引用本文： 王江南, 严卫亚, 蔡健, 丁学兵. CT引导下Hook-wire精准定位孤立磨玻璃结节的危险因素及其Nomogram预测模型构建. 中国胸心血管外科临床杂志, 2024, 31(9): 1258-1265. doi: 10.7507/1007-4848.202212066 复制
肺癌是全球主要癌症之一，也是癌症死亡的主要原因，2010—2014年，大多数国家的肺癌患者确诊后5年的存活率仅为10%～20%[1]。自2013年美国预防服务工作组（United States Preventive Services Task Force，USPSTF）首次建议进行肺癌筛查后，晚期肺癌的诊断大幅下降。治疗手段的进步和早期诊断对肺癌预后有很大改善，5年相对生存率较前明显上升[2]。低剂量计算机断层扫描（computed tomography，CT）是高危人群肺癌筛查的有效手段，对于高风险肺结节，电视胸腔镜下手术切除是目前的首选治疗方案。为了在充分切除病灶的前提下尽可能保留患者的健康肺组织，保护患者肺功能，精确定位肺结节至关重要。术前CT引导下Hook-wire定位肺结节具有较高的定位成功率和极低的严重不良定位并发症发生率，是目前临床广泛应用的定位方式[3-6]。但是精准定位的定义并无明确标准，且对于影响精准定位的相关风险因素及其重要性还有待深入研究。因此，为探究CT引导下Hook-wire精准定位风险因素和确定最佳定位管理策略，需要建立风险预测模型。在各类模型中，Nomogram可以提供准确、个性化的循证风险评估[7-8]。Nomogram风险预测模型在各个领域均有优秀的表现。目前，多种影响Hook-wire定位的风险因素被提出和讨论[9]，但利用Nomogram预测模型进行评价非常少见，尤其是在精准定位方面。
1 资料与方法
1.1 临床资料和分组
回顾性纳入2018年7月—2022年11月在南京医科大学附属苏州医院行CT引导下Hook-wire穿刺定位的患者。纳入标准：（1）定位方式为CT引导下Hook-wire穿刺定位单个肺结节；（2）同一定位医师，且医师拥有2年以上定位经验；（3）具备完善的定位影像学图像；（4）定位钩末端均在肺实质内。排除标准：（1）同期多个肺结节（2个肺结节或以上）定位；（2）患者有精神疾患或者其他原因不能配合者。按照7∶3的比例将患者随机分为训练集和验证集。
1.2 精准定位肺结节的定义
在各研究中对于成功定位肺结节的标准各有不同，其中Ala等[9]、Li等[10]认为理想的定位为定位钩末端至结节的距离为1 cm；有研究[11]则以不脱钩、在术中能找到肺结节为定位成功标准。本研究定位钩均在肺实质内，我们将训练集钩尖至肺结节的中位距离（6.74 mm）作为分界标准，定位钩末端至肺结节距离≤6.74 mm定义为精准定位，否则为非精准定位。
1.3 数据收集
收集患者的一般信息：姓名、性别、年龄、吸烟史、身高、体重指数（body mass index，BMI）。年龄按照世界卫生组织（World Health Organization，WHO）分段标准分为青年（18～<45岁）、中年（45～<60岁）、老年（≥60岁），BMI按照WHO标准分为偏瘦（＜18.5 kg/m2）、正常（18.5 kg/m2≤BMI＜25 kg/m2）、超重（25 kg/m2≤BMI＜28 kg/m2）、肥胖（≥28 kg/m2）。手术相关信息：定位的肺叶分布、是否有胸腔粘连、结节病理类型。定位相关信息：定位针穿刺的部位（前、侧、后肋）、结节大小、定位时间、定位并发症、定位钩末端至结节距离、结节至胸膜表面距离、结节至皮肤距离（沿穿刺道）、穿刺道的厚度、定位针与水平面的角度、定位针与皮肤表面的角度、定位过程中CT扫描次数、是否被遮挡。将穿刺针与水平面或者皮肤表面夹角在90°±10°定义为垂直，其他角度定义为非垂直。所有涉及测量的工作由2位临床医师独立进行，取两组数据的平均值作为最终结果。
