盆底表面肌電篩查對盆底功能障礙性疾病的預測作用

朱開欣 王愷 江華 朱麗娟

1南京醫科大學附屬婦產醫院（南京市婦幼保健院）婦女保健科（南京210004）；2南京醫科大學附屬逸夫醫院泌尿外科（南京210029）

盆底功能障礙性疾病（pelvic floor dysfunction，PFD）主要包括尿失禁（urinary incontinence，UI）、盆腔器官脫垂（pelvic organ prolapse，POP）、糞失禁（fecal incontinence，FI）、性功能障礙（sexual dysfunction，SD）及盆底肌筋膜疼痛（myofascial pelvic pain，MFPP）。國內外流行病學調查顯示產婦是PFD的高發人群[1-4]。盆底肌是盆底組織結構中的重要組成部分，產后存在盆底肌功能紊亂，盆底肌功能紊亂與PFD的發生密切相關[4]，盆底表面肌電（sEMG）檢測是目前臨床評估盆底肌功能的常用客觀方法[5-6]，盆底神經肌肉早期的功能障礙表現為肌電信號的異常，若損傷進一步發展，才會出現癥狀性的PFD。據此，產后sEMG檢測有預測產后PFD的價值，但目前將sEMG 用于預測產后PFD還未見報道。分類樹預測模型是一種新興數據處理方式，可以有效、有層次的顯示疾病的危險因素及各因素的交互作用[7-8]。本研究通過問卷調查、臨床檢查、sEMG檢測相結合，分析產后PFD發生的危險因素，建立分類樹預測模型，評價sEMG的應用價值，尋找預測產后PFD的指標，進而早期篩選產后PFD發生的高危人群，早期干預，以預防產后PFD的發生。

1 資料與方法

1.1 一般資料選取2017年1-12月在南京醫科大學附屬婦產醫院做產后檢查并接受sEMG 篩查的975例產婦作為調查對象。納入標準：足月單胎，分娩后1～3個月產婦。排除標準：惡露未盡或不明原因陰道出血患者；陰道炎或盆腔炎急性發作；盆腔包塊≥4 cm患者；因智力低下、聽力障礙等原因不能完成檢查的患者。分組標準：對照組，經檢查排除PFD的產婦；PFD組，經檢查患有一種或多種PFD的產婦。尿失禁調查采用國際尿失禁咨詢委員會尿失禁問卷簡表（ICI-Q-SF）；盆腔臟器脫垂的診斷標準：按《婦產科學》（第9 版）[9]進行診斷；疼痛程度評估：采用數值等級規模（numerical rating scale，NRS）疼痛數字評分量表，評定疼痛的嚴重程度，以0～10代表不同程度的疼痛。

1.2 方法

1.2.1 問卷調查和盆底專科檢查由專人進行問卷調查（包括產婦一般情況、孕產情況、PFD 癥狀調查）和盆底專科檢查（盆底肌力手診評估、POP-Q評估盆腔器官的位置、盆底肌疼痛檢查）以及盆底sEMG檢測。

1.2.2 sEMG評估采用盆底sEMG分析及生物反饋訓練系統MLDA2豪華版為檢測平臺，運用盆底sEMG評估方案采集盆底sEMG值。檢測前醫師詳細介紹評估方法、動作要領，要求患者正確掌握盆底肌收縮方法。檢測時患者取斜躺仰臥位120°，整個身體放松，雙腿自然外旋，根據語音和屏幕圖像提示收縮和放松盆底肌。

1.2.3 統計學方法應用Stata 11.0 軟件對數據進行統計學分析，計量資料用（x±s）描述，屬于正態分布的數據組間比較采用t檢驗，非正態分布的數據組間比較采用非參數檢驗，計數資料使用例（%）表示，組間率比較用χ2檢驗；檢驗水準取α =0.05，P＜0.05 認為差異有統計學意義。應用SPSSmodeler 22.0 軟件進行分類與回歸樹方法中的分類樹分析，采用分類樹模型CRT法建立產后PFD發生的分類樹預測模型。樹深度設定為5，潛在的相關因素，設定父結點和子結點樣本含量分別為50和25，當結點中的樣本個數小于該設定值時，分類樹停止分類。并應用增益表、增益圖、索引圖、交叉驗證法和受試者工作特征（receiver operating characteristic，ROC）曲線對模型準確性進行評價。以P＜0.05為差異有統計學意義。

