Predictive value of nutritional status assessment for postoperative delirium risk in elderly patients with hip fracture
-
摘要:目的
探讨营养状态评估对老年髋部骨折患者术后谵妄(POD)风险的预测价值。
方法选取114例老年髋部骨折患者作为研究对象, 根据是否发生POD分为谵妄组43例和非谵妄组71例。收集2组患者的一般资料、实验室指标和老年营养风险指数(GNRI)、预后营养指数(PNI)、控制营养状态(CONUT)评分。采用多因素Logistic回归分析探讨POD发生的独立影响因素，绘制受试者工作特征(ROC)曲线，计算曲线下面积(AUC), 分析各独立影响因素对POD发生风险的预测价值。
结果谵妄组糖尿病患者占比高于非谵妄组，空腹血糖、CONUT评分高于非谵妄组，GNRI、PNI低于非谵妄组，差异有统计学意义(P < 0.05); 多因素Logistic回归分析结果显示，血糖、GNRI、PNI、CONUT评分是POD发生的独立影响因素(P < 0.05); ROC曲线分析结果显示，血糖、GNRI、PNI、CONUT评分单独预测POD发生风险的AUC分别为0.610、0.780、0.821、0.749, 小于四者联合预测的AUC(0.897)。
结论血糖、GNRI、PNI、CONUT评分均为老年髋部骨折患者发生POD的独立影响因素，四者联用对POD发生风险具有较好的预测价值。
Abstract:ObjectiveTo investigate the predictive value of nutritional status assessment for postoperative delirium (POD) risk in elderly patients with hip fracture.
MethodsA total of 114 elderly patients with hip fracture were selected as study subjects. According to the occurrence of POD, they were divided into delirium group (43 cases) and non-delirium group (71 cases). General information, laboratory indicators, geriatric nutritional risk index (GNRI), prognostic nutritional index (PNI), and controlling nutritional status (CONUT) scores were collected for the two groups. Multivariate Logistic regression analysis was used to explore the independent influencing factors of POD occurrence. Receiver operating characteristic (ROC) curves were plotted, and the area under the curves (AUC) were calculated to analyze the predictive value of each independent influencing factor for POD risk.
ResultsThe proportion of diabetic patients, fasting blood glucose and CONUT scores in the delirium group were higher, but GNRI and PNI were lower than that in the non-delirium group (P < 0.05). Multivariate Logistic regression analysis showed that blood glucose, GNRI, PNI, and CONUT scores were independent influencing factors for POD occurrence (P < 0.05). ROC curve analysis revealed that the AUCs of blood glucose, GNRI, PNI, and CONUT scores alone in predicting POD risk were 0.610, 0.780, 0.821, and 0.749, respectively, which were lower than the AUC (0.897) when the four factors were combined.
ConclusionBlood glucose, GNRI, PNI, and CONUT scores are independent influencing factors for POD occurrence in elderly patients with hip fracture. The combined use of these four factors has good predictive value for POD risk.
