Модель прогнозирования послеоперационной пневмонии в абдоминальной хирургии: результаты наблюдательного многоцентрового исследования
PDF_2023-4_43-59
HTML_2023-4_43-59_S1
PDF_2023-4_43-59 (English)
HTML_2023-4_43-59_S1 (English)

Ключевые слова

послеоперационные легочные осложнения
послеоперационная пневмония
летальность
факторы риска

Как цитировать

Вейлер Р.В., Трембач Н.В., Мусаева Т.С., Магомедов М.А., Попов А.С., Фишер В.В., Хороненко В.Э., Грицан А.И., Дунц П.В., Баялиева А.Ж., Овезов А.М., Лебединский К.М., Мартынов Д.В., Спасова А.П., Стадлер В.В., Левит Д.А., Шаповалов К.Г., Кохно В.Н., Голубцов В.В., Заболотских И.Б. Модель прогнозирования послеоперационной пневмонии в абдоминальной хирургии: результаты наблюдательного многоцентрового исследования. Вестник интенсивной терапии имени А.И. Салтанова. 2023;(4):43–59. doi:10.21320/1818-474X-2023-4-43-59.

Статистика

Просмотров аннотации: 182
PDF_2023-4_43-59 загрузок: 30
HTML_2023-4_43-59_S1 загрузок: 26
PDF_2023-4_43-59 (English) загрузок: 4
HTML_2023-4_43-59_S1 (English) загрузок: 33
Статистика с 21.01.2023

Аннотация

АКТУАЛЬНОСТЬ: Ведущее место в структуре послеоперационных осложнений занимает послеоперационная пневмония. Учитывая распространенность послеоперационной пневмонии и рост числа хирургических процедур, прогнозирование ее развития является актуальной задачей, позволяющей принять меры по снижению частоты ее возникновения, путем оптимизации периоперационного периода. Несмотря на свою ценность, существующие шкалы прогнозирования послеоперационной пневмонии не обеспечивают отечественных специалистов надежным и постоянным методом, с помощью которого можно стратифицировать риск развития послеоперационной пневмонии в нашей популяции. ЦЕЛЬ ИССЛЕДОВАНИЯ: разработка модели прогнозирования послеоперационной пневмонии на основе выявления факторов риска ее развития. МАТЕРИАЛЫ И МЕТОДЫ: Многоцентровое проспективное исследование, 6844 пациента старше 18 лет, подвергающиеся плановым оперативным вмешательствам на органах брюшной полости. Оценивали 30-дневную летальность и послеоперационную пневмонию. На первом этапе исследования проводилось сравнение между группой с пневмонией и группой без пневмонии исходных данных пациентов, а также факторов, связанных с операцией и анестезией. На втором этапе исследования проводился логистический регрессионный анализ для оценки вклада факторов в развитие послеоперационной пневмонии. На третьем этапе исследования выполнялось построение модели прогнозирования послеоперационной пневмонии по данным многомерного логистического регрессионного анализа. На заключительном этапе производилось сравнение полученной модели с моделями прогнозирования других авторов, встречающихся в мировой литературе. РЕЗУЛЬТАТЫ: Пневмония выявлена у 53 пациентов (0,77 %). Летальный исход наблюдался у 39 пациентов: у пациентов с пневмонией в 15 случаях (28,3 %), а без пневмонии — в 24 случаях (0,4 %). Ретроспективно с учетом полученной модели к группе высокого риска развития пневмонии были отнесены 933 пациента, частота развития пневмонии составляла 4,5 %. В группе низкого риска развития пневмонии — 5911 пациентов, частота развития пневмонии составляла 0,19 %. ВЫВОДЫ: Выявлены восемь независимых переменных, связанных с послеоперационной пневмонией: длительность операции, курение, полная функциональная зависимость, периоперационная анемия, требующая применения препаратов железа, интраоперационное применение вазопрессоров, III функциональный класс по классификации Американского общества анестезиологов, применение бронходилатирующих препаратов по поводу хронической обструктивной болезни легких, высокий операционный риск. Модель прогнозирования послеоперационной пневмонии имеет отличную прогностическую значимость (AUROC = 0,904).

https://doi.org/10.21320/1818-474X-2023-4-43-59
PDF_2023-4_43-59
HTML_2023-4_43-59_S1
PDF_2023-4_43-59 (English)
HTML_2023-4_43-59_S1 (English)

Введение

Послеоперационные нарушения респираторной функции остаются одной из наиболее актуальных проблем в анестезиологии и реаниматологии [1]. Послеоперационные легочные осложнения (ПОЛО) оказывают значительное влияние на периоперационную заболеваемость и летальность, увеличивают вероятность повторной госпитализации и способствуют более длительному пребыванию в стационаре [2], тем самым внося существенный вклад в расходы на здравоохранение [3–6]. Частота ПОЛО в общехирургической популяции колеблется от 2,0 до 5,6 %, а при операциях на верхних отделах брюшной полости и грудной клетки — от 20 до 70 % [7–10]. Важно отметить, что почти 25 % послеоперационных смертей, происходящих в первую неделю после операции, связаны с ПОЛО [10].

Одно из ведущих мест в структуре ПОЛО занимает послеоперационная пневмония (ПП). В настоящее время на долю ПП приходится около 50 % всех нозокомиальных пневмоний, а частота ее развития составляет от 1,5 до 15,8 % [9, 11–13]. ПП неблагоприятно сказывается на исходе лечения хирургических пациентов и даже угрожает их жизни. Сообщалось, что летальность, связанная с ПП, среди хирургических пациентов колеблется от 9 до 50 %, а ее уровень зависит от типа операции [14]. Также имеются данные о том, что она неблагоприятно влияет на раннее послеоперационное восстановление пациентов и отдаленное качество жизни. Кроме того, ПП может значительно удлинить пребывание хирургических пациентов в стационаре, увеличить частоту повторных переводов в отделения реанимации и интенсивной терапии, частоту повторных операций и летальность [14, 15], что приводит к увеличению медицинских расходов в среднем примерно в 2–10 раз [12, 15]. Учитывая распространенность ПП и рост числа хирургических процедур, прогнозирование развития является актуальной задачей, позволяющей принять меры по снижению частоты ее возникновения путем воздействия на факторы риска ПП, поддающиеся коррекции, или повышения настороженности и проведения более тщательного мониторинга у пациентов при наличии у них не поддающихся изменению состояний [16, 17].

