基于盆底压力评估构建中重度阴道松弛症的预测模型

杜俊晓，史雅静，屈 敏，李 蕾，王俊耐，奈嫚嫚，王鲁文,

（1.郑州大学第三附属医院盆底重建科，河南 郑州，450052；2.郑州大学第三附属医院医疗美容科，河南 郑州，450052)

阴道松弛综合征（Vaginal Laxity syndrome，VLS）通常是指阴道口和（或）阴道壁宽大松弛，在国内及国际尚无明确的定义[1,4],常常会导致性生活满意度降低及性功能障碍，多合并盆腔器官脱垂（pelvic organ prolapse，POP）、压力性尿失禁（Stress Urinary Incontinence,SUI）等盆底功能障碍性疾病，常引起生活不便，性格改变等，严重影响患者生活质量[1]。VLS是否为POP的早期症状还有待商榷[2,3]，但患者多因为POP等合并症就医，所以VLS本身的发病率及严重程度在临床上被严重低估[1]。轻度VLS患者的肌力多良好并且无自觉症状，可采用非手术治疗，而中重度患者多自觉阴道松弛，推荐手术治疗[4,5]。近年来VLS越来越受重视，但目前对VLS的大多数研究都集中在治疗方式上，而忽略了其发病的病理生理学的改变及主要影响因素，缺乏疾病的预测模型[6,7]。本研究通过收集我院盆底重建科门诊患者的盆底压力评估资料、进行统计分析，旨在构建中重度VLS的预测模型。

1 资料与方法

1.1 一般资料

选择 2021 年5 月至2023 年5 月于郑州大学第三附属医院盆底重建科门诊及住院部就诊的患者。纳入标准：（1）年龄≥18 岁；（2）于本院行盆底压力评估；（3）根据指检法，阴道放入3 指及以上[4]。排除标准 ：（1）资料不全 ；（2）产后1 年内及哺乳期或5 月内有引产[8]；（3）6 个月内盆腔手术史（如子宫切除等）；（4）既往治疗过VLS。将2021 年5 月至2023 年5 月期间收集的数据作为建模组，共948人。根据阴道松弛的分度，将无阴道松弛患者作为对照组，中度及重度阴道松弛作为病例组。将2023年6月至8月收集的数据作为验证组（共143 人），探讨盆底压力评估因素对VLS的影响。本研究已经过郑州大学第三附属医院伦理审批（审批号：2023-212-01）。

1.2 方法

1.2.1 临床资料收集

通过盆底压力评估的记录，主要收集盆底重建科门诊及住院部患者的年龄、身高、体重、孕次、产次、盆底压力评估报告的数据及合并症等临床资料。

1.2.2 阴道松弛综合征的诊断

①自觉有阴道松弛；②患者静息状态下进行测量，以阴道放入2 指及以下为正常、2 指松（阴道容纳并列2～3 横指）为轻度松弛、3 指（阴道容纳并列3～4 横指）为中度松弛、4 指及以上为重度松弛[4，9]。

1.2.3 POP 的定义

采用国际通用的盆腔器官脱垂定量分度法（pelvic organ prolapse quantitation，POP Q）进行器官脱垂的测量[10]。根据 POP Q 的分度标准，I度定义为脱垂的最远点＜-1 cm，Ⅱ 度定义 为脱垂的最远点位于-1～+1 cm。本研究中采用的POP发生定义为 POP Q Ⅱ 度及以上。

1.2.4 盆底压力评估[11]

使用6 分钟盆底压力评估模式，盆底肌力筛查的参数包括：（1）前静息阶段: 表示患者静息状态下盆底肌功能；（2）快速收缩阶段: 表示患者盆底肌快肌纤维的功能状态及比例情况；（3）紧张持续收缩阶段：了解患者快肌纤维和慢肌纤维的比例情况及功能；（4）耐力收缩阶段：指盆底肌中慢肌纤维的功能状态及比例情况；（5）后静息阶段：检查经过一系列的盆底动作后是否能较好地回复到静息状态。

1.3 统计学方法

应用SPSS 25.0软件进行统计学分析。计量资料如符合正态分布，用平均数±标准差表示，比较采用t检验；不符合正态分布者则以中位数（第25～75 百分位数）［M（P25～P75）］表示，比较采用Mann Whitne yU检验。计数资料数据以例数（百分率）表示［n（%）］，比较采用χ²检验。将有统计学差异的指标使用二元logistic回归分析VLS的相关影响因素。使用R studio（Version 3.4.1）引入最终进入logistic回归模型的所有变量，得出最佳回归模型。然后，采用自助采样法（bootstrap 法），重复抽样1000次进行自身内部验证。最后使用2023 年6 月至8 月收集的数据进行外部验，所有统计学分析以P＜0.05（双侧）有统计学意义。

2 结果

2.1 建模组及验证组患者的一般资料对比

建模组与验证组患者的年龄、顺娩次数、剖娩次数、BMI、耐力收缩阶段平均值、盆底肌筋膜炎、会阴裂伤及子宫切除比较，差异均无统计学意义（P＞0.05）;其余指标有统计学差异（P＜0.05）。具体见表1。