-
肾脏恶性肿瘤以肾细胞癌(RCC)为主，俗称肾癌，占75%~90%[1-2], 此外还有肾盂癌、肾母细胞瘤以及罕见的淋巴瘤等。RCC患者临床症状缺乏特异性，部分患者可无不适症状，故较多RCC患者是在体检或接受其他检查时确诊。小肾癌或超小肾癌是基于不同体积肾癌诊治特点而提出的概念，其中小肾癌的划分标准有2种(肿瘤直径≤3 cm或≤4 cm)[3-4], 目前直径≤4 cm是主要划分标准。超小肾癌(usRCC)是近年来小肾肿瘤领域的研究热点，且随着居民体检意识的增强和医学技术的发展，越来越多的包含usRCC在内的小肾肿瘤被发现。相关研究[5-6]指出，临床人员对于直径≤2 cm的小肾肿瘤需重视早期筛选与识别，其虽然以乏脂肪血管平滑肌脂肪瘤(mfAML)此类良性肿瘤居多，但仍有部分为恶性肿瘤，且两者的鉴别诊断更为棘手，已成为目前RCC诊疗研究中亟待解决的难题。本研究对71例富血供超小肾肿瘤患者的临床资料进行回顾性分析，基于usRCC与mfAML的CT影像组学资料构建简易预测模型，并分析此预测模型对两者的鉴别诊断价值，现报告如下。
1. 资料与方法
1.1 一般资料
本研究为单中心回顾性队列研究，收集2018年3月—2022年12月在秦皇岛市第四医院接受手术治疗且术后病理证实为富血供超小肾肿瘤的71例患者的临床资料，并依据术后病理类型将患者分为usRCC组33例和mfAML组38例。usRCC组中仅3例表现为富血供强化的肾嫌色细胞癌(chRCC), 其余30例均为常见的透明细胞肾细胞癌(ccRCC)。mfAML组38例患者在肾脏CT平扫时未能检测到明显的脂肪密度，且术后病理检查仅发现少量脂肪成分。纳入标准: ①有明确术后病理检查结果(诊断结果为usRCC或mfAML)者; ②肿瘤最大直径≤2 cm者; ③术前接受肾脏CT平扫和双期增强扫描者。排除标准: ①合并VHL综合征者; ②临床病理资料和(或)CT影像学资料缺失者。本研究经秦皇岛市第四医院医学伦理委员会审核批准。
1.2 方法
1.2.1 CT检查方法
使用美国GE64排螺旋CT进行肾脏常规平扫和CT增强扫描，嘱患者取仰卧位，头先进，扫描范围为肝脏上缘至髂骨翼上缘。基本参数设置为管电压120 kV, 管电流采用自动控制技术，层厚、层间距均为5 mm, 重建层厚1 mm。肾脏平扫后进行双期增强扫描，采用双筒高压注射器经肘静脉注射非离子型对比剂碘佛醇(江苏恒瑞医药，国药准字H20067895), 注射剂量1.0 mL/kg, 注射速率3.0 mL/s。为避免过敏反应，可在注射碘佛醇5 min前静脉注射10 mg地塞米松。分别于注射碘佛醇后25~30 s、65~75 s扫描并获取皮质期和实质期的增强扫描图像。
1.2.2 CT影像学分析
将所得CT图像传送至后台工作站，在增强图像上确定肿瘤实性部分且强化最明显的区域，然后在该区域的中心位置选择感兴趣区(ROI), ROI可呈圆形或类圆形，面积为0.1~0.2 cm2。选择ROI应尽量避开坏死、钙化和血管影等区域，平扫和双期增强扫描测量的ROI大小、位置和形状应尽量保持一致。本研究由2名对研究和病理资料不知情的资深CT医师共同阅片讨论后得出一致结论。观察内容主要包括肿瘤位置(左肾/右肾)、肿瘤形状(圆形/椭圆/不规则形)、肿瘤中心点(肾内/肾外)、有无囊变坏死、有无“冰淇淋蛋筒征”、有无假包膜征、皮质期强化均匀性(均匀/不均匀)、实质期强化均匀性(均匀/不均匀)和强化特征(快进快出/持续强化)，同时测量双期(皮质期、实质期)的CT值、净强化CT值，净强化CT值=肿瘤皮质期或实质期CT值-肿瘤平扫CT值。
1.3 统计学分析
将患者的一般资料和CT影像学资料用Excel表格归类整理，导入SPSS 21.0软件进行统计学分析。计数资料用[n(%)]表示，组间比较采用χ2检验。正态分布的计量资料用(x±s)表示，组间比较采用成组t检验。采用二元Logistic回归分析法筛选对usRCC与mfAML具有鉴别诊断意义的独立影响因素，然后建立基于CT影像组学的简易预测模型并生成预测概率。绘制受试者工作特征(ROC)曲线，计算曲线下面积(AUC)，评估相关CT定量参数和预测模型对usRCC与mfAML的鉴别诊断价值。不同指标的AUC比较采用秩和检验。AUC范围为0.5~1.0, 越接近1.0表示诊断效能越高, AUC>0.7~0.8提示具有一定的诊断效能, AUC>0.8提示具有较好的诊断效能。P < 0.05表示差异有统计学意义。
