決策樹模型在老年髖部骨折術后病人3年內死亡風險預測中的應用

余媛媛，張正東，屈 波，席小燕

成都醫學院第一附屬醫院，四川 610500

髖部骨折是65 歲以上老年人的多發病與常見病，指從股骨頭至股骨小轉子處的骨折，臨床可分為股骨粗隆間骨折和股骨頸骨折，且該病具有較高的致殘率和致死率[1]。相關文獻報道，髖部骨折發生率占全身骨折的20% 左右[2]，預計全球髖部骨折病例數可從1990 年的每年130 萬例增加至2025 年的每年260 萬例，截至2050 年可達每年450 萬例，我國每年高達120萬例。由于老年人骨量流失較為嚴重，加之髖部肌肉較為薄弱，導致低能量創傷就可引發髖部骨折[3]。臨床治療該病包括非手術和手術治療，非手術治療需病人長期保持臥床狀態，但老年病人普遍存在免疫力差、基礎疾病多等問題，增加了深靜脈血栓、壓力性損傷以及肺部感染等嚴重并發癥的發生風險，進而影響生存質量，甚至危及生命[4]。手術治療已逐漸成為最佳治療方案，但部分病人臟器衰退、合并內科疾病等諸多因素同樣會增加手術風險，且術后并發癥及病死率也相對較高。研究表明，髖部骨折病人死亡率可從術后半年12%～23%提升至術后1 年的14%～36%，且致死風險可持續8 年[5]。因此，盡早確定老年髖部骨折術后死亡的危險因素，并早期給予相應的防治措施，在優化病人臨床療效、降低病死率等方面極為重要[6]。但目前相關研究多采用Logistic 回歸篩選老年髖部骨折術后死亡的風險因素，雖具有較好的預測效能，但其在決策建議方面存在一定缺陷[7]。決策樹是一種以樹形結構所構建的模型，可在不創建啞變量的前提下，對定性的預測變量進行有效處理。研究發現，Logistic 回歸模型和決策樹模型二者聯合應用能夠實現優勢互補，增加預測效果[8]。基于此，本研究基于Logistic 回歸和決策樹構建老年髖部骨折術后3 年內發生死亡的風險預測模型，以期為老年髖部骨折術后死亡的防治提供參考。

1 資料與方法

1.1 研究對象

回顧性分析2019 年1 月—2021 年5 月在我院進行治療的238 例老年髖部骨折病人為研究對象。診斷標準：老年髖部骨折根據《老年髖部骨折診療專家共識(2017)》[9]中相關診斷標準。納入標準：1）年齡≥60 歲；2）病人知情同意且臨床資料齊全的病人；3）根據美國麻醉醫師協會（American Society of Anesthesiologists，ASA）分級為Ⅰ～Ⅳ級的病人。排除標準：1）髖部同部位再次骨折的病人；2）病理性骨折且非手術治療的病人；3）伴有胸腹部及顱腦外傷的病人；4）伴有嚴重臟器功能不全、惡性腫瘤或血液類傳染性疾病的病人。

1.2 臨床資料收集

參考既往影響老年髖部骨折術后死亡的相關因素文獻[10]，并結合我院老年髖部骨折病人的相關信息及骨科專家建議收集資料，包括年齡、性別、吸煙史（吸煙總數≥180 支，包括正在吸煙者與既往吸煙者）、飲酒史（酒精攝入量女性每周＞140 g，男性每周＞280 g）、受教育程度、體質指數（≥25 kg/m2）、致傷原因、ASA分級、入院后手術時機、合并內科疾病、骨折類型、麻醉方式、手術方式、術前清蛋白水平、術前白細胞計數、術前D-二聚體、術中輸血量、術后首次下地時間、術后并發癥、住院時間。根據我院3 年的隨訪結果將病人分為死亡組和生存組。本研究已通過我院倫理委員會批準。

1.3 統計學方法

運用SPSS 24.0 統計軟件分析數據，符合正態分布的定量資料用均數±標準差（±s）表示，行t檢驗；定性資料用例數表示，行χ2檢驗，運用二分類Logistic回歸篩選老年髖部骨折術后3 年內死亡的危險因素，以P＜0.05 為差異有統計學意義。運用SPSS Modeler軟件建立預測老年髖部骨折術后3 年內死亡的決策樹模型，并繪制決策樹模型和Logistic 回歸模型的受試者工作特征（ROC）曲線。

2 結果

2.1 老年髖部骨折術后病人3 年內死亡情況

本研究共納入238 例老年髖部骨折手術病人，3 年內58 例病人死亡（死亡組），180 例病人存活（生存組），老年髖部骨折術后3 年內死亡率為24.37%（58/238）。

