甲狀腺癌患者術后發生喉返神經損傷危險因素分析以及相關預測模型的構建

摘要：目的" 探討甲狀腺癌患者術后發生喉返神經（RLN）損傷的危險因素，并構建相關預測模型。方法" 納入2019年1月-2023年1月就診于廣西壯族自治區人民醫院的380例甲狀腺癌患者作為研究對象，按術后是否發生RLN損傷分為RLN損傷組23例和N-RLN損傷組357例，比較兩組患者一般臨床資料以及手術相關資料，多因素Logistic回歸分析獲得影響甲狀腺癌患者術后發生RLN損傷的獨立預測因素，基于獨立預測因素建立預測甲狀腺癌患者術后出現RLN損傷的列線圖模型。以Bootstrap法和校準曲線進行列線圖模型的內部驗證，繪制預測甲狀腺癌患者術后發生RLN損傷的ROC曲線，分析獨立預測因素的預測效能。結果" 多因素Logistic回歸分析結果顯示，腫瘤位置、手術次數及術中神經監測為影響甲狀腺癌患者術后發生RLN損傷的獨立預測因素（P＜0.05）。基于多因素分析結果獲得的3個獨立預測因素：腫瘤位置、手術次數及術中神經監測，構建預測甲狀腺癌患者術后發生RLN損傷的列線圖模型。列線圖模型的區分度評價指標C指數（C-Index）為0.869（95%CI：0.823～0.958）；擬合優度（H-L）檢驗結果顯示，甲狀腺癌患者術后發生RLN損傷概率的預測值與實際觀測值符合度良好（P＞0.05）。ROC分析結果顯示，腫瘤位置、手術次數及術中神經監測預測甲狀腺癌患者術后發生RLN損傷概率的曲線下面積（AUC）分別為0.779（95%CI：0.712～0.834）、0.756（95%CI：0.709～0.816）；以及0.887（95%CI：0.835～0.935），而三者聯合預測的AUC為0.937（95%CI：0.887～0.976）。結論" 腫瘤位置、手術次數及術中神經監測為影響甲狀腺癌患者術后發生RLN損傷的獨立預測因素，基于獨立預測因素構建的列線圖模型用于預測甲狀腺癌患者術后發生RLN損傷具有較高的預測價值。

關鍵詞：甲狀腺癌；喉返神經；術中神經監測；預測模型

中圖分類號：R736.1" " " " " " " " " " " " " " " " " 文獻標識碼：A" " " " " " " " " " " " " " " " DOI：10.3969/j.issn.1006-1959.2024.16.005

文章編號：1006-1959（2024）16-0023-06

Analysis of Risk Factors for Postoperative Recurrent Laryngeal Nerve Injury in Patients

with Thyroid Cancer and Construction of Related Prediction Models

FU Rong1，HUANG Hui-qiao2

（1.School of Nursing，Guangxi Medical University，Nanning 530000，Guangxi，China;

2.Central Operating Room，the People's Hospital of Guangxi Zhuang Autonomous Region，Nanning 530000，Guangxi，China;

3.Nursing Department of the Second Affiliated Hospital of Guangxi Medical University，Nanning 530000，Guangxi，China）

Abstract：Objective" To investigate the risk factors of recurrent laryngeal nerve （RLN） injury in patients with thyroid cancer after surgery， and to construct a relevant prediction model.Methods" A total of 380 patients with thyroid cancer who were admitted to the People's Hospital of Guangxi Zhuang Autonomous Region from January 2019 to January 2023 were included in the study. According to whether RLN injury occurred aftersurgery， they were divided into RLN injury group （n=23） and N-RLN injury group （n=357）. The general clinical data and operation-related data of the two groups were compared. Multivariate Logistic regression analysis was used to obtain independent predictors of RLN injury in patients with thyroid cancer after operation. Based on independent predictors， a nomogram model for predicting RLN injury in patients with thyroid cancer after operation was established. Bootstrap method and calibration curve were used to verify the nomogram model. The ROC curve for predicting RLN injury in patients with thyroid cancer after operation was drawn， and the predictive efficacy of independent predictors was analyzed.Results" Multivariate Logistic regression analysis showed that tumor location， number of operations and intraoperative nerve monitoring were independent predictors of RLN injury in patients with thyroid cancer after surgery （Plt;0.05）. Based on the results of multivariate analysis， three independent predictors were obtained， namely tumor location， number of operations and intraoperative nerve monitoring， and a nomogram model was constructed to predict RLN injury in patients with thyroid cancer after operation. The discrimination evaluation index C index （C-Index） of the nomogram model was 0.869 （95%CI： 0.823-0.958）. The goodness of fit （H-L） test results showed that the predicted value of RLN injury probability in patients with thyroid cancer after operation was in good agreement with the actual observed value （Pgt;0.05）.The results of ROC analysis showed that the area under the curve （AUC） of tumor location， number of operations and intraoperative nerve monitoring for predicting the probability of RLN injury in patients with thyroid cancer were 0.779（95%CI： 0.712-0.834）， 0.756（95%CI： 0.709-0.816） and 0.887（95%CI： 0.835-0.935）， respectively. The AUC of the combined prediction of the three was 0.937 （95%CI： 0.887-0.976）.Conclusion" Tumor location， number of operations and intraoperative nerve monitoring are independent predictors of RLN injury in patients with thyroid cancer after surgery. The nomogram model based on independent predictors has a high predictive value for predicting recurrent laryngeal nerve injury in patients with thyroid cancer after surgery.

