減重代謝手術病人麻醉蘇醒期低氧血癥預測模型的構建與驗證

鄒旗，許孟楠，梁輝，劉雙源，劉存明，王玉婷，馮建萍*

·科研論著·

減重代謝手術病人麻醉蘇醒期低氧血癥預測模型的構建與驗證

鄒旗1，2，許孟楠2，梁輝1，劉雙源1，劉存明1，王玉婷1，馮建萍1，2*

1.南京醫科大學第一附屬醫院，江蘇 210029；2.南京醫科大學護理學院

探討減重代謝手術病人麻醉蘇醒期發生低氧血癥的危險因素，構建低氧血癥預測模型并驗證，為臨床預測減重代謝手術病人麻醉蘇醒期發生低氧血癥的風險提供參考。選擇江蘇省某三級甲等醫院2021年12月—2022年3月接受減重代謝手術的病人，應用Logistic回歸篩選麻醉蘇醒期低氧血癥的獨立危險因素，完成模型的初步建立，并以2022年4月—5月接受減重代謝手術的病人為驗證組進行模型驗證。最終納入建模組300例，驗證組130例。Logistic回歸顯示，美國麻醉醫師協會（ASA）分級、術前水腫、術中氣道壓、術后疼痛評分、睡眠呼吸暫停初篩量表（STOP?Bang）評分、麻醉蘇醒期瑞芬太尼用量是減重代謝手術病人麻醉蘇醒期發生低氧血癥的獨立危險因素（<0.05）。根據上述危險因素建立減重代謝手術病人麻醉蘇醒期低氧血癥預測模型，模型通過Hosmer?Lemeshow檢驗擬合效果良好（>0.05），建模組受試者工作特征（ROC）曲線下面積（AUC）為0.882，靈敏度為84.96%，特異度為78.07%，最佳臨界值為0.630；驗證組AUC為0.915，靈敏度為85.96%，特異度為90.41%，最佳臨界值為0.764，校正曲線趨近于理想曲線，列線圖預測模型預測低氧血癥發生情況結果與實際情況相符（建模組C?index為0.882，驗證組C?index為0.915）。構建的減重代謝手術病人麻醉蘇醒期低氧血癥預測模型有較好的預測效能，對臨床圍術期麻醉護理有指導作用。

減重代謝手術；麻醉蘇醒期；低氧血癥；列線圖；麻醉護理；預測模型

隨著社會的發展與人們生活水平的提高，肥胖的患病率與日俱增。有證據表明，肥胖是21世紀威脅人類健康最重要的慢性非傳染性疾病，其引起的慢性全身性炎癥反應參與了百余種慢性病的發生發展[1]。與傳統肥胖治療相比，減重代謝手術可顯著降低全因死亡率和延長預期壽命，已成為治療病態肥胖癥的重要手段[2]。肥胖是全身麻醉病人麻醉蘇醒期發生低氧血癥的獨立危險因素[3]。Scott等[4]研究表明，接受減重手術病人術后均出現不同程度的低氧血癥。低氧血癥是麻醉恢復期內常見并發癥之一，易引起心肌缺血、心律失常、神經功能紊亂，嚴重者造成呼吸、心搏驟停，是麻醉相關不良事件發生的重要原因[5]。肥胖病人因其特殊的呼吸生理改變，麻醉蘇醒期低氧血癥發生率增加且危害加大，然而目前對于肥胖病人低氧血癥的研究多集中在術前肥胖低通氣綜合征（obesity?hypoventilation syndrome，OHS）或睡眠呼吸暫停綜合征（obstructive sleep apnea hypopnea syndrome，OSAHS）等[6?8]，對麻醉蘇醒期低氧血癥的發生鮮少關注，而肥胖病人接受全身麻醉術后發生呼吸相關并發癥風險是決定其是否可以接受手術以及影響其遠期轉歸的重要因素。因此，本研究旨在構建接受減重手術的肥胖病人麻醉蘇醒期低氧血癥發生風險的預測模型，以指導臨床圍術期麻醉護理方案的選擇。

