基于SMOTE算法的下肢創傷性骨折術后下肢深靜脈血栓形成風險預警模型的構建

石穎花 黃子珊 藍寧路

廣西壯族自治區江濱醫院,廣西南寧市 530021

下肢深靜脈血栓形成(Deep vein thrombosis,DVT)是指由下肢深靜脈內血液不正常凝結,導致的靜脈回流障礙性疾病。DVT是骨科術后的常見并發癥之一,尤其好發于下肢骨折術后患者。有研究發現,髖關節和膝關節置換術患者在圍手術期若未積極預防干預,術后DVT的發生率可高達75%[1]和88%[2]。而一旦栓子脫落,引起重要血管堵塞則可造不良后果,如肢體腫脹、疼痛,而堵塞肺部血管可導致致死性肺栓塞,威脅患者的生命健康,影響患者術后康復。然而,DVT發病常較隱匿,臨床表現不明顯,容易引起漏診或誤診[3],因此加強對下肢創傷患者術后DVT風險的預測,進而采取個體化的干預措施,對降低術后DVT的發生率、改善骨折患者預后具有重要意義。本研究擬將我院收治的下肢創傷術后患者作為研究對象,通過構建數學模型,將風險因素定量化,預測患者術后DVT的發生風險。

1 對象與方法

1.1 研究對象 選取我院2018年1月—2021年6月收治的398例下肢創傷性骨折患者作為研究對象,根據患者術后是否發生DVT,將患者分為DVT組和非DVT組。納入標準:(1)患者經影像學檢查,下肢創傷性骨折診斷明確,且為新鮮性骨折(≤3周);(2)年齡≥18周歲,男女不限。排除標準:(1)妊娠期或月經期婦女;(2)患者合并有嚴重肝功能不全、血栓性疾病或凝血功能障礙;(3)近1周內有使用如阿司匹林等可能影響血小板或凝血功能的藥物患者;(4)患者就診時已發生DVT;(5)臨床資料不完整者。本研究經我院醫學倫理委員會批準同意,由于本研究為回顧性研究,且對患者幾乎無醫療風險,經醫學倫理委員批準免于患者知情同意。

1.2 下肢DVT診斷標準 參考我國《下肢深靜脈血栓形成診斷及療效標準:2015年修訂稿》[4]中的相關診斷標準,密切觀察患者術后14d內雙側下肢供血情況,若出現腫脹、疼痛,皮溫升高,顏色改變或合并Homans征,則進一步行彩色多普勒超聲檢查,若檢查結果提示下肢靜脈增粗,腔內充滿低實性回聲,無血流信號或血流信號繞行,在排除急性動脈栓塞、小腿損傷性血腫或急性淋巴管炎等疾病后即可診斷為下肢DVT。

1.3 數據收集 所有患者臨床數據資料均由一名經過培訓的具有高級職稱的臨床醫師進行收集,主要包括:性別、年齡、體重指數(BMI)、合并基礎疾病、下肢骨折部位、是否合并多處骨折、手術等待時間、手術時長、術中失血量及術后第1天血小板計數、國際標準化比值(INR)、D二聚體水平。

1.4 SMOTE(Synthetic Minority Oversampling Technique)過抽樣算法 采用SPSS MODELER 18.1實現SMOTE過抽樣。本研究中少量樣本組為DVT組,應增加樣本倍數(n)為非DVT患者數量與DVT患者數量比值(四舍五入取整數)。SMOTE過抽樣的具體過程為[5]:(1)計算重癥感染組每個樣本的 k 個最近鄰點;(2)隨機抽取重癥感染組樣本點 i 的 k 個最近鄰點中的一個樣本j;(3)計算樣本i和樣本j的所有變量屬性差值Q;(4)隨機產生一個介于0和1之間的數值R;(5)生成新樣本= Sample i+R×Q;(6)重復步驟(1)至(5),直至達到重癥感染組患者數達到n倍;(7)重復步驟(1)～(6),直至所有重癥感染組樣本變量均處理完畢。通過此方法擴充的數據集,本質是對少數類樣本進行類內的樣本插值,未改變樣本的原有空間邊界,具有較高的信效度。

2 結果

2.1 患者術后下肢DVT發生情況分析 398例下肢創傷性骨折患者術后發生下肢DVT 62例,發生率為15.6%。其中,左側血栓29例(46.8%),右側血栓22例(35.5%),雙側血栓11例(17.7%)。周圍型血栓56例(90.3%),中央型血栓2例(3.2%),混合型血栓4例(6.5%)。

