腰旁肌群在腰椎融合术后短期残余疼痛发展中的作用
《Sports Medicine and Arthroscopy Review》:The Role of the Lumbar Paravertebral Muscles in the Development of Short-term Residual Pain After Lumbar Fusion Surgery
【字体:
大
中
小
】
时间:2026年10月10日
来源:Sports Medicine and Arthroscopy Review 1.5
编辑推荐:
## 研究设计
回顾性真实世界研究。
## 目标
利用机器学习模型识别退行性腰椎病患者在PLIF术后残余疼痛的风险因素。
## 背景资料概述
PLIF术后残余疼痛是一种常见现象,其具体的风险因素尚不明确。
## 材料与方法
2018年6月至2023年3月间,共纳
## 研究设计
回顾性真实世界研究。
## 目标
利用机器学习模型识别退行性腰椎病患者在PLIF术后残余疼痛的风险因素。
## 背景资料概述
PLIF术后残余疼痛是一种常见现象,其具体的风险因素尚不明确。
## 材料与方法
2018年6月至2023年3月间,共纳入936例接受PLIF手术的腰椎退行性疾病患者。A组(n=501)在PLIF术后1个月内VAS≥3的疼痛天数<7天,而B组(n=435)的疼痛天数≥7天。影像学结果包括PMI(腰大肌指数)、MMI(多裂肌指数)、MMD、腰椎前凸(LL)及LL改善率。功能结果采用VAS进行评估。采用单因素和多因素Logistic回归分析确定短期术后疼痛的潜在风险。使用机器学习模型识别风险因素,并预测残余疼痛是否发生。
## 结果
共有435例(46.5%)患者经历了术后残余疼痛。独立风险因素包括手术节段、PMI、MMI和抑郁水平。随机森林模型(Random Forest Model)预测复发性疼痛的准确率为95.7%,敏感性为96.4%,特异性为94.1%,F1分数约为95.2%,表明具有高度可靠性和泛化能力。
## 结论
本研究揭示了PLIF术后残余疼痛发生的相关风险因素。与非疼痛组相比,疼痛组的椎旁肌肉状况较差,心理状态不佳,手术节段较高且LL改善率较低。这些因素可能代表术前及围术期优化的靶点,从而最大程度地减少PLIF术后残余疼痛的潜在风险。
腰痛仍然是全球生产力损失的主要原因,也是126个国家中健康损失年数的首要原因。1,2 随着人们工作强度和工作时间的不断增加,加上人口老龄化的加剧,退行性腰椎疾病(DLSD)已成为中老年人持续性腰痛的主要原因之一。3–5 自1943年开展以来,后路腰椎椎间融合术(PLIF)6已成为治疗退行性腰椎疾病的可靠手术选择。尽管PLIF可以直接切除突出压迫脊髓或神经根的腰椎间盘突出或肥厚的韧带并扩大椎管直径,但部分患者从手术中获益甚微7,8,甚至术后出现持续性残余疼痛9,10,甚至影响其日常生活。研究表明,短期术后康复状况影响患者对康复的视觉感知和信心11。因此,分析患者术后疼痛的原因,评估潜在的治疗风险,并根据个体患者的特征在术前提供更准确的疼痛预测概率,可以使临床人员在术前管理患者预期并指导医护人员在特定方面进行干预,从而有效预防术后疼痛。机器学习算法是分析大数据的有力工具。12–14 在本研究中,我们基于真实世界临床数据,应用六种机器学习模型预测短期术后残余疼痛的发生情况,筛选高精度预测方法,并识别疼痛发生的相关风险因素,从而帮助医生、护士和患者权衡手术干预的风险、优势和劣势。
## 方法
### 选择标准
本研究回顾性分析了2018年6月至2023年3月间在我院就诊的936例腰椎退行性疾病患者。这些患者被分为A组和B组。A组(n=501):PLIF术后1个月内VAS评分≥3的疼痛天数<7天。B组(n=435):PLIF术后1个月内VAS评分≥3的疼痛天数≥7天。所有患者术后均每日两次静脉注射50 mg布洛芬乙酰酯进行镇痛。VAS评分≥7的患者口服0.2 g塞来昔布一次进行临时镇痛。
**纳入标准如下:**
1. 影像学诊断为腰椎退行性疾病。
2. 所有患者均接受了PLIF手术。
