切换至 "中华医学电子期刊资源库"
高级检索
中华脑科疾病与康复杂志(电子版)

中华脑科疾病与康复杂志(电子版) ›› 2023, Vol. 13 ›› Issue (06) : 321 -326. doi: 10.3877/cma.j.issn.2095-123X.2023.06.001

临床研究

开发和验证预测脑肿瘤术后消化道出血的列线图：单中心研究
黄利军1, 熊志勇1, 李丹凤1,†()   
  1. 1. 430021　武汉，华中科技大学同济医学院附属协和医院神经外科
  • 收稿日期:2022-09-10 出版日期:2023-12-15
  • 通信作者: 李丹凤

Development and validation of a novel nomogram for predicting gastrointestinal bleeding after brain tumor surgery: a single-center study

Lijun Huang1, Zhiyong Xiong1, Danfeng Li1,†()   

  1. 1. Department of Neurosurgery, Union Hospital, Tongji Medical College, Huazhong University of Science and Technology, Wuhan 430022, China
  • Received:2022-09-10 Published:2023-12-15
  • Corresponding author: Danfeng Li
  • Supported by:
    Youth Science Foundation Project of National Natural Science Foundation of China(82103225)
全文 ( ) 下载PDF ( ) 导出引用
引用本文：

黄利军, 熊志勇, 李丹凤. 开发和验证预测脑肿瘤术后消化道出血的列线图：单中心研究[J/OL]. 中华脑科疾病与康复杂志(电子版), 2023, 13(06): 321-326.

Lijun Huang, Zhiyong Xiong, Danfeng Li. Development and validation of a novel nomogram for predicting gastrointestinal bleeding after brain tumor surgery: a single-center study[J/OL]. Chinese Journal of Brain Diseases and Rehabilitation(Electronic Edition), 2023, 13(06): 321-326.

目的

构建脑肿瘤术后消化道出血的列线图用于术前精确预测脑肿瘤患者术后消化道出血的可能性。

方法

选择自2021年1~12月于华中科技大学同济医学院附属协和医院神经外科行颅脑肿瘤切除术的患者为研究对象，按照3∶1分层随机抽样原则将患者分为训练集和测试集。根据训练集患者术后住院期间是否发生消化道出血分为消化道出血组和无消化道出血组，采用差异分析和多因素Logistic回归分析研究脑肿瘤术后继发消化道出血的独立影响因素，基于此构建脑肿瘤术后继发消化道出血的临床预测模型列线图。通过校准曲线、临床有效性以及内部测试集来评估临床模型的性能。

结果

本组共纳入400例脑肿瘤患者，训练集300例，其中脑肿瘤术后出现消化道出血24例（消化道出血组），未出现消化道出血276例（无消化道出血组）；测试集100例，其中消化道出血8例，未出现消化道出血92例。2组患者的年龄、肿瘤位置、消化道疾病史、冠心病史、非甾体药物服用史、饮酒史和手术时间比较，差异均有统计学意义（P<0.05）。多因素Logistic回归分析结果显示年龄、非甾体药物服用史、肿瘤位置和手术时间是脑肿瘤患者术后出现消化道出血的独立影响因素，据此构建列线图模型。该模型在训练集中的AUC值为0.817，测试集中的AUC值为0.806，呈现出良好的预测性能和稳定性能。此外校准曲线证实了列线图拟合效果良好。

结论

通过年龄、非甾体药物服用史、肿瘤位置和手术时间等因素构建的列线图，可简单、有效地预测脑肿瘤患者术后出现消化道出血，将为颅脑肿瘤患者积极预防术后消化道出血提供依据。

关键词: 脑肿瘤, 消化道出血, 影响因素, 列线图, 预测模型
Objective

To construct a nomogram for accurately predict the possibility of postoperative gastrointestinal bleeding in brain tumor patients.