2.2 兩組患者臨床資料單因素分析結果 DVT組患者年齡、術后第1天D二聚體水平及手術等待時間≥6d、髖部或股骨干部位骨折、合并冠狀動脈粥樣硬化性心臟病、合并多處骨折的患者比例明顯高于非DVT組,差異具有統計學意義(P<0.05)。見表1。

表1 下肢創傷性骨折患者術后并發DVT的單因素分析

2.3 二元Logistic回歸分析 將單因素分析中,兩組患者間差異具有統計學意義的變量作為自變量,以患者術后是否發生下肢DVT作為因變量,進行二元Logistic回歸分析(各變量賦值詳見表2)。結果提示,患者年齡增加、術后第1天 D二聚體水平升高、手術等待時間≥6d、合并冠心病及多處骨折是下肢創傷性骨折患者術后發生DVT的獨立危險因素(P<0.05)。見表3。概率預測模型為P1=1/[1+e-(-13.595+0.069X1+1.106X2+1.302X3+1.000X4+1.236X5)]。對該模型進行Hosmer-Lemeshow檢驗,結果提示,決定性系數R2=0.424,P=0.960,表明模型擬合度良好。

表2 各變量賦值方法

表3 二元Logistic回歸分析結果

2.4 基于SMOTE過抽樣算法的Logistic預警模型 本研究中,少量樣本組為DVT組(62例),需擴充數量為n=非DVT組/DVT組=336/62≈5,應擴充樣本量為62+62×5=372例,此時非DVT組與DVT組比值接近于1(1.1)。然后對過抽樣后的數據重新擬合Logistic回歸模型,結果見表4。基于SMOTE過抽樣算法的預警模型P2=1/[1+e-(-10.161+0.075X1+0.808X2+1.216X3+0.787X4+0.513X5)]。各變量賦值同前。對該模型進行Hosmer-Lemeshow檢驗,結果提示,決定性系數R2=0.620,高于P1模型。

表4 二元Logistic回歸分析結果

2.5 預測模型P1和P2的ROC曲線分析 為進一步驗證兩種模型對下肢創傷性骨折患者術后發生DVT的預測效能,并進行比較,分別對P1和P2模型進行ROC曲線分析,結果表明預警模型P2的ROC曲線下面積為0.910,高于P1模型的0.793(見圖1)。其中,P2模型中年齡和術后第1天D二聚體的最佳診斷界值為≥61歲和≥6.30mg/L。

圖1 預警模型P1(a)和P2(b)的ROC曲線分析

3 討論

DVT是下肢創傷性骨折患者術后常見并發癥,DVT患者栓子脫落后,常可引起下肢靜脈血管堵塞,靜脈回流受阻,導致下肢疼痛、腫脹,影響骨折患者術后康復,若堵塞至肺部血管則可引起嚴重的肺栓塞,危及患者生命安全[6]。在以往臨床診治過程中,醫務人員多通過臨床經驗判斷患者DVT的發生風險,但這種方法常帶有一定的主觀性,不僅受到個人經驗的影響,且患者間的個體差異,也可導致判斷結果并不準確。目前,關于下肢創傷性骨折患者術后DVT的臨床研究日益受到重視,但這些研究多集中于危險因素分析,缺少對不同危險因素的定量分析,臨床參考價值有限。因此,有必要建立一種實用性強,且評估過程簡單的DVT發生風險個體化預警模型,以加強DVT高危患者的篩查,開展個體化的護理干預,減少術后DVT的發生。

目前關于下肢創傷性骨折術后DVT的發生率報道差異較大。國外有研究顯示股骨頸骨折后DVT的發生率高達62%[7],而Hefley等[8]報道髖部骨折術后DVT的發生率僅為9.8%。國內學者耿倩等[9]對819例骨科住院患者的調查研究發現,術后患者住院期間下肢DVT的發生率為15.13%,這與本研究的15.6%相符。這種不同研究間骨折術后DVT發生率差異的主要原因可能與各研究對DVT診斷標準、患者骨折部位及不同隨訪時間導致。