3. 随访时间为1个月,且所有相关信息可获取。
**排除标准如下:**
1. 合并腰椎峡部裂和椎体骨折。
2. 合并严重脊柱侧弯和严重骨质疏松症。我们将严重脊柱侧弯定义为站立位腰椎前后位X线片Cobb角≥40°,严重骨质疏松症定义为T值≤?2.5伴有一个或多个脆性骨折。15,16
3. 有脊柱手术史或骨折史的患者。
4. 合并脊柱肿瘤或占位性病变的患者。
### 评估参数
#### 疼痛评估
采用视觉模拟评分法(VAS)确定患者术前、术后的腰背部或腿部疼痛感知程度(0–10分制,0分为无痛,10分为最剧烈疼痛)。17
#### 心理评估
采用焦虑自评量表(SAS)评估患者的主观感受,并根据标准分将焦虑程度分为I–IV级,分别为无焦虑或轻度、中度或重度焦虑。术前焦虑状态的严重程度作为围术期心理变化的参考依据。18
#### 影像学评估
所有患者术前均接受正侧位X线片和MRI检查,术后第5天再次拍摄X线片。放射学评估由三名经验丰富的脊柱外科医生以盲法方式进行。记录差异<5%,表明测量结果准确、稳定且可靠。分析中使用各放射学参数的平均值。
腰椎前凸(LL)在站立位脊柱侧位X线片上测量,通过确定L1和S1的上终板,沿这些终板绘制切线,计算两切线交角即为Cobb角,代表LL(图1)。LL改善率的计算方法为:术前LL与术后LL的绝对差值除以术前LL值。
利用L3水平的轴位T2加权MRI图像,使用Display系统的磁套索工具描绘肌肉轮廓,自动计算面积(cm2)(图2)。PMI和MMI通过将肌肉面积除以患者身高的平方得出(cm2/m2)。利用ImageJ绘制感兴趣区域(ROI)测量MMGV(多裂肌灰度值),避开脂肪或其他组织,MMGV<30提示显著退化或脂肪浸润,严重时降至<20。
> **图1** 术前和术后腰椎前凸角度的测量方法。腰椎前凸(LL)在站立位脊柱侧位X线片上测量,通过确定L1和S1的上终板,沿这些终板绘制切线,计算两切线交角即为Cobb角,代表LL。
> **图2** PMI、MMI和MMGV的测量方法。PMI和MMI在L3水平的轴位T2加权图像上使用Display系统测量,肌肉面积以cm2计算并经身高标准化(cm2/m2)。MMGV使用ImageJ软件,在多裂肌内绘制ROI,避开周围脂肪或其他组织,计算平均灰度值(无量纲)。测量在双侧进行。
### 统计方法
统计分析通过SPSS 27.0版本进行。首先对所有潜在因素进行单因素分析,分类变量采用χ2检验,连续变量采用独立样本t检验,筛选出与PLIF术后短期疼痛显著相关的因素(P<0.05)。然后将具有统计学意义的变量纳入多因素Logistic回归模型,确定独立的保护因素和风险因素,并计算比值比(OR)及95%置信区间(CI)以量化这些关联。采用组内相关系数(ICC)评估放射学数据的可靠性。
### 机器学习模型
本研究使用六种分类器预测患者是否会出现短期术后疼痛。所用分类器包括:K近邻(KNN)、逻辑回归(LR)、支持向量机(SVM)、朴素贝叶斯(NB)、决策树分类器(DTC)和随机森林(RF)。各模型的参数通过GridSearchCV进行优化以达到最佳性能。
### 数据处理
在数据预处理阶段,检查了缺失值和重复值,未发现此类问题,确保了数据的完整性。由于本研究中的因素数量相对较少,我们并未仅依据单因素分析排除预测变量。随后,通过降低方差膨胀因子(VIF)工具,采用最小二乘法进行拟合,选择回归模型的自变量。具有高相关性的变量(表现为高VIF值)被排除以避免模型不稳定。移除了术后LL(Post-LL)和术前LL(Pre-LL),其他变量则保持在可接受的VIF范围内。
该数据集包含936个样本和16个特征,目标变量为布尔型。样本按8:2的比例划分为训练集和测试集。由于数据的多维特性,进行了标准化处理以确保特征缩放一致。此外,分类变量采用独热编码以匹配模型输入要求。
### 模型训练与优化
完成数据处理后,我们在交叉验证框架内训练模型并使用GridSearch CV优化超参数。GridSearch CV系统性地搜索预定义的组合,通过在不同训练集和验证集子集上的交叉验证评估模型性能,最终选择在验证集上表现最佳的超参数组合。通过准确率和混淆矩阵分析评估各模型的有效性。