1 資料與方法

1.1　一般資料

分別選取2021年12月—2022年3月和2022年4月—5月于江蘇省某三級甲等醫院行全身麻醉下減重代謝手術的病人為建模組和驗證組。納入標準：1）年齡≥18歲；2）接受氣管插管及全身麻醉行減重手術病人；3）美國麻醉醫師協會（ASA）分級Ⅰ～Ⅲ級；4）溝通、理解能力良好。排除標準：1）術前有視聽障礙者；2）帶氣管導管轉入重癥監護室（ICU）的全身麻醉減重病人；3）有精神異常且癥狀不穩定者，藥物濫用、吸毒史病人；4）圍術期出現需搶救等意外情況者。因本研究為橫斷面研究，共納入30個自變量，建模組樣本量至少為自變量的5～10倍[9]，建模組與驗證組樣本量按照7∶3納入，因此，本研究按照時間順序，建模組納入300例病人，驗證組納入130例病人。本研究已通過醫院倫理委員會批準（批準文號：2021?SR?540）。

1.2　方法

1.2.1研究方法

所有病人術前均在超聲引導下開放動靜脈通路，抽取動脈血進行基礎血氣分析，術中靜吸復合麻醉維持。術畢帶氣管導管進入麻醉恢復室，待病人滿足拔管條件后，麻醉醫生嚴格遵循拔管指征拔除氣管導管，并給予5 L/min面罩吸氧10 min后脫氧，血氧飽和度在90%以上則無需特殊處理。若病人血氧飽和度持續下降，行血氣分析的同時給予呼喊、吸氧等處理，呼叫上級醫生及時干預。以氧分壓（PaO2）/吸入氧濃度（FiO2）≤300 mmHg作為低氧血癥的診斷標準[10]。

1.2.2資料收集方法

通過文獻研究形成調查問卷條目池，德爾菲法收取麻醉科專家、減重代謝專家、麻醉護理專家、手術護理專家意見，最終形成減重代謝手術病人麻醉蘇醒期低氧血癥影響因素調查表。1）一般資料：包括性別、年齡、體質指數（BMI）、頸圍、腹圍、基礎病、吸煙史、術前是否合并水腫、術前嗜睡程度、睡眠呼吸暫停初篩量表（STOP?Bang）分級、術前基礎血氣指標等；2）麻醉相關資料、ASA分級、術中平均潮氣量、術中平均氣道平臺壓、術中呼氣末正壓（PEEP）、芬太尼使用量、丙泊酚使用量、麻醉時間等；3）手術相關資料：基礎腹腔壓力、手術方式、手術時間等；4）麻醉蘇醒期相關資料：拔管時間、拮抗藥物使用情況、疼痛評分、恢復期瑞芬太尼使用量等。采用STOP?Bang量表判斷病人合并呼吸睡眠暫停綜合征的風險，評分>3分，提示高危。采用Epworth嗜睡量表評分評判病人嗜睡情況，從不打瞌睡計0分，很少打瞌睡計1分，有時打瞌睡計2分，經常打瞌睡計3分。評分6～10分提示瞌睡，11～15分則表示過度瞌睡，≥16分提示有危險性瞌睡。采用數字評分法(Numerical Rating Scale,NRS)對病人進行疼痛評估，0分為無痛，1～3分為輕度疼痛，4～6分為中度疼痛，7～9分為重度疼痛，10分為劇痛。

1.2.3統計學方法

采用 SPSS 23.0 統計軟件進行數據分析，定量資料經Shapiro?Wilk正態分布檢驗，符合正態分布的定量資料用均數±標準差()表示，兩組比較采用檢驗；不符合正態分布的定量資料采用中位數、四分位數[(25，75)]表示，兩組比較采用Mann?Whitney秩和驗。定性資料用例數、百分比（%）表示，組間比較采用檢驗，等級資料采用秩和檢驗。對納入因素之間進行多重共線性檢驗，共線性的判斷通過方差膨脹因子(variance inflation factor，VIF)來進行判斷，VIF<10，表明各自變量之間不存在共線性。將差異有統計學意義的單因素納入Logistic 回歸分析，以<0.05 為差異有統計學意義。采用R3.5.3軟件包和rms程序包構建列線圖模型，采用Bootstrap法做內外部驗證，采用一致性指數(C?index)、校正曲線和受試者工作特征曲線（ROC）及Hosmer?Lemeshow擬合優度檢驗以評估該列線圖預測模型的準確性。

