心脏外科手术患者术后谵妄预测模型的建立与验证

背景(Background)：本研究旨在明确成人心脏外科手术后术后谵妄(Postoperative Delirium, POD)的危险因素，并建立及验证用于临床应用的预测列线图(Nomogram)。 方法(Methods)：回顾性收集724例心脏外科手术患者资料，按7∶3随机分为训练集(n=507)与验证集(n=217)。通过最小绝对收缩与选择算子(LASSO)回归及多因素Logistic回归筛选预测因子并构建Nomogram。采用受试者工作特征曲线下面积(AUROC)、校准图(Calibration Plot)、决策曲线分析(Decision Curve Analysis, DCA)及临床影响曲线(Clinical Impact Curve, CIC)评估模型性能。 结果(Results)：POD发生率为39.4%(285/724)。最终纳入的独立预测因子包括：急诊手术、年龄、序贯器官衰竭评分(Sequential Organ Failure Assessment, SOFA)、术后休克(postoperative shock)、术后血乳酸(lactate, Lac)及术后血糖(glucose, Glu)。列线图在训练集与验证集均表现出优异的区分度(高AUROC)及良好的校准一致性；DCA与CIC结果显示模型具有较强临床实用性。 结论(Conclusion)：本研究明确了心脏外科术后POD的关键危险因素，所构建并验证的Nomogram可作为有效且具临床价值的工具，用于预测心脏外科手术患者的POD发生风险。

论文解读：心脏外科术后谵妄预测列线图模型的建立与验证

该研究发表于《Frontiers in Cardiovascular Medicine》。术后谵妄(Postoperative Delirium, POD)是成人心脏外科术后常见的神经精神并发症，以注意力与意识急性波动为特征，发生率约11%~55%，可增加认知功能障碍、住院资源消耗及死亡风险。目前POD确切病理生理机制未明，多为多因素共同作用，且约35%的重症监护室(Intensive Care Unit, ICU)谵妄被漏诊或误诊。现有预测模型多依赖术前因素，忽略了术中及术后早期变量，且缺乏涵盖围术期全程的综合风险评估工具。为此，研究人员开展此项单中心回顾性队列研究，通过整合术前、术中及术后多阶段变量筛选独立危险因素，构建并内部验证用于心脏外科患者POD风险的Nomogram预测模型，以期为早期识别高危人群及实施预防性干预提供依据。

研究人员回顾性纳入2023年5月至2025年3月山东淄博市中心医院心脏大血管外科行开放式心血管手术（心脏瓣膜置换Cardiac Valve Replacement, CVR、冠状动脉旁路移植Coronary Artery Bypass Grafting, CABG、CABG联合CVR或心包肿瘤切除术）且年龄≥18岁的患者，排除术前认知障碍、介入手术、术后1周内死亡及资料不全者。最终724例按7∶3随机分训练集(n=507)与验证集(n=217)。候选预测变量共23项，涵盖术前（年龄、性别、体质指数Body Mass Index, BMI、教育程度、糖尿病、中性粒细胞Neutrophil, NEUT、血红蛋白Hemoglobin, Hgb、血小板Platelet, PLT、肌钙蛋白I Troponin I, TnI）、术中（手术类型、急诊手术、体外循环Cardiopulmonary Bypass, CPB、使用苯磺酸瑞马唑仑Remimazolam、右美托咪定Dexmedetomidine、术中血液回收）及术后（术后乳酸Lactate, post‑op Lac、术后血糖Glucose, post‑op Glu、C反应蛋白C‑Reactive Protein, post‑op CRP、术后TnI、手术时长、序贯器官衰竭评分Sequential Organ Failure Assessment, SOFA score、术后休克shock、术后再手术）。POD评估于术后即刻开始连续7天，先用Richmond躁动镇静评分(Richmond Agitation Sedation Scale, RASS)排除RASS＜−3的深度镇静患者，对RASS≥−3者采用重症监护谵妄筛查量表(Confusion Assessment Method for the ICU, CAM‑ICU)确诊。先通过单因素Logistic回归初筛显著变量，再用LASSO回归压缩系数并降维，将保留变量纳入多因素Logistic回归确定独立预测因子（方差膨胀因子Variance Inflation Factor, VIF＜5判定无多重共线），据此绘制Nomogram。模型区分度用C指数及AUROC评价，校准用Bootstrap法（500次重抽样）绘制校准曲线，临床净获益用决策曲线分析(Decision Curve Analysis, DCA)及临床影响曲线(Clinical Impact Curve, CIC)评估。所有统计检验水准α＝0.05（双侧）。