## 结果
根据预定的纳入和排除标准,本研究共纳入936例腰椎退行性疾病患者。所有患者均接受了PLIF手术并完成了至少1个月的术后随访。其中499例(53.32%)为女性。A组包含501例患者,平均年龄为67.07±13.1岁;B组包含435例患者,平均年龄为66.94±13.43岁。两组患者的术前VAS评分无显著差异。ICC值见表1,所有测量值的ICC值均显示极好的一致性(>0.9),各组间差异均无统计学意义。
### 表1 所有放射学变量的观察者间组内相关系数
| | Pre-LL | Post-LL | PMI | MMI | MMGV |
|---|---|---|---|---|---|
| ICC(95% CI) | 0.98 (0.98, 0.99) | 0.95 (0.94, 0.95) | 0.96 (0.95, 0.98) | 0.95 (0.94, 0.97) | 0.98 (0.98, 0.99) |
注:LL表示腰椎前凸;MMGV表示多裂肌灰度值;MMI表示多裂肌指数;PMI表示腰大肌指数;Post表示术后;Pre表示术前。
### 单因素Logistic回归分析
单因素Logistic回归分析揭示了多个与PLIF患者残余术后腰腿部疼痛显著相关的因素。这些因素包括性别、SAS、手术节段、引流量、PMI、MMI、MMGV、术后LL及LL改善率(表2)。
### 表2 PLIF非短期疼痛组(A组)与短期疼痛组(B组)患者一般资料比较
| 变量 | A组(n=501) | B组(n=435) | P值 |
|---|---|---|---|
| **性别** | | | **<0.01\*** |
| 男性 | 277 (55.29) | 160 (36.78) | |
| 女性 | 224 (44.71) | 275 (63.22) | |
| **年龄 [均值(SD)]** | 67.07 (13.10) | 66.94 (13.43) | 0.887 |
| **BMI [均值(SD)]** | 23.19 (3.43) | 23.15 (3.17) | 0.853 |
| **学历** | | | 0.500 |
| 初中教育 | 340 (67.86) | 299 (68.73) | |
| 高中及本科教育 | 135 (26.95) | 107 (24.60) | |
| 研究生学位 | 26 (5.19) | 29 (6.67) | |
| **SAS** | | | **<0.01\*** |
| 1级 | 397 (79.25) | 307 (70.57) | |
| 2级 | 89 (17.76) | 92 (21.15) | |
| 3级 | 13 (2.59) | 23 (5.29) | |
| 4级 | 2 (0.40) | 13 (2.99) | |
| **手术节段 [均值(SD)]** | 1.32 (0.59) | 1.56 (0.71) | **<0.01\*** |
| **手术时间 [均值(SD)]** | 2.49 (0.57) | 2.53 (0.65) | 0.302 |
| **引流行时间 [均值(SD)]** | 2.45 (0.80) | 2.47 (0.79) | 0.611 |
| **引流量 [均值(SD)]** | | | **<0.01\*** |
| <50 mL | 473 (94.41) | 392 (90.11) | |
| ≥50 mL | 28 (5.59) | 43 (9.89) | |
| **病程 [均值(SD)]** | 22.24 (12.35) | 22.05 (13.41) | 0.823 |
| **PMI [均值(SD)]** | 10.44 (4.51) | 4.21 (2.55) | **<0.01\*** |
| **MMI [均值(SD)]** | 2.40 (0.49) | 1.59 (0.73) | **<0.01\*** |
