良性前列腺增生（BPH）作为中老年男性群体中的高发疾病，源于前列腺过渡区及尿道周围区域上皮与纤维肌性组织的无序增生，致使前列腺腺体良性增大，进而压迫尿道，引发下尿路症状（LUTS），涵盖尿频、尿急、夜尿等典型表现，严重干扰患者正常生活作息，极大降低生活质量
［1-3］。流行病学调查显示，BPH患病率在40岁后随年龄递增呈稳步上升态势，80岁以上男性患病率高达80%
［3］。
在BPH的治疗手段里，手术干预不可或缺，钬激光前列腺剜除术（HoLEP）凭借其精准高效、出血少、恢复快等优势，成为当下外科领域备受瞩目的治疗方式，甚至被美国泌尿外科协会（AUA）指南钦点为适用于全前列腺大小BPH患者的推荐术式，已树立起BPH外科治疗的新标杆
［4， 5］。然而，HoLEP术中潜藏着不容忽视的隐患——低体温。低体温被界定为人体核心体温低于36.0 ℃，体温的细微偏差与心脏并发症、麻醉后苏醒延迟、伤口感染风险飙升以及住院周期延长等一系列不良预后紧密挂钩，严重威胁患者围手术期安全与术后康复进程
［6］。究其缘由，HoLEP术中大面积体腔暴露、长时间组织器官直接暴露在外，加之大量灌洗液体不间断冲洗带走机体热量，均为诱发低体温的关键因素
［7］。
当前临床实践中，缺乏针对HoLEP术后低体温的精准有效的预测工具，现有研究在此领域近乎空白，尚未构建起能前瞻性预判低体温发生风险的可靠模型。而机器学习技术，作为数据挖掘与智能分析领域的利器，通过拟合预测模型、精准识别数据中有价值信息群组，已在心血管病、肿瘤预后评估等多领域崭露头角、成果斐然
［8］。
因此，本研究聚焦经尿道前列腺钬激光剜除术后患者群体，搜集详尽临床病历资料，借助逻辑回归、支持向量机（SVM）以及决策树3种机器学习算法，分别构建低体温风险预测模型，旨在全方位评估、深入对比各模型性能优劣，为后续打造更为精准、实用性强的HoLEP术后低体温风险预测模型夯实基础，指引临床医护人员提前识别高危患者、精准施策。
1 资料和方法
1.1 研究对象
回顾性收集2022年1月~2023年12月本中心（山东第二医科大学附属医院）403例、另一中心（潍坊市人民医院）120例行经尿道前列腺钬激光剜除术的患者资料。所有患者均采用气管插管全身麻醉，手术室温度设定为23 ℃，输注液体均通过外周静脉输注，术中使用的静脉输注液体及冲洗液体均通过温箱加温至37 ℃。本研究根据赫尔辛基宣言中的原则进行，并经过医院伦理委员会批准（伦理批号：wyfy-2023-ky-205），纳入对象个人标识符完全删除，数据分析匿名化。纳入标准：符合良性前列腺增生诊断标准
［5］，行经尿道前列腺钬激光剜除。排除标准：非全身麻醉患者，有恶性肿瘤病史者，术前体温异常者，无法采集临床病史资料信息或信息采集不全者，汗腺受损和体温调节功能异常者。低体温诊断标准：体温低于36 ℃
［9］。
1.2 资料收集方法
通过检索相关文献及咨询专家确定本研究收集患者的各项指标，包括患者基本信息：高血压、糖尿病、心血管疾病、呼吸系统疾病、年龄、是否老年、是否偏瘦、是否肥胖、ASA分级、吸烟史、饮酒史、术前体温；术前检验指标：贫血、低蛋白血症、术前血糖；术中监测指标：前列腺质量、急诊手术、手术时长、术中总输液量、术中冲洗液量；术后监测指标：是否发生低体温。老年定义为年龄≥60周岁
［10］。吸烟史定义为平均每日吸烟1支以上，时间大于1年；饮酒的定义是在过去1年中至少饮酒12次
［11］。偏瘦定义为BMI≤18.5 kg/m
2［12］。低蛋白血症指血清白蛋白＜35 g/L
［13］。贫血指血红蛋白<120 g/L