Key words：Thyroidcancer;Recurrent laryngeal nerve;Intraoperative nerve monitoring;Prediction model

甲狀腺癌為頸部最常見的惡性腫瘤之一。目前根治性手術切除仍然是治療甲狀腺癌的首選方法，但術后并發癥發生率高，其中喉返神經（RLN）損傷是一種較為嚴重的術后并發癥[1]。相關研究報道[2]，甲狀腺癌根治術后RLN損傷的發生率為1%～7%，且手術過程中為了達到根治效果，需要將患側甲狀腺葉完全切除，同時還需要將病變范圍內的淋巴結不同程度清除，增加了術后RLN損傷的發生率。RLN損傷的后果較為嚴重，可對患者的生活質量造成嚴重影響；單側RLN損傷可表現為聲音嘶啞等，雙側RLN損傷患者表現為嗆水、不可逆的呼吸功能障礙等[3]。因此，尋找影響甲狀腺癌患者術后發生RLN損傷的相關危險因素，并建立相關臨床預測模型，對患者術后發生RLN損傷風險進行有效預測，對于指導臨床制定相應預防措施，提高患者生活質量，具有重要意義。本研究嘗試探討影響甲狀腺癌患者術后發生RLN損傷的危險因素，并構建相關預測模型，現報道如下。

1對象與方法

1.1研究對象" 納入2019年1月-2023年1月就診于廣西壯族自治區人民醫院的380例甲狀腺癌患者作為研究對象，按術后是否發生RLN損傷分為RLN損傷組23例（6.05%）和N-RLN損傷組357例（93.95%）。納入標準：所有患者均經病理學檢查確診為甲狀腺癌；均行甲狀腺癌根治性切除術；術前電子喉鏡檢查顯示聲帶功能正常，無聲音嘶啞。排除標準：術前檢查發現聲帶麻痹者；合并其他臟器惡性腫瘤者；嚴重心、肺、肝、腎功能不全者。

1.2方法" 臨床資料收集：收集患者入院一般臨床資料，如年齡、性別、體重指數；記錄患者腫瘤相關資料，如腫瘤位置、病理類型、臨床分期；記錄患者手術相關資料如麻醉方式、手術方式、手術次數、術中神經監測使用情況。術后RLN損傷診斷標準：甲狀腺癌根治術后1周患者表現為聲音嘶啞、失音或呼吸困難，并電子喉鏡檢查顯示聲帶運動功能障礙定義為RLN損傷。暫時性損傷患者癥狀在術后3個月內消失；永久性損傷患者術后3個月癥狀仍無明顯改善，6個月后仍然存在癥狀。

1.3統計學方法" 采用SPSS 26.0統計學軟件和R軟件（Version 4.2.1）對數據進行分析，符合正態分布的計量資料（年齡、體重指數）以（x±s）表示，組間比較采用兩獨立樣本t檢驗；計數資料（性別、體重指數、病理類型、腫瘤位置、臨床分期、手術方式、手術次數，以及術中神經監測及麻醉方式），以（%）或[n（%）]表示，組間比較采用？字2檢驗，單因素分析中有統計學意義的變量納入多因素Logistic回歸分析，采用最大似然比前進法篩選出最終變量，獲得影響甲狀腺癌患者術后出現RLN損傷的獨立預測因素，基于獨立預測因素建立預測甲狀腺癌患者術后出現RLN損傷的列線圖模型，以Bootstrap法和校準曲線進行列線圖模型的內部驗證，繪制預測甲狀腺癌患者術后出現RLN損傷的ROC曲線，分析獨立預測因素的預測效能，P＜0.05為差異有統計學意義。