| **MMGV [均值(SD)]** | 40.88 (7.40) | 39.23 (7.33) | **<0.01\*** |
| **Pre-LL [均值(SD)]** | 48.20 (5.88) | 46.64 (8.35) | **<0.01\*** |
| **Post-LL [均值(SD)]** | 54.77 (5.21) | 54.55 (5.66) | 0.534 |
| **LL改善率 [均值(SD)]** | 0.14 (0.09) | 0.23 (0.49) | **<0.01\*** |
注:\*表示统计学显著性差异(P<0.05)。LL表示腰椎前凸;MMGV表示多裂肌灰度值;MMI表示多裂肌指数;PMI表示腰大肌指数;Post表示术后;Pre表示术前;SAS表示焦虑自评量表;SD表示标准差。
### 多因素Logistic回归分析
以短期术后疼痛为因变量(无=0,有=1)构建二元Logistic回归模型。独立变量包括通过单因素分析确定的性别、SAS、手术节段、引流量、PMI、MMI、MMGV、术后LL及LL改善率。采用Hosmer-Lemeshow检验确认模型的拟合优度。
多元分析结果显示,手术节段(P<0.001)、SAS 3级(P=0.016)、SAS 4级(P=0.017)、PMI(P<0.001)、MMI(P<0.001)以及腰椎前凸改善率(P=0.013)是短期术后疼痛的独立预测因子(表3)。
表3 PLIF术后短期疼痛相关危险因素的多因素Logistic回归分析
| 影响因素 | BO | R (95% CI) | P值 |
|---|---|---|---|
| 性别 | ?0.30 | 0.971 (0.586–1.607) | 0.909 |
| 手术节段 | 0.820 | 2.271 (1.521–3.391) | <0.001* |
| 引流量 <50 | 参照 | | |
| 引流量 ≥50 | 0.566 | 1.760 (0.845–3.669) | 0.131 |
| SAS 1级 | 参照 | | |
| SAS 2级 | 0.225 | 1.291 (0.699–2.386) | 0.415 |
| SAS 3级 | 1.649 | 5.203 (1.359–19.927) | 0.016* |
| SAS 4级 | 3.073 | 21.612 (1.737–268.834) | 0.017* |
| PMI | ?0.851 | 0.427 (0.376–0.485) | <0.001* |
| MMI | ?1.855 | 0.156 (0.104–0.236) | <0.001* |
| MMGV | ?0.007 | 0.993 (0.959–1.027) | 0.677 |
| 术前腰椎前凸 | 0.027 | 1.027 (0.971–1.087) | 0.354 |
| 腰椎前凸改善率 | 4.634 | 102.922 (2.648–400.029) | 0.013* |
\*统计学差异有显著性(P<0.05)。
LL表示腰椎前凸;MMGV表示多裂肌灰度值;MMI表示多裂肌指数;PMI表示腰大肌指数;术前指手术前;SAS表示自评焦虑量表。
数据可视化
马赛克图和提琴图
图3展示了各组与各因素之间的关系,包括性别、手术节段、SAS、引流量和引流时间(定义为手术引流管置入与拔除之间的时间间隔)。与B组相比,A组男性比例更高、手术节段更少、焦虑水平更低、引流量更低。图4显示,与B组相比,A组的PMI和MMI中位数和均值更高,高值出现频率更大。相比之下,两组间MMGV差异极小。B组的腰椎前凸改善率大于A组。
打开多媒体模式 图3
打开多媒体模式 马赛克图。马赛克图展示了各组与各因素之间的关系,包括性别、手术节段、SAS、引流量和引流时间。
打开多媒体模式 图4
打开多媒体模式 提琴图。提琴图展示了各组在年龄、BMI、PMI、MMI、病程、MMGV、术前腰椎前凸、术后腰椎前凸、腰椎前凸改善和手术时长方面的分布情况。
PMI和MMI的气泡图
