术后肺部并发症（Postoperative pulmonary complications, PPCs）是影响外科患者康复和死亡的主要原因，而老年患者是PPCs的高危人群。因此，开发老年患者PPCs的预测工具十分必要。该研究通过回顾性分析武汉协和医院9775例老年患者围术期资料，运用LASSO回归方法识别PPCs的关键因素，并开发和验证了一个包含新型生物标志物的风险预测模型。该模型预测效果明显优于经典的ARISCAT模型，可有效地为临床决策提供支持。

PPCs不仅增加了进入重症监护室的风险，延长了住院时间，还加重了医疗经济负担。尽管现有模型在评估 PPCs的风险方面取得了一定的进展，但由于手术种类单一或针对的群体大部分为成年人（年龄跨度较大），这些模型在老年患者群体中的特定适用性仍然存在一定的局限性。此外，最近的研究表明，全身炎症反应的一些指标，如白蛋白、NLR、ANS、LMR、PLR、SII在术后并发症的预测中显示出潜在的价值。目前缺乏评估这些指标预测老年患者发生 PPCs风险的相关数据，可能会影响预测患者发生PPCs风险的准确性。为了实现预测老年患者发生 PPCs风险的目标，迫切需要开发一种综合考虑传统风险因素和这些新兴生物标志物的全面而适用的工具。

项目团队回顾性评估了在6年期间接受全身麻醉的非心胸手术老年患者。符合条件的患者按 7：3 的比例随机分配到训练组和验证组。通过与经典的ARISCAT模型比较，评估了最终模型的C-index、校准度和NRI。

结果显示，在参与分析的 9775例患者中，8.31%的患者发生了 PPCs。最终预测模型包括五个变量：年龄、术前SpO2、ANS、手术时间以及红细胞输注。训练队列和验证队列模型的 C-index数值分别为 0.740和0.748。两个队列中 Hosmer-Lemeshow检验的 P值均不显著。与 ARISCAT模型相比，本研究的模型在 C-index（0.740 vs 0.717，P=0.003）和 NRI（0.117，P<0.001）方面均表现更佳。在炎症指标评估中，ANS对PPCs的预测效果最佳。此外，由于将ANS纳入模型，使得模型的表现更佳。

PPCs是常见的术后并发症之一，严重影响外科患者的术后康复。老年患者由于生理功能的自然衰退，如肺功能减弱、免疫系统低下以及其他多种慢性疾病，其PPCs的风险显著高于年轻患者。随着全球老龄化进程的加剧，全球 PPCs的负担将进一步加重。一些炎症指标反映了机体的炎症状态和免疫功能，与术后恢复过程中可能发生的各种并发症密切相关。此外，这些因素很容易通过血液化验检测出来，在临床实践中简单而常见。然而，现有的PPCs模型针对的群体年龄跨距较大，手术类型单一，缺乏这些新型的生物标志物。因此，开发针对老年患者PPCs的预测模型，并探索新型生物标志物的预测作用十分重要。

此研究是一项单中心、大样本的回顾性临床研究。研究者通过医院的电子病历数据库系统收集了9775例老年非心胸手术患者的围术期数据，使用LASSO回归方法筛选预测因子。研究发现，老年非心胸手术患者的PPCs发生率达到8.31%。与非PPCs患者相比，PPCs患者的术后的住院时间以及总住院时间明显增加。

在训练队列中，研究者通过 LASSO回归分析对 29个变量进行了评估。最终，研究者确定了五个具有独立统计学意义的预测因素：年龄、术前 SpO2、ANS、手术时间和红细胞输注。此PPCs预测模型具有中等的区分能力以及良好的校准性能；对比ARISCAT模型，该模型的性能具有一定的提升。在六个潜在的生物标志物中，ANS 的预测能力最强。此外，包含 ANS 模型的 AUC明显优于不包含 ANS 的模型（P<0.001）。临床医生可借助该模型准确预测老年非心胸手术患者在手术后可能出现的PPCs风险，从而支持医生根据每位患者的具体情况制定更为个性化的治疗方案，以降低PPCs的发生率。