2 結果

2.1　建模組和驗證組的臨床資料比較

本研究最終納入430例減重代謝手術病人，其中袖狀胃切除術（SG）277例，袖狀胃切除術并空腸轉流術（SG+JJB）100例，其他術式共53例。本研究中全身麻醉蘇醒期低氧血癥發生率為39.5%（170例）。建模組和驗證組的臨床資料比較差異均無統計學意義（>0.05)，具有可比性，見表1。

表1　建模組和驗證組的臨床資料比較

2.2　影響減重代謝手術病人麻醉蘇醒期低氧血癥的單因素分析

建模組中有113例（37.7%）病人麻醉蘇醒期發生低氧血癥，將病人劃分為低氧血癥組（=113）和非低氧血癥組（=187），通過共線性檢驗，發現各影響因素之間不存在共線性（VIF<10）。兩組病人在性別、BMI、頸圍、腹圍、ASA分級、是否合并基礎病、是否伴有水腫、STOP?Bang量表分級為高危、PaO2、二氧化碳分壓（PaCO2）、血紅蛋白（Hb）含量、嗜睡程度、術中氣道壓、手術方式、疼痛評分、蘇醒后是否補充鎮痛藥物、拮抗劑使用情況、基礎腹腔壓力、恢復期瑞芬太尼使用等方面差異均有統計學意義（<0.05），而在年齡、術前呼吸功能訓練、術中手法肺復張、術中潮氣量、PEEP、手術時間、拔管時間、pH、芬太尼用量、丙泊酚用量等方面差異均無統計學意義（>0.05），見表2。

表2　影響減重代謝手術病人麻醉蘇醒期發生低氧血癥的單因素分析

注：1 cmH2O=0.098 kPa。

2.3　減重代謝手術病人麻醉蘇醒期低氧血癥的多因素Logistic回歸分析

以是否發生低氧血癥為因變量（未發生=0，發生=1），以單因素分析中差異有統計學意義的因素為自變量，進行Logistic回歸分析，結果顯示，ASA分級、水腫、術中氣道壓、疼痛評分、STOP?Bang評分為高危是減重代謝手術病人麻醉蘇醒期發生低氧血癥的獨立危險因素（<0.05），ASA分級增加、術中氣道壓升高、疼痛評分高、合并水腫、STOP?Bang評分為高危會增加低氧血癥的發生率；而恢復室瑞芬太尼用量為保護因素（<0.05），恢復室瑞芬太尼用量增加，低氧血癥發生率降低。見表3。

表3　減重代謝手術麻醉蘇醒期發生低氧血癥的多因素Logistic回歸分析

2.4　減重代謝手術麻醉蘇醒期低氧血癥的列線圖風險預測模型的建立與驗證

本研究基于篩選出的獨立危險因素建立減重代謝手術麻醉蘇醒期發生低氧血癥的列線圖預測模型，見圖1；建模組和驗證組的ROC曲線下面積（AUC）分別為0.882[95%CI（0.843，0.892）和0.915[95%CI（0.831，0.946）]，見圖2。建模組靈敏度為84.96%，特異度為78.07%，最佳臨界值為0.630；驗證組靈敏度為85.96%，特異度為90.41%，最佳臨界值為0.764。建模組和驗證組C?index分別為0.882和0.915。Hosmer?Lemeshow擬合優度檢驗結果顯示，該列線圖預測模型的擬合效果良好(=6.814，=0.557)，表明本研究構建的減重代謝手術病人麻醉蘇醒期低氧血癥預測模型具有良好的預測精準度，驗證模型結果顯示：建模組和驗證組的校正曲線都趨近于理想曲線，見圖3。

圖1　預測減重代謝手術病人麻醉蘇醒期發生低氧血癥的列線圖風險模型

圖2　ROC曲線

（A為建模組；B為驗證組）

圖3　校正曲線圖

（A為建模組；B為驗證組）

3 討論

根據《中國肥胖及2型糖尿病外科治療指南(2019版)》[11]，減重代謝手術病人BMI至少在25 kg/m2以上，而研究顯示低氧血癥在高BMI人群中發生率更高，同時，由于全身麻醉藥物會引起中樞神經系統抑制和肌肉松弛，使病人更易發生低氧血癥[12]。本研究顯示，39.5%病人在術后出現低氧血癥，介于以往報道的術后低氧血癥發生率（6.42%～55.00%）[13?14]，表明肥胖病人麻醉蘇醒期低氧血癥發生率處于較高水平，值得引起重視。

