基于Nomogram模型指導人工種植牙病人術后感染風險預測工具的設計

Design of a tool to predict the risk of postoperative infection in patients with dental implants based on the Nomogram model

TAO Xue，FENG Feiyan，JI Yingying，ZHU Hong，ZHANG Yiwen，TANG Peipei^*

Affiliated Stomatological Hospital of Nanjing Medical University，Jiangsu 210000 China

Corresponding Author "TANG Peipei，E-mail：499293422@qq.com

Abstract Objective：To construct a tool to predict the risk of postoperative infection in patients with dental implants based on the Nomogram model，and to verify its predictive value.Methods：A total of 150 patients with dental implants admitted to the Special Clinic Department of the Affiliated Stomatological Hospital of Nanjing Medical University from January 2022 to January 2024 were selected as the survey subjects.The general data questionnaire was used to collect data.The patients were divided into the occurrence group and the control group according to whether they had postoperative infection.The clinical data of the two groups were compared.And the indicators with statistical significance were included in the Logistic regression analysis to clarify the independent influencing factors.The risk prediction chart of the Nomogram model was designed using R software.And its predictive performance was verified.Results：Among the 150 patients，25 patients developed postoperative infection，with an infection rate of 16.67%.Logistic regression analysis showed that smoking and drinking history，comorbidities，use of antibiotics during surgery，brushing frequency，and preoperative education were independent influencing factors for postoperative infection of dental implants.The area under the receiver operating characteristic curve of the model was 0.782（95%CI 0.725-0.832）.The sensitivity was 0.834.The specificity was 0.746.Tthe critical value probability was 0.329.The C-index was 0.741.And the prediction accuracy was 83.33%.Conclusions：In this study，the constructed risk prediction chart for postoperative infection of patients with dental implants based on the Nomogram model provides a set of scientific，intuitive，and effective risk assessment tool for clinical practice.Which is helpful to improve the quality of preventive nursing management of postoperative infection.

Keywords "Nomogram model; artificial dental implants; postoperative infection; risk prediction tool

摘要""目的：基于Nomogram模型構建人工種植牙病人術后感染風險預測工具，并驗證其預測價值。方法：選取2022年1月—2024年1月南京醫科大學附屬口腔醫院特診科收治的150例人工種植牙病人為調查對象，采用一般資料調查表收集資料，根據術后是否發生感染分為發生組和未發生組，比較兩組臨床資料，將具有統計學意義的指標納入Logistic回歸分析，明確獨立影響因素，采用R軟件設計Nomogram模型的風險預測圖，并驗證其預測性能。結果：150例病人中，25例病人發生術后感染，感染率為16.67%；Logistic回歸分析結果顯示，吸煙及飲酒史、合并癥、術中是否使用抗生素、每日刷牙頻率、術前教育是人工種植牙術后感染的獨立影響因素；模型的受試者操作特征曲線下面積為0.782［95%CI（0.725，0.832）］，靈敏度為0.834，特異度為0.746，臨界值為0.329，C?index為0.741，預測準確率為83.33%。結論：本研究基于Nomogram模型構建的人工種植牙病人術后感染風險預測圖能為臨床實踐提供一套科學、直觀、有效的風險評估工具，有助于提高術后感染的預防護理管理質量。

關鍵詞""Nomogram模型；人工種植牙；術后感染；風險預測工具

doi：10.12102/j.issn.2095-8668.2025.05.007

人工種植牙是將人工牙根植入牙槽骨中，固定牙冠，恢復病人咀嚼功能和美觀的重要修復手段，具有穩固、咀嚼效能高、異物感低等優勢^［1］。術后感染是種植牙治療過程中較為常見的并發癥之一，表現為種植體周圍的炎癥反應，嚴重時可能導致種植體松動甚至脫落，影響病人的治療效果和生活質量^［2］。研究顯示，種植牙術后的感染率為5%～10%，是延長治療周期、增加醫療成本的重要原因^［3］。目前，臨床針對人工種植牙術后感染的研究主要集中在術后感染的臨床表現和治療方法上，對感染發生的危險因素探討較少，且缺乏有效的風險預測模型，難以對個體病人的感染風險進行準確評估^［4］。Nomogram模型作為一種可視化的風險預測工具，具有直觀、簡便、準確的優勢，通過整合多個危險因素，生成具體的風險評分，能幫助臨床醫生直觀地了解病人的感染風險^［5］。研究證實，Nomogram模型不僅可提高風險評估的準確性，還能為臨床決策提供有力支持，促進個體化治療方案的制定^［6］。本研究通過系統分析病人的臨床資料，識別術后感染的關鍵因素，基于Nomogram模型構建科學的風險預測圖，旨在為臨床提供有效的風險評估工具，提高術后感染的預防和管理水平。現報道如下。