2 結果

2.1 一般情況975例產婦中，初產婦為708例，經產婦為267例。被檢測對象平均年齡（30.17±3.96）歲，平均產后時間為（46.02±9.07）d。分組情況：對照組，無產后PFD者229例；病例組，患有1種和多種PFD者共746例。將對照組和PFD組產婦一般情況進行比較，結果顯示兩組間年齡、身高、體質量、BMI、產后時間、孕期增重、孕次、產次、新生兒出生體重差異無統計學意義（P＞0.05）。而兩組間分娩方式、會陰是否完整、肌力情況差異有統計學意義（P＜0.05）。見表1。

表1 產后PFD影響因素分析Tab.1 Analysis of influencing factors of postpartum pelvic floof dysfunction例（%）

2.2 產后PFD組與對照組盆底sEMG檢測結果比較兩組產婦盆底sEMG檢測結果顯示，PFD 產婦慢肌平均值、快肌最大值、前/后靜息平均值小于無PFD 產婦，差異有統計學意義（P＜0.05）；而快肌上升時間和下降時間比對照組長，差異有統計學意義（P＜0.05）。見表2。

2.3 產后PFD發生的分類樹預測模型的建立及預測作用分析

2.3.1 產后PFD發生分類樹預測模型的建立建立分類樹預測模型分析產后PFD的影響因素，將PFD 作為因變量，將單因素分析差異有統計學意義的9個自變量納入分類樹模型，分別是分娩方式、會陰是否完整、盆底肌力、慢肌平均值、快肌最大值、快肌上升時間、快肌下降時間、前靜息平均值、后靜息平均值。將患PFD（病例）賦值為1，無PFD（對照）賦值為0，并對二分類變量（分娩方式、會陰完整情況）進行賦值（表3）。盆底肌力為等級變量，其余連續變量（慢肌平均值、快肌最大值、快肌上升時間、快肌下降時間、前靜息平均值、后靜息平均值）的最佳分界點由分類樹模型進行識別及拆分。本研究經分類樹分析最終得出的產后PFD發生的分類樹預測模型，本分類樹模型經過生長和修剪后共包含4層，共5個解釋變量，即分娩方式、慢肌平均值、快肌最大值、盆底肌力、前靜息值。見圖1。

表2 產后PFD組與對照組盆底sEMG檢測結果比較Tab.2 Comparison of detection results of pelvic floor sEMG between PFD group and control group ±s

表2 產后PFD組與對照組盆底sEMG檢測結果比較Tab.2 Comparison of detection results of pelvic floor sEMG between PFD group and control group ±s

慢肌平均值（μV）慢肌變異性快肌最大值（μV）快肌上升時間（s）快肌下降時間（s）前靜息平均值（μV）前靜息變異性后靜息平均值（μV）后靜息變異性對照組（n=229）22.04±10.74 0.27±0.17 33.74±17.51 0.43±0.28 0.54±0.45 7.37±4.50 0.25±0.74 6.76±4.55 0.21±0.39 PFD組（n=746）18.16±10.65 0.29±0.24 28.23±16.79 0.53±0.91 0.75±2.0 6.40±4.09 0.29±1.51 5.79±4.23 0.20±0.85 t值4.80-1.45 4.2-2.39-2.69 2.90-0.41 2.86 0.25 P值＜0.05 0.15＜0.05 0.02 0.007 0.004 0.68 0.004 0.81

