前列腺切除术后尿失禁（post-prostatectomy incontinence，PPI）是前列腺癌根治术后患者最常见的并发症，显著影响患者的康复进程。患者拔除导尿管即刻PPI的发生率高达90%以上，术后1年仍有近20%的患者存在尿失禁困扰^[1-2]。PPI会使患者丧失对排尿的控制，需要日常使用尿垫；长期的尿液刺激可导致皮肤感染和失禁性皮炎的发生率上升，甚至引起泌尿系统感染；患者往往会排斥人际交往、出现社交缺失的情况，严重影响心理健康，同时也会对部分前列腺癌晚期患者术后1年内的辅助治疗产生不利影响^[3-4]。因此，探索PPI的危险因素，精准识别高危患者，科学预测PPI发生风险已成为泌尿外科医护人员迫切需要解决的问题。风险预测模型在疾病发生和预后判断中显示出良好的应用价值^[5]。当前，关于PPI风险预测模型的研究结果参差不齐，且缺乏对相关研究的系统性评价。鉴于此，本研究对PPI风险预测模型的偏倚风险和适用性进行了系统性评价，旨在为临床医护人员选择合适的PPI风险评估工具提供科学指导。

根据预测模型的系统评价指南推荐的“PICOTS”原则^[6]制定循证策略，其中目标人群（population，P）为接受前列腺癌根治术的患者，待评价的预测模型（index prediction model，I）为PPI风险预测模型，其他比较模型（comparative model，C）无，结局指标（outcome，O）为PPI的发生情况和恢复程度，模型的使用时刻（timing，T）为前列腺癌根治术后1年内，模型使用环境（setting，S）为泌尿中心病房和尿失禁护理门诊。本研究根据预测模型系统评价的严格评估和数据提取清单（critical appraisal and data extraction for systematic reviews of prediction modeling studies，CHARMS）^[6]制定研究方案，已在国际前瞻性系统评价登记平台（International Prospective Register of Systematic Reviews，PROSPERO）注册，注册号为CRD42024516625。

系统检索PubMed、Web of Science、Cochrane Library、CINAHL、EMBASE、中国知网、万方、维普、中国生物医学文献数据库。采用主题词和自由词相结合，以滚雪球的方式扩大检索，检索百度文库、Google学术以补充灰色文献。检索时间为建库至2024年1月23日。英文文献检索以PubMed为例，检索式为“((prostate cancer [MeSH Terms]) OR (radical prostatectomy [Title/Abstract]) OR (prostatectomy [Title/Abstract])) AND ((urinary incontinence [MeSH Terms]) OR (urinary control [Title/Abstract]) OR (incontinence [Title/Abstract])) AND ((nomogram [MeSH Terms]) OR (risk prediction [Title/Abstract]) OR (predict* model [Title/Abstract]) OR (risk model [Title/Abstract]) OR (prediction tool [Title/Abstract]) OR (diagnostic model [Title/Abstract]) OR (risk factor [Title/Abstract]))”。中文文献检索以万方为例，检索式为“题名或关键词: (前列腺癌OR根治性前列腺切除术OR前列腺癌根治术) AND题名或关键词: (尿失禁OR尿控) AND主题: (预测模型OR风险预测模型OR列线图OR风险评分OR风险因素OR预测因素)”。

纳入标准：（1）研究人群为PPI患者；（2）内容为构建和（或）验证PPI风险预测模型；（3）结局为PPI的恢复情况；（4）研究类型为前瞻性或回顾性队列研究、横断面研究、病例对照研究。排除标准：（1）仅报道危险因素，未构建模型；（2）未经同行评审的出版物；（3）非中、英文文献；（4）预测因子＜2个；（5）无法获取全文。

将检索记录导入EndNote X21软件自动查重。根据纳入和排除标准，先通过阅读标题和摘要初步筛选，后阅读全文进行筛查。使用基于CHARMS的标准化表格提取数据^[6]，提取的信息包括数据来源、研究对象特征、研究结局、预测因子、样本量、统计分析细节、模型的预测性能、模型评估与结果呈现。文献筛选和数据提取均由2名作者独立完成并交叉核对，出现不一致时由另一名研究者加入讨论，直至达成统一结论。

