摘 要：目的 建立和应用个性化的列线图模型，探讨列线图预测尿路结石患者中草酸钙结石的准确性及可行性。方法 回顾性分析2017年1月1日至2018年12月31日在中山大学附属第五医院接受手术治疗的298例泌尿系结石患者资料，以7∶3的比例随机分为建模组和验证组，基于建模组采用最小绝对值收敛和选择算子回归（Lasso）模型及多变量Logistic回归分析选择草酸钙结石的最佳预测特征，根据最佳预测特征以列线图的形式构建预测模型。通过C指数、校准曲线和决策曲线分别评估列线图的辨别力、校准和临床实用性，并基于验证组对外部验证进行评估。结果 在LASSO模型中选择的最佳预测特征包括结石位置、甘油三酯（TG）和尿比重（SG）。将以上最佳预测特征和性别、年龄一起建立列线图模型后，建模组和验证组的C指数分别为0.706、 0.603，表明模型具有良好的辨别能力。校准曲线中标准曲线与预测校准曲线贴合良好，提示校正效果良好。决策曲线分析表明，在草酸钙结石可能性阈值为31%时使用该列线图可以在临床上获益。结论 本研究建立的列线图预测模型可有效预测草酸钙结石，有助于筛选和早期识别草酸钙尿路结石的高危患者，对泌尿科医师进行临床治疗决策可能有一定的指导意义。
关键词：尿路结石 草酸钙结石 列线图 预测与验证
Establishment and application of the nomogram for predicting calcium oxalate stones in patients with urinary calculus
Xie Maochun Cao Mingde Dai Yingbo Yan Minbo Wang Jinhua Zhang hao Wu Zhenjie
Department of Urology, The Fifth Affiliated Hospital of Sun Yat-Sen University; Department of Orthopaedics, The Fifth Affiliated Hospital of Sun Yat-Sen University;
Abstract：Objective To develop an individualized nomogram model and explore the feasibility and veracity of nomogram to predict calcium oxalate stones in patients with urinary calculus. Methods Clinical data of 298 patients with urinary calculus who underwent surgery in the Fifth Affiliated Hospital of Sun Yat-sen University from January 1, 2017 to December 31, 2018 were retrospectively analyzed.The patients were randomly divided into a development group and a validation group by 7∶3 ratio. The least absolute shrinkage and selection operator regression(LASSO) model and multivariable logistic regression analysis were used to select the best prediction characteristics of calcium oxalate stones based on the development group, and a prediction model was constructed in the form of a nomogram according to the best prediction characteristics. Discrimination, calibration, and clinical usefulness of the nomogram were assessed respectively using the C-index, calibration plot, and decision curve analysis, and external validation was assessed based on the validation group. Results The best predictive features selected in the LASSO model include stone location, triglycerides(TG), and urine specific gravity(SG). After the gender, age and the best predictive characteristics were used to establish a nomogram model, the C indexes of the development group and the validation group were 0.706 and 0.603, respectively, indicating that the model had good discrimination ability. The standard curve in the calibration curve fit well with the predicted calibration curve, which indicates good calibration. Decision curve analysis showed that the calcium oxalate stones nomogram was clinically useful when intervention was decided at the calcium oxalate stones possibility threshold of 31%. Conclusion A nomogram prediction model for the prediction of calcium oxalate stones was established. This model is helpful in screening and early identifying patients who are at high risk of calcium oxalate urinary stones, and is significant to help urologists make clinical treatment decisions.
