全膝關節置換術后7 d內非感染性發熱的影響因素分析及列線圖模型構建

宗 俠, 孫保安, 汪宗保

(1. 安徽省淮北市人民醫院 骨一科, 安徽 淮北, 235000;2. 安徽省中西醫結合醫院 骨科, 安徽 合肥, 230031)

全膝關節置換術(TKA)是治療終末期骨關節炎的重要方法，可有效改善關節活動度，矯正畸形，恢復關節功能，提高患者的生活質量[1]。隨著骨性關節炎發病率的不斷提高, TKA的臨床開展率也不斷上升。術后發熱是TKA臨床治療過程中的常見癥狀，可分為感染性和非感染性，目前針對非感染性發熱(NIF)的研究相對較少。與感染性發熱不同的是, NIF無病原微生物感染的確切證據，但臨床發生率更高，與手術、麻醉創傷以及機體炎癥、應激反應有關[2-3], 往往會導致嚴重疼痛、傷口愈合延遲、住院時間延長和康復需求增加[4]。目前, NIF的確切機制和危險因素尚無定論，可影響NIF的早期診斷和干預，對患者術后康復造成不利影響。列線圖模型可將重要的危險因素可視化，更加方便臨床醫護人員對患者進行評估。本研究探討TKA患者術后7 d內NIF的影響因素并構建列線圖預測模型，以期為臨床早期診斷NIF提供一款簡潔的量化工具，現報告如下。

1 資料與方法

1.1 一般資料

采用回顧性隊列研究方法，選取2017年1月—2021年7月在淮北市人民醫院行單側TKA治療的201例膝骨關節炎患者作為研究對象，根據術后7 d內是否發生NIF將患者分為NIF組57例和無NIF組144例。納入標準: ① 年齡>18歲者; ② 符合膝骨關節炎診斷標準[5]和TKA手術指征[6], 順利完成手術且康復出院者; ③ 術后胸片、血尿、關節腔穿刺等檢查未見明顯感染征象者; ④ 臨床資料完整者。排除標準: ① 合并類風濕關節炎、骨腫瘤、骨外傷、痛風性關節炎等骨關節疾病者; ② 近期有大手術、創傷史者; ③ 近期有重癥感染、肝腎功能障礙、輸血史者; ④ 圍術期發生嚴重并發癥(心肌梗死、中風、血管內凝血障礙、休克、肺栓塞等)者。

術后第2～7天，護士使用紅外鼓膜溫度計測量患者體溫，每天至少測量4次(6: 00、10: 00、14: 00、18: 00)。NIF定義為術后7 d內任意時點體溫≥38.0 ℃, 且胸片、血尿、關節腔穿刺等檢查未見明顯感染征象[7]。

1.2 方法

通過醫院電子病歷系統和護理記錄單收集患者的臨床資料，主要包括性別、年齡、基礎疾病、手術時間、術中失血量、術后引流量、輸血次數、抗生素使用時間和住院時間。所有患者的手術和術后護理均由經驗豐富的手術團隊和護理團隊完成，術后采用頭孢唑啉鈉(1 g)預防感染, 2次/d, 持續48 h。術后48～72 h或日引流液量<100 mL時拔除引流管，術后根據患者康復情況開展功能鍛煉。

1.3 統計學分析

2 結 果

2.1 NIF的單因素分析

NIF組術中失血量、術后引流量、輸血者均多于無NIF組，手術時間、抗生素應用時間和住院時間均長于無NIF組，差異有統計學意義(P<0.05), 見表1。

表1 NIF的單因素分析

2.2 NIF影響因素的LASSO回歸分析

將單因素分析中差異有統計學意義的指標作為自變量，納入LASSO 回歸模型，共篩選出4個具有非零特征的變量，即術中失血量、術后引流量、輸血和手術時間，見圖1。

A: 利用最小標準值和10倍交叉驗證識別LASSO模型中的λ; B: 顯示特征的套索系數剖面

2.3 NIF影響因素的多因素Logistic回歸分析

多因素Logistic回歸分析顯示，術中失血量、術后引流量、輸血和手術時間是TKA患者術后7 d內NIF的獨立影響因素(P<0.001), 見表2。

2.4 NIF的列線圖模型

基于多因素Logistic回歸分析篩選出的影響因素及其對應權重(β值)，應用R軟件構建列線圖模型，見圖2。若1例患者術中失血量為400 mL(對應分值22分)，術后引流量為400 mL(對應分值20分)，輸血(對應分值60分)，手術時間為200 min(對應分值10分)，則各項分值相加的總分為112分，對應風險為0.93, 提示其發生NIF的概率較高。