由2名作者独立使用预测模型偏倚风险工具（prediction model risk of bias assessment tool，PROBAST）^[7-8]评估所纳入研究的偏倚风险和适用性，如出现不一致，由另一名研究者加入讨论，直至达成统一结论。偏倚风险评估包括研究对象、预测因子、结果和统计分析4个方面，共20个问题，每个问题以“是”“可能是”“不是”“可能不是”“没有信息”5个层次进行评价。如果某方面的任意一个问题的评价结果为“不是”或“可能不是”，则该方面被认为是高偏倚风险，只有当所有方面都被评价为低偏倚风险时，总体偏倚风险才能被评价为低风险。利用该工具对前3个方面的适用性进行判断，每个方面按照“高”“低”“不清楚”来评估，如果任意一个方面的适用性低，则被认为总体适用性低。

使用MedCalc软件对验证组模型ROC曲线的AUC进行meta分析^[9]。AUC＜0.7表明模型区分度较差，0.7~0.8表明区分度中等，＞0.8表明区分度较好。纳入研究间的异质性分析采用Q检验并结合I²定量判断异质性大小（I²≤25%为低度异质性，25%＜I²≤50%为中度异质性，I²＞50%为高度异质性）^[10]。如果I²＞50%，则采用随机效应模型，反之采用固定效应模型。对有明显临床异质性的研究进行亚组分析、敏感性分析或只行描述性分析。采用Egger检验分析发表偏倚。meta分析的检验水准（α）为0.05。

检索获得相关文献922篇，经过逐步筛选纳入8项研究^[11-18]进行系统评价，共包含7 216名研究对象；纳入3项研究^{[13, 17-18]}进行meta分析，共包含2 140名研究对象。文献筛选流程见图 1。

图 1 文献筛选流程图 Fig 1 Flow diagram of literature screening

本研究纳入中文文献2篇^[17-18]，英文文献6篇^[11-16]，均为回顾性队列研究，6篇文献对结局指标的测评采用24 h尿垫试验^{[12, 14-18]}，预测范围为3~24个月，大多数研究预测的PPI结局时间为3个月或12个月，模型常见的预测因子为年龄、BMI、前列腺体积、膜性尿道长度、术中保留神经等，模型呈现方式多为列线图。纳入文献的基本特征见表 1。

表 1 (Tab 1)

表 1 纳入文献的基本特征 Tab 1 Basic characteristics of included literatures Study Participant Source of data Model type Outcome Predictor Model presentation PPI definition Evaluative methods Follow-up time/month PPI incidence/% Pinkhasov, 2022[11] Patients who underwent RARP at Roswell Park Comprehensive Cancer Center in the USA from 2008 to 2018 Retrospective cohort D, V ①, ② UCLA-PCI-SF, IPSS 24 6 months: 77; 12 months: 52; 24 months: 37 Age, race, BMI, IIEF-5 Nomogram Barnoiu, 2013[12] Patients who underwent RARP at Carlos Haya Hospital in Spain from 2007 to 2011 Retrospective cohort D ② 24-h pad count 12 12 months: 17.2 Prostate volume, IIEF-5, AACCI, intraoperative nerve-sparing, 1-month urine leakage Nomogram Collette, 2021[13] Patients who underwent RARP at Amsterdam Urology in the Netherlands from 2009 to 2017 Retrospective cohort D, V ①, ② Patient self-report, EPIC-26 12 12 months: 19.9 Age, BMI, IPSS, prostate volume, intraoperative nerve-sparing, ASA score, surgeon experience Web calculator Matsushita, 2015[14] Patients who underwent RP at Memorial Sloan Kettering Cancer Center in the USA from 2001 to 2010 Retrospective cohort D ①, ② 24-h pad count 12 6 months: 32; 12 months: 18 Age, BMI, MUL, ASA score Nomogram Jeong, 2014[15] Patients who underwent RARP or ORP at Seoul National University Bundang Hospital in South Korea from 2004 to 2011 Retrospective cohort D, V ② 24-h pad count 12 1 months: 73.2; 3 months: 49.1; 12 months: 17.6 Age, MUL, surgical approach, intraoperative nerve-sparing, prostate volume Nomogram Zhang, 2023[16] Patients who underwent LRP at Peking University Third Hospital from 2015 to 2018 Retrospective cohort D, V ① 24-h pad count 3 3 months: 38.3 MUL, clinical stage, IPPL, PADR Nomogram Mao, 2023[17] Patients who underwent LRP at Peking University Third Hospital from 2016 to 2020 Retrospective cohort D, V ① 24-h pad count 3 3 months: 40.6 MUL, IPPL, clinical stage Nomogram Zhong, 2023[18] Patients who underwent LRP at 363 Hospital from 2018 to 2022 Retrospective cohort D, V ② 24-h pad count 3 3 months: 37.3 MUL, intraoperative nerve-sparing, bladder neck preservation, posterior fascia reconstruction, regular PFMT NA Items relevant only to the development of a prediction model are denoted by D, items relating solely to a validation of a prediction model are denoted by V, and items relating to both are denoted D, V. Studies where the number of pads used per day≥1 are marked as ①, while studies where the number of pads used per day＞1 are marked as ②. PPI: Post-prostatectomy incontinence; RARP: Robot-assisted radical prostatectomy; RP: Radical prostatectomy; ORP: Open radical prostatectomy; LRP: Laparoscopic radical prostatectomy; UCLA-PCI-SF: University of Califovnia-Los Angeles prostate cancer index short form; IPSS: International prostate symptom score; EPIC-26: Expanded prostate cancer index composite-26; BMI: Body mass index; IIEF-5: The international index of erectile function-5; AACCI: Age-adjusted Charlson comorbidity index; ASA: American Society of Anesthesiologists; MUL: Membranous urethral length; IPPL: Intravesical prostatic protrusion length; PADR: Prostate apex depth ratio; PFMT: Pelvic floor muscle training; NA: Not available.

