手術後のヒルシュスプルングの小児の確率を予測するノモグラムの開発と検証

この後ろ向き研究は、2000年1月から2019年12月までに当院で外科治療を受けたHSCRと診断された患者を対象に実施された。 この研究研究は病院の倫理委員会によって審査および承認され、ヘルシンキ宣言に沿ってインフォームド・コンセントの要件が免除されました。 治験審査委員会承認番号はS108です。 HSCR の診断は、注腸バリウム、肛門直腸内圧測定、および吸引直腸生検を含む術前検査によって確立されました。 さらに、診断をさらに確定するために術後の病理検査が行われました。 すべての手術は、当科の経験豊富な外科グループによって標準手順に従って行われました。

2.2. 汚れの定義 この研究では、出版された文献に記載されている汚れの診断基準を参照します。 以前に確立された基準と臨床経験に基づいて、手術後 6 か月以上持続する汚れを経験した患者が最終的にこの研究に含められるように特定されました。 この研究では、ダウン症候群、および発育不全に潜在的に寄与する他の確立された症候群の患者は、前述のように除外されました。 さらに、最初の手術を別の施設で受けた患者や、段階的治療を受けた参加者や汚れに関するデータが欠落していた参加者は研究から除外された。

この研究では、研究者は関連文献の徹底的なレビューと臨床判断に基づいて患者に関する臨床情報を収集しました。 これらのデータには、根治手術の年齢、性別、手術時の体重、早産歴、家族歴、胎便、便秘の期間、保存的治療、手術歴、手術手技、切除した腸の長さ、手術手順、汚れの状態が含まれます。 手術手技には、腹腔鏡下プルスルー [LAPT]、開腹術下直腸内プルスルー [LEPT]、および経肛門直腸内プルスルー [TEPT] が含まれます。 切除された腸の長さには、左結腸切除術、亜全摘術、および全結腸切除術が含まれます。 外科手術はソアーヴェ法、ハート型法、レッバイン法、デュアメル法などに分類されました。 削除率が 20% 以上のデータは分析から除外されました。 異常値に対処するためにトリミング法が導入され、欠損データを補間するために多重代入法が採用されました。以前の報告どおり、すべての患者が 7:3 の比率でトレーニングおよび検証セットにランダムに割り当てられました。 トレーニングセットと検証セットの間で、人口統計学的および臨床的特徴に有意な差は観察されませんでした。 潜在的な予測因子を決定するために、トレーニング セットに LASSO 回帰分析が適用されました。これにより、いくつかの無関係な変数または多重共線性の独立変数が効果的に削除され、高次元データが削減されました。 次に、多変数ロジスティック回帰分析を適用して、1 歳以上の手術後の HSCR 患者の汚れの変数を決定しました。 最後に、トレーニング セットに基づいてノモグラムが作成され、検証セットで検証されました。

確立されたモデルの予測精度を評価およびテストするために、識別と校正が採用されました。 Harrell の一致指数 [C-index] と受信機動作特性 [ROC] 曲線 [AUC] は、ノモグラムの識別を推定するために生成されました。 C インデックスが 1 に近い場合は、モデルの予測能力が高いことを示します。 さらに、AUC > 0.80 は、比較的良好な識別を示します。 ノモグラムの校正には、汚れの予測発生と観察された発生の一貫性を判断するために開発されたホズマー・レメショー検定が伴いました。 最後に、ノモグラムの臨床的実用性を評価するために DCA が実行されました。 識別とキャリブレーションは両方とも、1000 個の再サンプルによるブートストラップによって評価されました。

連続変数を持つパラメーターの場合、正規分布は平均 ± 標準偏差 [SD] として表され、歪んだ分布は中央値 [M] および四分位範囲 [Q25-Q75] として表されました。 2 つのグループ間の連続データは、独立した t 検定を使用して比較されました。 不等分散 t 検定を使用して、不等分散を持つグループ間のデータを比較しました。 分布が歪んでいる場合には、Mann-Whitney U 検定が使用されました。 さらに、カテゴリデータは、2 またはフィッシャーの直接確率検定を使用して比較されました。 統計分析は、ロジスティック回帰分析およびノモグラム構築に利用される「rms」パッケージを備えた R ソフトウェア v.4.0.2 [統計コンピューティングのための R プロジェクト、www.r-project.org] を使用して実行されました。 0.05 未満の両側 P 値は統計的に有意であるとみなされます。