Keyword：Urinary calculus; Calcium oxalate stones; Nomogram; Prediction and validation;
尿石症是泌尿外科常见病，最近的一项研究显示，大约每17个中国成年人中就有一个患有肾结石[1]。尿石症也是一种复发性疾病，5～10年内复发率为50%,20年内复发率为75%，复发风险基本上是由引起结石形成的疾病和代谢紊乱决定的[2]。近年来预防尿石症复发的工作已成为泌尿外科工作者关注的焦点，而积极探讨结石成分及相关代谢评估是预防结石复发的关键，它对了解尿石症的病因、转归，指导个体化治疗和远期防治具有重要意义[3]。然而，在某些情况下，例如在结石未被送去分析或结石尚在尿石症患者体内时，结石成分无法得知。有研究表明，单纯通过尿液分析或血液代谢分析结合尿液分析均无法准确预测结石成分[4-5]。Otto等[6]发现，结合年龄、性别和体质量指数可以用来预测尿结石患者的24 h尿液分析结果，从而预测结石复发或结石成分。受其启发，本研究尝试综合分析尿路结石成分与性别、年龄、结石部位、血液代谢分析和尿液分析等因素的相关性，通过建立并验证一个简单的个性化预测模型，探讨列线图准确预测尿路结石患者中草酸钙结石的可行性。
资料和方法
一、一般资料
所有资料均从医院信息系统数据库中收集并进行回顾性研究。共收集了2017年1月1日至2018年12月31日在中山大学附属第五医院接受手术的298例患者的临床、影像和结石成分分析资料，其中210例诊断为草酸钙结石，88例诊断为其他类型的结石，如磷酸盐结石、尿酸结石和胱氨酸结石。纳入标准为：（1）影像学结果，如泌尿系统彩超、排泄尿路造影或腹盆部计算机断层扫描（CT）可诊断泌尿系结石；（2）有完整的所需实验室检查数据；（3）无恶性肿瘤、外伤、内分泌疾病和其他重大疾病者；（4）研究征得患者本人及家属同意并签署知情同意书。
二、统计分析
收集并分析患者的以下资料：一般情况（性别、年龄）、尿路结石位置、血肌酐、血尿酸、血钾、血钙、血磷、空腹血糖、甘油三酯（TG）、胆固醇（CHOL）、尿p H、尿比重（SG）、尿白细胞（UWBC）。对具体检查项目以男性正常参考值上限为界进行分组，对连续型计量数据变量如年龄、尿p H等进行最优尺度回归法进行分组。
将298例患者以7∶3的比例进一步随机分为建模组和验证组。在建模组中，采用可以减少无意义变量的最小绝对值收敛和选择算子回归（Lasso）方法，从尿路结石患者中选择危险因素的最佳预测特征。选取由上述方法得到的非零系数特征，再加上既往研究表明与结石形成密切相关的年龄和性别这两个特征，进行多变量logistic回归分析，建立一个由多个预测因素组成的列线图。接着对列线图进行内部自我验证（1 000次自我重复采样），以计算建模组中相对校正的C指数，评估列线图的判别能力。绘制校准曲线以评估列线图的校准。通过量化不同阈值概率下的净效益，进行决策曲线分析以评估列线图的临床实用性。同时，使用C指数对验证组进行外部验证。列线图的绘制和统计分析均使用R软件（3.5.2版，https://www.R-project.org）。
结果
一、患者特征
本研究共纳入298例患者，男199例，女99例，平均年龄（51±11）岁，根据结石红外光谱分析结果的首要成分，将所有患者分为草酸钙结石和其他结石类型。将298例患者以约7∶3的比例进一步随机分为建模组和验证组，其中建模组210例，验证组88例，建模组和验证组的临床特征相似（表1）。
二、特征选择
基于210例建模组患者的资料，采用Lasso回归模型得到3个非零系数特征，包括尿路结石的位置、甘油三酯（TG）和尿比重（SG）（图1a～1b),14个特征因此被简化为3个潜在的最佳预测特征[7]。考虑到预测模型的实际意义，还加入了性别和年龄这两个被认为密切相关的特征。所以选择的特征包括性别、年龄、尿路结石的位置、甘油三酯（TG）和尿比重（SG），并行多变量Logistic回归分析（表2）。
三、列线图的建立