1.4 统计学分析
采用SPSS 22.0及R4.0.3软件进行数据分析。分类变量采用频数和百分比描述，组间比较采用四格表χ2检验或Fisher确切概率法，等级变量的组间比较采用秩和检验。无缺失值数据。身高、定位时间、结节至胸膜表面距离、结节至皮肤表面距离、穿刺道厚度对定位准确性的影响采用单因素分析，并根据最优界值转化为二分类变量。计算各变量的方差膨胀因子（variance inflation factor，VIF）评估回归模型中变量是否存在多重共线性。采用单因素及多因素logistic回归分析确定训练集中影响精准定位的风险因素。基于logistic回归结果，建立影响CT引导下Hook-wire精准定位单个肺磨玻璃结节的预测模型。计算95%置信区间（confidence interval，CI）的预测概率和优势比。构建Nomogram对CT引导下Hook-wire定位患者个体非精准定位风险进行评分。通过灵敏度、特异度和受试者工作特征（receiver operating characteristic，ROC）曲线及曲线下面积（area under the curve，AUC）评估区分度，利用校准曲线反映观察结果和预测之间的一致性。采用验证集绘制ROC曲线和校准曲线进行内部验证。利用两组数据分别进行临床决策曲线分析（decision curve analysis，DCA），通过从真阳性中减去假阳性的比例，并平衡无干扰的相对风险和不必要干扰的负面影响，计算净收益。双侧检验P≤0.05为差异有统计学意义。
1.5 伦理审查
本研究经苏州市立医院伦理委员会审查，伦理审查号：K-2022-021-K01。
2 结果
2.1 患者基线特征
共247例行CT引导下Hook-wire穿刺定位肺结节患者，排除同期多个肺结节患者16例，定位后未见影像学图像患者6例，定位过程中患者不能配合或者其他原因导致定位中断、失败者18例，定位钩未位于肺实质内患者8例，最终共199例患者纳入研究，其中男72例、女127例，年龄25～83岁。训练集139例，验证集60例。训练集中，精准定位组70例，非精准定位组69例。两组患者性别、年龄、吸烟史、胸壁及肺部疾病史、穿刺胸壁前后位置、穿刺胸壁上下位置、手术肺叶、胸腔粘连、病理、BMI分级、定位并发症差异无统计学意义（P＞0.05），身高、定位时间、结节至肺表面距离、结节至皮肤表面距离、穿刺道厚度、定位针垂直于水平面、定位针垂直于皮肤表面切线、CT扫描次数、遮挡差异有统计学意义（P＜0.05）；见表1。
表1
139例训练集患者基线资料［例（%）］
2.2 精准定位的危险因素
将上述差异有统计学意义（P≤0.05）的相关因素进行多重共线性检验，所有变量VIF＜10，说明不存在多重共线性。单因素和多因素logistic回归分析显示，身高、定位针垂直于水平面、定位针垂直于皮肤表面切线、CT扫描次数、遮挡为影响患者精准定位的独立风险因素；见表2。
表2
精准定位影响因素的分析结果
2.3 Nomogram模型