3.1　減重代謝手術病人麻醉恢復期低氧血癥的危險因素

ASA分級、是否合并水腫、術中平均氣道壓、疼痛評分、STOP?Bang評分、恢復期瑞芬太尼用量是減重代謝手術病人麻醉蘇醒期發生低氧血癥的獨立預測因子，分析并掌握減重代謝手術麻醉蘇醒期低氧血癥發生的影響因素對預防和控制肥胖病人術后相關并發癥的發生和改善預后具有重要作用。

3.1.1ASA分級、是否合并水腫、STOP?Bang評分為高危是術前相關影響因素

ASA分級越高，減重代謝病人術后低氧血癥發生率越高，這與張良燕等[15?16]研究結果一致。ASA分級反映了病人的合并癥及整體身體健康情況[17]，而術后低氧血癥的發生與病人器官功能障礙及整體健康狀態有關，肥胖病人基礎生理改變，與高血壓、糖尿病、骨關節病、某些腫瘤的發生發展有關，甚至會導致呼吸衰竭與心臟衰竭等[18?19]，從而引起心源性水腫、內分泌性水腫等[20]。STOP?Bang問卷是篩查呼吸睡眠暫停綜合征的問卷，評分高危說明病人有高度風險患有OSAHS[21]。OSAHS病人會發生顯著的呼吸事件伴有血氧飽和度下降，甚至是持續不明原因的低氧狀態[22]，嚴重者伴有高碳酸血癥甚至呼吸衰竭，影響病人的呼吸功能[23]。因此，病人基礎情況與其術后麻醉恢復期低氧血癥的發生有強相關性。此結果提示，完善的術前評估、及時的術前干預、充分的術前準備有利于降低術后相關呼吸系統并發癥的發生。

3.1.2氣道壓是術中相關影響因素

肥胖病人胸腹部脂肪堆積，限制胸廓和膈肌運動，肺順應性下降，呼吸阻力增大，使氣道壓增高。王宏亮等[24]研究表明，第1秒用力肺容積百分比(FEV1%)是手術病人麻醉恢復期低氧血癥發生的獨立危險因素；同時，病人機械通氣狀態下無法自主清除氣道黏稠分泌物，易引起氣道痙攣和分泌物阻塞，增加氣道壓，造成病人呼吸功能降低。因此，術中平均氣道壓增高引起蘇醒期低氧血癥發生率上升。此結果提示手術過程中要加強氣道管理，著重注意氣道壓的變化，及時調整呼吸參數以及清理氣道分泌物以降低平均氣道壓。

3.1.3術后疼痛評分以及恢復室瑞芬太尼用量是術后相關影響因素

本研究顯示，術后疼痛評分越高，低氧血癥發生率越高，與劉利利[25]研究結果一致。分析原因可能是術后疼痛極大地限制肺通氣，同時疼痛影響病人有效咳嗽及分泌物排出，從而影響呼吸功能。除此以外，較高的疼痛評分會增加阿片類止痛藥物的使用[26]，疼痛與鎮靜不匹配的狀態[27]以及阿片類藥物呼吸抑制的副反應也會增加低氧血癥發生率。恢復室瑞芬太尼的使用可以有效控制麻醉拔管的時間，有利于病人從麻醉中充分快速復蘇[28]。瑞芬太尼的使用可以延長病人的機械通氣時間，為病人體內肌肉松弛藥物充分代謝爭取時間，有利于病人肌力恢復，進行充分、有效的呼吸。在機械通氣狀態下，可以充分吸痰并且采取肺通氣保護策略[29]，降低病人肺不張發生率，有助于病人拔除氣管導管后有效通氣，從而降低病人低氧血癥發生率。以上研究結果提示，充分的鎮痛以及適當延長病人機械通氣時間有利于病人自主呼吸功能的充分恢復，降低麻醉復蘇期甚至術后更長時間內低氧血癥的發生率。