建立包含性别、年龄、尿路结石位置、甘油三酯（TG）和尿比重（SG）等独立预测因子的模型，并将其表示为列线图（图2）。列线图使用方法如下：根据图中各个变量的分类得到各个预测特征所对应的分数，总分数是每个变量的分数之和（顶部标度），草酸钙结石风险概率就是列线图（底部标度）中与总分数相应的预测风险值。
四、列线图的验证
我们计算了建模组和验证组的C指数，并绘制了预测概率的校正曲线（图3）。建模组和验证组草酸钙结石风险的C指数分别为0.706和0.603，说明列线图预测模型具有良好的判别能力。另外，建模组自我内部验证的C指数为0.649。这表明，无论是内部验证还是外部验证，列线图均已很好地校准，并且具有出色的判别能力。
五、列线图的应用
草酸钙结石列线图的决策曲线分析（图4）显示，如果患者的阈值概率为31%～86%时，在当前研究中使用该列线图预测草酸钙结石的风险比干预所有患者方案或无患者方案可以增加更多的效益。可以对曲线上位于获益阈值概率区间的点作如下解释：假设选择预测概率为70%诊断为草酸钙结石并进行治疗，而低于70%不治疗，那么每100个使用该模型的患者，有22个人能从中获益而不损害其他人的利益。
讨论
在尿石症中，含钙结石占主导地位，主要包括草酸钙结石和磷酸钙结石，共占所有尿路结石的70%以上；其余还包括尿酸结石、磷酸镁铵结石、胱氨酸结石及混合性结石等[8]。以往的研究认为，了解结石成分是预防和治疗尿路结石的基础。例如，保守溶解治疗对尿酸结石具有良好的效果，可以减少不必要的手术干预[9]；磷酸镁铵结石往往提示结石合并感染，应积极抗感染治疗后处理结石。那么，预测草酸钙结石有何意义呢？已知草酸钙结石有如下特点：（1）绝大部分草酸钙结石患者有高草酸尿症，可针对性地限制菠菜、番茄、花生、芦笋、浓茶等食物的摄入，有效预防复发；（2）草酸盐结石患者应警惕过量摄入维生素C，但可口服维生素B6，以减少草酸盐排出；（3）体外冲击波碎石术（ESWL）通常对一水草酸钙结石和胱氨酸结石效果差，对这类结石首次进行ESWL治疗失败后继续ESWL治疗或其他替代治疗无疑是不明智的[10];(4）最近的研究发现，针对草酸钙结石的非手术治疗如抗氧化治疗和益生菌治疗是安全有效的，未来有望应用于临床[11-12]。精准预测草酸钙结石，可以使得上述预防和治疗措施有的放矢。因此，在医疗日趋专科化、精细化、科学化的今天，在开始治疗之前了解患者尿路结石成分的重要性不言而喻。
早年的研究发现，结石可根据尿路平片（KUB）影像结果进行分类，根据矿物成分的不同而有所不同[13]。不过，这只是一个粗略模糊的分类，其结果的准确性有待提高。于是又有学者发现结石的成分会极大地影响彩色多普勒超声闪烁伪影的出现，但不同的研究得出的观察结果不尽相同[14-15]，一直无法得出一个相对统一准确的结论，其可能解释是不同的研究使用了表面形态、成分、大小及内部结构不同的结石[16]。电子计算机断层扫描（CT）预测结石成分的能力已经被研究了几十年，目前仍存在一些争议。有研究表明单能和双能计算机断层扫描（CT）拥有较好的鉴别能力[17];Mostafavi等[18]发现，双能CT可提高从CT扫描获得的亨氏单位（Hu）区分结石成分的预测价值。但是，一些因素也容易影响非增强计算机断层扫描（NCCT）上的Hu测量，如结石大小和混合结石成分，使预测结果有失准确[10]。除此之外，许多基层医院并不具备这些条件，其应用性仍受到很大限制。于是我们尝试一种新的方法——列线图预测治疗前尿路结石患者中的草酸钙结石。
本研究将298例包含完整相关信息的患者随机分为一个建模组和一个验证组。基于建模组，使用五个容易获得的预测因素：性别、年龄、尿路结石的位置、甘油三酯（TG）和尿比重（SG），构建并验证了一种新的列线图，用于区分草酸钙结石和其他类型的结石。此列线图提示男性、中年人、上尿路结石、低甘油三酯和高尿比重可能是决定尿路结石患者罹患草酸钙结石风险的关键因素。
表1 草酸钙结石组和其他类型结石组患者分别在建模组和验证组中的差异比较[例(%)]
