基于臨床數據列線圖模型預測重型顱腦損傷昏迷患者近期預后的臨床價值和準確性

王小峰，王 琪，黨俊濤，白西民，姚 勝，楊 銳，杜春亮，王 峰

急性重型顱腦損傷所致昏迷病死率及致殘率均較高，若未給予及時有效救治預后較差，因此簡便準確評估此類患者的預后同時給予最佳的治療措施，是臨床研究的熱點和難點[1-2]。目前腦電雙頻指數(BIS)作為一種新型的監測技術，不僅能夠有效監測顱腦內部的代謝，而且還能更客觀評價患者的意識情況，國內外學者已經逐步將其應用于重型顱腦損傷所致昏迷患者的圍術期監測，并做了較多臨床研究，被認為是可單獨預測昏迷患者預后的一個獨立因素[3-5]。而臨床預測模型近些年來在國內被逐步應用于臨床研究中，特別是其中的列線圖模型較簡單直觀，是目前臨床的研究熱點。本研究為了進一步明確何種因素能夠有效預測重型顱腦損傷所致昏迷患者的預后，并明確基于上述因素構建的列線圖模型預測患者預后的準確性。現報告如下。

1 資料與方法

1.1一般資料 回顧性分析2018年1月1日—2021年1月1日我院收治的重型顱腦損傷所致昏迷220例的臨床資料。納入標準：經臨床及CT或MRI檢查明確為顱腦損傷，且有確切顱腦外傷史；于創傷后24 h內入院：入院時格拉斯哥昏迷量表(GCS)評分為3～8分；患者家屬均同意本研究。排除標準：拒絕簽署知情同意書或參與本研究；合并惡性腫瘤者；外傷后入院時間>24 h者；入院24 h內臨床死亡者。剔除中途失訪6例，最終納入214例，其中男124例，女90例。依據隨訪后6個月格拉斯哥預后評分(GOS)[6-7]分為預后不良組(GOS評分≤3分)和預后良好組(GOS評分≥4分)。納入本研究患者均由顱腦創傷組醫師進行手術治療，且術后入神經外科重癥監護室予相應監護治療，常規給予內環境穩態、全身營養支持和積極預防并發癥等治療。本研究經我院醫學倫理委員會批準。

1.2研究方法 對納入研究患者均隨訪6個月，應用多因素Logistic回歸分析影響重型顱腦損傷預后的影響因素，利用R語言包構建基于BIS的列線圖模型，并利用Bootstrap方法以及臨床決策曲線驗證該模型的準確性和臨床決策的獲益性。

1.3資料收集 包括患者臨床基本資料(一般生理狀況、身高、體質量、是否吸煙、既往史等)、圍術期相關用藥、實驗室指標(包括肝腎功能、凝血功能、生化指標)以及入院時BIS。

1.4BIS監測相關操作流程及評價方法

1.4.1BIS監測方法：納入本研究的患者均在入院后24 h內開展BIS值的相關監測，本研究中所使用的BIS儀器電纜接口為美國ASPECT公司提供，其中的傳感器模塊由飛利浦公司提供。

1.4.2BIS儀器的相關操作過程及評價方法：首先對于患者額頭部的皮膚采用75%乙醇進行擦拭，上述步驟完成后進行脫脂以及晾干，隨后在患者的外眥水平處放置相應的感應裝置，將BIS的4個電極片嚴格按照說明書的要求放置在正確的位置，同時對其進行壓緊處理，壓緊的時間為5 s，在確保電極片接觸良好后，再依次連接BIS的傳感器以及相應的模塊。隨后進行阻抗試驗調整，維持整個皮膚的阻抗<5 KΩ，BIS監護儀在進行相應監護的其他條件為：肌電圖≤40 DB,同時信號質量指數為80%～100%，連續監測5 min，其中每分鐘記錄1次數值，記錄5次后計算其平均值。

2 結果

2.1隨訪結果 本研究220例，在6個月隨訪過程中失訪6例，其中3例因為遷往外市定居，不再回我院隨訪；2例為更換聯系方式，未再取得聯系，后期也未在我科門診復診；1例為家屬拒絕隨訪，最終納入214例。6個月隨訪結束后預后不良組114例，預后良好組100例。

2.2一般資料 預后良好組入院時GCS評分高于預后不良組，年齡>60歲、入院時瞳孔散大及腦卒中史、顱腦損傷史患者所占比例低于預后不良組(P<0.05，P<0.01)。見表1。

表1 預后良好組和預后不良組重型顱腦損傷所致昏迷患者一般資料比較

2.3實驗室指標 預后良好組PO2和BIS高于預后不良組(P<0.01)。見表2。

表2 預后良好組和預后不良組重型顱腦損傷所致昏迷患者實驗室及圍術期指標比較

2.4重型顱腦損傷所致昏迷患者預后的影響因素多因素Logistic回歸分析 以患者6個月后隨訪預后為因變量，以單因素分析差異有統計學意義的指標作為自變量，行多因素Logistic回歸分析顯示，重型顱腦損傷患者近期預后不良的獨立危險因素為入院時BIS、入院時GCS評分、PO2低及入院時瞳孔散大、年齡>60歲(P<0.01)。見表3。

2.5列線圖模型的構建 采用R語言中的“RMS程序包”構建預測重型顱腦損傷患者近期預后列線圖模型，其中列線圖中每個指標橫軸上的值做垂線與評分標尺上的值的交點得到一個分數，所有指標的值相加即為該患者預后不良的風險值。見圖1。