表 1 纳入文献的基本特征 Tab 1 Basic characteristics of included literatures

在预测模型的基本情况方面，所有研究均采用单因素分析筛选预测变量，建模工具多采用SPSS和R软件，7篇文献采用logistic回归建模^[11-17]、1篇文献采用人工神经网络建模^[18]，5个模型将部分连续变量转化为分类变量^{[11, 13, 16-18]}、3个模型保持变量的连续性^{[12, 14-15]}，所有模型均未完善缺失值。在模型性能方面，6篇文献报告了建模组和/或验证组的AUC^{[11, 13, 15-18]}，2篇文献报告了模型的灵敏度和特异度^{[16, 18]}，5篇文献使用了Hosmer-Lemeshow拟合优度检验^{[12, 15-18]}，7篇文献绘制了校准图^{[11, 13-18]}，3篇文献描述了临床决策曲线分析^[16-18]。在模型验证方面，6个模型进行了内部验证^{[11, 13, 15-18]}，所有模型均未经过外部验证。预测模型的基本情况见表 2。

表 2 (Tab 2)

表 2 纳入文献预测模型的基本情况 Tab 2 Basic characteristics of prediction models of included literatures Study Total sample size Statistical analysis details Model performance Model validation Predictor transformation Missing data Predictor selection Modeling tool Model selection Discrimination AUC (95% CI) Calibration Clinical benefit Internal validation External validation Pinkhasov, 2022[11] 680 (544d/136v) ① NA Based on univariate SAS Logistic regression 6 m: 0.640d, 0.520v; 12 m: 0.660d, 0.560v; 24 m: 0.800d; 0.760v, Calibration plot NA Bootstrap NA Barnoiu, 2013[12] 209 ② NA Based on univariate R Logistic regression 0.928d H-L NA NA NA Collette, 2021[13] 1 814 ① NA Based on univariate R Logistic regression 0.650 (0.610, 0.680)d, 0.610 (0.540, 0.700)v Calibration plot NA 10-fold cross-validation NA Matsushita, 2015[14] 2 849 (1 899d/950v) ② NA Based on univariate Stata Logistic regression 6 m: 0.729v; 12 m: 0.709v Calibration plot NA NA NA Jeong, 2014[15] 1 168 (872d/296v) ② NA Based on univariate SPSS, R Logistic regression 1 m: 0.641d, 0.633v; 3 m: 0.672d, 0.654v; 12 m: 0.725d, 0.711v H-L, calibration plot NA 200 times Bootstrap NA Zhang, 2023[16] 170 (124d/46v) ① NA Based on univariate SPSS, R Logistic regression 0.880d, sensitivity 80.0%d, specificity 81.6%d; 0.875v, sensitivity 82.8%v, specificity 82.4%v H-L, calibration plot DCA 7∶3 split validation NA Mao, 2023[17] 202 (141d/61v) ① NA Based on univariate SPSS, R Logistic regression 0.885 (0.826, 0.994)d, 0.854 (0.757, 0.950)v H-L, calibration plot DCA 7∶3 split validation NA Zhong, 2023[18] 124 (83d/41v) ① NA Based on univariate SPSS Artificial neural network 0.848 (0.806, 0.922)d, sensitivity 81.3%d, specificity 88.8%d; 0.834 (0.800, 0.903)v, sensitivity 80.5%v, specificity 86.6%v H-L, calibration plot DCA 2∶1 split validation NA Modeling group data are denoted as “d”, while validation group data are denoted as “v”. Studies where continuous variables were converted to categorical variables are marked as ①, while studies where variables were maintained as continuous are marked as ②. AUC: Area under curve; CI: Confidence interval; m: Month(s); H-L: Hosmer-Lemeshow; DCA: Decision curve analysis; NA: Not available.