Предоперационная оценка риска требует структурированного подхода и применения шкал для выявления факторов риска развития ПП, составляющей существенную часть ПОЛО. К данным шкалам относятся: индекс риска ПП A.M. Arozullah [18], калькуляторы P.K. Gupta для ПП [19], модель прогнозирования ПП V. Russotto [14], номограмма прогнозирования ПП K. Kawasaki [20], калькулятор риска ПП Y. Takesue [21], факторы риска ПП H. Baba [22] (Приложение).

Индекс риска ПП A.M. Arozullah [18] включает тип операции, возраст, функциональное состояние, снижение массы тела, хроническую обструктивную болезнь легких (ХОБЛ), общую анестезию, нарушение чувствительности, нарушение мозгового кровообращения, уровень азота мочевины в крови, переливание крови, экстренную операцию, длительное употребление стероидов, курение и употребление алкоголя. Пациенты были разделены на 5 классов с использованием показателей индекса риска. Данная шкала имела хорошую прогностическую значимость (AUROC = 0,817), однако была слишком трудоемка и неудобна для рутинной клинической практики.

В калькуляторе P.K. Gupta [19] для ПП представлены семь предоперационных предикторов: возраст, функциональный класс по классификации Американского общества анестезиологов (ASA), ХОБЛ, функциональная зависимость, предоперационный сепсис, курение до операции и тип операции. Данная шкала имела хорошую прогностическую значимость (AUROC = 0,855).

Модель прогнозирования V. Russotto [14] выделяет 5 факторов, независимо связанных с ПП: функциональную зависимость, предоперационное насыщение крови кислородом (SpO2), интраоперационное введение коллоидов, интраоперационную трансфузию препаратов крови и зону операции. Регрессионная модель с пятью переменными имела хорошую прогностическую ценность (С – статистика 0,89) и калибровку (Hosmer—Lemeshow 2 = 6,69, p = 0,572).

В работе K. Kawasaki [20] было продемонстрировано, что независимыми прогностическими факторами ПП были возраст, мужской пол, наличие в анамнезе цереброваскулярных заболеваний, индекс Бринкмана ≥ 900 и верхнесрединная лапаротомия. Номограмма показала относительно хорошую прогностическую ценность с индексом соответствия, равным 0,77.

В калькуляторе риска ПП Y. Takesue [21] для расчета риска использовались 18 характеристик пациентов, включая пол, ХОБЛ, сепсис и функциональную зависимость, шесть лабораторных параметров и два интраоперационных фактора. Данная шкала имела хорошую прогностическую значимость (AUROC = 0,826). Однако данная модель была апробирована лишь у пациентов после гастроэнтерологических операций в японской популяции населения и оказалась слишком трудоемка и неудобна для рутинной клинической практики.

В работе H. Baba et al. [22] было показано, что значимыми предикторами ПП были низкая форсированная жизненная емкость легких и низкий объем форсированного выдоха за первую секунду, недостаточность питания (низкий уровень сывороточного альбумина и низкие контрольные показатели состояния питания и значения прогностического индекса питания), эзофагэктомия, хирургия верхних отделов желудочно-кишечного тракта и нелапароскопическая хирургия. Данная шкала имела удовлетворительную прогностическую значимость (AUROC = 0,709). Кроме того, она также была слишком трудоемка и неудобна для рутинной клинической практики.

В отличие от разработанных моделей прогнозирования ПП, которые имеют ограничения [14, 18–22], модели прогнозирования ПОЛО были разработаны и подтверждены на большой группе пациентов [23, 24]. Однако они прогнозировали все ПОЛО, такие как дыхательная недостаточность, ПП, плевральный выпот, ателектаз, бронхоспазм, пневмоторакс и аспирационный пневмонит, не выделяя отдельно риски развития ПП.

В конечном счете, несмотря на свою ценность, эти системы оценки не обеспечивают отечественных специалистов надежным и постоянным методом, с помощью которого можно стратифицировать риск развития ПП в нашей популяции.

Цель исследования

Основной целью настоящей работы является разработка модели прогнозирования ПП на основе выявления факторов риска ее развития.

Материалы и методы

Были проанализированы данные исследования STOPRISK о периоперационных показателях 6844 пациентов, оперированных на органах брюшной полости и малого таза, из 32 центров 21 города, представляющих 8 федеральных округов, за период с 1 июля 2019 г. по 30 июня 2022 г. [25]. Все пациенты подписывали добровольное информированное согласие на участие в исследовании.

Критерии включения в исследование: пациенты старше 18 лет, подвергающиеся плановым оперативным вмешательствам на органах брюшной полости, физический статус которых соответствует I–III классам по ASA.

Критерии исключения: острая массивная кровопотеря, аспирация, бронхоспазм, анафилактические реакции, злокачественная гипертермия, трансуретральные и трансвагинальные операции, операции на периферических сосудах и сердце, торакальные операции, операции на шее, голове, травматологические операции.

Критерии невключения в исследования: отсутствие информированного согласия пациента, невозможность оценки факторов, включенных в исследование (отсутствие данных).

Оцениваемые исходы

Оценивали 30-дневную летальность и ПП, согласно определению рабочей группы Европейского общества анестезиологии и Европейского общества по интенсивной терапии [26]. Согласно дефинициям 2015 г. пневмония определяется как: рентгенограмма грудной клетки по крайней мере с одним из изменений: инфильтрат, консолидация, полость; плюс одно из состояний: лихорадка более 38 °C без другой причины, количество лейкоцитов менее 4 или более 12 × 109/л; плюс по крайней мере два из следующих признаков: гнойная/измененная мокрота, повышенная секреция/аспирация содержимого, кашель/одышка/тахипноэ, хрипы/бронхиальное дыхание или ухудшение газообмена [26].

Все включенные в исследование пациенты, в зависимости от наличия ПП, были разделены на 2 группы: пациенты с ПП (n = 53); пациенты без ПП (n = 6791).

