COSSH-ACLFs評分模型對HBV相關慢加急性肝衰竭患者短期預后的預測價值

田小利， 吳松林， 王 波， 吳 剛

西南醫科大學附屬醫院 a. 感染科； b. 重癥醫學科， 四川 瀘州 646000

慢加急性肝衰竭(ACLF)是指在慢性肝臟疾病的基礎上由于多種誘因導致的急性或者亞急性肝功能惡化，短期病死率高達50%～90%[1-2]。早期準確評估ACLF患者預后能夠有助于臨床制訂最佳治療方案。目前，臨床常見ACLF預后評估模型包括：MELD、MELD-Na、CLIF-C OFs和 CLIF-C ACLFs。MELD評分最初主要用于評估肝硬化患者經頸靜脈肝門門體分流術后的臨床預后，目前也被推薦用于評估肝移植的臨床預后[3]。薈萃分析[4]顯示，MELD評分對預測ACLF患者短期臨床預后的準確度高于Child-Turcotte-Pugh評分。在此基礎上，Biggins等[5]將血清鈉(Na)納入MELD模型，從而衍生出MELD-Na評分。研究[6]顯示，MELD-Na評分預測ACLF患者3個月生存率準確度高于MELD評分。Jalan等[7]在CLIF-SOFA 模型的基礎上提出簡化版評分模型即CLIF-C OFs，該模型不僅更簡單實用，而且與CLIF-SOFA 在預測患者病死率方面價值相當。Hernaez等[8]在CLIF-C OFs的基礎上納入WBC和年齡兩個因素，提出了CLIF-C ACLFs模型。研究[9]顯示，在預測28 d病死率方面，CLIF-C ACLFs 評分的準確度優于CLIF-C OFs、MELD 和Child-Pugh評分。與其他國家不同，我國ACLF患者的病因主要為慢性乙型肝炎。一項納入我國13家醫院HBV-ACLF患者的研究[10]發現，COSSH-ACLFs評分預測患者90 d病死率的準確度優于CLIF-C ACLFs 評分。因此，COSSH-ACLFs評分可能更加適用于我國患者。本研究旨在驗證COSSH-ACLFs評分預測HBV-ACLF患者90 d病死率的準確度，并與上述評分模型比較。

1 資料與方法

1.1 研究對象 選取2014年1月-2019年10月西南醫科大學附屬醫院、2017年1月-2018年12月內江市第一人民醫院及宜賓市第二人民醫院收治的HBV-ACLF患者。納入標準：(1)HBsAg陽性；(2)符合《肝衰竭診治指南(2018年版)》[11]中慢加急性(或亞急性)肝衰竭診斷標準。排除標準：(1)合并其他嗜肝病毒感染(HAV/HCV/HDV/HEV)，或可能導致肝衰竭的其他病毒感染(如HIV/EB病毒/巨細胞病毒/皰疹病毒)；(2)合并肝癌或其他惡性腫瘤；(3)合并其他系統嚴重基礎疾病(如心肌梗死、心力衰竭、肺結核等)或入院時即存在嚴重營養不良；(4)合并自身免疫性肝病/酒精性肝病/遺傳代謝性肝??；(5)臨床資料不全者；(6)失訪患者。所有患者入院后均給予內科綜合治療。自確診之日起隨訪90 d，通過電子病歷資料或者電話隨訪獲得90 d時的生存狀況。

1.2 研究方法 收集所有患者的一般資料及實驗室檢查指標，包括年齡、性別、外周血WBC、RBC、Hb、PLT、ALT、AST、Alb、TBil、肌酐(Cr)、Na、PT、國際標準化比值(INR)、PTA。收集患者相關并發癥，包括上消化道出血、肝性腦病(HE)、腹膜炎。此外，由于計算CLIF-C OFs與HBV-SOFA[12]的需要，收集患者血氧飽和度(SPO2)及吸氧流量(FiO2)、平均動脈壓。各評分模型的計算公式如下：

MELD=3.8×ln[TBil (mg/dl)]+11.2×ln (INR)+9.6×ln[Cr (mg/dl)]+6.4×(膽汁性或酒精性：0，其他：1)[3]。

MELD-Na=MELD+1.59×[135-Na(mmol/L)][5]。

CLIF-C OFs評分公式見表1。

CLIF-C ACLFs = 10×[0.33×CLIF-OFs[7]+0.04×年齡+0. 63×In(WBC) -2][8]。

COSSH-ACLFs=0.741×INR+0.523 × HBV-SOFA+0.026 ×年齡+0.003×[TBil (mg / dl)][10]。

HBV-SOFA 評分公式見表2。

表1 CLIF-COFs 評分

表2 HBV-SOFA評分

1.3 倫理學審查 本研究經由西南醫科大學附屬醫院倫理委員會審批通過(批號：KY2020033)。

2 結果

2.1 一般資料 共納入患者573例(其中西南醫科大學附屬醫院417例，內江市第一人民醫院及宜賓市第二人民醫院總計156例)。將所有患者按照90 d時的生存狀況分為生存組和死亡組，其中生存組339例，死亡組234例。2組患者一般資料比較情況見表3。