表2 NIF影響因素的多因素Logistic回歸分析

圖2 NIF的列線圖模型

2.5 列線圖模型預測NIF的內部驗證結果

ROC曲線顯示，列線圖模型預測NIF的AUC為0.865(95%CI為0.799～0.901), 提示該模型的區分度和預測效能較好，見圖3。Calibration校正曲線顯示，該模型的一致性較好，見圖4。DCA顯示, NIF發生的風險閾值超過8%時，列線圖模型的臨床價值最大，見圖5。

圖3 列線圖模型預測NIF的ROC曲線

圖4 列線圖模型預測NIF的Calibration校正曲線

圖5 列線圖模型預測NIF的DCA結果

3 討 論

臨床研究[8]發現, TKA后NIF十分常見，發生時間多為術后1～10 d, 高峰期為術后7 d內，故本研究主要統計術后7 d內NIF發生情況。NIF的主要臨床表現為無明顯感染跡象的體溫升高，抗生素應用效果不佳，發熱持續時間較長，可影響手術療效，造成術后康復質量不佳[9]。研究[10-11]發現，組織損傷、藥物、輸血反應、貧血和深靜脈血栓形成等非感染性因素可以刺激機體釋放大量炎癥介質，導致體溫升高，但各種因素的主次關系仍未闡明，為臨床早期干預增加了難度。目前，臨床尚無公認的可靠指標來預測NIF的發生，故本研究基于NIF的危險因素構建列線圖模型，以期為臨床早期診斷NIF提供有效的工具。

本研究顯示, TKA患者術后7 d內NIF發生率為28.4%(57/201), 與相關研究[12-13]報道的發生率差異較大，這可能與納入樣本量及患者病情特征不同有關。針對術后發熱，臨床首先需要通過相關指標結果排除感染性原因，但往往需要抽血、關節腔抽液、細菌培養以及影像學檢查等，會增加患者痛苦和醫療費用，而大多數患者檢測結果為陰性。本研究結合實際情況比較分析了2組患者術中失血量、輸血、術后引流量等容易監測的可影響液體平衡和血容量的因素，這些因素與機體的體液平衡顯著相關，而體液平衡是維持體溫調節能力的關鍵因素[14-15]。本研究結果顯示, NIF組術中失血量、術后引流量、輸血者均多于無NIF組，手術時間、抗生素應用時間和住院時間均長于無NIF組，差異有統計學意義(P<0.05)。本研究利用LASSO回歸分析篩選非零特征的變量(降低變量間的相關性，突出變量的獨立性)，并進行多因素Logistic回歸分析，結果顯示，術中失血量、術后引流量、輸血和手術時間均為TKA患者術后7 d內NIF的獨立影響因素。術中失血量和術后引流量是影響循環血容量穩定的重要原因，液體丟失可導致體溫調節不穩定[16]。減少異體輸血有助于預防發熱并發癥，尤其是在大型骨科手術中[17]。另有研究[18]顯示，手術后排出的液體量與局部血管損傷、傷口滲出和金屬刺激有關。手術損傷區域的出血和滲出會刺激局部組織發生炎癥反應，使機體釋放大量腫瘤壞死因子、白細胞介素以及其他細胞因子，促進內源性熱源的產生，導致患者體溫升高[19-20]。

本研究應用R軟件構建列線圖模型(基于NIF發生的獨立影響因素)，并進行多維度驗證。ROC曲線顯示，該列線圖模型預測NIF的AUC為0.865, 提示模型的區分度和預測效能較好; Calibration校正曲線顯示，該模型的一致性較好; DCA顯示, NIF發生的風險閾值超過8%時，該模型的臨床價值最大。本研究存在一定局限性，例如樣本量和觀察時間有限，數據來源于單中心回顧性病例分析結果，且列線圖模型僅進行了內部驗證，缺乏外部驗證數據，故其準確性和推廣價值有待進一步深入研究后加以驗證。

綜上所述, TKA患者術后7 d內NIF發生率較高，術中失血量、術后引流量、輸血和手術時間是NIF發生的獨立影響因素，基于影響因素構建的列線圖模型可視化效果較好，預測NIF發生的效能較高。