将身高、定位针垂直于水平面、定位针垂直于皮肤表面切线、CT扫描次数和遮挡纳入预测模型，最终得到的模型具有统计学意义［χ2（5）=58.169，P=0.000］，其回归方程为：logit（P）=−2.505+1.242×身高+1.222×定位针垂直于水平面+1.793×定位针垂直于皮肤表面切线+2.357×遮挡+1.108×CT扫描次数。经Hosmer-Lemeshow检验显示联合预测模型拟合良好［χ2（7）=58.169，自由度（DF）=7，P=0.27］。Nomogram列线图见图1。
图1
CT引导下Hook-wire精准定位的Nomogram列线图
在相应的轴上确定变量的值，在评分标准数轴上画一条对应垂直线确定分数，将每个变量的分数相加得到总分，从总分数轴上画一条垂直线确定非精准定位的概率
2.4 模型区分度和校准度检验
使用ROC曲线分析，评估训练集建立预测模型的性能，该模型的AUC为0.843，95%CI（0.776，0.910），表明诊断性能良好。在最佳截断值下，灵敏度为79.7%，特异性为81.4%；见图2a。采用Bootstrap方法从训练集再次抽样1 000次，并绘制校准曲线，结果显示校准图形中标准曲线与预测校准曲线贴合良好，绝对误差为0.014，说明模型的校准度良好；见图2b。利用验证集数据进行内部验证，验证集AUC为0.854，95%CI（0.759，0.950）；见图2c。采用相同方法绘制校准曲线，绝对误差为0.027，显示预测概率和实际概率之间具有良好的一致性；见图2d。
图2
训练集和验证集的ROC曲线和校准曲线
a～b：分别为训练集ROC曲线和校准曲线；c～d：分别为验证集的ROC曲线和校准曲线；图b和d中黑色虚线表示理想的标准曲线，红色实线表示本模型的表现，绿色实线表示校准后的校准曲线；ROC：受试者工作特征
2.5 模型的临床决策曲线分析
使用DCA曲线分析训练集（图3a）和验证集（图3b）的临床获益，训练集阈值概率在8%～85%有较高的临床获益，验证集阈值概率在18%～99%有较高的临床获益，两者在较大阈值范围内均有较高的临床获益。
图3
训练集和验证集的DCA曲线
a：训练集的DCA曲线；b：验证集的DCA曲线；灰色斜线表示假设对所有患者都进行干预，黑色横线表示假设对所有患者都不施加干预，黑色曲线代表模型；DCA：决策曲线分析
3 讨论
本研究共纳入20个可能的变量评估CT引导下精准定位肺结节的风险，通过多因素分析，最终共纳入5个变量：身高、穿刺针是否垂直于水平面、穿刺针是否垂直于皮肤切线、CT扫描的次数以及遮挡。本研究开发了CT引导下精准定位肺结节的预测模型Nomogram图，其具有良好的诊断性能［AUC=0.843，95%CI（0.776，0.910）］。使用Bootstrap法抽样，抽样次数为1 000次，并绘制校准图，模型表现出良好的校准度。再利用验证集进行内部验证，同样表现出良好的区分度［AUC=0.854，95%CI（0.759，0.950）］和校准度。此外，基于决策曲线分析结果，该预测模型在临床环境中使用时表现出优异的性能。对精准定位肺结节的风险进行评估，可为制定预防或降低此类事件发生率的策略做出重要贡献。
本研究结果表明，遮挡是精准定位的影响因素。该因素在其他研究[12]中也经常作为定位的独立影响因素被提及。肋骨和肩胛骨作为胸部特有的骨性结构，其对Hook-wire的定位影响是肯定的。位于肺表面、被肋骨遮挡的肺结节，由于肋骨宽度有限，即使被遮挡，导致定位针难以直接定位，也可将定位针紧贴肋骨，穿刺定位在肺结节某侧，通过肺结节与肺表面穿刺点的关系，基本完成定位。但是，对于被肩胛骨遮挡的肺结节，由于肩胛骨宽大，遮挡范围广，想要准确定位肺结节，倾斜角度进针就难以避免。在本研究中，不论是训练集还是验证集，遮挡的比例在非精准定位组中远高于精准定位组，多因素分析显示遮挡是精确定位的危险因素。其可能的原因在于，当肺结节被遮挡后，定位针不能以最短的距离穿刺至肺结节，需要调整穿刺针角度进行穿刺，在调整的过程中，没有精确的仪器测量，调整的角度需要凭借操作者的熟练程度进行判断。即使操作者非常熟悉，对于一些微小角度的调整也不够精确，导致定位钩末端与结节存在一定距离。同时，调整之后的穿刺针道长度也明显增加，遮挡物越大，增加的穿刺长度也越长，导致即使是细微角度的变化，也会使定位钩末端偏离结节的距离增加。