表1 建模组及验证组患者一般资料对比

2.2 VLS 的总体情况

纳入建模组的948 例患者中，发生中度及重度阴道松弛534 例（病例组），无阴道松弛者414例（对照组）。年龄为（19.0～80.0）岁，BMI为(15.6,38.2) kg/m2，无顺娩史患者有334 例（35.2%，334/948），有1次顺娩史者有275 例（29.0%，275/948），有多次顺娩史者（≥2次）有339例（35.8%，339/948），无剖娩史者有665 例（70.1%，665/948），有1 次剖娩史者有196 例（20.7%，196/948），有多次剖娩史者有87 例（9.2%，87/948），有前静息阶段平均值为（0.0～7.43）mmHg，快速收缩阶段最大值（2.62～63.34）mmHg，快速收缩阶段放松时间（0.16～12.70）mmHg，紧张收缩阶段平均值（0.33～48.87）mmHg，紧张收缩阶段放松时间（0.33～14.6）mmHg，耐力收缩阶段平均值（1.00～31.14）mmHg，后静息阶段平均值（0～16.40）mmHg，有盆腔器官脱垂者393 例(41.5%，393/948)，有压力性尿失禁437 例 (46.1%，437/948)，有盆底肌筋膜炎251 例 (26.5%，251/948)，有会阴裂伤33 例(3.5%，33/948)，有会阴切除18 例(1.90%，18/948)。

两组间在年龄、顺娩次数、剖娩次数、有无POP、有无SUI、有无子宫切除、紧张收缩阶段放松时间及后静息阶段平均值差异有统计学意义（P＜0.05）。见表2。

表2 建模组及验证组患者一般资料对比

2.4 多因素回归分析

将单因素分析有统计学意义的纳入回归，使用 R studio（Version 3.4.1）双向步进法筛选最终的回归模型因素（年龄、顺娩次数、剖娩次数、后静息阶段平均值、有无POP、有无子宫切除史）。经过多因素logistic回归分析，发现年龄越大，发生阴道松弛的可能性越小（OR=0.951，95%CI：0.935～0.967，P＜0.001）；有一次顺娩史的女性发生VLS的风险史无顺娩史女性的7.521 倍（OR=7.419，95%CI：4.719～11.692，P＜0.001），有多次顺娩史的女性发生VLS的风险史无顺娩史女性的12.329倍（OR=12.329，95%CI：7.324～20.754,P＜0.001）；有一次剖娩史的女性发生VLS的风险史无剖娩史女性的1.697倍（OR=1.697，95%CI：1.083～2.659，P=0.021），有多次顺娩史的女性发生VLS的风险是无顺娩史女性的3.136倍（OR=3.136，95%CI：1.738～5.659,P＜0.001）；有POP女性发生VLS的风险是无POP女性的2.845倍（OR=2.845，95%CI：2.029～3.987，P＜0.001）；子宫切除术后女性发生VLS的风险比没有子宫切除的女性小（OR=0.094，95%CI：0.025～0.352，P＜0.001）;后静息阶段平均值（OR=1.135，95%CI：1.085～1.219,P=0.002）也是VLS的危险因素，使用Graghpad 8.0将多因素logistic回归分析结果可视化，见图1。

图1 多因素logistic 回归分析图

图2 发生中度及重度VLS 的风险预测列线图

2.5 建立风险预测列线图

根据前述多因素分析结果，使用R语言rms包进一步建立VLS的风险预测列线图。假设某35 岁女性，阴道分娩过2 次，无POP，后静息阶段平均值为4 mmHg，无子宫切除，对应的中重度VLS的发生风险约65.6%（见图3）。根据列线图，临床医师可以方便、形象且较为准确地评估中重度VLS的发生风险以制定个体化的预防干预方案。

图3 建模组的受试者工作特征（ROC）曲线及校准曲线

2.6 发生中度及重度VLS 的风险预测模型的验证

2.6.1 内部验证

采用 bootstrap 法，重复抽样 1 000 次进行自身内部验证，校正 C index 为 0.726，说明模型的区分度良好。

2.6.2 外部验证

（1）受试者工作特征（receiver operating characteristic curve,ROC）曲线 引入最终进入 logistic回归模型的所有变量并绘制建模组的 ROC 曲线，得出预测中重度VLS发生的模型 C index 为0.788（95%CI为0.759～0.817），说明该模型的区分度良好。同时，对预测模型的校准度进行验证，发现预测VLS发生的校准曲线显示的预测值与实际值吻合较好，该预测模型的校准度较好，见图3 A和3 B。该模型的Hosmer Lemeshow 检验P值为0.058，P＞0.05，差异无统计学意义，说明模型拟合度良好。同时绘制验证组的ROC曲线，可见验证组的C index 为0.807（95%CI为0.733～0.881），验证组校准曲线可见其校准度良好，见图4 A及4 B；另外验证组的Hosmer Lemeshow 检验P值为0.887。说明该模型拟合度较好。（2）决策曲线分析（Decision Curve Analysis,DCA）由DCA曲线可见，该模型有良好的临床效用，建模组阈值概率范围为20%～90%，验证组阈值概率为40%～100%，见图5 A，5 B。即在此区间内，中度及重度VLS风险预测模型能获得净收益，有较好的临床价值。

