基于SMOTE算法構建高齡全麻術后發生認知功能障礙的護理風險預警模型

李 騫

隨著我國老齡化趨勢的日益加劇，全麻高齡患者的數量隨之增加，而術后認知功能障礙(Postoperative Cognitive Dysfunction,POCD)亦屬于高齡患者全麻術后的常見并發癥，發病率為10%～45%不等，臨床多表現為焦慮、精神錯亂、記憶受損以及人格變化等[1,2]。POCD可持續幾天甚至幾個月，其病因尚未完全明確，目前多認為與麻醉手術、心腦血管疾病等多種因素共同作用下所致的內分泌功能失調及神經系統紊亂相關[3,4]。POCD可使患者術后并發癥的風險增高，延緩術后恢復，增加住院時間，提高病死風險[5]。值得注意的是，這種短期POCD疾病亦可進展為阿爾茨海默病(Alzheimer’s Disease,AD)等永久性改變疾病，促使患者喪失自主生活能力，影響患者預后生存質量[6]。因此，做好術后POCD預防工作是醫院保障患者治療成功及改善預后的重要環節。既往研究[7]表明，高齡、基礎疾病等因素是POCD發生的影響因素，但迄今為止尚無準確、具體的相關預測標準，傳統的預測分析方法在不平衡數據處理中效果欠佳，不適合構建POCD的預測模型，臨床難以對其進行有效預測[8]。為了處理數據數量不平衡及分類等問題，部分學者采用少數類樣本合成過抽樣技術(Synthetic Minority Over-Sampling Technique, SMOTE)解決。SMOTE算法是根據少數類樣本量的屬性特征隨機產生組間相似樣本量，其可有效平衡少數類與多數類之間的數量，進而減少數據集過度傾斜帶來的較大偏差，現已廣泛應用于臨床結局事件預測中[9]?；诖?，本研究擬在Logistic回歸模型及SMOTE模型的基礎上構建POCD預警模型，篩選POCD發生的影響因素，以期為POCD的臨床預防工作提供一定參考依據。

1 對象與方法

1.1 對象 回顧性選擇2018年1月～2021年1月在南京市第二醫院進行全麻手術治療的195例高齡全麻患者為研究對象，以高齡全麻患者發生POCD為結局事件，根據高齡全麻患者術后POCD發生情況，將其分為POCD組(n=41)和非POCD組(n=154)。本研究已通過相關倫理委員會批準同意。納入標準：(1)行全麻手術，年齡≥60周歲者；(2)符合全麻手術指征者；(3)無精神類疾病，視力聽力功能正常者；(4)美國麻醉師協會(ASA)分級Ⅰ～Ⅲ級，無嚴重心、腎以及肝等功能損傷者；(5)患者及其家屬知情并自愿參與本研究者。排除標準：(1)臨床資料不全者；(2)伴有神經系統疾病者；(3)存在手術及麻醉禁忌證者；(4)術前認知障礙者。

1.2 方法

1.2.1 資料收集 參考既往POCD相關影響因素文獻[10,11]，同時結合院內高齡全麻患者相關信息及專家建議等進行資料收集，內容包括：(1)臨床資料：年齡、性別、體質量指數(BMI)、居住地、教育程度、婚姻狀況、吸煙、飲酒、家庭月收入、糖尿病、冠心病、高血壓、腦卒中、ASA分級；(2)手術相關信息：術中血管活性藥物、術中失血量、手術時間、術后視覺模擬評分(Visual Analogue Scale/Score，VAS)等。

1.2.2 相關定義 (1)POCD診斷標準[12]：采用蒙特利爾認知評估量表(MoCA)對所有受試者術后1 d及7 d的POCD進行評估，總分范圍：0～30分，其中視空間/執行功能0～5分、命名0～3分、注意力0～6分、延遲回憶0～5分、定向能力0～6分、語言能力0～3分、抽象思維能力0～2分，MoCA評分≥24分即為正常，MoCA評分<24分即為認知功能障礙，分數越高則表示患者認知功能越好，如果患者MoCA評分在術后1 d及7 d均<24分即可判定為認知功能障礙。(2)ASA分級[13]：ASA分級共分為Ⅰ～Ⅴ級，Ⅰ級：健康狀態，除局部存在病變外，無其他系統性疾??；Ⅱ級：存在輕度系統性疾病/中度系統性疾??；Ⅲ級：存在嚴重系統性疾病，正?；顒邮芟?，但未失去工作能力；Ⅳ級：存在嚴重系統性疾病，工作能力喪失，伴有生命危險；Ⅴ級：病情危及，生命維持困難。(3)VAS[14]：疼痛評分總范圍為0～10分，其中2～4分表示伴有輕度疼痛，5～7分則表示伴有中度疼痛，8～9分則表示伴有重度疼痛。分數越高表示患者疼痛程度越重。