Статистический анализ

Статистический анализ данных выполнялся с помощью программы MedCalc (MedCalc Software Ltd, Бельгия), версия 19.1.3.

Данные с нормальным распределением представлены в виде среднего значения ± стандартное отклонение, данные с распределением, отличным от нормального, представлены в виде медианы (25–75-й перцентили).

На первом этапе исследования проводилось сравнение между группой с ПП и группой без ПП исходных данных пациентов, а также факторов, связанных с операцией и анестезией. Для сравнения качественных переменных использовался точный тест Фишера, для количественных переменных — критерий Манна—Уитни. Во всех случаях уровень р < 0,05 считали статистически значимым [27].

На втором этапе исследования проводился логистический регрессионный анализ для оценки вклада факторов в развитие исхода (методом одновременного включения независимых переменных): оценивались отношение шансов (ОШ) и 95%-й доверительный интервал (95% ДИ). Независимые переменные вводились в модель, если при двумерном анализе выявлялась их статистическая значимость (p < 0,05).

На третьем этапе исследования выполнялось построение модели прогнозирования ПП по данным многомерного логистического регрессионного анализа. Прогностическая ценность полученной модели оценивалась с помощью ROC-анализа и определения площади под ROC-кривой (AUROC). Результат AUROC 0,70–0,79 считали имеющим удовлетворительную прогностическую ценность, результат 0,80–0,89 — хорошую прогностическую ценность, а результат 0,9 и более оценивали как обладающий отличной прогностической ценностью.

На заключительном этапе производилось сравнение полученной модели с моделями прогнозирования ПП других авторов, встречающимися в мировой литературе. Данное сравнение осуществлялось путем сравнения ROC-кривых, построенных для каждой модели.

Результаты исследования

При анализе частоты встречаемости ПП и 30-дневной летальности были получены следующие данные. ПП у 53 пациентов (0,77 %). Летальный исход наступил у 39 пациентов: у пациентов с ПП в 15 случаях (28,3 %), без ПП — в 24 случаях (0,4 %) (p <0,05 по точному критерию Фишера). Во всех случаях причиной смерти у пациентов была острая сердечно-сосудистая недостаточность, развивающаяся на фоне декомпенсации хронической патологии или осложнений послеоперационного периода. Пневмония как самостоятельная патология не являлась непосредственной причиной смерти ни в одном из случаев.

При сравнении группы пациентов с ПП и группы без ПП были получены следующие данные (табл. 1).

Показатель Пациенты с пневмонией Пациенты без пневмонии p
Пол
    женщины 39,6 % 64,8 % 0,00024*
    мужчины 60,4 % 35,2 %
ИМТ, кг/м2 26,1 (23–31,6) 26,9 (23,5–30,9) 0,7652
Возраст, лет 63 (53–69,3) 56 (42–65) 0,0010#
Длительность операции 225 (133,8–361,3) 80 (55–130) < 0,0001#
Операционный риск
    низкий 3,8 % 39,1 % < 0,0001#
    средний 54,7 % 51,8 %
    высокий 41,5 % 9,1 %
ГБ 75,5 % 50,1 % 0,00026*
ИБС 43,4 % 19,1 % 0,00008*
ХСН 45,3 % 20,1 % 0,00004*
Нарушение ритма сердца 13,2 % 6,5 % 0,083
ХОБЛ 20,8 % 5,2 % 0,00008*
Курение 34 % 12,1 % 0,00003*
ХБП 9,4 % 3,6 % 0,045*
Перенесенное ОНМК 5,7 % 2,2 % 0,114
Частичная и полная функциональная зависимость 11,3 % 3,3 % 0,0088*
Сахарный диабет 20,8 % 8,8 % 0,006*
Онкологическое заболевание 49,1 % 22 % 0,00002*
Прием бета-блокаторов 34 % 20,6 % 0,025*
Прием ингибиторов АПФ 54,7 % 34,2 % 0,003*
Прием статинов 11,3 % 9 % 0,473
Прием антикоагулянтов 24,5 % 16,9 % 0,142
Прием диуретиков 24,5 % 9,5 % 0,0016*
Прием бронходилататоров 13,2 % 1,6 % 0,000028*
Инъекции инсулина 3,8 % 1,6 % 0,204
Прием пероральных сахароснижающих препаратов 17 % 5,8 % 0,0034*
Прием препаратов железа 13,2 % 2,6 % 0,00048*
Антибиотикопрофилактика 88,7 % 85,6 % 0,694
Класс по ASA
    I 1,9 % 18,9 % < 0,0001#
    II 17 % 53,4 %
    III 81,1 % 27,7 %
Пересмотренный индекс кардиального риска Lee 1 (1–2) 0 (0–1) < 0,0001#
Проба Штанге 33 (24,8–39) 39 (31–45) 0,0007#
Гемоглобин, г/л 124 (112,8–134,3) 133 (123–143) 0,0001#
Вид анестезии
    комбинированная 49,1 % 75,6 % < 0,0001*
    нейроаксиальная 0 % 7,6 %
    сочетанная 49,11 % 11,7 %
    тотальная внутривенная 1,9 % 5,1 %
Интраоперационная кровопотеря, мл 200 (150–300) 50 (30–100) < 0,0001#
Темп инфузии, мл/мин 11,1 (8–15,2) 12,5 (8,3–18,8) 0,1067
Объем инфузии 2500 (2000–3000) 1000 (750–1500) < 0,0001#
Потребность в вазопрессорах 34 % 4 % < 0,000000001*
Потребность в гемотрансфузиях 20,8 % 2,2 % 0,000000025*
Применение декураризации 5,7 % 15,5 % 0,054
Применение мониторинга НМП 3,8 % 12,7 % 0,059
Таблица 1. Сравнительная характеристика пациентов в зависимости от развития послеоперационной пневмонии # p < 0,05 по критерию Манна—Уитни.
* p < 0,05 по точному критерию Фишера.
ASA — Американское общество анестезиологов; АПФ — ангиотензинпревращающий фермент; ГБ — гипертоническая болезнь; ИБС — ишемическая болезнь сердца; ИМТ — индекс массы тела; НМП — нейромышечная проводимость; ОНМК — острое нарушение мозгового кровообращения; ХБП — хроническая болезнь почек; ХОБЛ — хроническая обструктивная болезнь легких; ХСН — хроническая сердечная недостаточность.