1 資料與方法

1.1 臨床資料

通過便利抽樣法選取2022年1月—2024年1月南京醫科大學附屬口腔醫院特診科收治的150例人工種植牙病人為調查對象（建模組）。納入標準：年齡≥18歲；接受單顆或多顆人工種植牙修復的病人；已完成人工種植牙手術并進入恢復期的病人；病人對本研究知情且自愿參與；具備正常自理與交流能力。排除標準：患有嚴重全身性疾病；口腔內存在未治療的活動性感染或嚴重的牙周病病人；接受其他重大口腔手術治療的病人；中途退出或參與其他研究者。樣本量計算公式：n=。其中，n表示樣本量，Z_α/2表示顯著性水平對應Z值，p表示預期效應比例，δ表示允許的誤差（通常在預測模型中取5%～10%）。研究中，假設采用χ2檢驗來分析危險因素與病人術后感染的關系是20%，顯著性水平為0.05，統計效能為0.8。根據以上參數樣本量計算得出樣本量為127例，考慮到20%失訪率，最后選擇將樣本量設置為153例。根據樣本量比例8∶2，選擇本醫院2022年1月—2024年1月的30例行人工種植牙的病人作為驗證集。本研究經過醫院倫理委員會審核通過（編號：南醫口腔倫審?PJ2021?01?019）。

1.2 調查工具及方法

1.2.1 調查工具

采用一般資料調查表，內容包括性別、年齡、文化程度、合并癥（高血壓、糖尿病、高血脂）、吸煙及飲酒史、手術時間、既往病史、種植牙位、種植體數量、種植直徑、術中是否使用抗生素、術中是否發生并發癥、埋植方式、術中是否使用覆蓋膜、術后是否使用抗菌漱口水、菌斑指數、刷牙頻率、術前教育。

1.2.2 感染診斷標準

種植術后手術區域出現腫脹、疼痛癥狀；術區牙齦有膿液溢出；術后病人出現低熱癥狀，但體溫≤38 ℃；細菌培養結果顯示：革蘭陽性菌與真菌≥10⁴ "cfu/mL（陽性），革蘭陰性菌與真菌≥10⁴ "cfu/mL（陽性）^［7］。

1.2.3 數據收集方法

由經過專業培訓后的護士與病人進行溝通，獲得病人知情同意后開展調查，其中一般資料調查表中內容可通過一對一交談及電子病歷系統進行獲取，感染的觀察周期為術后2周內，通過電話隨訪形式每周詢問病人術后康復情況與感染指征，存在可疑癥狀者可通過入院復查進行確診。收集完畢后，采用雙人法錄入數據對數據進行核查、統計分析，共發放問卷150份，回收150份，有效回收率為100%。

1.3 統計學方法

采用SPSS 26.0及R 4.0.3軟件進行統計分析，定性資料以頻數、百分比（%）進行描述，兩組間比較采用χ²檢驗，將單因素分析中差異有統計學意義的變量納入Logistic回歸分析。運用R軟件繪制列線圖，采用受試者工作特征（ROC）曲線下面積（AUC）、Hosmer?Lemeshow χ²檢驗驗證模型的預測效能。

2 結果

2.1 人工種植牙術后感染發生情況

通過對150例病人進行現狀調查，結果顯示，有25例病人發生術后感染，感染率為16.67%，列為發生組，將未發生術后感染125例（83.33%）病人列為未發生組。

2.2 人工種植牙術后感染的單因素分析

單因素分析結果顯示，發生組和未發生組年齡、合并癥、吸煙及飲酒史、術中是否使用抗生素、菌斑指數、刷牙頻率、術前教育比較差異有統計學意義（Plt;0.05）。見表1。

2.3 人工種植牙術后感染的多因素Logistic回歸分析

以人工種植牙術后感染為因變量（感染=1，未感染=0），單因素分析中有統計學意義的因素為自變量，進行多因素Logistic回歸分析。自變量賦值見表2，Logistic回歸分析結果顯示，吸煙及飲酒史、合并癥、術中是否使用抗生素、刷牙頻率、術前教育是人工種植牙術后感染的獨立危險因素。見表3。