在图5中,A组和B组在PMI和MMI维度上呈现出明显的分布差异。特别是沿PMI维度,A组的数据点分布更为广泛,而B组的PMI值则更集中于低值范围。
打开多媒体模式 图5
打开多媒体模式 PMI和MMI的气泡图。
相关性分析
图6显示,PMI和MMI与组别呈负相关,相关系数分别为?0.64和?0.55,表明较高的PMI和MMI值与A组相关。此外,性别、SAS、手术节段、拔管时引流量和腰椎前凸改善率均与结局存在相关性,而BMI、学历和病程与结局无显著关联。
打开多媒体模式 图6
打开多媒体模式 Pearson相关系数。
二元响应预测
图7显示,RF模型表现最佳,误分类极少(TP=80,FN=5,TN=100,FP=3),能够准确区分正例和负例样本。DT和SVM也表现良好,而LR表现均衡,假阴性和假阳性适中。KNN和NB表现较差,其中NB由于假阴性率高而表现尤为不佳。
打开多媒体模式 图7
打开多媒体模式 不同模型的混淆矩阵。
不同模型的准确率比较
表4和图8比较了各模型的准确率,范围为87.2%至95.7%。RF表现最佳,准确率达95.7%,灵敏度为96.4%,特异度为94.1%,F1得分约为95.2%,表明集成学习有效捕捉了强特征交互作用。集成学习通过降低方差、处理高维特征和多样化决策边界,增强了模型的鲁棒性和准确性。
表4 模型性能评估表
| 模型 | 准确率 | 精确率 | 召回率 | F1得分 |
|---|---|---|---|---|
| K近邻 | 0.877659574 | 0.897435897 | 0.823529412 | 0.858895706 |
| 逻辑回归 | 0.904255319 | 0.913580247 | 0.870588235 | 0.891566265 |
| 支持向量机 | 0.914893617 | 0.936708861 | 0.870588235 | 0.902439024 |
| 朴素贝叶斯 | 0.872340426 | 0.906666667 | 0.800000000 | 0.850000000 |
| 决策树分类器 | 0.936170213 | 0.974025974 | 0.882352941 | 0.925925926 |
| 随机森林 | 0.957446809 | 0.963855422 | 0.941176471 | 0.952380952 |
打开多媒体模式 图8
打开多媒体模式 不同模型的准确率比较。
随机森林特征重要性
随机森林的特征重要性分析揭示了为模型预测做出贡献的关键变量。图9显示,PMI(0.4)和MMI(0.45)是最显著的特征,表明二者可能存在较强的线性或非线性关系。手术节段排名第三,而引流量和腰椎前凸改善率的重要性远高于年龄和BMI等特征。年龄和性别等基本人口学因素影响较小。
打开多媒体模式 图9
打开多媒体模式 随机森林特征重要性。
讨论
随着全球人口老龄化的加剧和现代工作性质的变化,退变性腰椎滑脱症(DLSD)的发病率持续上升。DLSD给医疗系统带来了沉重负担。19–23 在本研究中,与既往报道一致,我们证实了PLIF在缓解神经压迫、纠正畸形和恢复椎间稳定性方面的有效性。然而,尽管总体成功率较高,仍有相当数量的患者经历短期残余疼痛。24–28
PLIF术后短期残余疼痛仍是重要的临床问题。在我们的研究中,近半数患者受到影响。在无疼痛患者与有残余疼痛患者之间进行比较时,多因素分析揭示焦虑水平、手术节段数、椎旁肌指数(PMI、MMI)以及腰椎前凸改善是重要的预测因子。以往研究主要关注患者年龄、骨质疏松和融合节段数等因素。29–34 然而,鲜有研究探索椎旁肌质量和心理因素如何相互作用影响疼痛。我们的结果有助于填补这一空白。腰大肌和多裂肌对脊柱稳定性和负荷分布至关重要,直接影响手术效果和恢复。肌肉萎缩或脂肪浸润不仅会减慢术后恢复,还可能增加脊柱机械应力并提高术后疼痛风险。35,36 值得注意的是,在老年患者或肌少症患者中,肌肉萎缩会增加失败性腰痛综合征(FBSS)的风险并延长恢复时间。椎旁肌萎缩通常与更高的疼痛评分和功能限制相关,这与我们观察到的PMI/MMI较低的患者更易出现残余疼痛的现象一致。37 尽管MMGV可能反映肌肉中脂肪、结缔组织或液体积聚的量,但其作用可能被PMI和MMI等更强或更直接的因素所掩盖。MMGV可能在长期中发挥更大作用,而非短期疼痛的关键因素。