当通过CT扫描制定穿刺计划，确定好定位点之后，精准的角度把控就是精确定位肺结节至关重要的因素。在目前的Hook-wire定位操作中，尚无精确判断穿刺针角度的工具和方法，操作医师的经验在其中占据绝对优势。垂直于某个确定的参考平面是比较容易判断的，在本研究中，穿刺针垂直于水平面或垂直于皮肤表面切线都是精准定位的有利因素。脱位和移位是定位失败的主要原因，而气胸又是导致脱位的主要原因[13]。但是较大的胸膜-穿刺针角度是气胸的保护因素，因为这可能减少了肺活动时的撕裂，这也提示穿刺角度与精准定位有一定联系，因为垂直穿刺可能减少气胸发生，从而减少定位后的偏移，使定位更理想[14]。因此建议在对需要Hook-wire定位患者进行穿刺规划时，尽可能垂直于水平面或者皮肤进针点切线进针，这既可以更准确把握进针角度，也可使穿刺距离最短。
CT扫描次数对于精准定位的影响可以解释为对定位时间和难度的影响。本研究选择的穿刺方法需进行3次CT扫描：患者进入CT室，摆好体位，制定好初步穿刺计划后进行第1次CT扫描；然后确定穿刺点，消毒麻醉，将穿刺针按照计划刺入胸部，此时不进入胸腔，进行第2次CT扫描；根据扫描结果对穿刺针进行细微调整后穿刺进入肺部，释放穿刺针后，进行第3次CT扫描，判断定位钩最终的位置以及是否有穿刺相关并发症。相较于Yan等[11]报道的2次CT扫描方案，可在不影响肺部的情况下在穿刺前进行穿刺针的调整，更准确定位到目标结节。本研究提示CT扫描次数>3次是精准定位的危险因素。
本研究中将身高以最佳分界点为界限，划分为两类：≤166.5 cm或＞166.5 cm。多因素分析显示，身高≤166.5 cm是精准定位的保护因素，这可能与患者定位时呼吸运动有关。身高比较矮的患者，胸腔长度较短，呼吸运动时肺组织在胸腔内的活动度更低，因此在CT体表定位到定位针进入肺组织的过程中，肺组织位置因呼吸运动改变小，定位更准确。另一种可能原因是，身高较矮者，肋间隙更狭窄，穿刺针在肋间的偏离距离受限，因此在定位时即使定位针稍有偏差，由于狭窄肋间隙的限制或邻近肋骨的指示，使最终定位结果更为准确。Yang等[15]的研究也提及体型过大导致勾丝脱位，但并未进一步研究，因此还需更多研究支持。
对于本研究中模型的鉴别，训练集和验证集的AUC分别为0.843和0.854。这提示，预测模型对CT引导下Hook-wire定位肺结节的精确性有良好的区分度。模型的校准曲线在预测概率和实际概率之间显示出较高的拟合度，这表明模型的校准度良好。
在制定穿刺计划时，根据本研究的Nomogram模型，可以简单预测精准定位的概率，及时调整、更改或者放弃穿刺，以此达到最佳临床获益。我们的研究也有局限性。首先，本研究为回顾性研究，样本量偏小，部分变量置信区间较大，其准确性还需更多前瞻性研究进行验证。其次，本研究纳入的变量并不包含所有可能变量，并且有的变量在以往的研究中并未被大量、深入研究，还需在更大样本量、更多研究中进一步证明。最后，本研究的训练集和验证集均来自于同一中心，在后续的研究中我们会纳入其他中心数据进行验证。
利益冲突：无。