2.4 構建人工種植牙術后感染的Nomogram模型

以Logistic回歸分析得出的5個獨立危險因素為依據，采用R軟件構建風險預測模型，見圖1。各變量評分分別為78、61、35、79、33分，總分為286分，如1例合并高血壓病人，術前沒有接受教育、沒有吸煙飲酒史、術中使用了抗生素，刷牙頻率每日1次。則該病人術后感染風險得分為78+61+0+0+33＝172分，根據圖示可直接得出術后感染的風險約72%。

2.5 風險預測模型的檢驗

2.5.1 內部檢驗

采用Hosmer?Lemeshow進行擬合優度檢驗，結果顯示，χ²=2.416，P=0.787；區分度驗證利用AUC評價，結果顯示，模型的AUC為0.782［95%CI（0.725，0.832）］，靈敏度為0.834，特異度為0.746，臨界值為0.329。見圖2。一致性驗證通過校準曲線檢驗，結果表明C?index為0.741，校準曲線的斜率接近1。

2.5.2 內部驗證

采用驗證集進行評價，檢驗其預測準確度。結果顯示，模型預測人工種植牙術后病人會發生感染的有5例，實際發生2例，預測不會出現感染的25例中實際未發生的有23例，計算得到預測準確率為（2+23）/30×100%=83.33%。

3 討論

3.1 人工種植牙術后感染發生情況及相關因素

本研究結果顯示，人工種植牙術后感染發生率為16.67%。這一結果與楊雨琳等^［8］研究報道的數據（10%～15%）相似，高于何杏芳^［9］報道的術后感染率（5%）。這些差異可能由多個因素引起。首先，研究對象的差異。本研究中病人多為中老年人，其健康狀況、口腔衛生習慣和既往病史等可能存在差異。其次，手術操作的規范性、種植體的選擇、術中無菌操作的嚴格程度等都可能對術后感染發生率產生影響。為進一步掌握病人術后感染的可能性和更好地控制感染發生風險，本研究通過系統分析和比較不同研究結果，以識別術后感染的影響因素。

3.1.1 吸煙及飲酒史

本研究表明，吸煙和飲酒史是影響人工種植牙術后感染發生的獨立影響因素。研究報道，吸煙者的術后感染率明顯高于非吸煙者，感染率為20%^［10］。分析原因：吸煙會改變口腔內的微生物環境，增加有害細菌的數量，這些細菌在術后更易感染手術創面，同時吸煙可使唾液中精氨酸酶活性增加，使一氧化氮的產生減少，進而影響局部血液循環，增加對細菌感染的敏感性^［11］。肝臟在免疫系統中起著重要作用，長期飲酒會抑制免疫系統功能，削弱機體對感染的防御能力。乙醇影響肝臟功能、血液循環，導致局部組織缺氧，延緩傷口愈合過程，并增加感染的風險。因此，吸煙和飲酒史明顯增加了人工種植牙術后感染的風險^［12］。

3.1.2 合并癥

本研究發現，合并癥是影響人工種植牙術后感染發生的獨立影響因素。調查顯示，糖尿病等全身性疾病增加了術后感染的風險，感染率達25%^［13］。與本研究結論相似。分析原因：良好的血液供應對于傷口愈合和抵抗感染至關重要，高血壓病人普遍存在血液循環不良情況，導致局部組織缺氧，削弱了抵御細菌感染的能力。糖尿病病人唾液腺分泌減少，唾液酶活性降低，口腔自凈能力、口腔黏膜防御能力明顯下降，易并發感染^［14］。除此之外，合并多種慢性疾病病人需要長期服用藥物，這些藥物可能會進一步抑制免疫反應或干擾正常的愈合過程，間接增加術后感染的風險。

3.1.3 術中使用抗生素

本研究結果表明，術中使用抗生素是影響人工種植牙術后感染發生的獨立影響因素。分析原因：手術操作不可避免地會引入口腔內外的細菌，抗生素的使用可以早期抑制細菌的繁殖，防止其在傷口處定植并引發感染。陳凱^［15］研究顯示，術中預防性使用抗生素可以將術后感染率從15%降低至5%。抗生素的使用可在手術過程中提供一個抗菌屏障，輔助機體的免疫系統更有效地對抗可能的感染源，同時對于有全身性疾病或免疫功能低下的病人，術中使用抗生素可以有效降低術后全身性感染的風險^［16］。