表 2 纳入文献预测模型的基本情况 Tab 2 Basic characteristics of prediction models of included literatures

总体上，8篇文献的偏倚风险均为高风险，2篇文献的适用性高^{[11, 13]}、6篇文献的适用性低^{[12, 14-18]}。高偏倚风险最常见的来源为研究对象和统计分析2个方面，具体原因为研究对象来源于回顾性队列研究、部分连续性变量转化成二分类变量、未对缺失数据进行合适的处理、仅采用单因素分析法筛选预测因子、未完整报告模型的区分度和校准度、仅使用Hosmer-Lemeshow检验评估拟合优度、未正确考量模型过拟合和欠拟合、缺乏模型的外部验证等。见表 3。

表 3 (Tab 3)

表 3 纳入模型的偏倚风险和适用性评价结果 Tab 3 Bias risk and applicability assessment results included in the models Study Bias risk Applicability Overall Participant Predictor Outcome Analysis Participant Predictor Outcome Bias risk Applicability Pinkhasov, 2022[11] − ? + − + − + − − Barnoiu, 2013[12] − ? − − + + + − + Collette, 2021[13] − ? − − + − + − − Matsushita, 2015[14] − − + − + ? + − + Jeong, 2014[15] − + + − + + + − + Zhang, 2023[16] − + + − + + + − + Mao, 2023[17] − ? ? − + ? + − + Zhong, 2023[18] − ? ? − + ? + − + “+” indicates low bias risk/low concern regarding applicability; “−” indicates high bias risk/high concern regarding applicability; and “?” indicates unclear bias risk/unclear concern regarding applicability.

表 3 纳入模型的偏倚风险和适用性评价结果 Tab 3 Bias risk and applicability assessment results included in the models

6个模型^{[11, 13, 15-18]}报告了验证结果，建模组AUC范围为0.600~0.928，验证组AUC范围为0.520~0.875。由于所纳入的研究对模型性能报告不充分，只有3项研究^{[13, 17-18]}符合meta分析要求。使用随机效应模型计算验证组的AUC，得出合并AUC为0.765（95% CI0.640~0.890），表明模型区分能力中等；异质性检验I²＝90.78%（P＜0.001），表明研究之间存在高度异质性。剔除Collette等^[13]显示极端AUC值的模型后，随机效应meta分析结果为0.840（95% CI 0.786~0.895），异质性检验I²＝0%（P＝0.737），meta分析结果较稳定。验证组AUC的meta分析结果见图 2。

图 2 验证组AUC的meta分析 Fig 2 Meta-analysis of AUC in validation groups AUC: Area under curve; CI: Confidence interval.