Table 1. Comparative characteristics of patients depending on the development of postoperative pneumonia

Ниже представлен многомерный анализ факторов, независимо связанных с ПП (табл. 2, 3). В данный анализ включены доступные нам факторы риска развития ПП, связанные как с состоянием пациента, так и с оперативным вмешательством.

Фактор Коэффициент Ст. ошибка Тест Вальда p
Пол 0,47513 0,29595 2,5774 0,1084
ИМТ −0,037705 0,025856 2,1265 0,1448
Возраст −0,0096934 0,013512 0,5146 0,4731
Длительность операции 0,0062108 0,00098144 40,0459 < 0,0001
Операционный риск 0,85190 0,25749 10,9457 0,0009
ГБ −0,47176 0,40071 1,3860 0,2391
ИБС −0,17143 0,37196 0,2124 0,6449
ХСН 0,53332 0,36229 2,1670 0,1410
Нарушение ритма сердца −0,055035 0,43850 0,01575 0,9001
ХОБЛ −0,96695 0,36693 6,9444 0,0084
Курение 0,77606 0,33465 5,3778 0,0204
ХБП 0,36335 0,48839 0,5535 0,4569
Перенесенное ОНМК 0,16474 0,62281 0,06997 0,7914
Частичная и полная функциональная зависимость 1,30942 0,45622 8,2377 0,0041
Сахарный диабет 0,42001 0,35807 1,3759 0,2408
Онкологическое заболевание 0,69374 0,29638 5,4789 0,0192
Прием бета-блокаторов −0,12871 0,32112 0,1607 0,6886
Прием ингибиторов АПФ 0,23609 0,30151 0,6131 0,4336
Прием статинов −0,47503 0,45517 1,0892 0,2967
Прием антикоагулянтов −0,059603 0,33649 0,03138 0,8594
Прием диуретиков 0,67223 0,34786 3,7346 0,077
Прием бронходилататоров 1,67761 0,59517 7,9450 0,0048
Инъекции инсулина 0,63539 0,74319 0,7309 0,3926
Прием пероральных сахароснижающих препаратов 0,97194 0,37986 6,5469 0,0105
Прием препаратов железа в связи с периоперационной анемией 1,69945 0,42362 16,0938 0,0001
Антибиотикопрофилактика −0,60409 0,46024 1,7228 0,1893
Класс по ASA 1,50175 0,23593 40,5175 < 0,0001
Пересмотренный индекс кардиального риска Lee 0,27811 0,15728 3,1266 0,0490
Проба Штанге −0,024284 0,013482 3,2369 0,0497
Гемоглобин −0,0068877 0,0077703 0,7857 0,3754
Вид анестезии 0,32595 0,14137 5,3158 0,0211
Интраоперационная кровопотеря 0,00085206 0,00020566 17,1645 < 0,0001
Темп инфузии −0,060128 0,022771 6,9726 0,0083
Объем инфузии 0,00043990 0,000073537 35,7853 < 0,0001
Потребность в вазопрессорах 2,16390 0,32480 44,3861 < 0,0001
Потребность в гемотрансфузиях −0,91392 0,46619 3,8432 0,0499
Применение декураризации −0,96631 0,59866 2,6054 0,1065
Применение мониторинга НМП −1,02227 0,72810 1,9713 0,1603
Таблица 2. Многомерный анализ факторов, независимо связанных с послеоперационной пневмонией ASA — Американское общество анестезиологов; АПФ — ангиотензинпревращающий фермент; ГБ — гипертоническая болезнь; ИБС — ишемическая болезнь сердца; ИМТ — индекс массы тела; НМП — нейромышечная проводимость; ОНМК — острое нарушение мозгового кровообращения; ХБП — хроническая болезнь почек; ХОБЛ — хроническая обструктивная болезнь легких; ХСН — хроническая сердечная недостаточность.
Table 2. Multivariate analysis of factors independently associated with postoperative pneumonia

 

Переменная ОШ 95% ДИ p
Пол 1,4851 0,8264–2,6687 0,1084
ИМТ 0,9642 0,9165–1,0145 0,1448
Возраст 0,9897 0,9637–1,0165 0,4731
Длительность операции 1,0064 1,0045–1,0083 < 0,0001
Операционный риск 2,2684 1,3703–3,7552 0,0009
ГБ 0,6444 0,2931–1,4169 0,2391
ИБС 1,0836 0,5140–2,2847 0,6449
ХСН 1,7046 0,8380–3,4674 0,1410
Нарушение ритма сердца 1,1124 0,4713–2,6257 0,9001
ХОБЛ 2,6299 1,2812–5,3986 0,0084
Курение 2,1729 1,1277–4,1870 0,0204
ХБП 1,4381 0,5522–3,7456 0,4569
Перенесенное ОНМК 1,1791 0,3479–3,9966 0,7914
Частичная и полная функциональная зависимость 3,7040 1,5147–9,0576 0,0041
Сахарный диабет 1,5220 0,7544–3,0704 0,2408
Онкологическое заболевание 2,0012 1,1194–3,5774 0,0192
Прием бета-блокаторов 0,8792 0,4686–1,6498 0,6886
Прием ингибиторов АПФ 1,2663 0,7013–2,2866 0,4336
Прием статинов 0,6219 0,2548–1,5176 0,2967
Прием антикоагулянтов 0,9421 0,4872–1,8220 0,8594
Прием диуретиков 1,9586 0,9905–3,8730 0,077
Прием бронходилататоров 5,3528 1,6671–17,1870 0,0048
Инъекции инсулина 1,8878 0,4399–8,1015 0,3926
Прием пероральных сахароснижающих препаратов 2,6431 1,2554–5,5648 0,0105
Прием препаратов железа в связи с периоперационной анемией 5,4709 2,3849–12,5504 0,0001
Антибиотикопрофилактика 0,5466 0,2218–1,3471 0,1893
Класс по ASA 4,4895 2,8273–7,1289 < 0,0001
Пересмотренный индекс кардиального риска Lee 1,3206 0,9703–1,7975 0,0490
Проба Штанге 0,9760 0,9506–1,0021 0,0497
Гемоглобин 0,9931 0,9781–1,0084 0,3754
Вид анестезии 1,3853 1,0501–1,8277 0,0211
Интраоперационная кровопотеря 1,0009 1,0004–1,0013 < 0,0001
Темп инфузии 0,9416 0,9005–0,9846 0,0083
Объем инфузии 1,0004 1,0003–1,0006 < 0,0001
Потребность в вазопрессорах 8,7050 4,6057–16,4530 < 0,0001
Потребность в гемотрансфузиях 0,4009 0,1608–0,9998 0,0499
Применение декураризации 0,3805 0,1177–1,2301 0,1065
Применение мониторинга НМП 0,3598 0,0864–1,4990 0,1603
Таблица 3. Многомерный анализ факторов, независимо связанных с послеоперационной пневмонией 95% ДИ — 95%-й доверительный интервал; ASA — Американское общество анестезиологов; АПФ — ангиотензинпревращающий фермент; ГБ — гипертоническая болезнь; ИБС — ишемическая болезнь сердца; ИМТ — индекс массы тела; НМП — нейромышечная проводимость; ОНМК — острое нарушение мозгового кровообращения; ОШ — отношение шансов; ХБП — хроническая болезнь почек; ХОБЛ — хроническая обструктивная болезнь легких; ХСН — хроническая сердечная недостаточность.
Table 3. Multivariate analysis of factors independently associated with postoperative pneumonia