2. 结果
2.1 usRCC组和mfAML组临床资料和CT影像学表现比较
usRCC组在性别、年龄、肿瘤位置、肿瘤形状、肿瘤中心点、“冰淇淋蛋筒征”、皮质期强化均匀性和强化特征方面与mfAML组比较，差异均无统计学意义(P>0.05)。usRCC组囊变坏死、假包膜征、实质期不均匀强化者占比均高于mfAML组，差异有统计学意义(P < 0.05)。见表 1。
表 1 2组患者临床资料和CT影像学表现比较(x±s)[n(%)]指标 分类 usRCC组(n=33) mfAML组(n=38) χ2/t P 性别 男 20(60.61) 17(44.74) 1.782 0.182 女 13(39.39) 21(55.26) 年龄/岁 53.40±9.07 50.37±8.15 1.483 0.143 肿瘤位置 左肾 19(57.58) 18(47.37) 0.737 0.390 右肾 14(42.42) 20(52.63) 肿瘤形状 圆形 11(33.33) 13(34.21) 0.072 0.965 椭圆 14(42.42) 15(39.47) 不规则形 8(24.24) 10(26.32) 肿瘤中心点 肾内 18(54.55) 19(50.00) 0.146 0.702 肾外 15(45.45) 19(50.00) 囊变坏死 有 17(51.52) 9(23.68) 5.894 0.015 无 16(48.48) 29(76.32) “冰淇淋蛋筒征” 有 9(27.27) 8(21.05) 0.375 0.540 无 24(72.73) 30(78.95) 假包膜征 有 7(21.21) 1(2.63) 4.382 0.036 无 26(78.79) 37(97.37) 皮质期强化均匀性 不均匀 30(90.91) 36(94.74) 0.027 0.870 均匀 3(9.09) 2(5.26) 实质期强化均匀性 不均匀 24(72.73) 14(36.84) 9.143 0.002 均匀 9(27.27) 24(63.16) 强化特征 快进快出 33(100.00) 36(94.74) 0.382 0.537 持续强化 0 2(5.26) 典型病例见图 1、图 2。图 1为1例usRCC患者(年龄57岁)增强CT扫描图像，左肾类圆形不均匀软组织密度结节，局部突出于肾脏轮廓，增强扫描在实质期明显不均匀强化。图 2为1例mfAML患者(年龄52岁)增强CT扫描图像，左肾混杂密度结节，略突向肾外，内见少许脂肪密度灶和软组织密度区，增强扫描在实质期软组织密度区均匀强化。
2.2 usRCC组和mfAML组相关CT定量参数比较
2组实质期CT值比较，差异无统计学意义(P>0.05); usRCC组皮质期CT值、皮质期净强化CT值和实质期净强化CT值均高于mfAML组，差异有统计学意义(P < 0.05)。见表 2。
表 2 usRCC组和mfAML组相关CT定量参数比较(x±s)Hu 组别 n 皮质期CT值 实质期CT值 皮质期净强化CT值 实质期净强化CT值 mfAML组 38 191.95±37.58 115.92±26.15 154.07±34.90 66.75±17.85 usRCC组 33 224.06±42.57* 127.35±30.12 187.43±40.26* 97.62±24.58* 与mfAML组比较, * P < 0.05。 2.3 相关CT定量参数鉴别诊断usRCC与mfAML的ROC曲线分析