2結果

2.1兩組患者一般臨床資料及手術相關資料比較" 研究共納入380例甲狀腺癌患者，均接受手術治療，RLN損傷組患者腫瘤位于右側所占比例、臨床分期為Ⅲ期所占比例、雙側全切除+中央區淋巴結清掃所占比例、多次手術所占比例高于N-RLN損傷組（P＜0.05），而術中神經監測所占比例低于N-RLN損傷組（P＜0.05）；兩組患者年齡、性別、體重指數、病理類型以及麻醉方式比較，差異無統計學意義（P＞0.05），見表1。

2.2影響甲狀腺癌患者術后發生RLN損傷的多因素Logistic回歸分析" 以術后是否發生RLN損傷（是=1，否=0）為因變量，以單因素分析中有統計學意義的指標：腫瘤位置（左側=0，右側=1）、臨床分期（Ⅰ期=1，Ⅱ期=2，Ⅲ期=3）、手術方式（一側甲狀腺全切除術=1，一側全切除＋中央區淋巴結清掃=2，雙側全切除＋中央區淋巴結清掃=3）、手術次數（首次=0，多次=1），以及術中神經監測（是=1，否=0）為自變量代入多因素Logistic回歸模型，最后的結果顯示，腫瘤位置、手術次數及術中神經監測為影響甲狀腺癌患者術后發生RLN損傷的獨立預測因素（P＜0.05），相較于術中行神經監測，術中未行神經監測患者術后發生RLN損傷的風險增加3.310倍，見表2。

2.3預測模型的構建" 基于多因素分析結果獲得的3個獨立預測因素腫瘤位置、手術次數以及術中神經監測構建預測甲狀腺癌患者術后發生RLN損傷的列線圖模型：P=1/（1+e-x）。P代表甲狀腺癌患者術后發生RLN損傷的概率值，數值越接近1，甲狀腺癌患者術后發生RLN損傷的概率越大，e為自然常數，X可通過下列公式計算得出：X=0.865×腫瘤位置（左側=0，右側=1）+0.802×手術次數（首次=0，多次=1）-1.674×術中神經監測（是=1，否=0）-0.934，見圖1。

2.4列線圖模型的內部驗證" Bootstrap自抽樣法對樣本重復抽樣1000次，得到列線圖模型的區分度評價指標C指數（C-Index）為0.869（95%CI：0.823～0.958），擬合優度（H-L）檢驗結果顯示，甲狀腺癌患者術后發生RLN損傷概率的預測值與實際觀測值符合度良好（P＞0.05），見圖2。

2.5 ROC分析" 腫瘤位置、手術次數及術中神經監測預測甲狀腺癌患者術后發生RLN損傷概率的曲線下面積（AUC）分別為0.779（95%CI：0.712～0.834）、0.756（95%CI：0.709～0.816）以及0.887（95%CI：0.835～0.935），而三者聯合預測的AUC為0.937（95%CI：0.887～0.976），見圖3。

3討論

甲狀腺癌首選的治療方式是根治性手術切除，但是術后容易引起RLN損傷。RLN損傷作為甲狀腺癌根治術后最嚴重的并發癥，可造成患者聲帶麻痹，嚴重者可出現聲帶癱瘓；其中RLN單側損傷患者可出現聲音嘶啞，在損傷后的幾天即可出現明顯的聲音變化，隨時間的延長呈加重；若雙側發生損傷，患者可出現呼吸困難，嚴重者可危及生命[4]。本研究對我院380例甲狀腺癌患者的臨床病理資料進行了回顧性分析，結果顯示有23例患者術后發生了RLN損傷，其發生率為6.05%，與相關研究[5]報道的甲狀腺癌根治術后RLN損傷的發生率為1%～7%具有一定差異，可能與患者個體差異及醫生手術的熟練程度有關。