從CRT模型圖中可見，根節點中產后PFD發生率為76.5 %，隨后分類樹的第一層按照分娩方式進行拆分的，該變量是產后PFD發生的主要相關因素。其中，陰道分娩者產后PFD的發生率（82.8%）高于剖宮產分娩者（63%），差異有統計學意義（P=0.017）。隨后在陰道分娩者中，慢肌平均值成為主要相關因素，慢肌平均值≤13.65 μV 者產后PFD發生率（88.8%）高于慢肌平均值＞13.65 μV 者（78%），差異有統計學意義（P=0.004），在慢肌平均值＞13.65 μV中盆底肌力是否高于2級成為主要相關因素，在盆底肌力≤2級者中前靜息平均值成為主要相關因素。在剖宮產分娩者中，快肌最大值成為主要相關因素，剖宮產分娩，快肌最大值＞36.85 μV者產后PFD的發生率為51.8%。

表3 主要變量及賦值Tab.3 Main variables and Assign

2.3.2 產后PFD發生分類樹預測模型的預測作用PFD發生的分類樹預測模型的預測作用：該模型的預測結果顯示，陰道分娩、慢肌平均值≤13.65 μV、前靜息平均值≤12.45 μV者易發生PFD；剖宮產、快肌最大值＞36.85 μV，盆底肌力＞2級對于PFD發生具有保護作用。產后PFD發生的具體預測規則見表4。

表4 產后PF分類樹預測模型中的預測規則Tab.4 Prediction rules of postpartum PFD classification tree prediction model

2.3.3 產后PFD分類樹預測模型的評測

2.3.3.1 產后PFD分類樹預測模型增益表從分類樹預測模型節點增益表可以看出，占總樣本量30.3%的節點3增益最高，有88.8%的產后PFD發生，和根節點的76.5%相比，響應率提升指數為116.1%（表5）。

2.3.3.2 產后PFD分類樹預測模型的重替代估計量與交叉驗證估計量該預測模型分類樹重替代估計量為0.235，標準誤差為0.014，交叉驗證估計量為0.246，標準誤差為0.014。交叉驗證法的估計值較小，說明模型擬合效果好。

表5 產后PF分類樹預測模型節點增益表Tab.5 The gain diagram of postpartum PFD classification tree prediction model例（%）

2.3.3.3 產后PFD分類樹預測模型增益圖累計增益圖從0開始且以100%結束。預測模型符合良好模型的標準，即增益值先向100% 快速增長，最終趨于平穩，提示該模型良好。見圖2。

2.3.3.4 產后PFD分類樹預測模型索引圖索引圖用來評價該模型的優劣。預測模型的索引值從100% 以上開始，沿移動方向保持平穩狀態，然后快速地向100% 下降，說明此次建立的模型良好。見圖3。

2.4 ROC曲線的繪制根據產后PF分類樹預測模型得到預測變量，繪制ROC曲線，計算ROC曲線下面積（AUC）為0.682（95%CI：0.643～0.722），標準誤為0.020，與0.5 相比差異有統計學意義（P＜0.001），提示PF分類樹模型預測準確性較高。見圖4。

圖2 產后PF分類樹預測模型增益圖Fig.2 The gain diagram of postpartum PFD classification tree prediction model

圖3 產后PF分類樹預測模型索引圖Fig.3 The index chart of postpartum PFD classification tree prediction model

圖4 產后PF分類樹預測模型預測PFD的受試者工作特征曲線（ROC）Fig.4 The receiver operating characteristic curve of postpartum PFD classification tree prediction model

3 討論

妊娠和分娩可導致產后盆底功能下降[10-11]，經產婦產后盆底功能受損更加嚴重[12]。產后盆底功能下降和PFD 之間的聯系已被多項研究證實[13-14]，產后盆底功能下降增加產后PFD發生的風險。盆底功能可通過手檢肌力和盆底sEMG檢測客觀反映，既往的研究僅僅提示產后盆底肌力下降和盆底sEMG檢測值異常等因素是產后PFD的高危因素，并沒挖掘出它們在預測產后PFD 中的臨床價值。黃潔貞等[15]通過分類樹預測模型分析盆底肌收縮力對產后壓力性尿失禁的預測作用，呂香霖等[16]運用分類樹預測模型分析盆底肌功能相關指標對壓力性尿失禁的預測作用。這兩項研究的人群、選入的影響因素和反應盆底肌功能的參數與本研究不一致，但均成功的建立了預測壓力性尿失禁的分類樹預測模型，提示我們的研究方向是可行的。