将病理类型作为状态变量(usRCC=1, mfAML=0), 选择表 2中差异有统计学意义(P < 0.05)的3个CT定量参数分别绘制ROC曲线。ROC曲线显示，皮质期CT值、皮质期净强化CT值、实质期净强化CT值鉴别诊断usRCC与mfAML的AUC分别为0.702、0.718、0.803(均>0.7), 但仅有实质期净强化CT值的AUC>0.8, 见表 3和图 3。实质期净强化CT值的AUC大于皮质期CT值的AUC, 差异有统计学意义(Z=2.763, P=0.039), 实质期净强化CT值、皮质期净强化CT值的AUC差异无统计学意义(Z=1.318, P=0.158), 皮质期CT值、皮质期净强化CT值的AUC差异无统计学意义(Z=0.903, P=0.412), 提示实质期净强化CT值的诊断效能最佳。
表 3 相关CT定量参数对usRCC与mfAML的鉴别诊断效能CT定量参数 AUC 临界值/Hu 标准误 P 95% CI 皮质期CT值 0.702 212.73 0.068 0.007 0.569~0.835 皮质期净强化CT值 0.718 165.40 0.065 0.004 0.590~0.846 实质期净强化CT值 0.803 76.48 0.058 <0.001 0.690~0.916 2.4 二元Logistic回归模型筛选对usRCC与mfAML具有鉴别意义的独立影响因素
根据单因素分析结果，进一步采用二元Logistic回归模型筛选对usRCC与mfAML具有鉴别意义的独立影响因素，将病理类型(usRCC或mfAML)作为因变量，将囊变坏死(有=1, 无=0)、假包膜征(有=1, 无=0)、实质期强化均匀性(不均匀=1, 均匀=0)和CT定量参数中AUC最大的实质期净强化CT值(连续性变量)作为自变量。多因素分析结果显示，囊变坏死、实质期强化均匀性、实质期净强化CT值均是对usRCC与mfAML具有鉴别意义的独立影响因素(P < 0.05), 见表 4。
表 4 二元Logistic回归分析筛选对usRCC与mfAML具有鉴别意义的独立影响因素自变量 β Wald χ2 P OR 95% CI 囊变坏死 0.928 4.723 0.028 2.537 1.125~4.358 假包膜征 0.830 3.521 0.175 1.806 0.831~3.027 实质期强化均匀性 1.327 6.580 0.013 3.872 1.327~7.259 实质期净强化CT值 1.462 7.028 0.010 3.593 1.290~7.518 2.5 基于CT影像组学构建简易预测模型及其ROC曲线分析
基于多因素分析筛选出的对usRCC与mfAML具有鉴别诊断意义的3个CT影像组学变量(囊变坏死、实质期强化均匀性、实质期净强化CT值)构建简易组合预测模型，并借助二元Logistic回归分析生成预测概率，绘制ROC曲线，评估简易预测模型鉴别诊断usRCC与mfAML的效能(状态变量: usRCC=1, mfAML=0)。ROC曲线显示，简易预测模型的AUC为0.890(95% CI: 0.804~0.976), 标准误为0.044, P < 0.001, 鉴别诊断的敏感度为87.88%, 特异度为76.32%, 准确度为81.69%, 约登指数为0.642, 见图 4。
3. 讨论
经典的RCC三联征在临床中并不多见，在直径≤4 cm的小肾肿瘤和直径≤2 cm的超小肾肿瘤的风险筛查与诊断中作用有限。对体积较小、临床症状不典型且影像学表现相似的肾肿瘤进行良恶性鉴别诊断，不仅直接影响临床诊疗策略的合理性和科学性，也是临床人员和患者尤为关注的难题[7]。CT是目前诊断小肾癌比较准确的影像学手段，能显示直径>0.5 cm甚至更小的肿瘤, CT平扫为均匀低或等密度，且多位于肾轮廓外围，假包膜征比重较高，增强扫描也可见“快进快出”的典型征象[8]。既往研究多是对直径≤4 cm的小肾肿瘤的CT影像学鉴别研究，针对直径≤2 cm的超小肾肿瘤的鉴别研究则较缺乏。然而，临床中超小肾肿瘤的误诊风险更高，需重点进行鉴别诊断。血管平滑肌脂肪瘤(AML)作为临床常见的良性肾肿瘤之一，多发于中青年女性，临床常无明显症状，肿瘤较大者可出现血尿、腰酸和腹部不适等症状，严重者可自发破裂出血[9]。AML由不同成分比例的畸形血管、平滑肌细胞和成熟脂肪细胞组成，其中富血供mfAML因肿瘤组织内脂肪成分比例偏少，加之肿瘤体积偏小时的部分容积效应，在影像学表现上与RCC存在诸多相似之处，增加了鉴别诊断难度[10-11]。不同病理类型的诊疗策略和术式选择存在较大区别，本研究旨在通过CT影像学手段探寻鉴别诊断usRCC与mfAML的可靠方法。