圖1 預測重型顱腦損傷患者近期預后的列線圖模型

2.6列線圖模型預測的ROC曲線 構建的列線圖模型預測重型顱腦損傷所致昏迷患者近期預后的能力較強，其中曲線下面積(AUC)=0.854，95%CI為0.73，0.93。見圖2。

圖2 列線圖模型預測重型顱腦損傷所致昏迷患者近期預后的ROC曲線ROC為受試者工作特征

2.7Bootstrap方法驗證列線圖的曲線 隨后采用Bootstrap方法重復抽樣1000次驗證列線圖，發現校準曲線的平均絕對誤差為0.017，說明校準曲線與理想曲線貼合良好。見圖3。

圖3 Bootstrap方法驗證列線圖模型預測重型顱腦損傷所致昏迷患者預后的曲線

2.8列線圖模型的臨床決策曲線 臨床決策曲線顯示，列線圖模型預測重型顱腦損傷所致昏迷患者的發生閾值為0.07～0.89時該模型的適用性最佳。見圖4。

圖4 列線圖模型預測重型顱腦損傷所致昏迷患者的發生的臨床決策曲線

表3 重型顱腦損傷所致昏迷患者預后的影響因素多因素Logistic回歸分析

3 討論

近年來，重型顱腦損傷發生率越來越高，且病情變化迅速，若不能及時判斷患者的病情并制訂出對患者本身最優的治療方案，該類患者具有極高的臨床致死率[8]。如何及時并且準確有效的判定重型顱腦損傷患者的預后，是臨床的難點，也是熱點。雖然臨床有部分醫生認為GCS評分、腦干反射、瞳孔反射等可一定程度反映重型顱腦損傷患者的預后，但有相應的研究也顯示其存在較高的臨床假陽性率，并且對昏迷患者而言，很多患者臨床查體結果很差，但其預后卻較好，提示我們對于重型顱腦損傷的患者而言，可能僅依靠單純的臨床查體并不能科學準確的預測患者預后[9-14]。目前隨著BIS監測在麻醉、重癥監護室的普及，部分學者認為這種新興的監測手段可能是重型顱腦損傷所致昏迷患者預后判定的新思路。BIS的優勢在于其有效整合了腦電圖中的各項指標，將腦電圖中的頻率以及功率進行雙頻分析，將最后的混合信息擬合成0～100之間的數字，能夠非常簡潔明了的反映患者大腦皮質的清醒程度。同時這種直觀的數字是可以量化的，相對于既往神經系統的各種量表而言，能夠減少評判人員本身的主觀誤判，同時能夠無創化的對昏迷患者的意識進行連續有效的監測，因此，目前BIS被認為是評估患者的意識狀態和鎮靜程度的一個準確客觀的指標，并且多項研究顯示，BIS可以獨立預測昏迷患者的預后[15-16]。

近些年來列線圖不斷被應用于臨床模型的驗證中，為了明確既往的臨床體征、傳統評分以及新興的BIS是否能夠準確預測重型顱腦損傷患者的預后，筆者通過構建列線圖模型進行了驗證。本研究結果顯示，預后良好組入院時GCS評分、BIS高于預后不良組，年齡>60歲、入院時瞳孔散大及腦卒中史、顱腦損傷史患者所占比例、PO2低于預后不良組。為了進一步明確對于重型顱腦損傷患者預后的影響因素，再次對其進行了多因素Logistic回歸分析顯示,重型顱腦損傷患者近期預后不良的獨立危險因素為入院時BIS、入院時GCS評分、PO2較低，入院時瞳孔散大，年齡>60歲。BIS為通過將腦電信息轉換為線性數字化指標，而腦電信息能夠準確反映患者腦部的缺血情況，對于重型顱腦損傷患者而言，其入院時腦部缺血情況越嚴重，腦組織損傷越重，其預后就會越差；GCS評分多年來都被臨床應用于昏迷患者的預后判定中，其分數越低，往往預后也較差；對于重型顱腦損傷患者而言，入院時瞳孔散大提示患者入院時腦干可能受損，這類患者臨床預后也往往欠佳；低PO2會導致顱腦損傷患者腦組織缺血缺氧情況進一步加重，而這種缺血缺氧情況會導致腦部ATP的進一步缺乏，從而進一步使細胞膜的泵功能降低，加速腦細胞的凋亡或腫脹，從而導致腦組織的二次損傷；而年齡>60歲人群機體功能下降，整體預后較年輕患者差[17-20]。

多因素Logistic回歸分析后，筆者進行了列線圖模型的構建，ROC曲線顯示，構建的列線圖模型預測重型顱腦損傷所致昏迷患者近期預后的能力較強；為了進一步明確列線圖模型的準確性，筆者對該模型進行了Bootstrap方法驗證，驗證結果顯示，校準曲線的平均絕對誤差為0.017，說明校準曲線與理想曲線貼合良好；為了進一步從臨床層面驗證該模型對于臨床決策的幫助性，筆者再次進行了臨床決策曲線的驗證，結果顯示，列線圖模型預測重型顱腦損傷所致昏迷患者的發生閾值為0.07～0.89時該模型的適用性最佳。

綜上，重型顱腦損傷所致昏迷患者預后的影響因素為入院時BIS、GCS評分及PO2較低、入院時瞳孔散大、年齡>60歲，基于上述因素構建的列線圖模型對于重型顱腦損傷所致昏迷患者近期預后預測準確，且臨床應用價值較高。若在實際臨床工作中遇到符合上述危險因素的重型顱腦損傷患者，應積極進行干預。