Egger检验结果提示研究无显著发表偏倚（P＝0.803）。

PPI是前列腺癌根治术后最常见的并发症之一，近年来，越来越多的预测模型被用来预测PPI患者的康复水平，但其研究结果存在差异且研究质量尚未经过全面评估。本研究首次对PPI的预测模型进行了系统评价与meta分析，对指导临床实践与治疗决策具有一定价值。

明确PPI的预测因子是制定预测模型的关键步骤，不仅有助于对PPI的发生概率进行预判，更便于针对性地对患者进行治疗和护理^[19]。本研究结果显示，PPI的预测因子包括患者基本资料、疾病情况、手术因素和术后因素。4项研究^{[11, 13-15]}将年龄作为PPI风险的最终预测因子，以往研究也表明高龄与PPI的严重程度呈正相关^[20]。分析原因为衰老过程可能会造成尿道横纹肌的形态和功能发生变化，从而导致横纹肌细胞数量减少，进而损伤尿道括约肌功能^[21]。此外，膜性尿道长度和神经保留也表现出较强的预测价值^[12-18]，术中最大限度地保留膜性尿道和盆底周围神经对患者术后尿控恢复有促进作用。但由于此类手术技术取决于患者治疗要求和手术医师的能力，其测量和评估具有一定的主观性，故其参考价值有待进一步研究。

患者术后正确规律的盆底肌训练是PPI的重要影响因素，但系统性评价发现仅少数研究纳入了该预测因素^{[18, 22]}，分析原因可能是目前缺乏盆底肌训练的标准化训练方案，使相关变量的收集面临较大困难。因此在筛选PPI风险预测因子时应全面考虑其测量的难易度、成本和可及性^[23]。此外，患者的BMI、前列腺大小、临床分期、手术方式、术前下尿路功能和国际勃起功能指数等也被认为是PPI风险预测模型的高频预测因子，可作为未来模型的潜在预测因子，指导PPI风险因素的研究。

本研究纳入的模型在验证组的AUC范围为0.520~0.875，模型性能差异较大，且模型的异质性较高，这可能与不同模型纳入的人群差异有关。然而，模型间的异质性高，这可能与不同模型的纳入人群差异有关。从纳入研究的偏倚风险和适用性看，各个模型均存在较高的偏倚风险，风险集中在研究对象纳入、模型变量筛选与处理、模型构建与验证及模型性能评估等方面，这与其他预测模型系统评价结果^[24]相似。

系统评价发现模型纳入的研究对象多来源于回顾性队列，存在一定的回忆偏倚，未来研究应尽可能采用前瞻性队列作为PPI预后模型的样本来源。在筛选预测变量过程中，基于单因素筛选已成为普遍方式，但其往往无法识别混杂因素而导致模型过拟合，故筛选预测变量时不可仅依靠单变量筛选，还需结合临床实际^[7]。此外，越来越多的研究采用LASSO回归来处理高维数据及筛选潜在变量，通过引入惩罚项来降低极端变量的估计值，有效提高了模型估计的准确性，降低了过拟合的概率^[25-27]。

本研究发现，当前所有PPI风险预测模型均未经外部验证。Damen等^[28]研究表明，在363个心血管疾病预测模型中只有19%的模型经过独立的外部验证，可见模型的临床实践率较低，这提示未来研究应关注已有模型的外部验证及临床适用性，以更好地在临床推广应用。PPI康复水平的改善具有时间依赖性，而现有模型仅可预测特定时间点的PPI发生概率，尚未有模型可预测PPI发生概率随时间的变化情况。此外，现有模型多采用logistic回归进行建模，建模方式较为单一，有待进一步探索。系统评价结果发现，现有的模型结果报告透明度尚不充分，如模型的区分度和校准度、模型临床效益、缺失值的处理方法等，这导致模型的预测性能和实际效益难以评估。因此，研究者应遵循预测模型的研究方法和报告流程，以提高研究质量^[29-30]。

本研究存在以下不足：（1）目前对于尿失禁的定义、评估方式、测量时点尚无统一标准，故系统性评价纳入了2种定义方式和2个时间点的PPI风险预测模型，这可能不利于模型的效果评估；（2）由于多数研究未报告模型的灵敏度、特异度等，无法进行meta分析，因此本研究最后仅合并了3个模型的AUC值，在一定程度上影响了结果的准确性；（3）本研究纳入文献数量较少，未进行亚组分析和meta回归分析。

尽管部分PPI风险预测模型表现出一定的预测性能，但在方法学上尚不完善，存在较高的偏倚风险，且临床实践率低，因此现有的模型不能推荐用于临床实践。未来的研究应着力解决以上问题，构建基于多中心、大样本数据的预测模型，尤其是可以关注模型的多中心外部验证，严格遵循TRIPOD声明规范研究方法和报告流程，以建立可用于临床实践的PPI风险预测模型。