3.2　本研究構建的預測模型有較好的預測價值

列線圖可以在多因素回歸模型的基礎上，建立一個較為準確的預測模型，與傳統Logistic回歸預測模型相比，可操作性強，目前在臨床上被廣泛運用[10]。本研究根據多因素分析結果構建的列線圖直觀顯示低氧血癥發生率，并通過內外部驗證，建模組和驗證組的校正曲線均趨于理想曲線，AUC分別為0.882和0.915，Hosmer?Lemeshow擬合優度檢驗結果顯示該列線圖擬合效果良好，表明基于上述危險因素構建的減重代謝手術病人麻醉蘇醒期低氧血癥的列線圖預測模型具有良好的區分度及準確性。麻醉護士在臨床承擔著術前訪視、術中監護、術后麻醉恢復室復蘇等職責，本研究構建的預測模型可指導麻醉護士根據減重代謝手術病人各項指標進行個體化預測并及時發現低氧血癥的發生，從而發揮主觀能動性，及早甄別高風險人群，重點管理，以期降低相關病人麻醉恢復期低氧血癥發生率。

4 小結

綜上所述，ASA分級越高、術前合并水腫、術中氣道壓越高、術后疼痛評分越高、STOP?Bang評分高危是減重代謝手術病人麻醉蘇醒期發生低氧血癥的獨立危險因素，而恢復室瑞芬太尼用量增加為保護因素，依此構建的列線圖預測模型有較好的預測效能，并且對減重代謝病人圍術期護理管理具有指導意義。本研究的局限性在于：單中心研究樣本局限，數據代表性不足，存在一定選擇偏倚；此外，因本研究中心減重代謝手術周轉率快，病人術前準備狀態無法標準化，術前相關干預措施的影響并未納入分析；部分變量可能存在交互作用，故此模型仍有待后續進一步研究完善。

[1] NCD-RISC.Trends in adult body-mass index in 200 countries from 1975 to 2014:a pooled analysis of 1 698 population-based measurement studies with 19.2 million participants[J].Lancet,2016,387(10026):1377-1396.

[2] 趙寧,王宇,王清波,等.過去10年我國減重代謝手術的研究進展[J].中華肥胖與代謝病電子雜志,2019,5(3):123-127.

ZHAO N,WANG Y,WANG Q B,.Research progress of bariatric surgery in China in the past 10 years[J].Chinese Journal of Obesity & Metabolic Diseases (Electronic Edition),2019,5(3):123-127.

[3] LAFFIN A E,KENDALE S M,HUNCKE T K.Severity and duration of hypoxemia during outpatient endoscopy in obese patients:a retrospective cohort study[J].Can J Anaesth,2020,67(9):1182-1189.

[4] SCOTTG F,HAINES K L,OSTERLUND L G,.Postoperative hypoxemia:common,undetected,and unsuspected after bariatric surgery[J].J Surg Res,2010,159(2):622-626.

[5] WARD D S,KARAN S B,PANDIT J J.Hypoxia:developments in basic science,physiology and clinical studies[J].Anaesthesia,2011,66(Suppl 2):19-26.

[6] CARRON M,SAFAEE FAKHR B,IEPPARIELLO G,.Perioperative care of the obese patient[J].Br J Surg,2020,107(2):e39-e55.

[7] HAN T,ZHANG L,YU C Y,.Ventilatory response to exercise is preserved in patients with obesity hypoventilation syndrome[J].J Clin Sleep Med,2020,16(12):2089-2098.

[8] KOIVUM?KI V,MAASILTA P,BACHOUR A.Oximetry monitoring recommended during PAP initiation for sleep apnea in patients with obesity or nocturnal hypoxemia[J].J Clin Sleep Med,2018,14(11):1859-1863.

[9] 周慧,王紅梅,葉群,等.神經外科ICU病人呼吸機相關性肺炎風險預測模型的構建[J].護理研究,2022,36(23):4174-4180.

ZHOU H,WANG H M,XIE Q,.Construction of a risk prediction model of ventilator-associated pneumonia in neurosurgical ICU patients[J].Chinese Nursing Research,2022,36(23):4174-4180.

[10] 鄭喬,鮑潔.顱腦手術患者全身麻醉蘇醒期發生低氧血癥護理預警模型的建立與驗證[J].護士進修雜志,2022,37(1):15-20.

ZHENG Q,BAO J.Establishment and verification of nursing early warning model for predicting hypoxemia during general anesthesia during craniocerebral surgery[J].Journal of Nurses Training,2022,37(1):15-20.

[11] 王勇,王存川,朱曬紅,等.中國肥胖及2型糖尿病外科治療指南(2019版)[J].中國實用外科雜志,2019,39(4):301-306.

WANG Y,WANG C C,ZHU S H,.Guidelines for surgical treatment of obesity and type 2 diabetes in China (2019 edition)[J].Chinese Journal of Practical Surgery,2019,39(4):301-306.