1.2.3 基于SMOTE算法 SMOTE算法是通過Blagus R等[15]制定的步驟將單組少量樣本數量擴充至兩組相似樣本數量的一種方法，本研究少量樣本為POCD組患者=41例，需擴充倍數n=非POCD組患者例數/POCD組患者例數=3.76，最近鄰點數k=4，為41×4=164例。非POCD組患者154例，POCD組患者164例，兩組比例0.94?；赟MOTE算法所擴充新數據集未對原樣本集的空間邊界產生影響。

1.2.4 統計學方法 采用SPSS軟件對數據進行整理統計，計數資料應用χ2檢驗，采用多因素Logistic回歸分析篩選影響因素，以P<0.05為差異有統計學意義，采用R(R3.5.3)軟件制作模型，繪制受試者工作特征曲線(ROC曲線)評價模型，Hosmer-Lemeshow(H-L)檢驗模型的校準度，應用F分數(F-score)、陽性預測值(PPV)、真正類率(TPR)驗證模型數據準確性，用以評估模型的臨床應用價值。

2 結果

2.1 高齡全麻患者術后POCD的單因素分析 本研究共計納入195例高齡全麻患者，其中術后發生POCD的患者有41例，未發生POCD的患者有154例，POCD發生率為21.03%。POCD組與非POCD組年齡、教育程度、高血壓、腦卒中、ASA分級、術中失血量、手術時間以及術后VAS評分等情況比較，差異均具有統計學意義(P<0.05)。見表1。

表1 POCD組與非POCD組POCD的單因素分析[n(%)]

續表1

2.2 高齡全麻患者POCD影響因素的多因素Logistic回歸分析 將單因素篩選(P<0.05)的因素[年齡X1(賦值：>75歲=1，60～75歲=0)、教育程度X2(賦值：初中及以下=1，高中及以上=0)、高血壓X3(賦值：是=1，否=0)、腦卒中X4(賦值：是=1，否=0)、ASA分級X5(賦值：Ⅲ級=1，Ⅰ～Ⅱ級=0)、術中失血量X6(賦值：≥500 ml=1，<500 ml=0)、手術時間X7(賦值：≥90 min=1，<90 min=0)、術后VAS評分X8(賦值：≥4 分=1，<4 分=0)]為自變量，以術后是否發生POCD為因變量(賦值：是=1，否=0)；兩組高齡全麻患者POCD的多因素Logistic回歸分析結果顯示，除年齡外，教育程度、高血壓、腦卒中、ASA分級、術中失血量、手術時間以及術后VAS評分是高齡全麻患者發生POCD的獨立影響因素(P<0.05)，基于上述各危險因素的回歸系數，得到原始預警模型P1=0.960X2+1.088X3+0.951X4+0.947X5+1.980X6+1.370X7+1.149X8-3.541，經H-L檢驗結果表明，Logistic回歸模型擬合度良好(決定系數R2=0.458，P=0.628)。見表2。

表2 兩組高齡全麻患者POCD的多因素Logistic回歸分析

2.3 基于SMOTE算法的預警模型 納入多因素Logistic回歸分析的影響因素，基于SMOTE算法擴充4倍(154/41)抽樣，得到POCD和非POCD比例近似為1(實際比例為1.06)，隨后對抽樣后的數據進行多因素Logistic回歸分析結果顯示，基于SMOTE算法的預警模型P2=1.034X2+1.307X3+1.226X4+1.241X5+2.263X6+1.630X7+1.339X8-4.154，經H-L檢驗結果表明，Logistic回歸模型擬合度良好(決定系數R2=0.624，P=0.873)。見表3。

表3 基于SMOTE算法的Logistic回歸分析

2.4 兩組模型的效能評估 通過ROC曲線分別對預警模型P1和P2進行分析，結果顯示，預警模型P1的ROC曲線下面積(AUC)為0.840(95%CI：0.764～0.899)，預警模型P2的AUC為0.844(95%CI：0.785～0.892)，如圖1、圖2所示?；赟MOTE算法預測模型TPR值低于原始數據預警模型，而F-score、PPV值均高于原始數據預警模型。見表4。

圖1 原始數據預警模型的ROC曲線

圖2 基于SMOTE算法預警模型的ROC曲線

表4 兩組預警模型預測概率驗證

3 討論

高齡全身麻醉術后發生POCD情況早在20世紀90年代就已受到廣泛關注，盡管多數醫學工作者已對其開展了大量研究，但促使POCD恢復延遲的相關原因及發生的病理機制仍未完全明確，高齡全身麻醉患者術后POCD仍是現階段臨床急需解決的重大難題之一[16]。本研究共計納入195例高齡全麻患者中術后發生POCD的患者有41例，未發生POCD的患者有154例，POCD發生率為21.03%(41/195)，結果與仲勇等[17]研究報道的20.80%POCD發生率相符。提示，POCD疾病在高齡全身麻醉術后患者中具有較高的發生率，醫務人員治療期間需加強對該類患者的重視。

