用于预测接受机器人辅助根治性前列腺切除术患者拔管延迟的诺模图预测模型

《BMC Anesthesiology》：Nomogram prediction model for delayed extubation in patients undergoing robotic-assisted radical prostatectomy

本研究针对机器人辅助根治前列腺切除术患者术后延迟拔管的风险因素及预测模型构建，通过多变量逻辑回归和LASSO回归筛选关键变量，建立可视化列线图模型，验证其在培训组、验证组和临时验证组的曲线下面积分别为0.763、0.811和0.769，显示模型具有良好预测性能和临床应用价值。

　　

摘要

背景

麻醉后拔管延迟可能导致不良临床后果。我们的目标是确定接受机器人辅助根治性前列腺切除术患者的拔管延迟风险因素，并开发一个可视化的诺模图预测模型以供临床使用。

方法

共有624名患者被纳入研究，并分为训练组、验证组和时间验证组。训练组用于开发诺模图，而验证组和时间验证组则用于评估其性能。采用LASSO回归来筛选变量和选择预测因子，并利用多元逻辑回归构建诺模图。通过校准曲线和接收者操作特征曲线对模型性能进行内部验证。此外，还使用决策曲线分析和临床影响曲线来评估该模型的临床实用性。

结果

研究纳入了2022年1月至2024年4月期间接受机器人辅助根治性前列腺切除术的患者，将其分为训练组（n=389）、验证组（n=98）和时间验证组（n=137）。逻辑回归分析表明，脑梗死、肺部疾病、冠心病、年龄和术中低血压是拔管延迟的独立预测因子。基于这些因素构建的诺模图表现出优异的预测性能：训练组的曲线下面积值为0.763（95%置信区间：0.717–0.810），验证组为0.811（95%置信区间：0.726–0.897），时间验证组为0.769（95%置信区间：0.689–0.848）。在所有三个组中，模型的拟合度均较好，Hosmer–Lemeshow检验的P值无显著性；校准曲线显示预测结果与实际观察结果高度一致。此外，决策曲线分析和临床影响曲线进一步证明了该预测模型的临床效率和益处。

结论

本研究确定了拔管延迟的关键风险因素，并建立了一个具有高区分能力和临床适用性的有效预测诺模图，可用于预测接受机器人辅助根治性前列腺切除术患者的拔管延迟风险。

试验注册

南京鼓楼医院医学伦理委员会已批准该研究的伦理许可（批准编号：2024–742-01）。