[12] KHIRFAN G,NAAL T,ABUHALIMEH B,.Hypoxemia in patients with idiopathic or heritable pulmonary arterial hypertension[J].PLoS One,2018,13(1):e0191869.

[13] SUN Z,SESSLER D I,DALTON J E,.Postoperative hypoxemia is common and persistent:a prospective blinded observational study[J].Anesth Analg,2015,121(3):709-715.

[14] 劉熠,張毅,唐永忠,等.麻醉恢復室低氧血癥預測模型的建立與校驗[J].臨床麻醉學雜志,2021,37(1):55-58.

LIU Y,ZHANG Y,TANG Y Z,.Development and validation of the predictive model for hypoxemia in postanesthesia care unit[J].Journal of Clinical Anesthesiology,2021,37(1):55-58.

[15] 張良燕,唐帥,張秀華,等.麻醉后恢復室患者低氧血癥發生率及高危因素的回顧性分析[J].基礎醫學與臨床,2020,40(9):1242-1246.

ZHANG L Y,TANG S,ZHANG X H,.Retrospective analysis of incidence and high risk factors of hypoxemia in patients in recovery room after anesthesia[J].Basic and Clinical Medicine,2020,40(9):1242-1246.

[16] DUNHAM C M,HILEMAN B M,HUTCHINSON A E,.Perioperative hypoxemia is common with horizontal positioning during general anesthesia and is associated with major adverse outcomes:a retrospective study of consecutive patients[J].BMC Anesthesiology,2014,14:43.

[17] 蔣金萍.胸外科患者術后低氧血癥的危險因素分析[D].蕪湖:皖南醫學院,2020.

JIANG J P.Risk factors of postoperative hypoxemia in thoracic surgery patients[D].Wuhu:Wannan Medical College,2020.

[18] RYAN D,HEANER M.Guidelines for managing overweight and obesity in adults(2013).Preface to the full report[J].Obesity (Silver Spring),2014,22(Suppl2):1-3.

[19] 王玲玲,張雪梅,廖婧,等.減重代謝手術對肥胖患者心衰影響的系統評價和Meta分析[J].四川醫學,2020,41(9):973-979.

WANG L L,ZHANG X M,LIAO J,.Systematic review and meta-analysis of the effect of weight-loss metabolic surgery on heart failure in obese patients[J].Sichuan Medical Journal,2020,41(9):973-979.

[20] 姜樹軍,汪麗芳,楊文.下肢水腫的常見原因[J].中華保健醫學雜志,2010,12(5):413-414.

JIANG S J,WANG L F,YANG W.Common causes of edema of lower limbs[J].Chinese Journal of Health Care and Medicine,2010,12(5):413-414.

[21] 胡岳秀,蘇云艷,王哲蕓,等.肥胖合并A型主動脈夾層患者術后急性肺損傷的肺康復護理[J].護士進修雜志,2022,37(10):943-946.

HU Y X,SU Y Y,WANG Z Y,.Lung rehabilitation nursing care of obese patients complicated with type A aortic dissection with acute lung injury after operation[J].Journal of Nurses Training,2022,37(10):943-946.

[22] 姜珊,王彥,張靜,等.OSAHS合并肥胖低通氣綜合征患者的臨床特征分析[J].天津醫科大學學報,2021,27(1):17-21.

JIANG S,WANG Y,ZHANG J,.Clinical characteristics of OSAHS patients complicated with obesity and hypopnea syndrome[J].Journal of Tianjin Medical University,2021,27(1):17-21.

[23] KAW R,WONG J,MOKHLESI B.Obesity and obesity hypoventilation,sleep hypoventilation,and postoperative respiratory failure[J].Anesthesia and Analgesia,2021,132(5):1265-1273.

[24] 王宏亮,王學佳,張冬.胸腔鏡胸腺瘤切除手術患者麻醉蘇醒期低氧血癥發生情況及其影響因素分析[J].貴州醫藥,2022,46(7):1058-1059.

WANG H L,WANG X J,ZHANG D.Analysis of the incidence and influencing factors of hypoxemia in patients undergoing thoracoscopic thymoma resection during anesthesia recovery[J].Guizhou Medical Journal,2022,46(7):1058-1059.