高齡是現階段唯一明確影響全麻患者術后發生POCD的相關因素，安慎通等[18]研究中指出，年齡相對較大的高齡全麻患者術后更易發生POCD。本研究所納入的受試者均為60歲及以上的老年人群，但結果未提示年齡是全麻患者術后發生POCD的影響因素，其原因可能與納入患者的年齡跨度相對較小有關，但在治療期間為降低該類患者術后的POCD發生風險，在其圍術期仍需制定相應的處理方案，進而有利于POCD的預防。本研究發現，術中失血量是影響高齡全麻術后發生POCD的影響因素，術中失血量越多的患者術后更易并發POCD，與李永利等[19]研究結果相符。究其原因可能為，術中急性血容量迅速丟失導致患者血壓水平下降、腦灌注不足，當機體變化情況超出腦血流調節閥值時，促使腦供氧失衡，進而誘發POCD。術后疼痛是POCD發生影響因素，本研究通過分析患者術后VAS評分發現，POCD組術后VAS評分≥4分的發生率高于非POCD組，提示術后疼痛可能會增加POCD發生風險。疼痛是術中創傷對身體造成的一種病理、生理反應，疼痛程度越高對機體各器官功能的影響亦隨之增加，進而促使術后POCD發生風險增高。既往研究[20]表明，良好的陣痛效果可有效降低術后POCD發生率，可能與鎮痛降低了機體的應激反應和炎癥相關。此外，術后VAS評分較低的患者可盡早進行相關康復鍛煉，進而有利于降低術后POCD發生風險。本研究顯示，教育程度是高齡全麻患者術后并發POCD的影響因素，高華敏等[21]研究同樣得出此結論。教育程度較低的患者對疾病和相關治療方式的理解受限，易產生負性情緒，而教育程度相對較高的患者可通過多種途徑了解疾病相關知識，包括疾病治療、術后康復等，進而有利于術后POCD的預防。此外，亦有研究[22]認為，教育程度低的患者腦部敏感神經元老化的相對較早，相較于教育程度高的患者，其神經系統在腦細胞功能下降時的耐受力較差，因此，術后并發POCD的風險較高。而針對該類患者需加強術前教育及心理護理，采用簡單易懂的語言提高患者對自身病情和治療的認知，進而有助于降低術后POCD的發生幾率。ASA分級是患者術后發生POCD的影響因素，ASA分級越高術后更易發生POCD。這與既往研究[23]結果相一致。一般認為ASA分級高者機體代謝紊亂的風險更大，同時受創傷、手術、機體應激反應影響，極易損害腦部神經，另外，ASA高分級者腦部血管調節功能相對較差，這些因素均可能誘發POCD。劉冬梅等[24]研究表明，手術時間是術后并發POCD的影響因素，本研究結果與其相符。手術時間長多提示患者神經系統受麻藥的作用時間相對較長，部分患者腦組織灌注減少時間亦隨之延長，促使POCD發生風險增加。因此，在保證手術安全的情況下，縮短手術時間和減少陣痛藥物及麻醉藥物的應用亦可降低機體應激反應，降低術后POCD發生風險。本研究發現，高血壓和腦卒中病史亦是術后并發POCD的影響因素，與王麗萍等[25]研究報道相一致。分析原因可能為，高血壓刺激可促使腦部血管功能異常及結構改變，全麻手術期間血壓異常亦會造成腦組織缺氧、缺血，進而影響腦部神經，促使POCD發生；而腦梗阻/腦部血管狹窄患者因手術或麻醉導致血壓水平下降，患者腦組織灌注不足的同時亦會損傷神經元，進而誘發POCD。

此外，本研究高齡全麻患者術后POCD發生率為21.03%，非POCD組患者占78.95%，提示，組間樣本量明顯處于不平衡的狀態。傳統模型預測效能高的原因可能為組間數據不平衡所致，進而影響模型的精準度。SMOTE算法可通過重建原始數據獲得組間近似為1的新樣本比例數據，再結合Logistic回歸得到SMOTE預警模型[26]。本研究結果顯示，基于SMOTE算法預警模型AUC為0.844，高于原始數據預警模型0.840，SMOTE預警模型TPR值低于原始數據預警模型，而F-score、PPV值則高于原始數據預警模型，提示基于SMOTE算法的新預警模型的預測準確率稍優于原始數據預警模型。

綜上所述，教育程度、高血壓、腦卒中、ASA分級、術中失血量、手術時間以及術后VAS評分是高齡全麻患者發生POCD的影響因素，基于上述7項危險因素建立的SMOTE預警模型優于傳統Logistic回歸模型的預測效應。此外，本研究納入樣本均為同一家醫療機構，納入因素不夠全面，數據選擇亦存在些許偏倚；同時，未對模型進行外部驗證，研究結果可能存在不足之處。因此，關于基于SMOTE算法構建高齡全麻術后發生認知功能障礙的護理風險預警模型的相關結論還需在今后進一步驗證。