

2.3 構建及驗證睪丸切除的預測模型

以建模組數據,根據扭轉程度和扭轉持續時間建立睪丸切除風險預測模型,畫出列線圖(見圖1)。建模組的AUC為0.861(0.795-0.928),驗證組的AUC為0.791(0.655-0.930),見表4,圖2。

表3 建模組的單因素和多因素回歸分析結果

Table 3 Results of univariate and multivariate logistic regression in modeling group

變量單因素分析多因素分析OR(95%CI) POR(95%CI)P民族 漢族/其他1.29(0.61-2.80)0.660 維吾爾族/其他0.92(0.44-1.91)0.816年齡(歲) 11-20歲vs10歲以下0.48(0.21-1.07)0.081 21-30歲vs10歲以下1.69(0.58-5.60)0.35 31歲以上vs10歲以下1.89(0.41-13.78)0.45居住區域1.64(0.71-3.80)0.25發病場所1.01(0.47-2.62)0.98發病誘因0.72(0.29-1.78)0.47扭轉程度2.39(1.68-3.54)<0.0012.37(1.64-3.62)<0.001發病時間1.03(1.02-1.04)<0.0011.03(1.02-1.05)<0.001扭轉部位1.76(0.77-4.27)0.1890

圖1 預測睪丸扭轉患者睪丸切除風險的列線圖

表4 建模組和驗證組的列線圖和logistic回歸模型變量的AUC

Table 4 AUCs of ROC curves for the nomogram and variables from the logistic regression model in modeling group and validation group

變量建模組驗證組AUC95%CIPAUC95%CIP列線圖變量0.8610.795-0.928<0.001 0.7910.655-0.930<0.001發病時間 0.7910.706-0.876<0.001 NA扭轉程度 0.7720.684-0.860<0.001 NA

圖2 用于驗證列線圖區分度的ROC曲線

3 討論

我們的研究發現,睪丸扭轉患者以11-20歲為主,其中15歲和和16歲比例最高,左側占71.34%,81.7%患者發病前沒有劇烈運動。多因素logistics回歸分析發現,睪丸扭轉持續時間(OR=1.03)和扭轉程度(OR=2.39)是睪丸切除的獨立危險因素。

睪丸扭轉可以發生在任何年齡段,但有兩個高峰期,即新生兒期和青春期[8]。我們的研究只觀察到青春期這一高峰,這是因為青春期導致患者睪丸體積的增加從而增加睪丸扭轉的發生率[5,8-14]。我們沒有觀察到新生兒期這一高峰,這可能跟患者來源科室有關(新生兒患者被收入小兒外科)。睪丸扭轉多發生于左側,這跟左側精索長、容易發生扭轉有關[9,14],本研究中左側睪丸扭轉比例明顯高于右側睪丸也支持這觀點。睪丸扭轉通常發生在沒有任何誘發事件的情況下,如夜間睡眠,或剛起床時,這與迷走神經興奮性提高導致提睪肌收縮引起精索旋轉有關[9],本研究進一步證實劇烈運動也非睪丸扭轉的誘因。

目前睪丸切除危險因素存在爭議[1,4-7]。有研究認為[15]18歲以上患者睪丸切除風險高,然而Barada等[5]認為18歲以下患者睪丸切除風險增加。本研究單因素logistic回歸和多因素logistic回歸分析均沒有發現年齡因素與患者睪丸是否切除相關。這可能因為本研究中各年齡組在扭轉持續時間沒有差異(見表2),消除了扭轉持續時間對年齡的共線性影響。研究中也未發現漢族、維吾爾族及其他民族之間的發病時間存在差異。

扭轉持續時間和扭轉程度影響扭轉睪丸預后,這一觀點被大多數研究認可。這因為精索扭轉持續時間和扭轉的程度決定缺血的程度。睪丸在扭轉4 h內可能發生缺血,在24 h后幾乎可以確定發生缺血[16]。在一項研究[17]中發現,扭轉持續時間在6 h內,睪丸挽救率有90%,如果超過10 h,挽救率降至20%,24 h后降至10%以下。睪丸扭轉程度也與睪丸切除密切相關,扭轉的程度可從180°到720°以上,扭轉程度越高缺血發作越快。扭轉發生后,靜脈回流受阻,靜脈和動脈壓力失衡會損害動脈血流,導致睪丸缺血,靜脈回流受阻程度取決于扭轉程度[9,10,18]。本研究中多因素logistic回歸分析結果進一步證實,扭轉持續時間(OR=1.03)和扭轉程度(OR=2.37)是睪丸切除的獨立危險因素。鑒于目前對于睪丸扭轉持續時間與程度共同作用對最終救治結局的影響程度仍然缺乏實際的統計學數據。我們以扭轉持續時間和扭轉程度為自變量構建了睪丸切除風險的預測模型,并制作了列線圖。反映預測模型預測區分能力的AUC>0.75則被認為模型具有良好的區分度[19],我們構建的預測模型在建模組(AUC=0.861)和驗證組(AUC=0.791)均有良好的區分度,因此該模型能較好預測睪丸扭轉患者睪丸切除風險。

列線圖可以快速簡單直觀提供患者預后情況,在各個領域都有重要應用。我們可以根據睪丸扭轉持續時間和扭轉程度,精確估計患者睪丸切除的風險。提供扭轉程度這一因素的超聲檢查是陰囊疾病的標準檢查手段,具有便利、快捷、成本低、持續時間短等優點[11]。盡管關于超聲檢測睪丸扭轉可靠性的報道存在很大差異[20-22],但最近的研究表明該方法的靈敏度越來越高[23-25]。睪丸扭轉程度相對客觀,有助于提高睪丸切除風險預測模型預測準確性、穩定性和可推廣性。我們的預測模型可以給臨床提供量化的睪丸切除風險,為手術準備提供客觀依據,也為患者及家屬提供心理準備的重要參考,因此該模型具有臨床應用價值。

盡管我們建立的睪丸切除風險預測模型具有良好的預測能力與臨床應用價值,但仍存在一些局限。納入的危險因素本身可能存在誤差,如超聲對精索扭轉程度的判斷依賴醫生的經驗。本研究還存在小樣本量限制和選擇偏倚的影響。為了提高該預測模型的準確性,需盡可能增加建模病例數量,并需多中心驗證。