妇科肿瘤学中ERAS组件早期采用阶段实施结构的网络分析

Implementation Structure of ERAS Components in Gynecologic Oncology During Early Adoption: A Network-Based Analysis

作者信息Vasilios Pergialiotis, Dimitrios Haidopoulos, Alexandros Daponte, Dimitrios Tsolakidis, Stamatios Petousis, Ioannis Kalogiannidis, Dimitrios Efthymios Vlachos, Maria Fanaki, Vasilios Lygizos, George Delinasios, Panagiotis Tzitzis, Philipos Ntailianas, Vasilios Theodoulidis, Chrysoula Margioula Siarkou, Nikolaos Thomakos
PMID42452326
发布时间2026-06-23
DOI10.3390/jcm15134864

实验完整度

中

基于前瞻性队列的二次分析,使用网络模型评估ERAS组件实施结构,包含中心性和社区检测,但缺乏功能验证和机制验证。

主要模型

ERGO多中心前瞻性队列(300例妇科恶性肿瘤手术患者) 条件依赖网络模型(正则化Ising模型)

重点核对

样本量:300例连续患者 ERAS组件纳入标准:患病率5%-95%,共13个 网络估计方法:L1惩罚邻域选择,EBIC模型选择 显示阈值:|β|≥0.10,但所有网络指标基于完整网络 中心性稳定性:强度中心性中位Spearman相关0.92(95%CI 0.81-0.97)

摘要

目的:描述妇科肿瘤学中加速康复外科(ERAS)组件实施的结构组织,并确定在早期路径整合期间ERAS元素是否作为相互关联的围手术期系统运行。方法:本研究是对前瞻性多中心妇科肿瘤加速康复(ERGO)队列的二次分析,包括来自五家三级医疗机构的连续300例行妇科恶性肿瘤手术的患者。将患病率在5%至95%之间的组件纳入正则化Ising网络模型,以估计路径元素之间的条件依赖性。计算节点级中心性指标和全局网络特征,以识别结构上具有影响力的ERAS组件并描述整体实施架构。结果:共有13个核心ERAS组件满足预定义的患病率标准(5-95%),并纳入条件依赖网络。估计的网络显示出显著的组件间连通性,表明ERAS实践经常以协调模式而非孤立干预方式实施。中心性分析确定术后泻药或嚼口香糖、氨甲环酸给药、围手术期静脉液体管理以及避免放置引流管是网络内高度连接的元素。早期营养推进和术后肠道刺激措施在恢复相关组件簇中也显示出相对中心的地位。社区检测分析揭示了跨越多个围手术期阶段的共同采用的ERAS实践的不同模块。结论:妇科肿瘤学中的ERAS实施似乎遵循一种结构化的架构,其特征是相互关联的围手术期实践而非独立的方案元素。理解这些实施结构可能有助于指导针对性的质量改进策略,以优化ERAS在日常临床实践中的整合。

实验结论

提炼研究问题、关键发现与证据,快速把握文章的核心贡献。

研究问题
在早期整合阶段,妇科肿瘤学中ERAS组件的实施是否表现为相互连接的围手术期系统,而非独立的干预措施?
核心机制
ERAS组件的实施表现出相互连接的结构,形成跨越围手术期阶段的模块,表明存在协调的实践模式。
主要证据
基于300例患者的正则化Ising网络分析显示,13个组件间有43条边,网络密度0.551,社区检测发现4个模块,且术后肠道恢复、静脉液体管理等组件具有高中心性。
研究意义
理解ERAS实施结构有助于指导针对性的质量改进策略,优化ERAS在常规临床实践中的整合。

研究路径

按研究推进顺序梳理实验设计、验证步骤与关键观察。

1

患者纳入与数据收集

描述ERGO队列中接受妇科恶性肿瘤手术患者的基线特征和ERAS组件实施情况。

前瞻性纳入五家三级医疗机构的连续300例患者,使用标准化电子病例报告表记录ERAS组件的实施情况。

2

ERAS组件筛选

确定用于网络分析的ERAS组件,确保其具有足够的变异性。

根据ERAS协会建议定义ERAS组件,并筛选患病率在5%-95%的组件。

3

网络模型估计

估计ERAS组件之间的条件依赖关系,并评估网络整体结构。

使用正则化Ising模型估计网络,通过L1惩罚邻域选择和扩展BIC进行模型选择。

4

中心性与社区检测

识别网络中结构重要的ERAS组件,并检测共同采用的模块。

计算节点级中心性指标(度、强度、中介性)和全局网络指标,并基于模块性进行社区检测。

5

网络稳定性评估

评估网络估计的稳健性。

通过bootstrap重采样评估边选择和中心性估计的稳定性。

研究方法

按研究目的归类文中使用的方法,便于定位所需技术。

产品清单

实验环节名称品牌货号
REDCap----
R----
RStudio----
dplyr包----
IsingFit包----
qgraph包----
igraph库----

关键环节

汇总复现实验时建议重点确认的条件及原文阅读提示。

环节核对要点
研究设计与伦理审批
研究注册号(NCT06655506),伦理批准号(IRB No. 131/2024)
阅读提示:Methods 2.1节
患者纳入与排除标准
纳入标准:成年女性,计划行妇科恶性肿瘤择期手术,适合ERAS;排除标准:非妇科转移性疾病、严重功能损害、医疗禁忌或紧急手术
阅读提示:Methods 2.2节
ERAS组件定义与数据收集
13个ERAS组件的定义和二元编码,数据记录于REDCap
阅读提示:Methods 2.2节
网络模型估计
患病率5%-95%筛选,L1惩罚邻域选择,EBIC模型选择
阅读提示:Methods 2.4节,Results 第1段
网络稳定性和中心性分析
bootstrap重采样评估边选择和中心性稳定性,强度中心性中位Spearman相关0.92
阅读提示:Methods 2.4节,Results 第6段