2.2 兩組病人臨床一般資料及死亡的單因素分析

死亡組和生存組病人吸煙史、飲酒史、受教育程度、體質指數、致傷原因、ASA 分級、入院后距手術時機、骨折類型、麻醉方式、手術方式、術前D-二聚體、術中輸血量、術后首次下地時間以及住院時間比較，差異均無統計學意義（P＞0.05），而死亡組和生存組病人年齡、性別、合并內科疾病、術前清蛋白、術前白細胞計數以及術后并發癥比較，差異均有統計學意義（P＜0.05）。見表1。

表1 兩組病人臨床資料及死亡的單因素分析結果

2.3 老年髖部骨折術后病人3 年內發生死亡危險因素的Logistic 回歸分析

以老年髖部骨折術后3 年內是否發生死亡為因變量（發生死亡=1，未發生死亡=0），以老年髖部骨折術后病人的臨床資料分析結果中有統計學意義的項目（年齡、性別、合并內科疾病、術前清蛋白、術前白細胞計數以及術后并發癥）為自變量，進行二分類多因素Logistic 回歸分析，結果顯示：年齡≥75 歲、男性、合并內科疾病≥2 種、術前清蛋白降低、術前白細胞計數升高以及術后并發癥均為老年髖部骨折術后3 年內發生死亡的獨立危險因素（P＜0.05）。詳見表2、表3。

表2 變量賦值情況

表3 老年髖部骨折術后病人3 年內發生死亡的多因素Logistic 回歸分析結果

2.4 老年髖部骨折術后病人3 年內死亡影響因素的決策樹模型

將表1 中有統計學意義的6 個自變量納入決策樹模型，得到決策樹生長3 層，共14 個節點，其中終末節點10 個，篩選出術前清蛋白、術后并發癥、術前白細胞計數以及合并內科疾病4 個解釋變量，其中首層為術前清蛋白，提示術前清蛋白水平與老年髖部骨折術后3 年內發生死亡最具相關性，術前清蛋白≤24.53 g/L 的病人術后3 年內的死亡率為83.33%，在術前清蛋白＞33.10 g/L 的前提下，術前白細胞計數≤10.93×109/L時，死亡發生率為0。詳見圖1。

圖1 老年髖部骨折術后病人3 年內死亡影響因素的決策樹模型

2.5 多因素Logistic 回歸模型和決策樹模型的效果比較

Logistic 回歸模型預測老年髖部骨折術后病人3年內死亡的ROC 曲線下面積（AUC）為0.881[95%CI（0.833，0.919）]，決策樹模型預測老年髖部骨折術后3年內死亡的AUC 為0.895[95%CI（0.846，0.932）]，決策樹模型的預測效能稍優于Logistic 回歸模型，差異有統計學意義（Z=2.423，P=0.013）。詳見圖2、表4。

圖2 多因素Logistic回歸模型與決策樹模型的ROC曲線

表4 多因素Logistic 回歸模型和決策樹模型的效果比較

3 討論

骨折可誘發疼痛和關節活動受限，其中以髖部骨折更為嚴重。老年人作為髖部骨折的好發人群，骨折后其耐受能力、基礎疾病、身體恢復狀態等均會直接影響病人康復效果[11-12]。研究表明，臥床保守治療的髖部骨折病人3 個月內的死亡率約為19%，而1 年內死亡率可達37%[11]。近年來，隨著醫療水平的不斷發展與進步，病人高齡已不再是手術的禁忌，通過手術治療可有效避免臥床保守治療的相關并發癥，有助于提高病人生活質量，降低病死風險[13]。若病人符合手術條件，出于降低臥床相關并發癥及改善生存質量的目的，選擇手術治療基本已成共識。但如何降低病人術后致殘率、致死率仍是骨科醫生亟需解決的問題之一[14]。因此，探討影響老年髖部骨折術后死亡的相關因素，及時對高危病人進行風險分級，并實施針對性的干預方案尤為重要。王曉偉等[15]研究顯示，老年髖部骨折病人術后1 個月、6 個月以及1 年的死亡率分別為4.3%、9.8%以及31.9%。王成剛等[16]研究顯示，老年髖部骨折病人術后2 年的死亡率為25.85%。本研究結果顯示，老年髖部骨折病人術后3 年內死亡率為24.37%，與上述研究結果具有一致性，由此可見，老年髖部骨折術后病人死亡率高，提示老年髖部骨折術后病人需得到臨床醫生的重點關注。