По данным многомерного логистического анализа были отобраны переменные, достоверно связанные с развитием ПП (p <0,05) (табл. 4).

Фактор ОШ 95% ДИ p
Длительность операции 1,0060 1,0038–1,0083 < 0,0001
Курение 2,6699 1,4220–5,0130 0,0022
Полная функциональная зависимость 9,5848 1,1072–82,9745 0,0401
Прием бронходилатирующих препаратов 7,0942 2,8467–17,6793 < 0,0001
Прием препаратов железа в связи с периоперационной анемией 3,2400 1,2971–8,0927 0,0118
ASA, класс III 4,1745 1,9983–8,7206 0,0001
Потребность в вазопрессорах 4,1256 2,1220–8,0210 < 0,0001
Высокий операционный риск 6,5411 1,3146–32,5475 0,0215
Вид анестезии 1,2222 0,8833–1,6912 0,2258
Онкологическое заболевание 0,4527 0,2327–0,8806 0,0596
ASA, класс I 0,8443 0,1008–7,0750 0,8760
ХОБЛ 0,8725 0,2906–2,6193 0,8079
Пероральные сахароснижающие препараты 2,0167 0,8890–4,5747 0,0933
Пересмотренный индекс кардиального риска Lee 1,0249 0,5067–2,0734 0,9454
Темп инфузии 1,0069 0,9554–1,0611 0,7972
Объем инфузии 1,0002 0,9998–1,0005 0,3188
Интраоперационная кровопотеря 0,9993 0,9986–1,0001 0,0992
Потребность в гемотрансфузиях 2,1758 0,8238–5,7469 0,1167
Проба Штанге 0,9887 0,9625–1,0157 0,4089
Частичная функциональная зависимость 1,4545 0,6006–3,5221 0,4064
Таблица 4. Многомерный анализ факторов, независимо связанных с послеоперационной пневмонией 95% ДИ — 95%-й доверительный интервал; ASA — Американское общество анестезиологов; ОШ — отношение шансов; ХОБЛ — хроническая обструктивная болезнь легких.
Table 4. Multivariate analysis of factors independently associated with postoperative pneumonia

На следующем этапе для построения модели прогнозирования развития ПП по данным регрессионного анализа были отобраны факторы риска с достоверным влиянием на частоту ее развития (p <0,05) (табл. 5).

Фактор ОШ 95% ДИ p
Длительность операции 1,0060 1,0038–1,0083 < 0,0001
Курение 2,6699 1,4220–5,0130 0,0022
Полная функциональная зависимость 9,5848 1,1072–82,9745 0,0401
Прием бронходилатирующих препаратов 7,0942 2,8467–17,6793 < 0,0001
Прием препаратов железа в связи с периоперационной анемией 3,2400 1,2971–8,0927 0,0118
ASA, класс III 4,1745 1,9983–8,7206 0,0001
Потребность в вазопрессорах 4,1256 2,1220–8,0210 < 0,0001
Высокий операционный риск 6,5411 1,3146–32,5475 0,0215
Таблица 5. Модель прогнозирования послеоперационной пневмонии 95% ДИ — 95%-й доверительный интервал; ASA — Американское общество анестезиологов; ОШ — отношение шансов.
Table 5. Postoperative pneumonia prediction model

 

Для оценки прогностической значимости разработанной модели прогнозирования ПП был проведен ROC-анализ с определением площади под ROC-кривой (AUROC). Были получены следующие данные: AUROC = 0,904; ст. ошибка — 0,0197; 95% ДИ 0,897–0,911 (рис. 1).

Рис. 1. Анализ ROC-кривой модели прогнозирования ПП Fig. 1. Analysis of the ROC curve of the PP forecasting model

 

По данным анализа ROC-кривой была определена точка отсечения и определены группы высокого (вероятность развития ПП более 1,2 %) и низкого риска развития ПП (1,2 % и менее) (чувствительность 79,2 %, специфичность 86,9 %). Ретроспективно, с учетом полученной модели, к группе высокого риска развития ПП были отнесены 933 пациента, частота развития ПП составляла 4,5 %. В группе низкого риска развития ПП — 5911 пациентов, частота развития ПП составляла 0,19 % (табл. 6).

Риск развития ПП Частота развития ПП, %
Низкий риск развития ПП (n = 5911) 0,19
Высокий риск развития ПП (n = 933) 4,5
Таблица 6. Частота развития послеоперационной пневмонии в зависимости от группы риска
Table 6. The incidence of postoperative pneumonia depending on the risk group

 

При проведении ROC-анализа с факторами, применяемыми в исследовании P.K. Gupta et al. [19], в нашей популяции пациентов были получены следующие данные: AUROC = 0,852; ст. ошибка — 0,023; 95% ДИ 0,843–0,861 (рис. 2).