［14］。肥胖定义为BMI≥30 kg/m
2［15］。术前体温指患者术日晨起用水银温度计测量的腋温。手术结束时的体温指手术结束时用水银温度计测量的患者腋温。患者各项信息均由2名工作人员采集并核对。
1.3 统计学分析
使用SPSS 27.0软件进行统计处理。对于符合正态分布的定量数据，以均数±标准差表示，组间比较采用两独立样本t检验；不符合正态分布的定量数据则以中位数（四分位间距数）表示，并采用Mann-Whitney U检验比较组间差异。定性数据采用n（%）表示，组间比较采用卡方检验。P<0.05为差异具有统计学意义。
利用R 4.4.0软件，基于机器学习算法，分别构建逻辑回归、支持向量机（SVM）和决策树3种模型，用以预测经尿道前列腺钬激光剜除术后的低体温风险。在逻辑回归模型中，使用R语言软件中stats包的glm函数来拟合模型，连接函数设置为logit，最大迭代次数设为25，使用最大似然估计方法来估计模型参数。在决策树模型中，使用R语言软件中rpart包的rpart函数来拟合模型，将复杂度参数设置为0.01，控制树的生长，防止过拟合；节点中最少的样本数设置为20，用于决定是否继续分裂该节点；叶子节点中最少的样本数设置为7，避免生成过于小的叶子节点，提高模型的泛化能力；树的最大深度设置为30，限制树的生长深度，防止树过于复杂和过拟合。在支持向量机模型中，使用R语言软件中e1071包的svm函数来拟合模型，将核函数类型设置为为"radial"，即径向基核函数（RBF）；惩罚参数设置为1，以提高模型拟合度；迭代的收敛精度设置为为0.001。对数据进行标准化，使不同特征具有相同的尺度，避免某些特征对模型的影响过大，提高模型的性能和收敛速度；指定SVM的类型为C-classification，构建一个用于分类的C-SVM模型。
模型验证时分别用训练集、验证集和外部验证集构建3种模型的混淆矩阵，并根据混淆矩阵求得3种模型的精确率、准确率、召回率、F1值，使用R语言软件中pROC包的roc、auc函数来计算ROC曲线和AUC值，通过比较精确率、准确率、召回率、F1值、AUC来比较3种模型之间的性能差异。
2 结果
2.1 基本资料比较
本中心经尿道前列腺钬激光剜除的患者403例，低体温组85例，非低体温组318例。是否偏瘦、手术时长、前列腺质量、术中冲洗液量在两组的差异具有统计学意义（
P<0.05，
表1），其余指标差异均无统计学意义（
P>0.05）。
2.2 特征编码
将低体温组与非低体温组间差异有统计学意义的变量（是否偏瘦、手术时长、前列腺重量、术中冲洗液量）作为逻辑回归、支持向量机和决策树的输入特征并建立预测模型。4个特征之间的相关性减弱，前列腺重量与偏瘦呈正相关，术中冲洗与手术时长呈正相关，但相关性均较小（
图1）。特征选择后，对纳入逻辑回归、支持向量机和决策树算法分析的计数资料进行赋值，是否偏瘦，“是”赋值为1，“否”赋值为0，计量资料按原始数据输入。
2.3 3种机器学习模型的建立与性能比较
使用R语言软件中caret包的create DataPartition函数，按7∶3比例将本中心经尿道前列腺钬激光剜除患者随机分配到训练数据集（70%）和验证数据集（30%），分别进行预测模型的构建和验证。经尿道前列腺钬激光剜除术后低体温的发生率约为20%。本研究采用Logistic回归模型的样本量估算方法，最终纳入283例患者作为训练集，120例作为验证集，另一中心120例作为外部验证集。