作者贡献：王江南负责研究设计，数据收集、整理和分析，论文撰写；严卫亚负责研究设计，数据收集，论文内容调整、修改；蔡健负责数据收集、整理和分析；丁学兵负责研究设计指导，修改、审阅文章内容。
肺癌是全球主要癌症之一，也是癌症死亡的主要原因，2010—2014年，大多数国家的肺癌患者确诊后5年的存活率仅为10%～20%[1]。自2013年美国预防服务工作组（United States Preventive Services Task Force，USPSTF）首次建议进行肺癌筛查后，晚期肺癌的诊断大幅下降。治疗手段的进步和早期诊断对肺癌预后有很大改善，5年相对生存率较前明显上升[2]。低剂量计算机断层扫描（computed tomography，CT）是高危人群肺癌筛查的有效手段，对于高风险肺结节，电视胸腔镜下手术切除是目前的首选治疗方案。为了在充分切除病灶的前提下尽可能保留患者的健康肺组织，保护患者肺功能，精确定位肺结节至关重要。术前CT引导下Hook-wire定位肺结节具有较高的定位成功率和极低的严重不良定位并发症发生率，是目前临床广泛应用的定位方式[3-6]。但是精准定位的定义并无明确标准，且对于影响精准定位的相关风险因素及其重要性还有待深入研究。因此，为探究CT引导下Hook-wire精准定位风险因素和确定最佳定位管理策略，需要建立风险预测模型。在各类模型中，Nomogram可以提供准确、个性化的循证风险评估[7-8]。Nomogram风险预测模型在各个领域均有优秀的表现。目前，多种影响Hook-wire定位的风险因素被提出和讨论[9]，但利用Nomogram预测模型进行评价非常少见，尤其是在精准定位方面。
1 资料与方法
1.1 临床资料和分组
回顾性纳入2018年7月—2022年11月在南京医科大学附属苏州医院行CT引导下Hook-wire穿刺定位的患者。纳入标准：（1）定位方式为CT引导下Hook-wire穿刺定位单个肺结节；（2）同一定位医师，且医师拥有2年以上定位经验；（3）具备完善的定位影像学图像；（4）定位钩末端均在肺实质内。排除标准：（1）同期多个肺结节（2个肺结节或以上）定位；（2）患者有精神疾患或者其他原因不能配合者。按照7∶3的比例将患者随机分为训练集和验证集。
1.2 精准定位肺结节的定义
在各研究中对于成功定位肺结节的标准各有不同，其中Ala等[9]、Li等[10]认为理想的定位为定位钩末端至结节的距离为1 cm；有研究[11]则以不脱钩、在术中能找到肺结节为定位成功标准。本研究定位钩均在肺实质内，我们将训练集钩尖至肺结节的中位距离（6.74 mm）作为分界标准，定位钩末端至肺结节距离≤6.74 mm定义为精准定位，否则为非精准定位。
1.3 数据收集
收集患者的一般信息：姓名、性别、年龄、吸烟史、身高、体重指数（body mass index，BMI）。年龄按照世界卫生组织（World Health Organization，WHO）分段标准分为青年（18～<45岁）、中年（45～<60岁）、老年（≥60岁），BMI按照WHO标准分为偏瘦（＜18.5 kg/m2）、正常（18.5 kg/m2≤BMI＜25 kg/m2）、超重（25 kg/m2≤BMI＜28 kg/m2）、肥胖（≥28 kg/m2）。手术相关信息：定位的肺叶分布、是否有胸腔粘连、结节病理类型。定位相关信息：定位针穿刺的部位（前、侧、后肋）、结节大小、定位时间、定位并发症、定位钩末端至结节距离、结节至胸膜表面距离、结节至皮肤距离（沿穿刺道）、穿刺道的厚度、定位针与水平面的角度、定位针与皮肤表面的角度、定位过程中CT扫描次数、是否被遮挡。将穿刺针与水平面或者皮肤表面夹角在90°±10°定义为垂直，其他角度定义为非垂直。所有涉及测量的工作由2位临床医师独立进行，取两组数据的平均值作为最终结果。
