检索历史 清除

摘要目的:本研究通过结合患者临床表现,术前化验指标及 CT 图像等变量,构建闭袢性小肠梗阻(closed-loop small bowel obstruction ,CL-SBO)诊断模型,在小肠梗阻(small bowel obstruction,SBO)病人中筛查CL-SBO 可能性高的患者.<br>　　方法:本研究为回顾性病例对照研究,研究对象为青岛大学附属医院诊疗中心2018年1月1日至2021年10月31日诊断为SBO且行手术治疗的患者.通过术中发现将病人分为 CL-SBO 与非闭袢性小肠梗阻组(open-loop small bowel obstruction ,OL-SBO).患者术前症状,查体,实验室检验结果及CT征象通过HIS (hospital information system) 收集.通过单因素分析(univariate analysis)及向后回归分析(backward stepwise regression)筛选相应变量后,我们构建了预测患 CL-SBO 可能性的 nomogram 模型.模型的内部验证由 k 折交叉检验(k-fold cross-validation)及bootstrap重抽样法完成.通过收集青岛市中心医院2018年1月1日至2021年12月31日诊断为SBO且行手术治疗的患者进行模型的外部验证.通过构建模型的数据,我们评估了不同CT征象诊断CL-SBO的诊断表现,包括敏感性(sensitivity),特异度(specificity),阴性预测值(negative predictive value,NPV),阳性预测值(positive predictive value,PPV).为了进一步明确两组患者差异的来源,我们在CL-SBO 组中根据是否发生肠缺血进行了亚组分析.<br>　　结果:该研究共纳入219名患者,95例手术诊断为CL-SBO,124例诊断为OL-SBO.构建nomogram 模型包含的变量有:压痛(77.9% vs. 59.7%, P=0.004)、D-二聚体(中位数1085 vs. 690, P=0.019)、大于1个鸟嘴征 (65.3% vs. 30.6%, P＜0.001)、放射状分布(18.9% vs. 6.5%, P=0.005)、漩涡征 (35.8% vs. 8.9%, P＜0.001)和腹水(71.6% vs. 53.2%, P=0.006).该模型的曲线下面积(area under curve,AUC)为0.786(95%置信区间(confidence interval CI)为 0.724-0.848),Brier 分数为 0.182.外部验证中, AUC为0.784(95%CI,0.664-0.905),Brier分数为0.190.在CT征象的诊断表现中,我们发现,没有一个CT征象兼顾高度敏感性和特异度.放射状分布,U或C型肠袢和漩涡征有高度的特异度,分别为93.5%,96.0%和91.1%.但敏感性都很低,分别为18.9%,8.4%和35.8%.肠系膜水肿有着最高的敏感性(85.3%),但特异度却很低(33.9%).在模型包含的6个变量中,D-二聚体和腹部压痛与肠缺血有明确的关系.<br>　　结论:该nomogram预测模型可以较准确地诊断出闭袢性小肠梗阻(CL-SBO).对于闭袢性小肠梗阻可能性较大的患者,应当及时给予手术治疗.