多节段手术与更大的短期残余疼痛相关。这可能是因为多节段手术会造成更广泛的软组织和神经损伤。38 此外,增加融合节段会导致腰椎活动度和负荷分布发生更大变化,可能使相邻节段承受更多应力并触发肌肉代偿不足。39 无疼痛组的患者术前腰椎前凸更大,这与既往研究结果一致。40,41 术前相对较大的腰椎前凸通常提示腰椎排列更为稳定,术中需要更少的矫正,从而减少周围软组织和肌肉的应力,最终降低短期残余疼痛的风险。适度的腰椎前凸改善为软组织适应提供了缓冲期。42–44 这与我们的发现相符。在既往研究中,关于PLIF术后是否放置引流管以及引流管留置时间长短存在不同观点。45,46 我们的数据显示两组引流管留置时间无显著差异,但较低的引流量与较少的疼痛相关,这可能反映了炎症和出血的减少以及血肿对神经压迫的减轻。
我们评估了六种机器学习模型以指导临床管理,发现RF模型表现最佳,准确率为95.7%,灵敏度为96.4%,特异度为94.1%。其优异表现源于其对特征间复杂非线性交互关系的处理能力,突出了低PMI、低MMI和高焦虑如何共同导致残余疼痛。47 通过聚合多棵决策树,RF最大限度减少了过拟合并保持泛化能力,使其非常适合临床应用。尽管LR和SVM也显示出了较高的准确率,但LR在处理高维数据时存在困难,而SVM缺乏特征重要性分析。KNN和NB表现不佳,尤其在不平衡数据集中更为明显。48–50 总体而言,RF的低误分类率和对变异的稳定性使其成为预测残余疼痛的可靠工具,将其整合到临床决策支持中可以增强术前风险分层和术后监测。在术前评估中,PMI和MMI有助于识别高风险患者。如果没有绝对手术指征(例如马尾综合征),应首先尝试保守治疗——针对性物理治疗和营养支持。对于需要手术的患者,评估焦虑水平并通过生物心理社会方法处理心理困扰可以减少残余疼痛。尽量减少融合节段并保留后部结构以保护脊柱稳定性,而针对性的康复治疗有助于椎旁肌质量较差的患者恢复肌肉功能。
本研究是首次将肌肉质量、手术方式和心理因素整合到PLIF术后短期残余疼痛分析中,识别关键危险因素,并开发了稳健的预测模型。尽管本研究具有优势,但仍存在某些局限性。作为一项单中心回顾性研究,选择偏倚、全局矢状位对齐数据缺失和患者记录不完整可能限制了其普遍适用性,并可能降低样本代表性。尽管样本量足以进行初步分析,但更大的样本量可以捕捉更广泛的变异性并降低II型错误风险。此外,排除炎症标志物和生活方式变量等因素可能缩小了模型的预测范围。未来开展更大样本、更多样化变量的前瞻性多中心研究可以增强模型的稳定性和临床适用性。
结论
本研究证实了椎旁肌质量,尤其是腰大肌和多裂肌,在PLIF术后短期残余疼痛发生中的关键作用。与有残余疼痛的组相比,无疼痛组具有更健壮的椎旁肌、更好的心理特征和更大的腰椎前凸改善率。这些因素可能代表术前和围手术期优化的靶点,以减少PLIF术后残余疼痛的潜在发生。将本机器学习模型整合到临床实践中,可以为患者提供更个性化的治疗方案,为数据驱动的脊柱手术干预铺平道路。
要点
机器学习预测:随机森林模型有效地预测了PLIF术后残余疼痛,准确率(95.7%)、灵敏度(96.4%)、特异度(94.1%)和F1得分(约95.2%)均表现优异。
已识别的危险因素:术后残余疼痛的独立危险因素包括手术节段较高、椎旁肌指数(PMI)较低、多裂肌指数(MMI)较低以及抑郁水平升高。
患者比较:与有残余疼痛的患者相比,无残余疼痛的患者椎旁肌状况更好、心理状态更佳、手术节段较低且腰椎前凸(LL)改善率更低。
临床意义:识别这些危险因素使临床医生能够定制手术方案和术后护理,以尽量减少PLIF术后残余疼痛的发生。
模型效用:本研究强调了机器学习模型通过准确识别残余疼痛高风险患者来改善术后结局的潜力。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号