首先，与之前的研究相似[19]，男性与更高的风险相关，这表明男性更容易罹患草酸钙结石。在本研究中，草酸钙结石的男女发生比例为2.07∶1，与文献报道相近[20]。这可能与男性的职业性质有关：男性往往从事更多的体力劳动，出汗较多，导致尿液中晶体过饱和和沉淀。研究表明，与雄激素相比，雌激素能抑制女性体内结石的形成[21]。Dey等[22]发现绝经后未接受雌激素治疗的妇女与接受雌激素治疗的妇女相比，24 h内尿中钙、柠檬酸盐和凝血抑制因子的水平显著升高。另有一项对1983名男性和816名女性的回顾性研究表明，男性中钙、草酸和尿酸的排泄量分别增加了43%、17%和22%，而女性相对地增加了31%、7%和10%[23]。这些结果均提示草酸钙结石的发生可能与性激素的失衡有关。
表2 草酸钙结石的多因素分析结果
年龄是尿路结石特别是含钙结石形成的另一个重要因素，其原因是尿中电解质浓度随年龄变化。Otto等[6]发现，中年患者尿钙水平升高可促进尿石症“第一高峰”的出现；而老年患者尿草酸水平的升高可能是导致尿石症“第二高峰”出现的原因。他们还发现，患有特发性草酸钙结石的年轻患者更常表现为低枸橼酸尿症；而中年和老年患者则分别倾向于表现为原发性高尿钙和原发性高草酸尿[6]。Perinpam等[24]通过多变量分析发现，钙和镁的排泄量随年龄增加呈线性下降。随着年龄的增长，尿钙的减少可能导致五十岁后含钙结石的发生率下降[25]，导致中年人相对老年人更容易罹患草酸钙结石。这种现象可能是由于中年人摄入过多的蛋白质、盐和草酸，也可能是由于他们从事更多的体力活动。
另外，本研究发现，结石的位置为预测草酸钙结石的重要因素。文献报道上尿路结石的成分主要是草酸钙、磷酸钙混合结石和纯草酸钙结石，下尿路结石的成分主要是尿酸盐结石和草酸钙、磷酸钙混合结石，与本研究结果一致[26]。除了与环境因素和代谢紊乱有关外，出现这种现象的一个重要原因可能与我国饮食和人民生活水平的变化有关[27]。珠海地区居民生活相对富裕，饮食结构中高脂肪、高蛋白、高糖比重大，食物营养摄入不均衡，可增加尿中钙、草酸和尿酸的含量，促进上尿路草酸钙结石的形成。
有文献报道，血中甘油三酯水平升高是肾结石发生的危险因素[28-29]。而本研究发现，血中甘油三酯水平降低是有利于草酸钙结石发生的。血脂异常常伴有肥胖、高血压和糖耐量受损，临床上将这种情况称为代谢综合征。患有代谢综合征尤其是胰岛素抵抗的患者尿液p H值较低，导致尿酸溶解度降低和尿酸结石形成。在细胞实验和动物模型中，血脂异常可能导致肾近端小管中脂肪酸的累积，从而导致脂毒性。同时，肾中氨的合成和分泌减少，导致尿液的p H值进一步降低。由于尿酸在酸性环境中的溶解度降低，尿酸结晶沉淀更容易形成尿酸结石而不是草酸钙结石。
最后，尿比重也是草酸钙结石形成的危险因素。Mc Cormack等[22]发现，尿比重与24 h尿量呈反比关系，相关系数为0.522。尿比重受多种因素影响，除个别饮水习惯（饮水量少、饮水时间分布不均）外，还有高温气候、长期出汗、慢性腹泻等内部和外部因素，这会都会导致尿量减少和尿比重升高；所有这些因素都会增加尿中钙和草酸的浓度，促使黏蛋白聚集形成结石核心，最终导致草酸钙结石的形成[30]。
本研究构建了一个有效的草酸钙结石风险预测模型，可以帮助临床医师早期识别草酸钙结石高危患者，也可以使患者更多地参与到诊断和治疗的决策过程中来。此外，列线图既可以应用于门诊也可以应用于住院患者，既可以应用于城市也可以应用于农村，尤其是对我国那些资源匮乏的偏远农村地区，以及不能接受手术的患者，使用列线图不失为一种简单有效的诊治方法。
但是，本研究也存在一定的局限性。首先，虽然严格设定了纳入标准和排除标准，尽量使患者的建模组和验证组能够反映疾病发生的实际情况，但是在进行一项回顾性研究时仍会难以避免地出现选择偏差。其次，预测模型中本就相对不足的数据来源于单个中心，样本量较少；且尚未在其他中心或医疗机构收治的尿石症患者中进行推广和应用，其适用性还有待进一步验证。第三，本研究结局指标设定为二分类变量，即草酸钙结石和其他类型结石，忽略了混合型结石的存在，模型稍显简单。最后，由于资料欠完整，无法分析其他重要的疾病参数，如尿电解质和24 h尿量等，还需要进一步改进数据来源，调整列线图，使其更加准确。
本研究建立了在尿路结石患者中预测草酸钙结石的个性化列线图预测模型，简便快捷，一目了然，实现了预测模型的可视化呈现。模型具有良好的判别能力，可提高对此类患者的早期识别和治疗水平。