Methods

Patients who underwent brain tumor resection at the Neurosurgery Department of Union Hospital, Tongji Medical College, Huazhong University of Science and Technology from January to December 2021 were selected as the research subjects. According to the 3∶1 stratified random sampling principle, the patients were divided into a training set and a testing set. The patients of testing set were divided into two groups based on whether they experienced gastrointestinal bleeding during postoperative hospitalization: the gastrointestinal bleeding group and the non-gastrointestinal bleeding group. Differential analysis and multivariate Logistic regression analysis were used to study the independent influencing factors affecting secondary gastrointestinal bleeding after brain tumor surgery. A clinical prediction model for secondary gastrointestinal bleeding after brain tumor surgery was constructed, and the model is presented as a nomogram. The performance of clinical models evaluated through calibration curves, clinical validity, and internal test sets.

Results

A total of 400 patients with brain tumors were included, with 300 in the training set. Among them, 24 patients had gastrointestinal bleeding after brain tumor surgery (gastrointestinal bleeding group), and 276 patients did not have gastrointestinal bleeding (non-gastrointestinal bleeding group); There were 100 cases in the testing set, including 8 cases of gastrointestinal bleeding and 92 cases without gastrointestinal bleeding. The age, tumor location, history of gastrointestinal diseases, history of coronary heart disease, history of non-steroidal drug use, history of alcohol consumption, and surgical time of the two groups of patients were compared, and the differences were statistically significant (P<0.05). The results of multivariate Logistic regression analysis showed that age, history of non-steroidal drug use, tumor location, and operation time were independent influencing factors for postoperative gastrointestinal bleeding in brain tumor patients. Based on this, a nomogram model was constructed. The model showed good prediction and stability performance, with the AUC value of 0.817 in the training set and 0.806 in the testing set, respectively. In addition, the calibration curve confirmed that the nomogram fits very well for the real results.

Conclusion

A nomogram constructed based on factors such as age, history of non-steroidal drug use, tumor location, and surgical time can easily and effectively predict postoperative gastrointestinal bleeding in patients with brain tumors, providing a basis for active prevention of postoperative gastrointestinal bleeding in patients with brain tumors.