1.4 统计学分析
采用SPSS 22.0及R4.0.3软件进行数据分析。分类变量采用频数和百分比描述，组间比较采用四格表χ2检验或Fisher确切概率法，等级变量的组间比较采用秩和检验。无缺失值数据。身高、定位时间、结节至胸膜表面距离、结节至皮肤表面距离、穿刺道厚度对定位准确性的影响采用单因素分析，并根据最优界值转化为二分类变量。计算各变量的方差膨胀因子（variance inflation factor，VIF）评估回归模型中变量是否存在多重共线性。采用单因素及多因素logistic回归分析确定训练集中影响精准定位的风险因素。基于logistic回归结果，建立影响CT引导下Hook-wire精准定位单个肺磨玻璃结节的预测模型。计算95%置信区间（confidence interval，CI）的预测概率和优势比。构建Nomogram对CT引导下Hook-wire定位患者个体非精准定位风险进行评分。通过灵敏度、特异度和受试者工作特征（receiver operating characteristic，ROC）曲线及曲线下面积（area under the curve，AUC）评估区分度，利用校准曲线反映观察结果和预测之间的一致性。采用验证集绘制ROC曲线和校准曲线进行内部验证。利用两组数据分别进行临床决策曲线分析（decision curve analysis，DCA），通过从真阳性中减去假阳性的比例，并平衡无干扰的相对风险和不必要干扰的负面影响，计算净收益。双侧检验P≤0.05为差异有统计学意义。
1.5 伦理审查
本研究经苏州市立医院伦理委员会审查，伦理审查号：K-2022-021-K01。
2 结果
2.1 患者基线特征
共247例行CT引导下Hook-wire穿刺定位肺结节患者，排除同期多个肺结节患者16例，定位后未见影像学图像患者6例，定位过程中患者不能配合或者其他原因导致定位中断、失败者18例，定位钩未位于肺实质内患者8例，最终共199例患者纳入研究，其中男72例、女127例，年龄25～83岁。训练集139例，验证集60例。训练集中，精准定位组70例，非精准定位组69例。两组患者性别、年龄、吸烟史、胸壁及肺部疾病史、穿刺胸壁前后位置、穿刺胸壁上下位置、手术肺叶、胸腔粘连、病理、BMI分级、定位并发症差异无统计学意义（P＞0.05），身高、定位时间、结节至肺表面距离、结节至皮肤表面距离、穿刺道厚度、定位针垂直于水平面、定位针垂直于皮肤表面切线、CT扫描次数、遮挡差异有统计学意义（P＜0.05）；见表1。
表1
139例训练集患者基线资料［例（%）］
2.2 精准定位的危险因素
将上述差异有统计学意义（P≤0.05）的相关因素进行多重共线性检验，所有变量VIF＜10，说明不存在多重共线性。单因素和多因素logistic回归分析显示，身高、定位针垂直于水平面、定位针垂直于皮肤表面切线、CT扫描次数、遮挡为影响患者精准定位的独立风险因素；见表2。
表2
精准定位影响因素的分析结果
2.3 Nomogram模型
将身高、定位针垂直于水平面、定位针垂直于皮肤表面切线、CT扫描次数和遮挡纳入预测模型，最终得到的模型具有统计学意义［χ2（5）=58.169，P=0.000］，其回归方程为：logit（P）=−2.505+1.242×身高+1.222×定位针垂直于水平面+1.793×定位针垂直于皮肤表面切线+2.357×遮挡+1.108×CT扫描次数。经Hosmer-Lemeshow检验显示联合预测模型拟合良好［χ2（7）=58.169，自由度（DF）=7，P=0.27］。Nomogram列线图见图1。