本研究將可能影響產后PFD發生的因素（分娩方式、盆底肌力、盆底sEMG檢測值）納入分類樹預測模型，采用CRT法建立產后PFD發生的分類樹預測模型。分類樹的第一層按照分娩方式進行拆分的，說明分娩方式在產后PFD發生的中起重要預測作用，陰道分娩是PFD發生的危險因素，陰道分娩導致PFD發生風險增加的主要原因可能與陰道助產、第二產程延長、難產等嚴重損傷盆底支持組織（韌帶、筋膜、肌肉和神經）有關。在發生盆底肌損傷時，如何在產后短時間內恢復和鍛煉較弱的盆底肌是重點。研究表明，在家盆底肌訓練加醫院電刺激結合生物反饋聯合治療是在短時間內恢復因妊娠和分娩而受損的盆底肌功能的有效方法[17]。

分類樹的第二層按照盆底sEMG檢測值進行拆分，可以發現當分娩方式聯合盆底sEMG檢測值對PFD發生的預測作用更顯著。陰道分娩且慢肌平均值≤13.65 μV時，產后PFD的發生率有88.8%。而剖宮產是產后PFD的保護因素，當剖宮產且快肌最大值＞36.85 μV時，產后PFD的發生率僅為51.8%。慢肌平均值下降，肌肉穩定性降低可導致盆腔器官脫垂高風險，因此陰道分娩同時伴隨慢肌平均值下降的產婦是產后PFD的高危人群。快肌能在短時間產生快速高水平張力，快肌最大值高的產婦，可以改善尿失禁和盆腔器官脫垂，因此剖宮產同時快肌最大值高的產婦產后PFD的發生下降。

盆底肌力也能反映盆底功能，盆底肌力一共分為5級，在預測模型的第三層顯示盆底肌力2級為分界點，陰道分娩且慢肌平均值＞13.65 μV產后PFD的發生率有78%，但這些產婦當按照盆底肌力進一步拆分，產婦盆底肌力＞2級時，產后PFD的發生率降為60%，而盆底肌力≤2級同時前靜息階段平均值≤12.45 μV時，產后PFD的發生率增加為81.4%，因此盆底肌力≤2級可預測產后PFD的發生，盆底肌力＞2級是產后PFD發生的保護因素。

隨著二胎政策的放開，經產婦越來越多，經產婦在孕前往往已存在盆底功能紊亂，即使是初產婦，多次流產史、高齡、肥胖、久坐久站等不良生活方式可導致孕前就發生盆底功能下降，妊娠期PFD的發生[10]，妊娠期PFD的存在增加了產后PFD的風險，學者們建立了UR-CHOICE 評分等預測模型[18-19]，為準媽媽提供關于其后續PFD 風險的充分信息。但這些模型納入了分娩因素和生物因素，而并沒有納入盆底肌功能數據。在后續的研究中可以考慮孕前開始盆底功能的檢測，建立預測妊娠期和產后PFD模型。

綜上所述，本研究建立的產后PFD分類樹預測模型提示，產后PFD的發生與分娩方式及盆底肌功能密切相關，其中可能的危險因素為，陰道分娩、慢肌平均值≤13.65 μV、前靜息平均值≤12.45 μV。陰道分娩且慢肌平均值≤13.65 μV時易出現產后PFD，而剖宮產且快肌最大值＞36.85 μV時產后PFD的發生率明顯降低；盆底肌力＞2級可以減少由于陰道分娩導致的產后PFD的發生。通過本研究建立的產后PF分類樹預測模型提示盆底sEMG 篩查在預測PFD 中有一定價值，聯合分娩方式、盆底肌力可以早期篩查出產后PFD的高危人群。今后可以在孕前就開展盆底肌篩查，篩查高危人群并提前進行盆底功能訓練，將預防PFD的關口前移。