3.1.4 每日刷牙頻率

本研究表明，每日刷牙頻率是人工種植牙術后感染發生的獨立影響因素，刷牙頻率較低會導致口腔內的食物殘渣和細菌得不到及時清除，導致牙菌斑和食物殘渣在口腔內堆積，形成有害的細菌環境，從而增加感染風險。牙菌斑引起的牙齦炎和牙周炎會激發機體的炎癥反應，導致局部組織紅腫、疼痛，甚至出血，這些炎癥反應不僅會降低口腔的局部免疫力，還會為細菌的侵入提供機會，使得種植牙周圍組織更易受到感染^［17］。王博識等^［18］研究顯示，每日刷牙少于2次的病人，種植牙周圍感染的風險顯著增加，與本研究結果一致。

3.1.5 術前教育

本研究表明，術前教育是人工種植牙術后感染發生的獨立影響因素。術前教育可以提高病人對口腔衛生重要性的認識，了解正確的護理方法，包括口腔衛生的保持、飲食習慣的調整和術后護理步驟等，增強了病人的自我護理能力。接受術前教育的病人能夠遵循醫囑，嚴格執行術后護理方案，包括正確的刷牙方法、使用抗菌漱口水以及按時復診等，從而減少感染的風險^［19］。劉湘艷等^［20］研究顯示，對病人實施有效且全面的術前教育，能夠提高病人的自我護理意識和技能，增強病人的依從性和主動性，有效預防術后感染。與本研究結果一致。

3.2 基于Nomogram模型構建的人工種植牙術后感染風險預測模型具有良好預測價值

Nomogram模型是一種基于統計學與圖形化方法的預測工具，通過整合多個變量的回歸系數，將復雜的數學模型轉化為簡單直觀的圖形，核心優勢在于其可視化和個性化的預測能力，使臨床醫生和病人能夠更清晰地理解不同變量對預測結果的影響^［21］。王桃等^［22］為種植牙病人構建種植失敗風險的Nomogram圖，顯示預測價值良好。黃翠蓮等^［23］以風險預測圖為依據，構建了老年髖部骨折病人圍術期護理方案，證實了該圖對臨床實踐的指導價值。本研究以單因素、多因素回歸分析篩選出的變量（如每日刷牙頻率、術前教育、吸煙飲酒史等）為依據，輸入模型實現風險預測圖的構建，可以計算出每個特征對術后感染風險的貢獻，并給出一個綜合的風險評分，通過圖形化的風險預測圖，醫生和病人可以直觀地看到每個變量對整體風險的影響，從而幫助臨床醫生對病人的感染風險進行量化評估，制訂更加精準的術后護理和預防策略。該風險預測圖基于大量統計數據和回歸分析設計，能夠提供科學、可靠的風險評估結果，設計完成后，對模型的有效性進行了詳細評估，模型的擬合優度通過Hosmer?Lemeshow χ²檢驗評估，Pgt;0.05，說明模型能夠較好地反映實際數據。本研究結果顯示，該模型的χ²值為2.416，P值為0.787。區分度驗證使用AUC進行評估，AUC值越接近1表明區分度越好。結果顯示，模型的AUC為0.782［95%CI（0.725，0.832）］，靈敏度為0.834，特異度為0.746，臨界值為0.329，表明其在區分有感染風險和無感染風險病人方面具有較高的準確性。通過C?index范圍驗證模型的區分能力，結果顯示，C?index為0.741，表明模型在預測術后感染風險方面具有較好的一致性和可靠性。另外，本研究通過預測準確度檢驗，判斷該預測圖在臨床實踐中的預測準確率，結果顯示，該預測圖在驗證組中的預測準確率為83.33%，表明預測能力良好，可為臨床提供前瞻性、精準性的評估工具。

4 小結

本研究通過構建基于Nomogram模型的人工種植牙術后感染風險預測圖，能為臨床實踐提供一套科學、直觀、有效的風險評估工具，不僅有助于提高病人的術后管理水平，降低感染風險，還能優化醫療資源配置，增強病人的健康意識和自我管理能力。同時本研究也存在以下幾點不足，首先，研究類型較為單一，僅做了橫斷面調查，且研究范圍較為集中、樣本量有限，結論存在局限性。其次，模型的復雜性可能導致臨床應用中的不便，尤其是在時間緊迫或資源有限的情況下。未來還將開展多中心、多人群的外部驗證研究，并利用機器學習和人工智能技術，開發更加智能和精準的風險預測模型，考慮更多的變量和交互效應，提升模型的預測性能，最終實現更精準的風險評估和更有效的病人管理。

參考文獻：

［1］ AHN D H，KIM H J，JOO J Y，et al.Prevalence and risk factors of peri-implant mucositis and peri-implantitis after at least 7 years of loading[J].Journal of Periodontal amp; Implant Science，2019，49（6）：397-405.

