曾琪琪，梁志海，杨慧莹，吴青，唐国都★

（1.广西医科大学第一附属医院，广西 南宁；2.广西医科大学第二附属医院，广西 南宁）

0 引言

急性胰腺炎（acute pancreatitis， AP）是多种病因致胰酶异常激活，从而引起胰腺组织自身消化、水肿、出血甚至坏死的炎症反应[1]。近年AP 的发病率逐年升高，是目前最常见的胃肠道疾病住院的原因之一。AP 的常见病因包括胆石症、酒精、高甘油三酯血症、手术与创伤、乳头与周围疾病、内分泌与代谢障碍、自身免疫性疾病、药物性和特发性等。其中胆石症、酒精和高甘油三酯血症（hypertriglyceridemia， HTG）是AP 的三大致病因素，约占AP 发病的70%以上[2]。高甘油三酯血症性急性胰腺炎 （hypertriglyceridemia， HTGP）的发生仅次 于胆石症和酒精性AP，占AP 发病的2%～5%[3]。而随着我国人民生活水平提高，人们对“三高饮食”（高脂肪、高蛋白、高糖）的过度摄入，HTGP 呈年轻化、重症化以及日渐增多的态势[4]。本文通过回顾性研究HTGP患者、胆石症和酒精性AP 患者的临床资料，分析和研究HTGP 的相关危险因素，建立一个有效、简单的预测模型评估HTGP 发生的风险，以期有针对性地、积极地、有效地降低HTGP 的发病率。

1 资料与方法

1.1 研究对象

研究资料来源于广西医科大学第一附属医院消化内科AP 数据库，选取2012 年1 月至2016 年12 月在广西医科大学第一附属医院收治的HTGP 患者作为HTGP 组，同期收治的胆源性和酒精性AP 患者作为非HTGP 组。本研究经广西医科大学第一附属医院伦理委员会批准。

1.2 纳入与排除标准

研究纳入因素年龄、性别、民族、BMI、吸烟、饮酒、高甘油三酯血症、暴饮暴食、糖尿病。患者均有完整的研究资料。AP 的诊断需要满足以下三个特征中的两个：（1）急性、持续性的腹痛，常放射至背部；（2）血清淀粉酶或脂肪酶活性至少为正常上限的三倍；（3）CT 增强扫描、MRI 或经腹超声可见AP 特征性表现[5]。HTGP的诊断标准：甘油三酯（triglyceride， TG）＞11.3mmol/L 或TG 为5.65～11.3mmol/L 时伴有乳糜血，排除其他诱发因素。排除标准：排除ERCP 术后、外伤、用药史、腹部外科手术等原因造成的AP；排除复发性AP；排除临床资料不完整的患者。

1.3 研究因素和统计学方法

研究因素包含了年龄、性别、民族、BMI、吸烟、饮酒、HTG、暴饮暴食、糖尿病。应用R（3.6.0）软件进行数据统计分析。通过Lasso-logistic 回归筛选HTGP 的相关危险因素，建立预测模型。以校准图反映模型预测风险与实际发生风险的一致程度。以DCA 将预测模型与None 模型比较，评价预测模型的净获益程度。P＜0.05 为差异有统计学意义。

2 结果

2.1 研究资料

本研究最终纳入2012 年1 月至2016 年12 月之间我院收治的287 例急性胰腺炎患者作为建模队列。根据亚特兰大急性胰腺炎指南（2012 年）和中国急性胰腺炎诊治指南（2013 年），将其中41 例HTGP 患者分为HTGP 组，246 例胆源性和酒精性AP 患者分为非HTGP 组。两组患者的人口学特征和疾病临床特征见表1。

2.2 Lasso-logistic 回归模型

以是否发生HTGP 作为结局变量，根据研究队列中的287 例患者人群和疾病的特征，将回归系数非0 的、最优的因素纳入模型（图1）。最终进入模型的变量依次是高甘油三酯血症、饮酒、性别、年龄（表2）。

2.3 预测模型的建立与验证

基于回归分析的结果，4 个独立危险因素构建成预测模型的列线图（图2）。建模队列的C 指数为0.872 [95%CI（0.819-0.925）]，验证队列的C 指数为0.857，C 指数均＞0.8，表明模型具有良好的区分度。预测模型的校准图也显示实际模型与预测模型之间较好的一致性（图3）。因此，预测模型的校准度和区分度都表明了模型良好的预测能力。

2.4 临床应用

DCA 如图4 所示，当HTGP 发生风险的阈概率＞1%和＜49%时，则使用此列线图预测HTGP 发生风险能得到更大的获益。并且在这一范围内，预测模型的净收益部分明显高于None 模型；而当阈概率＜1%或＞49%时，预测模型的净收益部分与None 模型无明显差别，无临床应用价值。