本研究结果显示, usRCC组与mfAML组在性别、年龄和多项CT影像学表现方面并无显著差异(P>0.05), 与相关研究[12]结论基本相符。虽然mfAML多见于中青年女性, usRCC多见于中老年男性，但本研究由于收集的此类小肾肿瘤样本量偏少，并未发现性别构成和年龄分布的明显差异。“冰淇淋蛋筒征”是多见于良性肿瘤的CT征象，其形成原理主要与肿瘤生长方式和肿瘤质地有关。mfAML肿瘤组织质地较软，无浸润生长的恶性特点，生长部位主要为阻力较小的被膜、肾小叶间等处，导致肿瘤与邻近肾脏交界处显示比较清楚和平直, CT影像上表现为“冰淇淋蛋筒征”，也有研究[13-14]称之为“楔形征”“劈裂征”等。既往研究[15-16]指出，“冰淇淋蛋筒征”是鉴别诊断mfAML与RCC的重要CT征象，但本研究中usRCC组和mfAML组“冰淇淋蛋筒征”占比均较低，且2组间无显著差异，其主要原因是肾肿瘤体积偏小和mfAML外生性征象不明显[17]。
本研究显示, usRCC组囊变坏死、假包膜征、实质期不均匀强化者占比均显著高于mfAML组(P < 0.05), 与相关研究[18-19]结论相符，上述CT征象亦是临床诊断RCC的常用影像学参考依据。囊变坏死、假包膜征是富血供RCC生长过程中的典型特征，肿瘤生长过快、新生血管发育不良和瘤内血供不均衡是其发生的常见原因[20]。CT增强扫描显示实质期不均匀强化是恶性肿瘤的常见影像学描述，但并非绝对概念。本研究中, 2组实质期不均匀强者占比均较高(与mfAML、RCC均为富血供有关)，且usRCC组实质期不均匀强化者占比显著更高(与usRCC瘤内多囊变坏死和偏液性低密度区域有关)[21-22]。本研究结果显示, usRCC组皮质期CT值、皮质期净强化CT值、实质期净强化CT值显著高于mfAML组(P < 0.05), 且ROC曲线显示三者中实质期净强化CT值的AUC最大，为0.803(实质期净强化CT值可反映肿瘤病灶血供和强化特点)。本研究将筛选出的3个CT影像组学变量进行组合后构建简易预测模型，与单独CT形态学指标或定量参数比较，简易预测模型能结合更充分的影像学依据加以鉴别，提高诊断效能。本研究显示，预测模型鉴别诊断usRCC与mfAML的AUC为0.890(95% CI: 0.804~0.976), 敏感度、特异度和准确度依次为87.88%、76.32%和81.69%, 表明该简易预测模型具有良好的诊断效能，此外由于该模型的CT影像学指标易获取和收集，临床应用亦较为便捷。
综上所述，本研究基于CT影像组学构建的简易预测模型对usRCC与mfAML具有良好的鉴别诊断价值，可为此类超小肾肿瘤的早期风险识别和诊疗策略制订提供影像学依据，值得临床应用和深入研究。本研究不足之处在于样本量偏少、样本选择可能存在回忆偏倚等，后续应加以完善进一步深入研究。
-
表 1 2组患者一般资料比较(x±s)[n(%)]
指标 分类 谵妄组(n=43) 非谵妄组(n=71) t/χ2 P 性别 男 18(41.86) 29(40.85) 0.019 0.890 女 25(58.14) 42(59.15) 年龄/岁 72.14±10.59 75.34±8.24 1.695 0.094 体质量指数/kg/m2 25.64±4.75 24.74±5.27 0.940 0.349 吸烟史 有 19(44.19) 38(53.52) 0.934 0.333 无 24(55.81) 33(46.48) 饮酒史 有 27(62.79) 43(60.56) 0.056 0.812 无 16(37.21) 28(39.44) 伴随疾病 原发性高血压 20(46.51) 45(63.38) 3.109 0.078 高脂血症 11(25.58) 27(38.03) 1.867 0.172 冠心病 12(27.91) 22(30.99) 0.121 0.728 糖尿病 24(55.81) 24(33.80) 