参考文献
[1]Ye Z,Zeng G,Huan Y,et al.The Status and Characteristics of Urinary Stone Composition in China[J].BJU Int,2019.
[2]Pearle MS,Goldfarb DS,Assimos DG,et al.Medical management of kidney stones:AUA guideline[J].J Urol,2014.192(2):316-324.
[3]罗敏,苟淼,沈鹏飞,等.代谢综合征与泌尿系结石的危险因素及结石成分的关系[J].四川医学,2018,39(2):138-141.
[4]Moreira DM,Friedlander JI,Hartman C,et al.Using 24-hour urinalysis to predict stone type[J].J Urol,2013.190(6):2106-2111.
[5]Moreira DM,Friedlander JI,Carons A,et al.Association of serum biochemical metabolic panel with stone composition[J].Int J Urol,2015.22(2):195-199.
[6]Otto BJ,Bozorgmehri S,Kuo J,et al.Age,Body mass index,and gender predict 24-hour urine parameters in recurrent idiopathic calcium oxalate stone formers[J].J Endourol,2017.31(12):1335-1341.
[7]Kidd AC,McGettrick M,Tsim S,et al.Survival prediction in mesothelioma using a scalable Lasso regression model:instructions for use and initial performance using clinical predictors[J].BMJOpen Respir Res,2018,5(1):e000240.
[8]Knoll T,Schubert AB,Fahlenkamp D,et al.Urolithiasis through the ages:data on more than 200,000 urinary stone analyses[J].J Urol,2011,185(4):1304-1311.
[9]Trinchieri A,Esposito N,Castelnuovo C,Dissolution of radiolucent renal stones by oral alkalinization with potassium citrate/potassium bicarbonate[J].Arch Ital Urol Androl,2009,81(3):188-191.
[10]Imamura Y,Kawamura K,Sazuka T,et al.Development of a nomogram for predicting the stone-free rate after transurethral ureterolithotripsy using semi-rigid ureteroscope[J].Int J Urol,2013,20(6):616-621.
[11]Khan SR.Reactive oxygen species as the molecular modulators of calcium oxalate kidney stone formation:evidence from clinical and experimental investigations[J].J Urol,2013,189(3):803-811.