表1 HTGP 组和非HTGP 组人口统计学和临床特征的差异

图1 Lasso-logistic 回归模型进行预测因素选择

表2 Lasso-logistic 回归模型

3 讨论

鉴于可视化和直观性的界面，列线图在医学实践中的应用越来越多，如肿瘤性疾病[6]、药物不依从性风险[7]、口服抗凝药的出血风险[8]等。本研究将HTGP 患者的人口统计学、疾病临床特征纳入Lasso-logistic 回归，在Lasso-logistic 回归分析的基础上，将多个与HTGP 发生相关的危险因素进行整合，从而建立了HTGP 发生风险的预测模型。同时队列的内部验证显示了模型良好的区分度与校准度，DCA 确定了一定的阈值范围的净获益。在列线图中，筛选出的危险因素纳入至模型，用一定比例且带有刻度的线段来表示预测模型各个变量之间的相互关系，有助于个体化预测HTGP 的发生风险。

本研究中约14%的患者发生HTGP，约86%的患者发生胆源性和酒精性AP。Lasso-logistic 回归模型显示，年龄、性别、饮酒及HTG 与HTGP 的发生风险相关。35～50 岁的OR 值是小于35 岁的1.1 倍，同时也是大于50 岁的4.0 倍；男性的OR 值是女性的5.1 倍；饮酒的患者OR 值是不饮酒的患者的2.5 倍；有HTG 的OR 值是没有HTG 的12.9 倍。根据列线图评分可以推测，35～50 岁、饮酒、男性、HTG 可能是决定HTGP 发生的高风险的关键个人因素。本研究的287 例患者中，HTGP 患者平均年龄为41.8 岁±10.6 岁，胆源性和酒精性AP 患者平均年龄为51.2 岁±15.9 岁。且大多数HTGP 患者和非HTGP 患者均为男性。Rosalie A.Carr 等人[9]系统性地阐述了1972 年～2015 年关于HTGP 的34 项研究，结论表明HTGP 高发于40～44 岁的男性。遗传因素是导致HTG 的主要因素，而肥胖、代谢综合征、高脂饮食、高BMI、饮酒、糖尿病等次要因素会进一步加重HTG 的发生和严重程度[10]。主要因素和次要因素之间相互影响，使得HTG 患者发生AP 的风险是多因素相互作用的结果[11]。脂类产物的产生增加或分解减少都会导致血清TG 升高，TG 每升高1mmol/L，AP 发生的风险就会增加1.17 倍；当TG ≥2mmol/L 时，与AP 高风险相关[12]。2012 年全国调查结果显示成人平均TG 为1.38mmol/L，HTG 患病率为13.1%；TG ≥1.7mmol/L 时诊断为HTG，当TG 重度升高时常可伴发AP[13]。同时，2019 年一项研究严重HTG 的AP 患者的预测模型显示，与AP 发生相关的最高风险因素是严重的高甘油三酯血症（TG＞11.3mmol/L），其次是胆石症、过度饮酒、较小的年龄，这一发现同时支持了血清TG＞11.30mmol/L 是导致AP 的必要因素的观点[14]。本研究中85%以上的HTGP 患者有HTG，该类患者发生HTGP 的风险是非HTG 患者的12.1 倍。HTG 是预测模型中风险比最高的因素，这预示着患者TG 水平是影响HTGP 发生的关键。因此，对血脂异常的高危人群进行血脂监控和调控，可以降低发生HTGP 的风险。此外，个人人口统计学如年龄、性别等很难改变，而研究中饮酒对HTGP 发生风险的影响也比较突出，所以少饮酒或戒酒对降低HTGP 发生风险方面也起着至关重要的作用。

图2 HTGP 发生风险的列线图

图3 HTGP 风险预测模型的校准图

通过建立一个准确有效的风险预测工具，可以帮助筛选出发生HTGP 的高危风险的对象，提高对HTGP 的防控。例如，在临床治疗中，预测模型可以指导医务人员及时对患者进行早期干预措施，以期增强相应临床治疗的疗效。通过早期预防，如低脂饮食、多运动、减少酒精摄入或戒酒等，将使得具有高发病风险的患者受益。其次，风险预测模型可以作为临床研究HTGP 的参考。在进行临床回顾性研究时，研究人员也可以针对预测因素进行更可靠的分析。因此，准确地对危险因素的评估将有助于医疗人员及时发现HTGP 高危对象并及时采取预防措施，并避免在出现有利于净收益的情况下延迟或中断相应措施。

本研究可能存在一下局限性：本研究为单中心、回顾性研究，可能会存在一定的选择偏倚；其次，本研究的纳入的样本量相对较小，收集的相关因素较少，这些因素容易对模型的研究造成一定的影响或偏倚。故而今后的研究可以向多中心、前瞻性的方向发展，进一步扩大样本量，纳入更多的影响因素进行研究，使得模型的性能得到完善和提升。

图4 HTGP 风险预测模型的决策曲线分析