本研究對我院行甲狀腺癌根治手術患者發生RLN損傷的相關危險因素進行分析，將所有甲狀腺癌患者按術后是否發生RLN損傷分為RLN損傷組和N-RLN損傷組。單因素分析結果顯示，兩組患者腫瘤位置、臨床分期、手術方式、手術次數及術中神經監測，差異有統計學意義（Plt;0.05），提示以上因素可能與甲狀腺癌患者術后發生RLN損傷有關。進一步調整和控制混雜變量后的多因素分析結果顯示，腫瘤位置、手術次數，以及術中神經監測為影響甲狀腺癌患者術后發生RLN損傷的獨立預測因素。而單因素分析中有統計學意義的指標臨床分期和手術方式未進入最后的多因素模型，不是獨立預測因素，可能與本研究樣本量較小有關，今后還需前瞻性大樣本的隨機對照研究證實結論。相關研究報道[4，5]，右側甲狀腺癌患者、手術方式為雙側全切除+中央區淋巴結清掃，再次手術患者更易發生RLN損傷。而本研究結果顯示，右側甲狀腺癌及再次手術的患者，其術后RLN損傷的發生率明顯升高，其可能原因與RLN的解剖結構、術中是否能夠清晰的暴露RLN避免對其損傷等密不可分。甲狀腺手術解剖結構復雜，再次手術患者腫瘤組織多與周圍粘連，術中對腫瘤組織的牽拉等容易引起神經功能受損，因此對于再次手術的甲狀腺癌患者，應完善各種術前準備，使用超聲影像等明確腫瘤位置，熟悉解剖結構，減少術后RLN損傷的發生率。此外，值得關注的是，除了影響甲狀腺癌根治術后RLN損傷的常規因素外，本研究發現術中神經監測也對甲狀腺癌患者術后發生RLN損傷具有顯著性的影響，相較于術中行神經監測，術中未行神經監測患者術后發生RLN損傷的風險增加3.310倍（OR：0.232；95%CI：0.151～0.439；P=0.000）。

術中RLN的完整性多可通過肉眼識別，但僅靠肉眼識別非離斷性RLN損傷相當困難[6-9]。近年來，應用術中神經監測進行電生理功能識別越來越廣泛的應用到甲狀腺手術中，可進一步有效減少神經損傷，并使手術時間縮短[10-13]。相關研究顯示[11，14-16]，甲狀腺癌術中使用神經監測的患者其術后暫時性和永久性RLN發生率明顯低于術中未使用神經監測的患者。還有研究顯示[8，17，18]，在采用常規尋找、解剖RLN的基礎上，應用術中神經監測可明顯縮短甲狀腺癌根治術中尋找神經的時間，是手術成功的重要保障之一。而本研究結果也進一步證實了術中使用神經監測可明顯減少甲狀腺癌患者術后RLN損傷的發生率。盡管應用術中神經監測無法代替夯實的解剖學知識，但可較輕松分辨神經與血管，快速限定RLN解剖范圍，以最小的創傷、最大限度地確保RLN形態學上和功能上的完整性，即是應用技術設備將保護RLN從形態學的完整性，升華到從數值上具體量化的外科操作。雖術中使用神經監測技術并不能取代術者熟練的外科解剖及臨床經驗，但隨著其使用經驗的積累及其操作標準化，將有明顯的優勢和廣闊的前景。

此外，本研究基于腫瘤位置、手術次數及術中神經監測，構建預測甲狀腺癌患者術后出現RLN損傷的列線圖模型。擬合優度檢驗結果顯示，甲狀腺癌患者術后出現RLN損傷概率的預測值與實際觀測值符合度良好，ROC分析提示聯合預測模型具有較高的預測效能。提示本研究構建的列線圖模型可用于準確預測甲狀腺癌患者術后發生RLN損傷。

綜上所述，腫瘤位置、手術次數及術中神經監測為影響甲狀腺癌患者術后發生RLN損傷的獨立預測因素，基于獨立預測因素構建的列線圖模型用于預測甲狀腺癌患者術后發生RLN損傷具有較高的預測價值。

參考文獻：

[1]秦元，張浩.國內外指南中甲狀腺癌頸淋巴結清掃手術范圍及指征變遷[J].中國實用外科雜志，2020，40（6）：639-643.

[2]陳肖玥，孫健雯，張國強，等.免疫檢查點IDO-1、LAG-3、TIM-3與分化型甲狀腺癌臨床病理特征及預后的相關性[J].中華核醫學與分子影像雜志，2021，41（4）：196-200.