图1
CT引导下Hook-wire精准定位的Nomogram列线图
在相应的轴上确定变量的值，在评分标准数轴上画一条对应垂直线确定分数，将每个变量的分数相加得到总分，从总分数轴上画一条垂直线确定非精准定位的概率
2.4 模型区分度和校准度检验
使用ROC曲线分析，评估训练集建立预测模型的性能，该模型的AUC为0.843，95%CI（0.776，0.910），表明诊断性能良好。在最佳截断值下，灵敏度为79.7%，特异性为81.4%；见图2a。采用Bootstrap方法从训练集再次抽样1 000次，并绘制校准曲线，结果显示校准图形中标准曲线与预测校准曲线贴合良好，绝对误差为0.014，说明模型的校准度良好；见图2b。利用验证集数据进行内部验证，验证集AUC为0.854，95%CI（0.759，0.950）；见图2c。采用相同方法绘制校准曲线，绝对误差为0.027，显示预测概率和实际概率之间具有良好的一致性；见图2d。
图2
训练集和验证集的ROC曲线和校准曲线
a～b：分别为训练集ROC曲线和校准曲线；c～d：分别为验证集的ROC曲线和校准曲线；图b和d中黑色虚线表示理想的标准曲线，红色实线表示本模型的表现，绿色实线表示校准后的校准曲线；ROC：受试者工作特征
2.5 模型的临床决策曲线分析
使用DCA曲线分析训练集（图3a）和验证集（图3b）的临床获益，训练集阈值概率在8%～85%有较高的临床获益，验证集阈值概率在18%～99%有较高的临床获益，两者在较大阈值范围内均有较高的临床获益。
图3
训练集和验证集的DCA曲线
a：训练集的DCA曲线；b：验证集的DCA曲线；灰色斜线表示假设对所有患者都进行干预，黑色横线表示假设对所有患者都不施加干预，黑色曲线代表模型；DCA：决策曲线分析
3 讨论
本研究共纳入20个可能的变量评估CT引导下精准定位肺结节的风险，通过多因素分析，最终共纳入5个变量：身高、穿刺针是否垂直于水平面、穿刺针是否垂直于皮肤切线、CT扫描的次数以及遮挡。本研究开发了CT引导下精准定位肺结节的预测模型Nomogram图，其具有良好的诊断性能［AUC=0.843，95%CI（0.776，0.910）］。使用Bootstrap法抽样，抽样次数为1 000次，并绘制校准图，模型表现出良好的校准度。再利用验证集进行内部验证，同样表现出良好的区分度［AUC=0.854，95%CI（0.759，0.950）］和校准度。此外，基于决策曲线分析结果，该预测模型在临床环境中使用时表现出优异的性能。对精准定位肺结节的风险进行评估，可为制定预防或降低此类事件发生率的策略做出重要贡献。
本研究结果表明，遮挡是精准定位的影响因素。该因素在其他研究[12]中也经常作为定位的独立影响因素被提及。肋骨和肩胛骨作为胸部特有的骨性结构，其对Hook-wire的定位影响是肯定的。位于肺表面、被肋骨遮挡的肺结节，由于肋骨宽度有限，即使被遮挡，导致定位针难以直接定位，也可将定位针紧贴肋骨，穿刺定位在肺结节某侧，通过肺结节与肺表面穿刺点的关系，基本完成定位。但是，对于被肩胛骨遮挡的肺结节，由于肩胛骨宽大，遮挡范围广，想要准确定位肺结节，倾斜角度进针就难以避免。在本研究中，不论是训练集还是验证集，遮挡的比例在非精准定位组中远高于精准定位组，多因素分析显示遮挡是精确定位的危险因素。其可能的原因在于，当肺结节被遮挡后，定位针不能以最短的距离穿刺至肺结节，需要调整穿刺针角度进行穿刺，在调整的过程中，没有精确的仪器测量，调整的角度需要凭借操作者的熟练程度进行判断。即使操作者非常熟悉，对于一些微小角度的调整也不够精确，导致定位钩末端与结节存在一定距离。同时，调整之后的穿刺针道长度也明显增加，遮挡物越大，增加的穿刺长度也越长，导致即使是细微角度的变化，也会使定位钩末端偏离结节的距离增加。
