【神麻人智】基于机器学习的颈椎手术后住院时间过长的实用性预测及全国范围内的验证

研究背景：现代社会的发展，对于降低医疗成本和改善护理的要求越来越高，术后住院时间延长是影响费用的重要因素。术前准确预测延长住院时间（LOS）有助于采取有针对性的干预措施，以减轻临床伤害和资源利用。

研究目的和方法：人口老龄化导致颈椎手术的高风险患者增多。最近有研究探索颈椎手术的患者住院时间增加的预测因素。但大多数现有的研究没有使用基于外部数据集的回归模型，推广性遭到限制。本项研究旨在开发一种机器学习算法可以在美国任何地方使用来预测颈椎术后延长住院的时长。本研究回顾2008年至2019年间接受颈椎手术的退行性脊柱疾病患者的电子病例，排除感染、创伤或肿瘤的病例。总共获得4400例，用于算法开发的病例和全国队列。单中心病例平均LOS为2.7天。该算法采用梯度增强分类器对延长住院时间进行预测、迭代添加决策树模型集，来减少先前模型预测误差。因此获得了更好的整体性和泛化能力。对2009年至2017年间接受颈椎手术的患者的全国住院患者样本(NIS)进行查询，以进行算法性能的外部验证。共发生311582例，平均LOS为3.3天。表1详细说明了研究的人口统计学特征。对最重要的20个变量构建了SHAP特征重要性图，评价变量对结果造成的影响并且研究了前5个因素的相互作用；构建了SHAP力图以收集患者水平的预测驱动因素。计算接收器工作特征曲线下的面积(AUROC)来评估机器学习模型的性能，来确保其普适性和阐明预测的驱动因素。

研究结果：本研究从单中心数据集中确定了4,400例颈椎手术，从NIS获得了311582例(表1)。单中心队列的平均年龄为54.15±0.19岁，略低于NIS队列的55.59±0.02岁(P<0.0001)。2129例(48.39%)单中心病例来自女性，其中NIS的比例略高，为155729例(49.98%；P=0.04)。单中心队列平均LOS为2.69±0.06天，NIS队列为3.26±0.01天(P<0.0001)。单中心队列中患有Elixhauser合并症的患者比例高于NIS，接受的术式比例也略有不同。

梯度提升树显示出稳健的跨队列住院时间的预测，在单中心验证集上的AUROC为0.87(SD=0.01)，在全国NIS数据集上的AUROC为0.84(SD=0.00)(表2)。在验证时模型的校准曲线表明，该模型校准良好。有较好的普适性。

从单中心数据集中结合每个病例衍生模型的计算SHAP值显示，仅行前入路、择期入院、年龄、Elixhauser合并症总数及女性是影响延长住院时间可能性的重要因素(图2)。黑人种族、电解质紊乱和加权Elixhauser合并症评分显示出中等影响。研究各因素相互作用的影响，有利于深入了解变量组合如何影响长期住院时间的可能性。尽管年龄增加和非前路手术独立预测LOS延长，但与非前路颈椎融合术的老年患者相比，前路颈椎融合术的老年患者更常预测LOS延长（图3A）。此外，与接受非前路紧急颈椎融合术的患者相比，预计接受紧急颈椎前路融合术的患者发生LOS延长的风险更大（图3B）。患者人口统计学也显示出有趣的相互作用效应。尽管该模型独立预测女性患者和黑人患者的LOS延长，但与女性患者相比，黑人男性更可能导致模型预测LOS延长（图3C）。有趣的是，与无合并症的男性相比，无合并症的女性更可能出现LOS延长，但有一种或多种合并症的男性LOS延长的风险升高（图3）。

对于模型正确预测了长期住院时间的单中心队列中的患者，非选择性入院状态、非前路手术和Elixhauser酗酒是正确预测的最有力的驱动因素。对于NIS队列中模型正确预测长期住院时间的患者，有类似的预测因素(图4A)。对于单中心队列中模型正确预测非延长LOS的患者，最强的阴性预测因素是Elixhauser精神病、前路手术和年龄较小。顺便说一句，NIS队列中有1例相似患者也被正确预测为LOS未延长（图4B）。