[3]謝興偉，劉春梅，劉書仙，等.基于“生物-心理-社會”模式的甲狀腺癌術后患者一例報道及全科診療思路[J].中國全科醫學，2020，23（5）：623-628.

[4]李莉，劉壯，田青，等.甲狀腺全切除術與非甲狀腺全切除術對甲狀腺癌患者喉返神經損傷及術后低鈣血癥發生情況的影響[J].醫學綜述，2015，21（19）：3645-3647.

[5]翟長元，陶靜，郭宏杰，等.甲狀腺全切除術與近全切除術治療分化型甲狀腺癌對喉返神經損傷及預后影響[J].臨床軍醫雜志，2021，49（11）：1253-1254，1257.

[6]徐威，趙寧，閔逸洋，等.術中神經監測信號異常在判斷甲狀腺癌手術喉返神經損傷類型與轉歸中的作用研究[J].中國實用外科雜志，2023，43（2）：193-197，202.

[7]崔東旭，楊傳家，許維雪.甲狀腺癌術中神經監測對預防喉返神經損傷的評估[J].中華內分泌外科雜志，2015，9（4）：280-282.

[8]Schneider R，Randolph GW，Dionigi G，et al.International neural monitoring study group guideline 2018 part I： Staging bilateral thyroid surgery with monitoring loss of signal[J].Laryngoscope，2018，128（3）：S1-S17.

[9]Lin E，Lin S，Fu J，et al.Neural monitoring during ultrasound-guided radiofrequency ablation of thyroid nodules[J].Int J Hyperthermia，2020，37（1）：1229-1237.

[10]Huang TY，Kim HY，Dionigi G，et al.Laryngeal Neural Monitoring during Pediatric Thyroid Cancer Surgery-Is Transcartilage Recording a Preferable Method？[J]Cancers （Basel），2021，3（16）：4051.

[11]Diercks GR，Rastatter JC，Kazahaya K，et al.Pediatric intraoperative nerve monitoring during thyroid surgery： A review from the American Head and Neck Society Endocrine Surgery Section and the International Neural Monitoring Study Group[J].Head Neck，2022，44（6）：1468-1480.

[12]Stopa M，Barczyński M.Prognostic value of intraoperative neural monitoring of the recurrent laryngeal nerve in thyroid surgery[J].Langenbecks Arch Surg，2017，402（6）：957-964.

[13]Wu CW，Randolph GW，Barczyński M，et al.Training Courses in Laryngeal Nerve Monitoring in Thyroid and Parathyroid Surgery- The INMSG Consensus Statement[J].Front Endocrinol （Lausanne），2021，12（1）：705346.

[14]Zhao N，Bai Z，Teng C，et al.Learning Curve for Using Intraoperative Neural Monitoring Technology of Thyroid Cancer[J].Biomed Res Int，2019，11（5）：8904736.

[15]Deshmukh A，Thomas AE，Dhar H，et al.Seeing Is Not Believing： Intraoperative Nerve Monitoring （IONM） in the Thyroid Surgery[J].Indian J Surg Oncol，2022，13（1）：121-132.

[16]Lin E，Lin S，Fu J，et al.Neural monitoring during ultrasound-guided radiofrequency ablation of thyroid nodules[J].Int J Hyperthermia，2020，37（1）：1229-1237.

[17]Stopa M，Barczyński M.Prognostic value of intraoperative neural monitoring of the recurrent laryngeal nerve in thyroid surgery[J].Langenbecks Arch Surg，2017，402（6）：957-964.

[18]Liddy W，Wu CW，Dionigi G，et al.Varied Recurrent Laryngeal Nerve Course Is Associated with Increased Risk of Nerve Dysfunction During Thyroidectomy： Results of the Surgical Anatomy of the Recurrent Laryngeal Nerve in Thyroid Surgery Study， an International Multicenter Prospective Anatomic and Electrophysiologic Study of 1000 Monitored Nerves at Risk from the International Neural Monitoring Study Group[J].Thyroid，2021，31（11）：1730-1740.

收稿日期：2023-08-19；修回日期：2023-09-08

編輯/肖婷婷

作者簡介：付蓉（1989.2-），女，湖南祁東人，本科，主管護師，主要從事甲狀腺癌的手術治療以及圍術期護理等相關研究