Key words: Brain tumor, Gastrointestinal bleeding, Influencing factors, Nomogram, Predictive model
表1 训练集中消化道出血组和无消化道出血组患者的临床资料比较
Tab.1 Comparison of clinical data between the gastrointestinal bleeding group and the non-gastrointestinal bleeding group in the training set
项目 消化道出血组（n=24） 无消化道出血组(n=276) t/χ2值 P值
年龄（岁，Mean±SD） 48.1±12.6 41.3±15.3 2.639 <0.001
性别     1.028 0.396
男性 14 159    
女性 10 117    
肿瘤位置     1.696 <0.001
丘脑及脑干区域 11 56    
其他区域 13 220    
消化道疾病史     1.537 0.016
有 10 86    
无 14 190    
冠心病史     2.261 0.008
有 9 69    
无 15 207    
非甾体药物服用史     3.649 <0.001
有 12 90    
无 12 186    
高血压     1.622 0.079
有 9 92    
无 15 184    
饮酒史     2.009 0.032
有 10 76    
无 14 200    
吸烟史     1.135 0.319
有 6 125    
无 18 151    
手术时间[min，M（P25，P75）] 205.6（156.5，248.6） 178.9（121.2，246.2） 2.164 0.003
实验室指标[M（P25，P75）]        
红细胞计数（×1012/L） 4.45（3.86，4.96） 4.29（3.46，4.88） 1.196 0.826
白细胞计数（×109/L） 7.49（5.16，12.97） 6.59（4.65，9.06） 1.035 0.356
血红蛋白值（g/L） 115（90，131） 125（106，135） 0.569 0.207
血小板计数（×109/L） 209（165，261） 226（178，279） 0.691 0.088
白蛋白值（g/L） 39.5（30.3，41.3） 41.6（35.8，44.1） 0.861 0.126
中性粒细胞计数（%） 5.66（2.66，7.82） 6.51（2.95，10.42） 0.829 0.189
淋巴细胞计数（%） 1.71（1.19，2.32） 1.59（1.06，2.25） 1.536 0.368
单核细胞计数（×109/L） 0.46（0.31，0.62） 0.43（0.29，0.66） 0.889 0.682
纤维蛋白原值（g/L） 3.09（2.71，3.76） 3.15（2.68，3.45） 0.902 0.709
表2 患者脑肿瘤术后消化道出血的多因素Logistic回归分析
Tab.2 Multivariate Logistic analysis of postoperative gastrointestinal bleeding in patients with brain tumors
变量 标准误 偏回归系数 Wald值 OR（95%CI） P值
年龄 0.389 0.868 3.615 2.695（1.861~3.398） 0.009
肿瘤位置          
其他区域 - - - Ref（1） -
丘脑及脑干区域 0.638 0.796 1.639 1.188（1.016~1.618） 0.041
消化道疾病史          
无 - - - Ref（1） -
有 0.963 0.121 0.568 0.769（0.463~1.231） 0.466
冠心病史          
无 - - - Ref（1） -
有 0.715 0.296 0.869 0.821（0.533~1.563） 0.269
非甾体药物服用史          
无 - - - Ref（1） -
有 0.566 0.913 5.366 5.369（2.695~9.633） 0.005
饮酒史          
无 - - - Ref（1） -
有 0.526 0.392 1.169 0.893（0.698~1.416） 0.104
手术时间 0.679 1.112 3.988 1.139（1.008~3.692） 0.043
图1 预测脑肿瘤术后消化道出血的个性化列线图
Fig.1 Personalized nomogram for predicting postoperative gastrointestinal bleeding in brain tumors
图2 训练集和测试集中的ROC曲线
Fig.2 ROC curves in training and testing sets
图3 列线图的校准曲线
Fig.3 Calibration curve of the Nomogram
[1]
Ostrom QT, Price M, Neff C, et al. CBTRUS statistical report: primary brain and other central nervous system tumors diagnosed in the United States in 2015-2019[J]. Neuro Oncol, 2022, 24(Suppl 5): v1-v95. DOI: 10.1093/neuonc/noac202.