5.323 0.021 骨折类型 股骨颈骨折 21(48.84) 33(46.48) 0.061 0.970 股骨粗隆间骨折 14(32.56) 24(33.80) 股骨转子间骨折 8(18.60) 14(19.72) 美国麻醉医师协会分级 Ⅰ级 7(16.28) 10(14.08) 0.373 0.709 Ⅱ级 12(27.91) 27(38.03) Ⅲ级 19(44.19) 25(35.21) Ⅳ级 5(11.62) 9(12.68) 麻醉方式 全身麻醉 19(44.19) 37(52.11) 0.673 0.412 椎管内麻醉 24(55.81) 34(47.89) 手术方式 内固定术 25(58.14) 39(54.93) 0.112 0.739 关节置换术 18(41.86) 32(45.07) 文化程度 初中及以下 22(51.16) 34(47.89) 0.446 0.800 高中 13(30.23) 20(28.17) 高中以上 8(18.61) 17(23.94) 手术时间/min 92.11±25.34 85.37±21.67 1.452 0.151 麻醉时间/min 169.57±35.84 162.97±29.87 1.013 0.314 术中失血量/mL 123.64±26.97 117.34±20.69 1.315 0.193 
下载: 导出CSV
表 2 2组患者实验室检查结果以及营养状况比较(x±s)
指标 谵妄组(n=43) 非谵妄组(n=71) t P TC/(mmol/L) 2.99±1.02 3.34±1.14 -1.698 0.093 HDL-C/(mmol/L) 0.97±0.12 1.02±0.25 -1.434 0.154 LDL-C/(mmol/L) 2.14±0.51 2.36±0.74 -1.875 0.063 白蛋白/(g/L) 36.48±8.49 37.15±9.24 -0.395 0.694 血红蛋白/(g/L) 112.34±35.24 114.94±31.58 -0.397 0.693 空腹血糖/(mmol/L) 7.58±2.34 5.34±1.28 5.776 < 0.001 GNRI/分 86.51±9.57 91.67±10.37 -2.703 0.008 PNI/分 36.41±6.97 42.67±7.89 -4.419 < 0.001 CONUT评分/分 6.84±3.21 3.41±1.15 6.749 < 0.001 TC: 总胆固醇; HDL-C: 高密度脂蛋白胆固醇; LDL-C: 低密度脂蛋白胆固醇; GNRI: 老年营养风险指数; PNI: 预后营养指数; CONUT: 控制营养状态。
下载: 导出CSV
表 3 POD发生风险的变量赋值表
相关因素 变量 赋值 糖尿病 X1 糖尿病=1, 非糖尿病=0 血糖 X2 连续变量, 实测值 GNRI X3 连续变量, 实测值 PNI X4 连续变量, 实测值 CONUT评分 X5 连续变量, 实测值 术后谵妄 Y 发生=1, 未发生=0
下载: 导出CSV
表 4 髋部骨折术后患者POD发生风险的多因素Logistic回归分析
指标 B SE Wals Sig. OR 95%CI 糖尿病 1.076 0.919 1.372 0.241 2.933 0.241~2.933 血糖 0.777 0.271 8.211 0.004 2.175 0.004~2.175 GNRI -0.063 0.023 7.754 0.005 0.939 0.005~0.939 PNI -0.212 0.069 9.359 0.002 0.809 0.002~0.809 CONUT评分 0.981 0.282 12.093 0.001 2.668 0.001~2.668 常量 4.705 3.852 1.492 0.222 110.465 —
下载: 导出CSV
表 5 营养状态指标对髋部骨折患者POD的预测价值