2.2 2組患者各模型評分比較 按照公式計算兩組各模型評分，結果顯示，MELD、MELD-Na、CLIF-C OFs、CLIF-C ACLFs、COSSH-ACLFs在2組之間差異均有統計學意義(P值均<0.001)(表4)。

2.3 各評分模型預測效能比較 各評分模型AUC分別為 MELD(AUC=0.726)、MELD-Na(AUC=0.587)、CLIF-C OFs(AUC=0.712)、CLIF-C ACLFs(AUC=0.735)、COSSH-ACLFs (AUC=0.750)(表5)。對COSSH-ACLFs模型的AUC與另外4個模型進行比較發

現，COSSH-ACLFs模型AUC大于其他4個預測模型(COSSH-ACLFs vs MELD，Z=7.89，P<0.001;COSSH-ACLFs vs MELD-Na，Z=18.83，P<0.001;COSSH-ACLFs vs CLIF-C OFs，Z=12.49，P<0.001;COSSH-ACLFs vs CLIF-C ACLFs，Z=5.05，P<0.001)(圖1)。

表3 2組患者一般資料比較

表4 2組患者模型評分比較

表5 各預測模型AUC比較

3 討論

我國ACLF的主要病因為乙型肝炎[13]。HBV-ACLF與酒精性肝病等其他病因導致的ACLF的臨床特征不同，因此，基于國外臨床數據建立的ACLF預測模型在我國患者中的應用存在一定局限性[14]。本研究一方面驗證了基于中國數據建立的COSSH-ACLFs模型的預測準確性，另一方面比較了COSSH-ACLFs與其他四種臨床常用模型在HBV-ACLF患者中預測短期預后的優劣。

本研究的數據資料來自3所醫院，避免了單中心數據造成的偏差。根據納入標準和排除標準，本研究共納入573例，隨訪90 d時病死率40.84%，與既往報道[2]結果相近。比較2組一般資料可見，生存組患者年齡小于死亡組(P=0.002)，性別組成在兩組之間無統計學差異，這與Li等[15]的報道結果相近。死亡組WBC水平、腹膜炎發生率均高于生存組(P值分別為<0.001、0.021)，可能由于死亡組感染發生率較高。細菌感染是ACLF患者常見的并發癥，并且已成為ACLF的第二大死亡原因[16]。Katoonizadeh等[1]也認為感染是影響ACLF患者預后的重要指標。死亡組中發生消化道出血的發生率大于生存組(P=0.001)，且Hb水平低于生存組(P=0.044)，可能是消化道出血導致的Hb丟失。此外，嚴重肝損傷產生的大量膽紅素引發快速鈣內流、活化鞘磷脂酶等對RBC有毒性作用[17]，可導致Hb水平下降，本研究中也發現，死亡組膽紅素水平明顯高于生存組(P<0.001)。凝血指標和血Alb均反映肝臟合成功能，本研究中發現，生存組凝血相關指標(PT、INR、PTA)及血Alb水平優于死亡組(P值均<0.001)，與既往的認識[18-19]一致。最后，筆者還發現HE分級/Cr/Na在兩組之間有統計學差異(P值均<0.001)，與既往研究[20-21]結果一致。

有研究[22]表明，在酒精為病因的ACLF患者中，CLIF-C ACLFs預測患者28、90 d病死率的準確度高于Child-Turcotte-Pugh、MELD和MELD-Na。Li等[15]在HBV-ACLF患者中發現，CLIF-C OFs預測患者短期病死率的準確度高于MELD、CLIF SOFA和CLIF-C ACLFs。本研究結果顯示，COSSH-ACLFs預測HBV-ACLF 90 d病死率的AUC大于其他4個預測模型(MELD、MELD-Na、CLIF-C OFs、CLIF-C ACLFs)，與 Wu等[10]的研究結果一致[COSSH-ACLFs預測HBV-ACLF 28、90 d病死率的準確性高于其他5個常用模型(Child-Turcotte-Pugh、MELD、MELD-Na、CLIF-C OFs、CLIF-C ACLFs)]。

本研究的不足之處在于：首先，本研究是一個回顧性分析。其次，由于回顧性研究的限制，未能夠與一些新發現的具有預后評估作用的生物標志如乳酸、吲哚菁綠清除試驗進行比較。最后，一些研究[23-25]發現，動態MELD較單一MELD分值的臨床應用價值更大，因此，如果能夠動態評估COSSH-ACLFs可能會有更好的效果。