[2]
Sastry RA, Pertsch NJ, Tang O, et al. Frailty and outcomes after craniotomy for brain tumor[J]. J Clin Neurosci, 2020, 81: 95-100. DOI: 10.1016/j.jocn.2020.09.002.
[3]
成刚,陈旭,岳勇.听神经瘤枕下乙状窦后入路显微切除术后面神经功能损伤的危险因素分析[J].中华脑科疾病与康复杂志(电子版), 2022, 12(3): 137-141. DOI: 10.3877/cma.j.issn.2095-123X.2022.03.003.
[4]
Lu Z, Sun X, Han J, et al. Characteristics of peptic ulcer bleeding in cirrhotic patients with esophageal and gastric varices[J]. Sci Rep, 2020, 10(1): 20068. DOI: 10.1038/s41598-020-76530-3.
[5]
Marques P, de Vries F, Dekkers OM, et al. Pre-operative serum inflammation-based scores in patients with pituitary adenomas[J]. Pituitary, 2021, 24(3): 334-350. DOI: 10.1007/s11102-020-01112-5.
[6]
Chen M, Zheng SH, Yang M, et al. The diagnostic value of preoperative inflammatory markers in craniopharyngioma: a multicenter cohort study[J]. J Neurooncol, 2018, 138(1): 113-122. DOI: 10.1007/s11060-018-2776-x.
[7]
Kramer AA, Zimmerman JE. Assessing the calibration of mortality benchmarks in critical care: the Hosmer-Lemeshow test revisited[J]. Crit Care Med, 2007, 35(9): 2052-2056. DOI: 10.1097/01.CCM.0000275267.64078.B0.
[8]
Ostrom QT, Cioffi G, Waite K, et al. CBTRUS statistical report: primary brain and other central nervous system tumors diagnosed in the United States in 2014-2018[J]. Neuro Oncol, 2021, 23(12 Suppl 2): iii1-iii105. DOI: 10.1093/neuonc/noab200.
[9]
延鹏翔.脑肿瘤的早期识别和诊治[J].人口与健康, 2020, 28(10): 90-94.
[10]
朱东飞,胡倩,刘泽文.老年口腔颌面部恶性肿瘤患者术后应激性消化道溃疡出血的高危因素分析[J].口腔颌面外科杂志, 2022, 32(2): 106-109. DOI: 10.3969/j.issn.1005-4979.2022.02.006.
[11]
Ogata T, Kamouchi M, Matsuo R, et al. Gastrointestinal bleeding in acute ischemic stroke: recent trends from the fukuoka stroke registry[J]. Cerebrovasc Dis Extra, 2014, 4(2): 156-164. DOI: 10.1159/000365245.
[12]
钟媛.脑卒中患者消化道出血风险评分表的构建及效果评价[D].广州:暨南大学, 2020. DOI: 10.27167/d.cnki.gjinu.2020.001382.
[13]
曹益红.老年人消化性溃疡136例临床分析[J].中国乡村医药, 2020, 27(6): 17. DOI: 10.3969/j.issn.1006-5180.2020.06.009.
[14]
Luo PJ, Lin XH, Lin CC, et al. Risk factors for upper gastrointestinal bleeding among aspirin users: an old issue with new findings from a population-based cohort study[J]. J Formos Med Assoc, 2019, 118(5): 939-944. DOI: 10.1016/j.jfma.2018.10.007.
[15]
陈周利,黄永华.消化性溃疡合并上消化道出血的危险因素分析[J].现代医学与健康研究, 2022, 6(4): 119-122.
[16]
Iwamoto J, Saito Y, Honda A, et al. Clinical features of gastroduodenal injury associated with long-term low-dose aspirin therapy[J]. World J Gastroenterol, 2013, 19(11): 1673-1682. DOI: 10.3748/wjg.v19.i11.1673.