指标 AUC SE 95%CI 血糖 0.610 0.048 0.514~0.700 GNRI 0.780 0.050 0.693~0.852 PNI 0.821 0.040 0.738~0.886 CONUT评分 0.749 0.046 0.659~0.885 四者联合 0.897 0.038 0.825~0.946
下载: 导出CSV
-
[1] 熊春红, 熊淑明, 王小云, 等. 结合术前营养评估结果的老年髋部骨折术后谵妄Nomogram模型构建[J]. 护理研究, 2020, 34(14): 2457-2462. https://www.cnki.com.cn/Article/CJFDTOTAL-SXHZ202014006.htm [2] 王洁, 双鹏展, 赵龙彪, 等. 老年患者髋部骨折修复术后谵妄的危险因素[J]. 临床麻醉学杂志, 2023, 39(3): 235-240. https://www.cnki.com.cn/Article/CJFDTOTAL-LCMZ202303002.htm [3] 王树相, 陈鑫磊, 徐超. 个体化预测老年髋部骨折患者术后谵妄风险[J]. 中国矫形外科杂志, 2019, 27(6): 542-548. https://www.cnki.com.cn/Article/CJFDTOTAL-ZJXS201906015.htm [4] 张明媚, 朱星波, 黄立新. 老年髋部骨折患者术后谵妄的预测模型构建及初步应用[J]. 天津医药, 2021, 49(6): 641-645. https://www.cnki.com.cn/Article/CJFDTOTAL-TJYZ202106017.htm [5] 孙凤坡, 刘湘雪, 刘军川, 等. 老年髋部骨折患者术后心血管系统并发症危险因素的研究[J]. 北京医学, 2017, 39(2): 208-210, 213. https://www.cnki.com.cn/Article/CJFDTOTAL-BJYX201702031.htm [6] GVC Z G, ALTAY C, ÖZGVL H A, et al. GNRI and conut scores: simple predictors of sarcopenia in metastatic colorectal cancer patients[J]. Support Care Cancer, 2022, 30(10): 7845-7852. doi: 10.1007/s00520-022-07218-9
[7] 中国老年医学学会骨与关节分会创伤骨科学术工作委员会. 老年髋部骨折诊疗专家共识(2017)[J]. 中华创伤骨科杂志, 2017, 19(11): 921-927. https://www.cnki.com.cn/Article/CJFDTOTAL-ZGJW202108001.htm [8] 高浪丽, 冯冬梅, 王荣海, 等. 意识模糊评估法简短量表的汉化及用于老年谵妄的信度和效度研究[J]. 实用老年医学, 2019, 33(2): 133-136. https://www.cnki.com.cn/Article/CJFDTOTAL-SYLA201902035.htm [9] MAZZOLA P, WARD L, ZAZZETTA S, et al. Association between preoperative malnutrition and postoperative delirium after hip fracture surgery in older adults[J]. J Am Geriatr Soc, 2017, 65(6): 1222-1228. doi: 10.1111/jgs.14764
[10] HAYNES M S, ALDER K D, TOOMBS C, et al. Predictors and sequelae of postoperative delirium in a geriatric patient population with hip fracture[J]. J Am Acad Orthop Surg Glob Res Rev, 2021, 5(5): e20.