对于模型错误地预测了延长的住院时间状态的患者，也进行了检查，以评估候选驱动力的错误预测。对于单中心队列中的此类患者，最强的预测因素是非前路手术、Elixhauser酒精滥用和多种合并症。同样，对于NIS队列中模型错误预测LOS延长的患者，最强的预测因素是非择期入院、非前路手术和年龄较大（图4C）。对于单中心队列中模型错误预测非延长LOS的患者，最强的预测因素是Elixhauser精神病、仅前路手术和年龄较小。然而，黑人种族和存在多种合并症是导致LOS延长的重要因素。对于NIS队列中模型错误预测非延长LOS的患者，最强的驱动因素是前路手术入路、年龄较小和无合并症。根据模型，该患者没有LOS延长的强驱动因素（图4D）。

结论：

之前的多项研究调查了颈椎手术中LOS延长的预测因素。Peirce等人对345例患者进行了倾向评分匹配研究，发现与神经根病或脊髓神经根病患者相比，初步诊断为脊髓病的患者术后LOS更长。在142例手术颈椎畸形患者中，Horn等发现基线颈椎错位、节段融合和截骨术预测LOS。Dial等人研究了1896例接受择期颈椎前路椎间盘切除和融合术的患者，发现患者年龄≥65岁、婚姻和私人医疗保险是与LOS相关的变量。所有上述研究均在来自单中心的小患者队列中进行，这可能引入了地区特异性偏倚。缺乏对更大的外部数据集的验证可能会限制他们发现的普适性。

一些研究在更大、更异质的数据库中调查了颈椎手术后LOS延长。Adogwa等对4730例接受颈椎前路椎间盘切除融合术的老年患者进行了回顾性研究。使用多变量逻辑回归，他们没有发现LOS变化与基线患者疾病或并发症相关。在另一项研究中，Passias等人调查了3057例手术脊髓型颈椎病患者，发现年龄、糖尿病、后路手术入路和手术时间增加是LOS延长的阳性预测因素。DePasse等人在950例接受颈椎截骨术的患者中发现，功能状态下降、癌症播散、手术时间延长和骨科医生是LOS增加的风险因素。Elsamadicy等人对144514例接受颈椎前路椎间盘切除术和融合术治疗脊髓型颈椎病的NIS患者进行了一项研究，确定年龄、男性、黑人和西班牙裔、社会经济地位、合并症和并发症数量为与长期LOS相关的风险因素。没有研究验证外部数据集的结果。

这项研究首次应用机器学习模型来预测在接受颈椎手术的患者中导致LOS延长的特征，并证明了其在全国范围内的适用性。虽然我们在单中心数据集上开发了我们的算法，但我们在国家规模队列上外部验证了性能。我们的模型在外部数据集上的稳健性能表明，我们的结果可推广到模型训练的单中心患者队列之外。我们阐明了驱动模型预测的变量相互作用效应，并在详细的患者水平证明即使是错误预测也是基于合理和有意义的临床特征。

述评：

泛化能力是阻碍机器学习算法在临床环境中广泛实施的一个持续问题。在现实世界的临床环境中，数据的编码和临床文档实践存在很大差异，电子病历数据存在高度异质性。如果没有良好的泛化能力，模型就不能可靠地应用于外部数据以产生具有临床意义的结果。在一项使用深度学习评估儿童骨龄的研究中，Valliani等人发现预测误差在外部验证后显著增加，从7.59个月增加到11.02个月。在另一个设计用于检测胸片中肺炎的模型中，Zech等人也发现外部数据的性能显著较低。Dexter等人建立了一个用于检测几种传染病的模型，并在来自健康信息交换网络的自由文本实验室数据上进行了测试。尽管在内部验证时具有良好的准确性，但这些模型在对来自坚持实验室系统的数据进行外部测试时表现出较差的普适性。这项研究有几个局限性。回顾设计可能会在数据的几个方面出现偏倚，包括患者选择、手术适应症、疾病分类、结果测量和研究时间窗口。同样遗漏的还有围手术期和术后可能影响住院时间的因素。最后，机器学习方法在实际临床环境中的有意义的实施仍然面临许多障碍。需要建立临床评估、绩效指标以及监管和实施后监测方案，以确保患者的安全。

机器学习算法准确地预测延长的住院时间，并表征术前驱动因素。此模型在单中心和大型不同国家患者队列中表现出很强的性能，在患者水平上做出了合理的预测。这些算法的应用可以帮助指导手术后增强恢复方案，以适当地选择患者、分配资源，并优化管理实践，以减少住院时间和医疗成本。未来研究将通过纳入围手术期的特点、多中心数据集的训练和前瞻性验证队列来减少研究的局限性。

编译：夏若愚‍

校对及述评：王昀