开发并验证一种用于预测接受硬膜外麻醉的分娩妇女产程中发热情况的诺模图

《Frontiers in Medicine》：Development and validation of a nomogram for predicting intrapartum fever in parturients with epidural analgesia

　　分娩期发热与硬膜外麻醉相关临床及炎症因素预测模型研究，纳入1692例接受硬膜外麻醉的产妇，发现破膜时间、第一产程延长、阴道检查次数增多及IL-6、SII、NLR升高是独立预测因素，构建的预测模型（AUC=0.91）显示良好判别和校准性能，对个体风险分层及早期干预有临床价值。

　　在分娩过程中，发热是一个常见且具有临床意义的并发症，它不仅可能影响产妇的健康状况，还可能对新生儿造成不良后果。尽管已有大量研究探讨了这一现象，但其复杂的病因仍未能完全阐明。因此，探索与分娩发热相关的临床和炎症因素，并构建一个可靠的预测模型，对于实现个体化风险评估和及时干预具有重要意义。

本研究通过回顾性队列分析，对2019年9月至2021年10月期间在首都医科大学附属北京国际医院接受硬膜外麻醉的1692名足月单胎经阴道分娩的产妇进行了系统评估。研究对象被随机分为训练集和验证集，比例为7:3。通过对这些数据的深入分析，研究团队识别出了七个与分娩发热独立相关的预测因子，包括入院体温、胎膜早破（PROM）、第一产程持续时间、阴道检查次数、白细胞介素-6（IL-6）、系统免疫炎症指数（SII）以及中性粒细胞与淋巴细胞比值（NLR）。其中，IL-6和SII在预测能力上表现尤为突出，SII的曲线下面积（AUC）高于NLR（0.846 vs. 0.716）。最终构建的包含六个变量的模型在训练集和验证集中均表现出良好的区分能力和校准效果，具有较高的临床实用性。

分娩过程中的发热通常被认为是多种因素共同作用的结果。从临床角度来看，产妇的入院体温、产程时间、阴道检查频率以及是否存在胎膜早破等状况都可能对发热的发生产生影响。例如，入院体温升高与发热风险之间存在显著关联，而胎膜早破则可能增加细菌上行感染的风险，从而引发炎症反应。此外，产程的延长和频繁的阴道检查也会导致产妇身体受到更多的机械刺激和组织损伤，进而激活免疫系统，增加炎症因子的释放。这些因素共同构成了分娩期间的“应激环境”，并可能在一定程度上促进发热的发生。

从炎症的角度来看，IL-6、SII和NLR等生物标志物在预测分娩发热中展现出较高的价值。IL-6作为一种关键的急性期反应因子，能够直接作用于下丘脑，引发体温调节中枢的异常激活，从而导致发热。SII则是通过计算中性粒细胞、血小板与淋巴细胞的数量比例得出的综合指标，它能够反映机体整体的免疫炎症状态，特别是在感染或非感染性炎症的背景下，SII的变化趋势更为明显。相比之下，NLR虽然在某些研究中被用作炎症标志物，但其预测能力相对较弱。这些发现表明，炎症标志物在评估分娩发热风险时具有重要作用，尤其是那些能够全面反映系统炎症状态的指标。

研究团队基于上述七个独立预测因子构建了一个预测模型，并通过接收者操作特征曲线（ROC曲线）、校准曲线以及决策曲线分析（DCA）对模型的性能进行了全面评估。结果显示，该模型在训练集中具有极高的区分能力，AUC值达到0.910；在验证集中，AUC值为0.906，表明模型具有良好的泛化能力。校准曲线进一步验证了模型预测概率与实际观察结果之间的高度一致性，尤其在训练集中，预测值与实际值几乎完全重合，而在验证集中则表现出轻微的低估趋势。这些结果充分说明，该模型在临床应用中具有较高的准确性和稳定性。

决策曲线分析则从临床实用性角度出发，评估了模型在不同风险阈值下的净收益。在训练集和验证集中，模型在0.05至0.80的风险阈值范围内均优于“治疗所有”和“不治疗”这两种默认策略，表明该模型能够有效支持临床决策，提高干预的针对性和效率。这种基于数据驱动的预测工具不仅有助于识别高风险产妇，还能为临床医生提供更加科学的管理依据，从而改善产妇和新生儿的预后。

值得注意的是，本研究的模型不仅整合了临床和炎症因素，还考虑了产妇的生理状态、产程进展以及分娩过程中的各种干预措施。这种综合性的评估方法弥补了以往研究中单一指标的局限性，使得模型能够更全面地反映分娩发热的潜在机制。例如，模型中的SII和NLR等炎症指标能够有效识别系统性炎症反应的异常，而产程相关变量则有助于评估产妇的身体应激水平。通过将这些变量整合到一个直观的图表中，即所谓的“列线图”（nomogram），医生可以快速计算出个体的发热风险，并据此制定个性化的监测和干预方案。

在临床实践中，分娩发热的管理通常包括支持性治疗和及时干预。例如，产妇可能需要增加水分摄入、使用退热药物，或者优化产程管理以减少不必要的刺激。在怀疑存在宫内感染的情况下，医生可能会考虑使用广谱抗生素进行预防性或治疗性干预，以降低母体和新生儿的并发症风险。本研究提出的模型为这些临床决策提供了更精确的依据，特别是在高风险产妇的识别和管理方面，具有重要的指导意义。

然而，研究也存在一定的局限性。首先，由于是回顾性研究，可能存在一定的偏倚，特别是在无法控制某些混杂因素的情况下。例如，产妇的合并症（如高血压、糖尿病、甲状腺疾病等）以及产程中的其他干预措施（如催产素的使用）可能对发热的发生产生影响，但这些变量在模型中并未被纳入。其次，由于缺乏微生物学和组织病理学数据，研究团队无法明确区分发热的感染性与非感染性原因。此外，炎症标志物仅在入院时测量，未进行产程中的动态监测，这可能影响对炎症过程的全面理解。最后，本研究仅在单一中心进行，因此其结果可能在其他医疗机构或不同人群中存在一定的适用性限制。

尽管如此，本研究仍然为分娩发热的预测和管理提供了重要的参考价值。未来的研究可以进一步探讨多中心、前瞻性设计，以提高模型的适用性和可靠性。同时，结合更多炎症相关生物标志物（如C反应蛋白、降钙素原、IL-8等）以及产程中实时监测的炎症因子水平，可能会进一步优化模型的预测性能。此外，随着医疗技术的发展，动态监测和多维度分析将成为研究的重要方向，从而更准确地捕捉分娩发热的复杂机制。

综上所述，分娩发热的预防和管理需要从多个角度进行综合评估。通过构建一个包含临床和炎症标志物的预测模型，不仅可以帮助医生更早地识别高风险产妇，还能为个体化的干预策略提供科学依据。这一工具的开发和应用，标志着在分娩相关发热研究中迈出了重要的一步，为提高产妇和新生儿的安全性提供了新的思路和方法。未来，随着研究的深入和技术的进步，这一模型有望在更广泛的临床实践中得到应用，并为改善分娩质量、减少并发症提供有力支持。