[25] 劉利利.開胸術后影響呼吸功能的因素分析及護理[J].中國藥物與臨床,2021,21(5):887-888.

LIU L L.Analysis of factors affecting respiratory function after thoracotomy and nursing care of them[J].Chinese Remedies & Clinics,2021,21(5):887-888.

[26] DAHAN A,AARTS L,SMITH T W.Incidence,reversal,and prevention of opioid-induced respiratory depression[J].Anesthesiology,2010,112(1):226-238.

[27] BAZURRO S,BALL L,PELOSI P.Perioperative management of obese patient[J].Current Opinion in Critical Care,2018,24(6):560-567.

[28] ROCHA R G,ALMEIDA E G,CARNEIRO L M M,.Anesthesia recovery comparison between remifentanil-propofol and remifentanil-desflurane guided by Bispectral Index?monitoring[J].Brazilian Journal of Anesthesiology (English Edition),2017,67(5):500-507.

[29] 祁斐.手法肺復張聯合呼氣末正壓通氣對肥胖患者行腔鏡膽囊切除術氧合的影響[D].太原:山西醫科大學,2019.

QI F.Effect of sustained inflation combined with positive end-expiratory pressure ventilation on oxygenation in obese patients undergoing laparoscopic cholecystectomy surgery[D].Taiyuan:Shanxi Medical University,2019.

Construction and validation of a predictive model for hypoxemia during anesthesia recovery in patients undergoing bariatric metabolic surgery

ZOUQi, XUMengnan, LIANGHui, LIUShuangyuan, LIUCunming, WANGYuting, FENGJianping

The First Affiliated Hospital of Nanjing Medical University, Jiangsu 210029 China

To investigate the risk factors of hypoxemia in patients undergoing bariatric and metabolic surgery during anesthesia recovery， and to construct and verify a predictive model of hypoxemia， so as to provide a reference for clinical prediction of the risk of hypoxemia in patients undergoing bariatric and metabolic surgery during anesthesia recovery.A cross?sectional survey was conducted. Patients who underwent bariatric metabolic surgery in a tertiary hospital in Jiangsu Province from December 2021 to March 2022 were selected.Binary Logistic regression was used to screen the independent risk factors of hypoxemia during anesthesia recovery period，and the preliminary establishment of the model was completed. Patients who underwent bariatric metabolic surgery from April to May 2022 were used as validation group to verify the model.There were 300 cases in the modeling group and 130 cases in the validation group.Binary Logistic regression showed that ASA grade， preoperative edema，intraoperative airway pressure， postoperative pain score，Stop?bang score and remifentanil dosage during anesthesia recovery were independent risk factors for hypoxemia during anesthesia recovery in patients undergoing Bariatric metabolic surgery （<0.05）.According to the above risk factors，a predictive model of hypoxemia in patients undergoing bariatric and metabolic surgery during anesthesia recovery was established. The model was tested by Hosmer?Lemeshow test（>0.05）.The area under ROC curve （AUC） of the modeling group was 0.882，the sensitivity was 84.96%，the specificity was 78.07%，and the optimal critical value was 0.630. The AUC of the validation group was 0.915.The sensitivity was 85.96%，the specificity was 90.41%，and the optimal critical value was 0.764.respectively，and the corrected curve was close to the ideal curve.The results of Nomogram prediction model in predicting the occurrence of hypoxemia were consistent with the actual situation（C?index of modeling group was 0.882， C?index of validation group was 0.915）.The constructed predictive model of hypoxemia in patients undergoing bariatric and metabolic surgery during anesthesia recovery can better predict the risk of hypoxemia.

bariatric metabolic surgery； recovery from anesthesia； hypoxemia； nomogram； anesthesia nursing； prediction model

江蘇省人民醫院“臨床能力提升工程”護理項目，編號：JSPH?NC?2021?23；南京醫科大學研究生教育研究專項項目，編號：2021YJS?ZC003

鄒旗，護師，碩士研究生在讀

馮建萍，E?mail：jpfengyx@aliyun.com

鄒旗,許孟楠,梁輝,等.減重代謝手術病人麻醉蘇醒期低氧血癥預測模型的構建與驗證[J].護理研究,2023,37(21):3813?3819.

10.12102/j.issn.1009-6493.2023.21.004

（2023-02-02；

2023-08-02）

FENG Jianping, E?mail：jpfengyx@aliyun.com

（本文編輯 崔曉芳）