[12]Jairath A,Parekh N,Otano N,et al.Oxalobacter formigenes:Opening the door to probiotic therapy for the treatment of hyperoxaluria[J].Scand J Urol,2015,49(4):334-337.
[13]Kim SC,Burns EK,Lingeman JE,et al.Cystine calculi:correlation of CT-visible structure,CT number,and stone morphology with fragmentation by shock wave lithotripsy[J].Urol Res,2007.35(6):319-324.
[14]Alan C,Kocoglu H,Kosar S,et al.Role of twinkling artifact in characterization of urinary calculi[J].Actas Urol Esp,2011,35(7):396-402.
[15]Hassani H,Raynal G,Spie R,et al.Imaging-based assessment of the mineral composition of urinary stones:an in vitro study of the combination of hounsfield unit measurement in noncontrast helical computerized tomography and the twinkling artifact in color doppler ultrasound[J].Ultrasound Med Biol,2012,38(5):803-810.
[16]Shang M,Sun X,Liu Q,et al.Quantitative evaluation of the effects of urinary stone composition and size on color doppler twinkling artifact:a phantom study[J].J Ultrasound Med,2017,36(4):733-740.
[17]Wisenbaugh ES,Paden RG,Silva AC,et al.Dual-energy vs conventional computed tomography in determining stone composition[J].Urology,2014,83(6):1243-1247.
[18]Marchini G S,Remer E M,Gebreselassie S,et al.Stone characteristics on noncontrast computed tomography:establishing definitive patterns to discriminate calcium and uric acid compositions[J].Urology,2013.82(3):539-46.
[19]Hughes P,The CARI guidelines.Kidney stones epidemiology[J].Nephrology (Carlton),2007,12 Suppl 1:S26-30.
[20]颜赟坤,柳建军,郑土康,等.粤西湛江地区285例泌尿系结石成分分析[J].中国医药科学,2018,8(2):176-179.
[21]Barbera M,Tsirgiotis A,Barbera M,et al.The importance of citrates in treatment and prophylaxis of calcium oxalate urinary stones[J].Arch Ital Urol Androl,2016,88(4):343-344.
[22]McCormack M,Dessureault J,Guitard M,The urine specific gravity dipstick:a useful tool to increase fluid intake in stone forming patients[J].J Urol,1991,146(6):1475-1477.
[23]Walker V,Stansbridge E M,Griffin D G,Demography and biochemistry of 2800 patients from a renal stones clinic[J].Ann Clin Biochem,2013,50(Pt 2):127-139.
[24]Perinpam M,Ware EB,Smith JA,et al.Effect of Demographics on Excretion of Key Urinary Factors Related to Kidney Stone Risk[J].Urology,2015,86(4):690-696.
[25]Lieske J C,Pena de la Vega L S,Slezak J M,et al.Renal stone epidemiology in Rochester,Minnesota:an update[J].Kidney Int,2006,69(4):760-764.
[26]米华,邓耀良,中国尿石症的流行病学特征[J].中华泌尿外科杂志,2003(10):66-67.
[27]Krambeck AE,Khan NF,Jackson ME,et al.Inaccurate reporting of mineral composition by commercial stone analysis laboratories:implications for infection and metabolic stones[J].J Urol,2010,184(4):1543-1549.
[28]Masterson JH,Woo JR,Chang DC,et al.Dyslipidemia is associated with an increased risk of nephrolithiasis[J].Urolithiasis,2015,43(1):49-53.
[29]Torricelli FC,De SK,Gebreselassie S,et al.Dyslipidemia and kidney stone risk[J].J Urol,2014,191(3):667-672.
[30]Khorami MH,Hashemi R,Bagherian-Sararoudi R,et al.The assessment of 24 24-h urine volume by measurement of urine specific gravity with dipstick in adults with nephrolithiasis[J].Adv Biomed Res,2012,1:86.