本研究回顧性分析了238 例老年髖部骨折手術病人的臨床資料，并采用多因素Logistic 回歸篩選危險因素發現，年齡、性別、合并內科疾病、術前清蛋白、術前白細胞計數以及術后并發癥均為老年髖部骨折術后病人3 年內發生死亡的獨立危險因素。研究發現，高齡是老年髖部骨折術后病人死亡的危險因素。隨著老年人年齡的不斷增長，其器官逐漸老化，免疫能力下降，同時受手術創傷、麻醉等影響，術后病人器官衰竭更為明顯，促使病人術后死亡風險增加[17]。李成宇等[18]研究表明，女性是老年髖部骨折術后病人死亡的保護因素，男性為老年髖部骨折術后病人死亡的危險因素。部分學者認為，男性生活習慣相較于女性而言更差，常伴有較多的基礎疾病，且其壽命短于女性[19]。研究發現，衰弱在老年髖部骨折病人的預后中發揮了重要作用，而男性較女性而言更易發生衰弱，在同樣應激條件下更易出現各種合并癥，這亦可能是男性術后死亡率高于女性的原因[20]。本研究結果顯示，高齡和男性的老年髖部骨折病人術后3 年內死亡的風險是年齡較低和女性病人的2 倍，與上述研究結果一致。清蛋白異常多提示病人存在營養方面的問題，其作為老年髖部骨折病人術后死亡的影響因素之一，同樣受到學者的關注。營養不良主要是指機體所需營養與其攝入不平衡所致的相關癥狀，亦是老年人健康失衡的表現。既往研究表明，營養不良與病人不良預后密切相關，針對該類病人需給予特殊關注[21]。本研究結果顯示，死亡組病人術前清蛋白水平低于生存組，通過Logistic 回歸分析發現，術前清蛋白升高是老年髖部骨折病人術后死亡的保護因素。周朝波等[22]研究表明，老年人多伴有內科疾病，其中以冠心病、糖尿病、高血壓等疾病最為常見，而上述疾病均可加劇病人內耗，使病人更為虛弱，而老年病人本身就較為虛弱，當其合并內科疾病病種≥2 種時，手術帶來的損傷亦會致使其術后難以恢復至術前狀態，進而增加病人術后的死亡風險。既往研究表明，白細胞計數升高常見于全身炎癥反應綜合征的病人中，全身炎癥反應綜合征是對病人創傷、感染、手術以及燒傷等非感染性和感染性因素誘發嚴重損傷后所產生的非特異性炎癥反應，當老年髖部骨折病人白細胞計數異常升高時多伴有全身炎癥反應綜合征，其可誘發器官功能衰竭，進而導致病人術后死亡風險增加[23]。研究表明，術后并發癥亦是老年髖部骨折病人死亡的影響因素[24]。老年髖部骨折病人多需要長期臥床調養，而長期臥床易誘發深靜脈血栓、泌尿系統感染等嚴重并發癥，進而增加病人致死風險，雖然現階段多數病人均選擇手術干預，以期縮短臥床時間，盡早下床活動，但本研究結果發現，術后并發癥仍是病人死亡的獨立危險因素，分析原因可能與病人術后并發癥的發生對其生存影響仍需通過臥床時間來體現相關，而并發癥嚴重程度不同，術后康復狀態亦存在差異，因此，術后并發癥同樣可納入老年髖部骨折病人死亡的風險因素中。

此外，本研究結果還顯示，Logistic 回歸模型和決策樹模型預測老年髖部骨折病人術后3 年內死亡的AUC 值分別為0.881 和0.895，決策樹模型的預測效果稍優于Logistic 回歸模型，同時2 種模型預測老年髖部骨折病人術后3 年內死亡的影響因素結果具有較高的一致性，這與既往研究結果[25]較為一致。而本研究中的Logistic 回歸模型雖然可有效計算出不同影響因素預測的具體OR 值，并反映了老年髖部骨折病人術后3年內死亡與年齡、性別、合并內科疾病、術前清蛋白、術前白細胞計數以及術后并發癥6 項因素間的依存關系，但其無法顯示各因素間的交互作用，預測結果不直觀。決策樹可很好地顯示各因素間的交互作用，本研究中術前清蛋白是決策樹模型中的首層影響因素，提示術前清蛋白是老年髖部骨折術后3 年內死亡的重要影響因素，決策樹第2 層和第3 層則顯示了各因素間的交互關系。上述2 種模型各具優勢，醫務人員可結合使用，充分發揮2 種模型的優越性。此外，本研究為回顧性研究，且樣本來源單一，結果可能存在一定不足，因此，還需在今后的研究中納入多中心、大樣本加以驗證。