Рис. 2. Анализ ROC-кривой модели прогнозирования Gupta Fig. 2. ROC curve analysis of the Gupta forecasting model

 

При сравнении данных, полученных при проведении ROC-анализа разработанной модели прогнозирования ПП и модели P.K. Gupta (рис. 3), были получены следующие результаты (табл. 7 и 8). Как следует из указанных рисунков, разработанная модель прогнозирования имеет достоверно большую значимость по сравнению с моделью P.K. Gupta (p <0,05) (табл. 8).

Рис. 3. Сравнение ROC-кривых разработанной модели прогнозирования и модели Gupta Fig. 3. Comparison of ROC curves of the developed forecasting model and the Gupta model

 

Модель AUC Ст. ошибка 95% ДИ
Gupta 0,852 0,0234 0,843–0,860
STOPRISK 0,904 0,0197 0,897–0,911
Таблица 7. Сравнение ROC-кривых
Table 7. Comparison of ROC curves

 

Показатель Значение
Разница  0,0527
Стандартная ошибка 0,0155
95% ДИ 0,0223–0,0830
z статистика 3,401
Уровень значимости p = 0,0007
Таблица 8. Сравнение ROC-кривых (продолжение)
Table 8. Comparison of ROC curves (continued)

 

Обсуждение

В изучаемой популяции пациентов частота ПП составила 0,77 %, было определено 8 независимых переменных, связанных с ее развитием.

Имеющиеся модели прогнозирования ПП имеют свои ограничения. A.M. Arozullah et al. [18] ретроспективно проанализировали данные 100 медицинских центров, выполняющих обширные операции. Основным ограничением этого исследования была низкая обобщаемость, поскольку когорта исследования почти полностью состояла из пациентов мужского пола. Кроме того, ретроспективный анализ имел ограничения в отношении отсутствующих данных и потенциальной неправильной классификации событий. Наконец, использование большой базы данных привело к обнаружению ряда значимых предикторов с последующей разработкой шкалы, с которой трудно работать в повседневной практике.

P.K. Gupta et al. [19] также использовали ретроспективную базу данных для выявления факторов риска ПП и построения модели. Хотя авторы включили более широкий спектр характеристик пациентов, это исследование также имеет ограничения, свойственные ретроспективному анализу.

При проведении ROC-анализа с факторами, применяемыми в исследовании P.K. Gupta et al., в нашей популяции пациентов были получены следующие данные: AUROC = 0,852; ст. ошибка — 0,023; 95% ДИ 0,843–0,861. Авторами модели в исходном исследовании были получены близкие результаты: AUROC = 0,855 [19]. Разработанная нами модель прогнозирования имела статистически значимо бóльшую прогностическую ценность по сравнению с моделью P.K. Gupta.

Функциональная зависимость, определяемая как сниженная способность выполнять повседневную деятельность, — общепризнанный фактор, повышающий заболеваемость и летальность [28]. В ранее разработанных моделях функциональная зависимость также упоминалась как фактор риска развития ПП [18, 19]. Более того, у пациентов с плохим функциональным статусом отмечен повышенный риск развития аспирационной пневмонии [29]. Они чаще проживают в домах престарелых и учреждениях длительного лечения и подвержены колонизации и инфицированию возбудителями со множественной лекарственной устойчивостью [30].

Высокий операционный риск, который характеризует обширные абдоминальные операции на верхних отделах брюшной полости, был определен как предиктор ПП. Аналогичные результаты были также получены в ранее разработанных моделях, оценивающих риск ПП [18, 19]. Лапароскопические абдоминальные операции подвергают пациентов относительно меньшему операционному риску, и, когда это возможно, лапароскопические вмешательства могут быть рассмотрены для снижения риска развития ПП. Кроме этого, длительное оперативное вмешательство (более 3 ч) — независимый фактор риска ПОЛО и ПП [31].

У пациентов с ХОБЛ чаще развивается ПП из-за нарушения мукоцилиарного клиренса. Кроме этого, курение также является фактором риска развития ПП [19, 32]. Риск уменьшается до минимального при отказе за 6 месяцев до операции, однако увеличенный риск ПП сохраняется в течение 1 года [15].

Предоперационная анемия увеличивает риск развития ПП, что согласуется с недавними исследованиями, определяющими анемию как предиктор неблагоприятного исхода у критических и послеоперационных пациентов. Даже минимальная степень анемии связана со значительным увеличением риска 30-дневной послеоперационной летальности и неблагоприятных кардиальных событий [33], хотя до сих пор нет четких доказательств того, что предоперационное переливание крови может снизить риск.

Безусловно, применение модели прогнозирования ПП в клинической практике имеет важное значение для выявления пациентов с высоким риском развития данной патологии. Это позволит анестезиологу-реаниматологу оптимизировать периоперационное ведение данной категории пациентов, проявив клиническую преднастороженность [15, 17]. Необходимо продолжать клинические исследования, способствующие разработке мероприятий, направленных на коррекцию факторов риска, включенных в данную модель.

Основными преимуществами нашей модели являются проспективный дизайн исследования, широкий спектр факторов, включенных в анализ, и большой выборки пациентов, перенесших абдоминальные оперативные вмешательства разной травматичности и степени риска.

Ограничения исследования

Несмотря на сильные стороны исследования, оно имеет ряд ограничений. Так, одним из ограничений исследования является возможность систематической ошибки отбора, поскольку центры набирались на добровольной основе, а в разных центрах мог предоставляться различный уровень медицинской помощи. С момента сбора первоначальных данных прошло четыре года, и за этот период тактика периоперационного ведения пациентов могла измениться. Кроме того, несмотря на то что набор данных был достаточно полным и включал большое количество периоперационных переменных, некоторые сопутствующие заболевания, такие как обструктивное апноэ во сне, не были включены. В конечном итоге данная модель должна пройти внутреннюю и внешнюю валидацию, чтобы дополнительно оценить ее эффективность и прогностическую ценность.