图4 验证组的受试者工作特征（ROC）曲线及校准曲线

图5 建模组及验证组的决策曲线分析（DCA）

3 讨论

调查显示阴道松弛综合征女性中发生率为16.7%至38%[3]，VLS常会引起性生活不满意，反复炎症及合并POP和SUI，给患者造成心理和身体的双重伤害。但是阴道松弛目前没有诊断金标准，需要更多地客观指标来帮助诊断。国外多项研究通过盆底超声进行阴道松弛的预测[2,12,13]，得出肛提肌裂孔面积最具有预测及诊断价值。国内关于VLS的预测和诊断指标的研究比较少，多集中在治疗上。在阴道松弛症诊断与治疗专家共识[4]中提出盆底肌力测定可以作为诊断指标，所以本文采用盆底肌力测定作为客观指标进行预测。在临床上轻度的阴道松弛患者症状轻并且首选保守治疗，而症状较重的VLS患者则推荐手术治疗[4,9]，所以对中度及以上VLS的预测更有临床意义。由此，本文通过盆底肌压力评估对中度及重度VLS进行预测。

有些研究认为VLS是POP的早期发展阶段，但是在POP中，年龄属于危险因素[15]，而在本研究中，年龄是中度及重度VLS的保护因素，原因可能是年龄较小，性生活较活跃从而更容易发现并重视阴道松弛的相关症状[3]。年龄较大的患者多是由于合并POP或SUI前来就诊。在Dietz、Manzini以及Polland等人的研究中也都有提到年龄更小，性生活更活跃的人群更容易察觉到VLS[2,13,15]。有研究发现未分娩女性报告阴道松弛的发生率为4.8%，性交可能是重要因素，VLS给性活跃时期的年轻患者造成很大困扰[16,17,18]。所以年轻、性生活活跃的未分娩女性也有发生阴道松弛的风险，在临床上可以针对此进行个性化预防措施。

阴道分娩已经被证实为盆底功能障碍性疾病的危险因素[14]，Dietz等人的研究也提到阴道分娩的产次可能会导致VLS[2]。在本研究中将分娩方式及产次放在一起研究，分为顺娩产次及剖娩产次，经阴道分娩比经剖宫产分娩导致VLS的风险大，这与既往研究一致[19]。Campbell等人[20]的研究中表明产次是阴道松弛的一个重要风险因素，但初产与经产之间可能并没有区别。而本研究中，多次经阴道分娩史的女性发生阴道松弛的风险比仅有一次阴道分娩史女性要大，而且有多次剖宫产史女性的风险也比仅有一次剖宫产史的大。说明经产比初产发生中度及重度VLS的风险高。分娩次数逐渐增加时，往往导致腔内筋膜支持结构、阴道壁受损程度增加，容易导致阴道松弛、脱垂等疾病。所以在产后42 d指导女性进行盆底肌康复训练(pelvic floor muscle training，PFMT)很有必要。在一篇关于产前和产后进行PFMT的效果和方法的系统综述中建议在产前及产后均应进行盆底训练[21]。在另一项系统分析中表示产后盆底训练可能可以预防“阴道感觉松弛或松弛”的症状[22]。

本研究中发现后静息阶段平均值是VLS的危险因素，说明患者进行盆底肌收缩后不能恢复到正常状态，肌力处于高张状态，表示盆底肌无法放松可能会导致中度及重度VLS。另外有研究发现进行子宫切除术后可能会引起盆底器官脱垂，这可能是因为切除子宫会破坏病人正常盆膈结构，使盆腔自主神经受损[23,24]。但是在本研究中，子宫切除是VLS的保护因素，在国内外文献中尚未发现子宫切除与阴道松弛综合征的确切关系，这需要更多的研究来证明。

Dietz[2]等人在文中讲VLS作为二元变量通过评估，提到VLS很可能是POP的早期症状，但是在Polland等人[15]的研究中使用VLQ量表，发现VLQ评分与POP无显著相关性，他们提出应该做更多的研究来更好地定义阴道松弛的症状，并评估是否有任何客观指标与这种主观症状相关。在本研究中显示POP是中度及重度VLS的危险因素，说明POP与VLS可能均是由于盆底肌组织异常引起的，但VLS是否是POP的前提，需要更多不同维度的研究进行验证。综上所述，本研究中提示年龄、顺娩次数，剖娩次数，后静息阶段平均值，有无POP、有无子宫切除被纳入中重度VLS的预测模型，能够很好预测中重度VLS。可以在临床上辅助医生发现高危人群，提前帮助这群患者进行治疗，减少发生中度及重度VLS的概率。但是本文使用的是单中心研究数据，只有时段验证，没有进行空间验证，可能无法适用于所有地区。另外可能有数据量不足导致的偏移，需要更多的数据来支持预测的结果。