3 Results

3.1 Characteristics of the study population

初筛765例，排除41例（ICU死亡7例、RASS＜−3者13例、失访21例），最终入组724例，总体POD发生率39.4%（训练集38.1%，验证集42.4%）。训练集与验证集间基线特征及各候选变量分布无统计学差异(P＞0.05)，表明随机分组均衡有效。

3.2 Identification of predictors of POD

单因素Logistic回归从23个候选变量中筛选出14个与POD显著相关的变量（含年龄、糖尿病、NEUT、PLT、手术类型中的主动脉夹层Aortic Dissection, AD、急诊手术、CPB、post‑op Lac、post‑op Glu、post‑op TnI、手术时长、SOFA评分、术后休克、术后再手术等）。经LASSO回归进一步降维，保留6个潜在预测因子进入多因素Logistic回归，证实急诊手术、术后休克、年龄、SOFA评分≥5、post‑op Lac及post‑op Glu均为POD独立预测因子（均P＜0.05），VIF均＜5，无显著多重共线性。其中急诊手术优势比Odds Ratio, OR＝8.12(95%CI:2.23~29.53)，术后休克OR＝7.85(95%CI:3.76~16.39)，SOFA≥5 OR＝2.08(95%CI:1.44~3.00)，年龄每增加1岁OR＝1.10(95%CI:1.08~1.13)，post‑op Lac每增1 mmol/L OR＝1.14(95%CI:1.01~1.29)，post‑op Glu每增1 mmol/L OR＝1.17(95%CI:1.08~1.26)。

3.3 Establishment and validation of a nomogram to predict POD

基于上述六变量构建Nomogram，回归方程为logit(P)=−8.607＋1.469×急诊手术(是=1/否=0)＋1.893×术后休克(是=1/否=0)＋0.088×年龄(岁)＋0.715×SOFA≥5(是=1/否=0)＋0.227×post‑op Lac(mmol/L)＋0.145×post‑op Glu(mmol/L)。训练集AUROC＝0.785(95%CI:0.743~0.826)，验证集AUROC＝0.812(95%CI:0.755~0.869)；C指数分别为0.78(95%CI:0.74~0.82)与0.81(95%CI:0.75~0.86)。Bootstrap校准曲线显示预测概率与观测事件率高度一致，平均绝对误差极小。DCA显示训练集在阈值概率0.4%~93.5%、验证集在1.9%~86.3%范围内，Nomogram较"全部干预"和"全部不干预"策略具有更高净获益；CIC显示高危阈值较高时预测与真实高危例数吻合良好，证实模型具临床应用价值。

讨论与结论总结

研究人员指出本模型创新性整合围术期三阶段变量，较仅依赖术前因素的既往模型更全面。年龄增长致血脑屏障通透性增加及胆碱能功能紊乱；术后高血糖引致神经元氧化应激；乳酸升高反映组织灌注不足及全身炎症；急诊手术及术后休克伴血流动力学不稳定与全身炎症反应促发神经炎症及脑损伤；SOFA≥5反映多器官功能障碍均与POD发生机制相符。局限性包括单中心回顾性设计、未系统收集衰弱(frailty)、麻醉深度、脑氧饱和度等指标、部分术后变量限制超早期预警能力。未来需多中心前瞻性验证，并可开发仅含术前/术中变量的分阶段预测模型以实现更早期风险分层。

结论(Conclusion)：研究人员建立了用于预测心脏外科手术患者POD发生率的Nomogram。该模型可提供个体化风险评估，使临床人员在谵妄发生前早期识别高危患者，通过促进早期临床干预有望缩短住院时间、减少并发症发生，从而改善整体临床结局。