Заключение

Выявлены восемь независимых переменных, связанных с ПП: длительность операции, курение, полная функциональная зависимость, периоперационная анемия, требующая применения препаратов железа, интраоперационное применение вазопрессоров, III функциональный класс по ASA, применение бронходилатирующих препаратов по поводу ХОБЛ, высокий операционный риск. Модель прогнозирования ПП имеет отличную прогностическую значимость (AUROC = 0,904).

 

Конфликт интересов. А.И. Грицан — вице-президент Общероссийской общественной организации «Федерация анестезиологов и реаниматологов»; К.М. Лебединский — президент Общероссийской общественной организации «Федерация анестезиологов и реаниматологов»; И.Б. Заболотских — первый вице-президент Общероссийской общественной организации «Федерация анестезиологов и реаниматологов». Остальные авторы заявляют об отсутствии конфликта интересов.

Disclosure. A.I. Gritsan is the Vice-President of the all-Russian public organization “Federation of anesthesiologists and reanimatologists”; K.M. Lebedinskii is the President of the all-Russian public organization “Federation of anesthesiologists and reanimatologists”; I.B. Zabolotskikh is the First Vice-President of the all-Russian public organization “Federation of anesthesiologists and reanimatologists”. Other authors declare that they have no competing interests.

Вклад авторов. Все авторы в равной степени участвовали в разработке концепции статьи, получении и анализе фактических данных, написании и редактировании текста статьи, проверке и утверждении текста статьи.

Author contribution. All authors according to the ICMJE criteria participated in the development of the concept of the article, obtaining and analyzing factual data, writing and editing the text of the article, checking and approving the text of the article.

Этическое утверждение. Не требуется.

Ethics approval. Not required.

Информация о финансировании. Авторы заявляют об отсутствии внешнего финансирования при проведении исследования.

Funding source. This study was not supported by any external sources of funding.

Декларация о наличии данных. Данные, подтверждающие выводы этого исследования, можно получить по запросу у корреспондирующего автора.

Data Availability Statement. The data that support the findings of this study are available from the corresponding author upon reasonable request.