[11] AHN E J, BANG S R. Risk factors associated with treatment of hyperactive postoperative delirium in elderly patients following hip fracture surgery under regional anesthesia: a nationwide population-based study[J]. Braz J Anesthesiol, 2022, 72(2): 213-219.
[12] KONG C, ZHANG Y H, WANG C D, et al. Comprehensive geriatric assessment for older orthopedic patients and analysis of risk factors for postoperative complications[J]. BMC Geriatr, 2022, 22(1): 644. doi: 10.1186/s12877-022-03328-5
[13] MUSKUS M, ROJAS J, GUTIÉRREZ C, et al. Bilateral hip arthroplasty: when is it safe to operate the second hip A systematic review[J]. Biomed Res Int, 2018, 2018: 3150349.
[14] YUAN Y, LI Z Q, YANG N, et al. Exosome α-synuclein release in plasma may be associated with postoperative delirium in hip fracture patients[J]. Front Aging Neurosci, 2020, 12: 67. doi: 10.3389/fnagi.2020.00067
[15] GAVRIELATOU N, DOUMAS S, ECONOMOPOULOU P, et al. Biomarkers for immunotherapy response in head and neck cancer[J]. Cancer Treat Rev, 2020, 84: 101977. doi: 10.1016/j.ctrv.2020.101977
[16] CHEN L, SUN H, ZHAO R H, et al. Controlling nutritional status (CONUT) predicts survival in gastric cancer patients with immune checkpoint inhibitor (PD-1/PD-L1) outcomes[J]. Front Pharmacol, 2022, 13: 836958. doi: 10.3389/fphar.2022.836958
[17] SCHMITD L B, PEREZ-PACHECO C, BELLILE E L, et al. Spatial and transcriptomic analysis of perineural invasion in oral cancer[J]. Clin Cancer Res, 2022, 28(16): 3557-3572. doi: 10.1158/1078-0432.CCR-21-4543
[18] KORNEJ J, BÖRSCHEL C S, BENJAMIN E J, et al. Epidemiology of atrial fibrillation in the 21st century: novel methods and new insights[J]. Circ Res, 2020, 127(1): 4-20. doi: 10.1161/CIRCRESAHA.120.316340
[19] DENNY D L, TROTTER T, LINDSETH G. Preoperative nutritional status and risk for subsyndromal delirium in older adults following joint replacement surgery[J]. Orthop Nurs, 2020, 39(6): 384-392. doi: 10.1097/NOR.0000000000000710
[20] BATEMAN R M, SHARPE M D, JAGGER J E, et al. 36th international symposium on intensive care and emergency medicine: Brussels, Belgium. 15-18 March 2016[J]. Crit Care, 2016, 20(Suppl 2): 94.
-
期刊类型引用(3)
1. 曾玉姗. CT增强扫描对小肾肿瘤良恶性的鉴别诊断价值. 影像研究与医学应用. 2025(01): 124-126 . 
百度学术
2. 谢程，万晨浩，洪欣. Cath-D、miR-21水平联合双能量CT能谱数据对肾癌和乏脂肪肾错构瘤的鉴别诊断. 中国医学创新. 2024(34): 165-169 . 百度学术
3. 陈金才，李德新. 评估能谱CT对于乏脂肪肾血管平滑肌脂肪瘤与肾嫌色细胞癌的鉴别价值. 影像研究与医学应用. 2023(20): 59-61 . 百度学术
其他类型引用(0)
计量
- 文章访问数: 91
- HTML全文浏览量: 32
- PDF下载量: 5
- 被引次数: 3
苏公网安备 32100302010246号
