论文部分内容阅读
目的:识别退行性颈脊髓病(DCM)前路手术并发症的相关因素,并建立适当的预测模型。
方法:回顾性研究。收集2007年1月至2018年8月骨科收治的退行性颈脊髓病行前路手术治疗的病例。利用电子病历系统完善入组病例的基线资料(年龄、性别、体重、身高等)、临床指标(基线mJOA评分、病程等)、手术方式及并发症的相关信息。对收集到的信息进行统计学描述,并计算各并发症的发生率。采用单因素分析来确定有并发症患者与无并发症患者之间的差异。应用多元逻辑回归建立了并发症预测模型。
结果:根据纳入和排除标准,该研究最终共纳入465例DCM病例。其中出现并发症53人,发病率为11.40%。单因素相关分析显示:年龄(P=0.001)、性别(P=0.044)、入院时基线mJOA(P=0.001)、是否合并OPLL(P=0.021)、是否合并心血管系统疾病(P=0.012)、是否存在既往颈椎手术史(P=0.001)、术中出血量(P<0.001)、手术时间(P=0.001)、减压节段(P<0.001)等均为并发症的相关因素。最终将是否合并OPLL(OR=3.032,P=0.018)、基线mJOA(OR=0.610,P=0.008)、手术时间(OR=1.006,P=0.008)及既往颈椎手术史(OR=13.330,P=0.030)纳入预测模型。最终模型的受试者工作曲线(ROC)下面积为69.1%,95%可信区间为(0.61-0.78)。
结论:手术节段存在OPLL、较低基线mJOA评分、较长的手术时间和颈椎手术史是DCM前路手术并发症的相关因素。在本中心可以利用已建立的模型预测前路治疗DCM的并发症,并制定有针对性预防策略。
方法:回顾性研究。收集2007年1月至2018年8月骨科收治的退行性颈脊髓病行前路手术治疗的病例。利用电子病历系统完善入组病例的基线资料(年龄、性别、体重、身高等)、临床指标(基线mJOA评分、病程等)、手术方式及并发症的相关信息。对收集到的信息进行统计学描述,并计算各并发症的发生率。采用单因素分析来确定有并发症患者与无并发症患者之间的差异。应用多元逻辑回归建立了并发症预测模型。
结果:根据纳入和排除标准,该研究最终共纳入465例DCM病例。其中出现并发症53人,发病率为11.40%。单因素相关分析显示:年龄(P=0.001)、性别(P=0.044)、入院时基线mJOA(P=0.001)、是否合并OPLL(P=0.021)、是否合并心血管系统疾病(P=0.012)、是否存在既往颈椎手术史(P=0.001)、术中出血量(P<0.001)、手术时间(P=0.001)、减压节段(P<0.001)等均为并发症的相关因素。最终将是否合并OPLL(OR=3.032,P=0.018)、基线mJOA(OR=0.610,P=0.008)、手术时间(OR=1.006,P=0.008)及既往颈椎手术史(OR=13.330,P=0.030)纳入预测模型。最终模型的受试者工作曲线(ROC)下面积为69.1%,95%可信区间为(0.61-0.78)。
结论:手术节段存在OPLL、较低基线mJOA评分、较长的手术时间和颈椎手术史是DCM前路手术并发症的相关因素。在本中心可以利用已建立的模型预测前路治疗DCM的并发症,并制定有针对性预防策略。