［2］ NATTO Z S，ALMEGANNI N，ALNAKEEB E，et al.Peri-implantitis and peri-implant mucositis case definitions in dental research：a systematic assessment[J].Journal of Oral Implantology，2019，45（2）：127-131.

［3］ 滕建平，應寶洪，趙鵑.口腔種植體周圍細菌感染病原菌分布及影響因素和預防措施[J].中國預防醫學雜志，2019，20（5）：467-469.

［4］ 李瑞華，宋靜，營秀，等.抗生素與漱口液在預防糖尿病患者種植牙術后感染的臨床對比研究[J].齊齊哈爾醫學院學報，2020，41（9）：1089-1091.

［5］ 潘淑淑，沈起鈞，阮玫，等.聯合Nomogram模型預測卵巢囊腺瘤分類的價值[J].浙江醫學，2020，42（6）：566-570.

［6］ 董瑤，宋玲.主動脈手術患者術中壓力性損傷Nomogram預測模型的建立[J].中華現代護理雜志，2021，27（18）：2453-2458.

［7］ 張俊超.種植牙患者術后并發口腔感染的病原菌分布與耐藥性分析[J].抗感染藥學，2022，19（5）：686-689.

［8］ 楊雨琳，張雪蘭，殷春芳.人工種植牙患者圍手術期感染的危險因素及護理管理對策[J].護理實踐與研究，2021，18（1）：114-117.

［9］ 何杏芳.人工種植牙圍手術期感染的相關因素分析與防護措施[J].護理實踐與研究，2019，16（20）：115-116.

［10］ 徐丹慧，林海燕，劉翠梅.口腔頜面部手術部位感染11年趨勢分析[J].中國感染控制雜志，2019，18（3）：200-205.

［11］ 何訸.口腔種植體周圍細菌感染病原菌分布和危險因素分析[J].中國基層醫藥，2019，26（23）：2878-2881.

［12］ 王亞玲，曹直，劉軍.種植體周圍炎患者病原菌分布及其耐藥性和感染危險因素分析[J].中國病原生物學雜志，2019，14（8）：955-958.

［13］ 俞誠波，蔡敏秋.口腔種植體周圍細菌感染病原菌特點及影響因素分析[J].中國基層醫藥，2020，27（24）：3039-3042.

［14］ 梁瑋，趙慧華.糖尿病與口腔疾病互為因果的臨床研究進展[J].護理研究，2019，33（1）：50-53.

［15］ 陳凱.68例口腔頜面部惡性腫瘤患者術后感染的病原菌分布特點及其對常用抗菌藥物的敏感性分析[J].抗感染藥學，2021，18（4）：525-528.

［16］ 阮丹平，楊奕辰，鄧思楠，等.2型糖尿病患者術前預防性應用抗生素對口腔種植療效的影響：3～5年回顧性研究[J].中國口腔頜面外科雜志，2020，18（3）：231-235.

［17］ 劉仁英.全方位立體干預對種植牙病人口腔健康指數及醫院感染率的影響[J].全科護理，2020，18（24）：3197-3199.

［18］ 王博識，唐金鳳.2型糖病尿患者人工種植義齒預后的相關性分析[J].母嬰世界，2020（28）：14-16.

［19］ 吉金萍，李冰.系統化健康教育聯合心理護理對老年種植牙患者的應用價值分析[J].中華老年口腔醫學雜志，2023，21（5）：289-293.

［20］ 劉湘艷，程曉卉，謝小星，等.舒適護理結合健康教育對人工種植牙手術患者護理滿意度與術后并發癥發生率的影響[J].黔南民族醫專學報，2023，36（2）：122-124.

［21］ 馮靜，王祺，吳玉梅，等.基于Nomogram模型對2型糖尿病合并動脈粥樣硬化的臨床預測模型的初步探索[J].醫學綜述，2022，28（10）：2060-2064.

［22］ 王桃，吳燕，肖茂萍.種植體周圍炎患者早期種植牙失敗風險的列線圖預測模型構建[J].四川醫學，2023，44（5）：529-535.

［23］ 黃翠蓮，楊珍，陳曉紅，等.基于譫妄風險預測模型的護理模式在老年髖部骨折患者圍手術期的應用效果研究[J].當代醫藥論叢，2021，19（15）：187-190.

（收稿日期：2024-06-23；修回日期：2025-02-19）

（本文編輯"張建華）