Individualized Prediction of Postoperative Nausea and Vomiting Following Thoracoscopic Lung Surgery Through a Penalized Multivariable Nomogram

기술 요약: 흉강경 폐 수술 후 개별화된 구역질 및 구토 예측

문제 제기
수술 후 구역질 및 구토(PONV)는 비디오 보조 흉강경 수술(VATS) 후에 빈번하게 발생하는 임상적으로 중요한 합병증이며, 발생률이 50%에 육박할 수도 있다. 최소 침습 기술은 수술적 외상을 줄여주지만, 이중관 삽관, 일폐 환기(one-lung ventilation), 광범위한 흉곽 내 조작과 같은 특정 절차적 요인들은 환자를 PONV에 취약하게 만드는 생리적 스트레스를 유발한다. 지속적인 증상은 조기 가동 및 경구 섭취를 방해하여 회복의 질(QoR-15)에 부정적인 영향을 미친다.

현재의 임상적 위험 계층화는 주로 Apfel 단순 점수에 크게 의존하고 있다. 그러나 저자들은 이러한 일반적인 점수 체계가 절차 특이적 스트레스 요인(예: 종격동 림프절 절제, 수술 시간)이나 흉부 수술 고유의 수술 전후 생리적 변화를 포착하지 못한다고 주장한다. 또한, 기존의 예측 모델들은 종종 수술 후 변수(예: 통증 점수, 회복 평가)를 예측 인자로 포함한다. 이러한 변수들은 통계적으로는 강력할 수 있으나, 시간적 인과성을 위반하므로 수술 전 예방적 의사결정을 위한 모델로는 부적합하다.

연구 방법론
본 연구는 2024년 8월부터 2025년 5월까지 안후이 흉부 병원에서 연속적으로 시행된 121명의 VATS 환자를 대상으로 하는 후향적 관찰 설계 방식을 채택하였다.

• 데이터 분할: 코호트는 7:3 비율로 훈련 세트($n=84$)와 독립 테스트 세트($n=37$)로 무작위 분할되었다.
• 예측 인자 선정: 시간적 타당성을 확보하기 위해, 모델은 오로지 수술 전 및 수술 중 변수만을 사용하여 구축되었다. 수술 후 지표는 엄격히 제외되었다. 14개의 후보 예측 인자가 포함되었다:
  • 인구통계학/생활 방식: 연령, 성별, BMI, 흡연력.
  • 기초 평가: ASA 분류, Apfel 점수.
  • 실험실 생체 지표: 헤모글로빈, 알부민, 글로불린, C-반응성 단백질(CRP).
  • 수술 중 요인: 수술 절차 유형, 종격동 림프절 절제, 수술 시간, 수술 중 출혈량.
• 알고리즘: 상대적으로 작은 표본 크기와 14개 예측 인자 간의 다중공선성 위험을 고려하여, 저자들은 **L2 규제 로지스틱 회귀(릿지 회귀, Ridge regression)**를 사용하였다. 이 접근 방식은 계수의 크기를 제한하여 과적합을 줄이고 모델의 안정성을 높이기 위해 선택되었다. 규제 매개변수($C$)는 교차 검증을 통해 최적화되었으며, 그 결과 최적의 계수는 0.0518로 나타났다.
• 검증: 모델은 다음 항목들을 사용하여 평가되었다:
  • 판별력: 수신자 작동 특성 곡선 아래 면적(AUC).
  • 교정(Calibration): 브리어 점수(Brier score) 및 교정 곡선.
  • 임상적 유용성: 결정 곡선 분석(DCA).
  • 안정성: 5-겹 교차 검증.

주요 결과

• 모델 성능: 최종 패널티 노모그램은 14개 변수를 모두 통합하였다.
  • 훈련 코호트: 0.9132의 AUC를 달성하였다.
  • 독립 테스트 코호트: 0.8743(95% CI: 0.6638–1.0000)의 AUC를 기록하며 강력한 판별 능력을 유지하였다.
  • 교차 검증: 5-겹 교차 검증 결과 평균 AUC는 0.8615 ± 0.0508로 나타났으며, 이는 데이터 분할 간에 안정적인 성능을 나타낸다.
• 분류 지표: 최적의 확률 임계값인 0.5792(Youden 지수에 의해 결정됨)를 사용할 때, 모델은 다음과 같은 성과를 보였다:
  • 민감도: 72.22%
  • 특이도: 89.47%
  • 양성 예측도(PPV): 86.67%
  • 음성 예측도(NPV): 77.27%
• 교정 및 유용성: 테스트 브리어 점수는 0.1648로, 예측된 확률과 실제 결과 사이의 밀접한 일치를 나타냈다. 결정 곡선 분석 결과, 노모그램은 광범위한 임계 확률 범위에서 "모두 치료" 또는 "치료 안 함" 전략보다 더 높은 순 임상 이득을 제공함을 입증했다.

주요 기여

1. 시간적 타당성: 본 연구는 수술 전 또는 수술 중에 사용 가능한 변수만을 사용하여 성공적으로 예측 도구를 개발함으로써, 수술 후 데이터를 사용하는 모델의 시간적 인과성 문제를 피했다.
2. 절차 특이적 통합: 본 모델은 일반적인 Apfel 점수를 넘어, 환자의 염증 및 영양 상태를 반영하는 흉부 특이적 스트레스 요인(예: 림프절 절제, 수술 시간)과 생물학적 지표(예: CRP, 글로불린)를 통합하였다.
3. 규제화된 접근 방식: 릿지 회귀를 적용함으로써, 본 연구는 적은 표본의 고차원 데이터셋에서의 과적합 문제를 해결하고, 적은 코호트 규모에도 불구하고 모델의 일반화 가능성을 확보하였다.
4. 높은 특이도: 모델은 특히 높은 특이도(89.47%)를 보여주었으며, 이는 모델이 PONV가 발생하지 않을 환자를 식별하는 데 매우 효과적임을 시사한다. 따라서 불필요한 예방적 처치를 피할 수 있게 한다.

의의 및 주장
저자들은 이 패널티 노모그램이 수술 후 회복 향상(ERAS) 경로를 위한 실용적인 의사결정 지원 도구 역할을 한다고 주장한다. 개별화된 위험 계층화를 가능하게 함으로써, 모델은 다음과 같은 사항을 촉진한다:

• 표적 예방: 고위험 환자를 식별하여 집중적인 다각적 항구토 전략을 적용할 수 있다.
• 자원 최적화: 모델이 식별한 저위험 환자(높은 특이도에 의해)는 불필요한 약제 비용과 잠재적인 부작용을 피할 수 있다.

본 논문은 모델이 강력한 내부 타당성과 교정 능력을 보여주지만, 광범위한 외부 검증을 위해서는 더 큰 다기관 인구 집단에서의 추가 검증이 필요하다고 결론짓는다. 저자들은 단일 센터 연구라는 점과 전자 기록상의 제약으로 인해 상세한 수술 중 마취 데이터(예: 특정 마약성 진통제 소비량)가 제외된 점을 명시적인 한계로 언급하였다.