Библиографические ссылки

  1. Зозуля М.В., Ленькин А.И., Сотников А.В. и др. Показатели респираторной функции в раннем послеоперационном периодах у пациентов, оперированных по поводу ишемической болезни сердца в условиях искусственного кровообращения и на работающем сердце. Анестезиология и реаниматология. 2020; 4: 54–60. DOI: 10.17116/anaesthesiology202004154 [Zozulya M.V., Lenkin A.I., Sotnikov A.V., et al. Intraoperative and early postoperative respiratory function in patients with coronary artery disease undergoing on-pump or off-pump coronary artery bypass surgery. Russian Journal of Anesthesiology and Reanimatology. 2020; 4: 54–60. DOI: 10.17116/anaesthesiology202004154 (In Russ)]
  2. Diaz-Fuentes G., Hashmi H.R.T., Venkatram S. Perioperative evaluation of patients with pulmonary conditions undergoing non-cardiothoracic surgery. Heal Serv Insights. 2016; 9S1: 9–23. DOI: 10.4137/HSI.S40541
  3. Patel K., Hadian F., Ali A., et al. Postoperative pulmonary complications following major elective abdominal surgery: a cohort study. Perioper Med. 2016; 5: 10. DOI: 10.1186/s13741-016-0037-0
  4. Khuri S.F., Henderson W.G., DePalma R.G., et al. Determinants of long-term survival after major surgery and the adverse effect of postoperative complications. Ann Surg. 2005; 242: 326–43. DOI: 10.1097/01.sla.0000179621.33268.83
  5. Fernandez-Bustamante A., Frendl G., Sprung J., et al. Postoperative pulmonary complications, early mortality, and hospital stay following noncardiothoracic surgery: a multicenter study by the perioperative research network investigators. JAMA Surgery. 2017; 152: 157–66. DOI: 10.1001/jamasurg.2016.4065
  6. STARSurg Collaborative and COVIDSurg Collaborative. Death following pulmonary complications of surgery before and during the SARS-CoV-2 pandemic: a comparative analysis of two prospective international cohort studies. Br J Surg. 2021; 108: 1448–64. DOI: 10.1093/bjs/znab336
  7. Miskovic A., Lumb A.B. Postoperative pulmonary complications. Br J Anaesth. 2017; 118: 317–34. DOI: 10.1093/bja/aex002
  8. Kirmeier E., Eriksson L.I., Lewald H., et al. Post-anaesthesia pulmonary complications after use of muscle relaxants (POPULAR): a multicentre, prospective observational study. Lancet Respir Med. 2019; 7: 129–40. DOI: 10.1016/S2213-2600(18)30294-7
  9. Abbott T., Fowler A.J., Pelosi P., et al. A systematic review and consensus definitions for standardised end-points in perioperative medicine: pulmonary complications. Br J Anaesth. 2018; 120: 1066–79. DOI: 10.1016/j.bja.2018.02.007
  10. Lakshminarasimhachar A., Smetana G.W. Preoperative evaluation. Estimation of pulmonary risk. Anesthesiol Clin. 2016; 34: 71–88. DOI: 10.1016/j.anclin.2015.10.007
  11. Murff H.J., FitzHenry F., Matheny M.E., et al. Automated identification of postoperative complications within an electronic medical record using natural language processing. JAMA. 2011; 306: 848–55. DOI: 10.1001/jama.2011.1204
  12. Wakeam E., Hyder J.A., Tsai T.C., et al. Complication timing and association with mortality in the American college of surgeons’ national surgical quality improvement program database. J Surg Res. 2015; 193: 77–87. DOI: 10.1016/j.jss.2014.08.025
  13. Redelmeier D.A., McAlister F.A., Kandel C.E., et al. Postoperative pneumonia in elderly patients receiving acid suppressants: a retrospective cohort analysis. BMJ. 2010; 340: 2608. DOI: 10.1136/bmj.c2608
  14. Russotto V., Sabaté S., Canet J. Development of a prediction model for postoperative pneumonia: a multicentre prospective observational study. Eur J Anaesthesiol. 2019; 36: 93–104. DOI: 10.1097/EJA.0000000000000921
  15. Sabaté S., Mazo V., Canet J. Predicting postoperative pulmonary complications: implications for outcomes and costs. Curr Opin anesthesiol. 2014; 27: 201–9. DOI: 10.1097/ACO.0000000000000045
  16. Canet J., Sabaté S., Mazo V., et al. Development and validation of a score to predict postoperative respiratory failure in a multicenter European cohort: a prospective, observational study. Eur J Anaesthesiol. 2015; 32: 458–70. DOI: 10.1097/EJA.0000000000000223
  17. Kazaure H.S., Martin M., Yoon J.K., et al. Long-term results of a postoperative pneumonia prevention program for the inpatient surgical ward. JAMA Surg. 2014; 149: 914–8. DOI: 10.1001/jamasurg.2014.1216
  18. Arozullah A.M., Khuri S.F., Henderson W.G., et al. Development and validation of a multifactorial risk index for predicting postoperative pneumonia after major noncardiac surgery. Ann Intern Med. 2001; 135: 847–57. DOI: 10.7326/0003-4819-135-10-200111200-00005
  19. Gupta H., Gupta P.K., Schuller D., et al. Development and validation of a risk calculator for predicting postoperative pneumonia. Mayo Clin Proc. 2013; 88: 1241–9. DOI: 10.1016/j.mayocp.2013.06.027
  20. Kawasaki K., Yamamoto M., Suka Y., et al. Development and validation of a nomogram predicting postoperative pneumonia after major abdominal surgery. Surg Today. 2019; 49: 769–77. DOI: 10.1007/s00595-019-01796-8
  21. Takesue Y., Miyata H., Gotoh M., et al. Risk calculator for predicting postoperative pneumonia after gastroenterological surgery based on a national Japanese database. Ann Gastroenterol Surg. 2019; 3: 405–15. DOI: 10.1002/ags3.12248
  22. Baba H., Tokai R., Hirano K., et al. Risk factors for postoperative pneumonia after general and digestive surgery: a retrospective single-center study. Surg Today. 2020; 50: 460–8. DOI: 10.1007/s00595-019-01911-9
  23. Canet J., Gallart L., Gomar C., et al. Prediction of postoperative pulmonary complications in a population-based surgical cohort. Anesthesiology. 2010; 113(6): 1338–50. DOI: 10.1097/ALN.0b013e3181fc6e0a
  24. Mazo V., Sabate S., Canet J., et al. Prospective external validation of a predictive score for postoperative pulmonary complications. Anesthesiology. 2014; 121(2): 219–31. DOI: 10.1097/ALN.0000000000000334
  25. Заболотских И.Б., Трембач Н.В., Мусаева Т.С. и др. Национальное многоцентровое проспективное обсервационное исследование «Роль сопутствующих заболеваний в стратификации риска послеоперационных осложнений» — STOPRISK: протокол исследования. Вестник интенсивной терапии имени А.И. Салтанова. 2022; 4: 24–35. DOI: 10.21320/1818-474X-2022-4-24-35 [Zabolotskikh I.B., Trembach N.V., Musaeva T.S., et al. National multicenter prospective observational study “The role of concomitant diseases in poSTOPerative complications RISK stratification — STOPRISK”: study protocol. Annals of Critical Care. 2022; 4: 24–35. DOI: 10.21320/1818-474X-2022-4-24-35 (In Russ)]
  26. Jammer I., Wickboldt N., Sander M., et al. European Society of Anaesthesiology (ESA) and the European Society of Intensive Care Medicine (ESICM). Standards for definitions and use of outcome measures for clinical effectiveness research in perioperative medicine: European Perioperative Clinical Outcome (EPCO) definitions: a statement from the ESA-ESICM joint taskforce on perioperative outcome measures. Eur. J. Anaesthesiology. 2015; 32(2): 88–105. DOI: 10.1097/EJA.0000000000000118
  27. Кузовлев А.Н., Ядгаров М.Я., Берикашвили Л.Б. и др. Выбор метода статистического анализа. Анестезиология и реаниматология. 2021; 3: 88–93. DOI: 10.17116/anaesthesiology202103188 [Kuzovlev A.N., Yadgarov M.Ya., Berikashvili L.B., et al. Choosing the right statistical test. Russian Journal of Anesthesiology and Reanimatology. 2021;3:88–93. DOI: 10.17116/anaesthesiology202103188 (In Russ)]
  28. Minhas S.V., Mazmudar A.S., Patel A.A. Preoperative functional status as a predictor of morbidity and mortality after elective cervical spine surgery. Bone Joint J. 2017; 99: 824–8. DOI: 10.1302/0301-620X.99B6.BJJ-2016-1149.R1
  29. Mody L., Sun R., Bradley S.F. Assessment of pneumonia in older adults: effect of functional status. J Am Geriatr Soc. 2006; 54: 1062–7. DOI: 10.1111/j.1532-5415.2006.00797.x
  30. Kollef M.H., Morrow L.E., Baughman R.P., et al. Healthcare-associated pneumonia (HCAP): a critical appraisal to improve identification, management, and outcomes — proceedings of the HCAP Summit. Clin Infect Dis. 2008; 46(S4): 296–334. DOI: 10.1086/526355
  31. Ferreyra G., Long Y., Ranieri V.M. Respiratory complications after major surgery. Curr Opin Crit Care. 2009; 15: 342–8. DOI: 10.1097/MCC.0b013e32832e0669
  32. Hawn M.T., Houston T.K., Campagna E.J., et al. The attributable risk of smoking on surgical complications. Ann Surg. 2011; 254(6): 914–20. DOI: 10.1097/SLA.0b013e31822d7f81
  33. Beattie W.S., Karkouti K., Wijeysundera D.N., et al. Risk associated with preoperative anemia in noncardiac surgery: A single-center cohort study. Anesthesiology. 2009; 110: 574–81. DOI: 10.1097/ALN.0b013e31819878d3
Лицензия Creative Commons

Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-ShareAlike» («Атрибуция — Некоммерческое использование — На тех же условиях») 4.0 Всемирная.

Copyright (c) 2023 Вестник интенсивной терапии имени А.И. Салтанова