使用3种机器学习技术构建的预测模型在本研究的训练集、验证集和外部验证集上的混淆矩阵，结果显示，在训练集、验证集和外部验证集中，真阳性和真阴性的样本数量占主导（图
2~
4）。
3种机器学习预测模型在训练集、验证集和外部验证集上的受试者工作特征（ROC）曲线显示（图5），在训练集和验证集中，SVM的ROC曲线表现最佳，逻辑回归紧随其后，在外部验证集中支持向量机的ROC略逊于决策树。
在训练集、验证集及外部验证集中，支持向量机的精确率及准确率均为最优， 在训练集与验证集中支持向量机的ROC最优，逻辑回归次之，且二者在2个数据集中AUC差异较小。SVM在验证集上的精确率、准确率、召回率、F1指数和AUC值均超过其他2种模型。SVM在外部验证集上的精确率、准确率均优于逻辑回归和决策树模型，召回率、F1指数、AUC值略低于决策树模型。SVM在训练集上的精确率、准确率、F1指数和AUC值均优于逻辑回归和决策树模型，其召回率略低于决策树模型。
3 讨论
BPH是导致中老年男性排尿障碍最常见的良性疾病
［17，18］。主要的组织学表现为前列腺基质和腺体成分的增生
［19］，解剖学上良性前列腺增大导致膀胱出口梗阻
［20］，这些尿动力学变化随后引起下尿路症状（LUTS）
［21］。2019年全球BPH病例数和标准化发病率分别为1126万和280.4/10万，BPH是一个重要的疾病负担
［22］。
低体温会导致血管收缩，减少组织中的氧气量，并导致粒细胞趋化、吞噬作用以及自由基产生受损；与体温正常的患者相比，低体温的患者炎症细胞因子水平降低，淋巴细胞增殖减少；临床上，低体温术后伤口感染风险增加和住院时间延长有关
［23，24］。因此急需一种有效的模型识别低体温的发生，以对其进行提前干预。
本研究回顾性分析2个中心行经尿道前列腺钬激光剜除患者的相关临床资料，最终筛选出4个危险因素：偏瘦、手术时长、前列腺质量、术中冲洗液量，并采用3种机器学习算法构建了临床预测模型。本研究发现偏瘦是经尿道前列腺钬激光剜除术后低体温发生的危险因素。这与Morishige等
［25］研究一致，脂肪细胞分泌的瘦素可刺激棕色脂肪组织的能量消耗，提高代谢率并升高体温。因此，体质量指数越小，分泌的瘦素越少，发生低温的可能性就越大。偏瘦的人脂肪含量较低，脂肪组织具有较低的热导率。皮下脂肪可以作为热量流失的屏障
［26］，因此，偏瘦的人更可能发生低体温。
手术时长、前列腺质量是经尿道前列腺钬激光剜除术后低体温发生的危险因素，有研究发现无论前列腺大小，剜除时间几乎恒定，但通过粉碎器去除组织的时间取决于前列腺增大的程度
［27］。这表明更大的前列腺质量需要更长的手术时长。人体热量散失主要通过传导（即热量从身体传递到直接接触的物体）、对流（即热量传递到皮肤周围的空气）、辐射（即通过红外线传递热量）和蒸发（即通过皮肤或伤口的水分蒸发传递热量）等方式进行
［28］。手术室的环境温度远远低于人体体温
［29， 30］，因此，前列腺质量越大手术时长越长，患者机体与环境热对流时间越长，患者发生低体温的风险越高。
术中冲洗液量是经尿道前列腺钬激光剜除术后低体温发生的危险因素，这与Campbell等
［31］研究结论相同，术中所用的冲洗液越多，冲洗液通过热传导带走的热量就越多，因此导致了低体温的发生。
综上所述，本研究建立的SVM模型可用于识别经尿道前列腺钬激光剜除术后发生低体温的风险。该模型还可以作为一个辅助医疗决策的工具，帮助区分出高风险群体，通过对高危患者的提前干预降低低体温的发生，并在多种治疗方案中提供针对性的指导。
京公网安备11010202008535号
PDF
(1247KB)