骨折患者術后DVT形成因素復雜,患者自身因素及手術等治療因素均可在DVT的形成過程中發揮作用[10]。其中,高齡已經被認為是引起骨折術后DVT的重要危險因素之一。Zhang等[11]在一項前瞻性研究中發現,60歲以上人群閉合性下肢骨折患者術后DVT的發生率高達35%。本研究發現,年齡增加是下肢創性骨折患者術后DVT的獨立危險因素,ROC曲線分析進一步提示,其最佳診斷界值為≥61歲。高齡患者血管壁常存在不同程度的彈性降低,具有發生血管損傷及血栓形成的高危因素,而且老年患者術后隱性失血比較常見,飲食攝入量偏少,體液缺失,使其外周血液循環量減少,血流緩慢,在骨折后制動可使血流處于相對緩滯狀態,容易并發下肢深靜脈血栓[12]。

已有研究證實[13],血液的高凝狀態與血栓形成具有密切關系。D二聚體是由交聯纖維蛋白經纖溶酶降解后產生,其水平可反映機體的凝血—纖溶系統的平衡狀態,是臨床廣泛使用的血液高凝狀態診斷指標之一。近幾年,D二聚體水平對下肢DVT的診斷地位逐漸受到重視。目前,國內外指南均已將D二聚體作為下肢DVT臨床診斷和預后評估的重要實驗室檢查指標[14-15]。但有研究表明[16],對于擇期手術的骨科患者,術后發生DVT患者入院時D二聚體水平和未發生DVT患者間差異并無統計學意義,而僅在術后第1天D二聚體水平明顯高于未發生DVT患者(P<0.05)。因此,本研究選擇術后第1天患者D二聚體水平作為觀察指標之一,結果表明,患者術后第1天血D二聚體水平是下肢DVT的獨立危險因素,其最佳診斷界值為≥6.30mg/L。李樹灝等[17]研究也發現,在膝關節以遠骨折術后患者中術后第1天血D二聚體水平是發生DVT的獨立危險因素。

有研究表明[18],合并心血管疾病是DVT的獨立危險因素。冠心病作為一種常見的心血管疾病類型,其與下肢DVT關系的研究目前較為有限。許鵬等[19]研究發現,冠心病患者PCI術后DVT的發生率約為10.2%,提示冠心病可能與DVT的發生具有一定關聯。本研究結果表明,冠心病是下肢創傷性骨折患者術后發生DVT的獨立危險因素。這可能與冠心病患者血液高凝狀態導致血栓事件增加有關。除此之外,本研究還發現,合并有多處骨折的患者術后DVT發生風險明顯升高,其主要原因可能是該類患者往往受傷較為嚴重,手術過程較為復雜,手術時間長,術后可能伴有長時間的制動從而導致DVT的發生。

血流緩慢和靜脈血管損傷是引起DVT另一重要機制[20],骨折患者入院時常患肢常可伴有不同程度腫脹和血管損傷,需在手術時機成熟后方能進行手術,而在等待手術期間患者常需要制動,導致全身靜脈回流緩慢,加之創傷引起的靜脈血管損傷,可進一步加重術后DVT發生風險。本研究發現手術等待時間≥6d是下肢創性骨折患者發生DVT的獨立危險因素。李樹灝等[17]同樣發現,患者術前等待時間與術后發生DVT具有密切關系。

樣本量不平衡是醫學領域中常見的統計學問題,不僅影響預測結果的特異性和敏感性,同時還可降低回歸模型預測的精準度[21]。SMOTE是一種過抽樣算法,是目前針對不平衡數據的一種有效處理方法,不僅可擴充的樣本量較低的數據集,且不改變樣本的原有空間邊界,具有較高的信效度[20]。本研究基于SMOTE過抽樣算法,有效擴充了DVT組的樣本量,通過產生新的數據后,再次建立回歸模型。通過ROC分析可知,P2模型AUC和決定系數均高于P1模型,這提示經SMOTE過抽樣后擬合的回歸模型對下肢創傷性骨折患者術后發生DVT的預測效能更優。

綜上所述,患者年齡增加、術后第1天 D二聚體水平升高、手術等待時間≥6d、合并冠心病及多處骨折與下肢創傷性骨折患者術后發生DVT密切相關,基于此,通過SMOTE過抽樣算法建立的個體化預警模型對術后發生DVT具有較高的預測效能。醫護人員可以根據該模型在早期進行有效的防范與干預,進而改善患者預后。