当通过CT扫描制定穿刺计划，确定好定位点之后，精准的角度把控就是精确定位肺结节至关重要的因素。在目前的Hook-wire定位操作中，尚无精确判断穿刺针角度的工具和方法，操作医师的经验在其中占据绝对优势。垂直于某个确定的参考平面是比较容易判断的，在本研究中，穿刺针垂直于水平面或垂直于皮肤表面切线都是精准定位的有利因素。脱位和移位是定位失败的主要原因，而气胸又是导致脱位的主要原因[13]。但是较大的胸膜-穿刺针角度是气胸的保护因素，因为这可能减少了肺活动时的撕裂，这也提示穿刺角度与精准定位有一定联系，因为垂直穿刺可能减少气胸发生，从而减少定位后的偏移，使定位更理想[14]。因此建议在对需要Hook-wire定位患者进行穿刺规划时，尽可能垂直于水平面或者皮肤进针点切线进针，这既可以更准确把握进针角度，也可使穿刺距离最短。
CT扫描次数对于精准定位的影响可以解释为对定位时间和难度的影响。本研究选择的穿刺方法需进行3次CT扫描：患者进入CT室，摆好体位，制定好初步穿刺计划后进行第1次CT扫描；然后确定穿刺点，消毒麻醉，将穿刺针按照计划刺入胸部，此时不进入胸腔，进行第2次CT扫描；根据扫描结果对穿刺针进行细微调整后穿刺进入肺部，释放穿刺针后，进行第3次CT扫描，判断定位钩最终的位置以及是否有穿刺相关并发症。相较于Yan等[11]报道的2次CT扫描方案，可在不影响肺部的情况下在穿刺前进行穿刺针的调整，更准确定位到目标结节。本研究提示CT扫描次数>3次是精准定位的危险因素。
本研究中将身高以最佳分界点为界限，划分为两类：≤166.5 cm或＞166.5 cm。多因素分析显示，身高≤166.5 cm是精准定位的保护因素，这可能与患者定位时呼吸运动有关。身高比较矮的患者，胸腔长度较短，呼吸运动时肺组织在胸腔内的活动度更低，因此在CT体表定位到定位针进入肺组织的过程中，肺组织位置因呼吸运动改变小，定位更准确。另一种可能原因是，身高较矮者，肋间隙更狭窄，穿刺针在肋间的偏离距离受限，因此在定位时即使定位针稍有偏差，由于狭窄肋间隙的限制或邻近肋骨的指示，使最终定位结果更为准确。Yang等[15]的研究也提及体型过大导致勾丝脱位，但并未进一步研究，因此还需更多研究支持。
对于本研究中模型的鉴别，训练集和验证集的AUC分别为0.843和0.854。这提示，预测模型对CT引导下Hook-wire定位肺结节的精确性有良好的区分度。模型的校准曲线在预测概率和实际概率之间显示出较高的拟合度，这表明模型的校准度良好。
在制定穿刺计划时，根据本研究的Nomogram模型，可以简单预测精准定位的概率，及时调整、更改或者放弃穿刺，以此达到最佳临床获益。我们的研究也有局限性。首先，本研究为回顾性研究，样本量偏小，部分变量置信区间较大，其准确性还需更多前瞻性研究进行验证。其次，本研究纳入的变量并不包含所有可能变量，并且有的变量在以往的研究中并未被大量、深入研究，还需在更大样本量、更多研究中进一步证明。最后，本研究的训练集和验证集均来自于同一中心，在后续的研究中我们会纳入其他中心数据进行验证。
利益冲突：无。
作者贡献：王江南负责研究设计，数据收集、整理和分析，论文撰写；严卫亚负责研究设计，数据收集，论文内容调整、修改；蔡健负责数据收集、整理和分析；丁学兵负责研究设计指导，修改、审阅文章内容。
