临床分析
吴晓远1 杜青心1 马华姝1 马雨鸿1 王君颖2 王松梅2
2025, 33(6): 1445.
探讨阴道分娩初产妇产后尿潴留(PUR)发生影响因素并构建风险预警模型进行验证。方法:应用目的抽样法回顾性选取2022年1月-2024年8月本院阴道分娩初产妇临床资料,出现PUR的52例为PUR组,1:2比例未出现PUR的阴道分娩初产妇104例为非PUR组。收集产妇一般人口学资料、妊娠与产时资料,应用单因素分析筛选出阴道分娩初产妇出现PUR的可能影响因素,有意义指标采用LASSO回归行降维处理,将优化后获得的因素纳入多因素logistic回归模型确定独立影响因素,通过R软件建立阴道分娩初产妇出现PUR的Nomogram风险预警模型。受试者操作特征(ROC)曲线、校准曲线与H-L检验、决策曲线与临床影响曲线判断模型预警效能、校准能力、临床效益。Bootstrap法行内部验证。结果:PUR组存在产前焦虑症状、有分娩镇痛、使用缩宫素、产钳助产、会阴侧切占比以及第一、第二产程时间、新生儿体质量均高于非PUR组,有妊娠期锻炼习惯、产后2 h内排尿占比低于非PUR组(均P<0.05)。LASSO回归获得6个非零系数变量(产前焦虑症状、分娩镇痛、产钳助产、第二产程时间、新生儿体质量、产后2 h内排尿),多因素logistic回归分析显示,产前焦虑症状、应用分娩镇痛、产钳助产、第二产程时间长为阴道分娩初产妇出现PUR危险因素,产后2 h内排尿为保护因素(P<0.05)。ROC曲线分析显示,Nomogram风险预警模型预测阴道分娩初产妇出现PUR的曲线下面积为0.925,预测敏感性0.904、特异性0.788、准确性0.827。校准曲线显示,平均绝对误差为0.014,H-L检验,χ2=9.101、P=0.334。决策曲线显示,当阈值概率在0.04~0.97时Nomogram风险预警模型有较高临床受益,临床影响曲线发现阈值概率>0.6时预测高风险患者例数和实际高风险患者例数具有高度一致性。Bootstrap法内部验证显示,C指数为0.924,内部验证一致性良好。结论:依据产前焦虑症状、分娩镇痛、产钳助产、第二产程时间、产后2 h内排尿构建的Nomogram风险预警模型具有良好PUR预测性能,可为PUR风险预测提供有效工具。