[17]
杜亚军,刘秀红,刘国星,等.冠心病合并上消化道出血临床诊治分析[J].中国继续医学教育, 2019, 11(18): 83-84. DOI: 10.3969/j.issn.1674-9308.2019.18.036.
[18]
Lu M, Sun G, Zhang XL, et al. Risk factors associated with mortality and increased drug costs in nonvariceal upper gastrointestinal Bleeding[J]. Hepatogastroenterology, 2015, 62(140): 907-912.
[19]
薄世宁,聂智品,么改琦,等.机械通气患者并发消化道出血的危险因素分析[J].中国微创外科杂志, 2011, 11(2): 171-174. DOI: 10.3969/j.issn.1009-6604.2011.02.023.
[20]
夏艳丽. 141例急性缺血性脑卒中合并上消化道出血患者临床特征、影响因素分析及救治措施研究[J].临床研究, 2018, 26(7): 18-19.
[21]
陈晴晴,孙金菊,周雪姣.急性脑出血继发院内消化道出血的影响因素分析[J].中国卒中杂志, 2021, 16(10): 1029-1033. DOI: 10.3969/j.issn.1673-5765.2021.10.009.
[22]
Chang H, Wang X, Yang X, et al. Digestive and urologic hemorrhage after intravenous thrombolysis for acute ischemic stroke: data from a Chinese stroke center[J]. J Int Med Res, 2017, 45(1): 352-360. DOI: 10.1177/0300060516686515.
[1] 赵浩天, 王晓娜, 刘奕, 李丽, 刘凯, 姚光耀, 薛红元, 赵鹤龄. 成年健康人群膈肌超声正常值参考范围及影响因素[J/OL]. 中华医学超声杂志（电子版）, 2024, 21(11): 1057-1067.
[2] 张祖强, 李圳, 刘勇, 王振龙. 双反牵引外固定架结合髓内钉治疗胫骨多段骨折的临床疗效及骨折愈合的影响因素分析[J/OL]. 中华损伤与修复杂志(电子版), 2025, 20(01): 13-21.
[3] 潘霞, 李琳, 朱磊, 代超, 庞乐. 汉中社区老年人口腔衰弱风险关联性分析与列线图模型构建[J/OL]. 中华口腔医学研究杂志(电子版), 2025, 19(01): 25-32.
[4] 李峥, 马晋峰. 基于炎症反应评分系统构建预测根治性术后食管胃结合部腺癌患者预后的列线图模型[J/OL]. 中华普外科手术学杂志(电子版), 2025, 19(02): 170-175.
[5] 沈丹枫, 常鹏, 陆颖超, 徐红星, 顾强. PCT、CRP对急性胆管炎严重程度的早期预测价值及列线图模型构建[J/OL]. 中华普外科手术学杂志(电子版), 2025, 19(02): 192-195.
[6] 奚玲, 仝瀚文, 缪骥, 毛永欢, 沈晓菲, 杜峻峰, 刘晔. 基于肌少症构建的造口旁疝危险因素预测模型[J/OL]. 中华普外科手术学杂志(电子版), 2025, 19(01): 48-51.
[7] 陈庆贤, 蔡林再, 林红满, 郑玉, 陈青青. 海南西部地区慢性阻塞性肺疾病服药依从性影响因素分析[J/OL]. 中华肺部疾病杂志(电子版), 2025, 18(01): 157-160.
[8] 李鑫, 李乐, 陈金明, 刘蕊. 基于Meta 分析构建肝癌微血管侵犯的术前预测模型[J/OL]. 中华肝脏外科手术学电子杂志, 2025, 14(01): 74-80.
[9] 任船, 葛荣忠, 邱正才, 朱莉. 肠癌患者术后代谢性酸中毒的预测模型构建及应用价值评价[J/OL]. 中华消化病与影像杂志(电子版), 2025, 15(01): 34-39.
[10] 汤峥丽, 王芳, 王唯坚. 体检人群14C阳性诊治情况跟踪及影响因素分析[J/OL]. 中华消化病与影像杂志(电子版), 2025, 15(01): 65-68.
[11] 孙晗, 于冰, 武侠, 周熙朗. 基于循环肿瘤DNA 甲基化的结直肠癌筛查预测模型的构建与验证[J/OL]. 中华消化病与影像杂志(电子版), 2024, 14(06): 500-506.
[12] 韦巧玲, 黄妍, 赵昌, 宋庆峰, 陈祖毅, 黄莹, 蒙嫦, 黄靖. 肝癌微波消融术后中重度疼痛风险预测列线图模型构建及验证[J/OL]. 中华临床医师杂志(电子版), 2024, 18(08): 715-721.
[13] 蔡晓雯, 李慧景, 丘婕, 杨翼帆, 吴素贤, 林玉彤, 何秋娜. 肝癌患者肝动脉化疗栓塞术后疼痛风险预测模型的构建及验证[J/OL]. 中华临床医师杂志(电子版), 2024, 18(08): 722-728.
[14] 颜世锐, 熊辉. 感染性心内膜炎合并急性肾损伤患者的危险因素探索及死亡风险预测[J/OL]. 中华临床医师杂志(电子版), 2024, 18(07): 618-624.
[15] 洪凡, 王志坚. 瘢痕子宫再妊娠并发症预测模型的研究进展[J/OL]. 中华产科急救电子杂志, 2025, 14(01): 20-25.
阅读次数
全文


摘要

版权所有 中华医学会 中华医学电子音像出版社有限责任公司  京ICP备14006079号-1  网络出版服务许可证：(署)网出证(京)字第075号