不同模型預測ICU非手術病人靜脈血栓栓塞癥風險的應用價值比較研究

楊 行,馬莎莎,陳曉琳,劉 莉,商全梅,于儷超,許紅梅*

1.濱州醫學院護理學院,山東256600;2.濱州醫學院附屬醫院

靜脈血栓栓塞癥(venous thromboembolism,VTE)包括深靜脈血栓(deep venous thrombosis,DVT)和肺栓塞(pulmonary embolism,PE),是第三大常見的心血管疾病,受多種因素共同影響。重癥監護室(ICU)病人由于長期臥床、病情危重,VTE發生風險更高。有研究表明：內科急重癥病人在入院后存在VTE的高風險,由于缺乏具體的臨床表現,VTE更容易發生誤診和漏診[1]；95%的ICU病人VTE在臨床上是隱匿的[2]。因此,對于ICU非手術病人VTE風險評估與防控十分重要。2018年《醫院內靜脈血栓栓塞癥防治與管理建議》[3]所有危重病人進行VTE風險評估,高危病人應進行預防性治療。風險預測模型的開發可以幫助醫護人員對住院病人中的VTE進行風險分層,可以對VTE進行早期預警[4]。目前,Caprini風險評估模型[5]、Padua量表[6]等在ICU病人VTE風險的評估應用較廣。本課題組根據ICU非手術病人VTE的危險因素進行分析,構建了ICU-VTE風險列線圖預測模型,雖然經過內部驗證,但對于ICU非手術病人VTE風險評估的效能尚不清楚。因此本研究采用回顧性研究比較Caprini風險評估模型、Padua量表以及ICU-VTE風險列線圖預測模型對ICU非手術病人VTE的預測效果,明確預測ICU非手術病人VTE風險靈敏度和特異度較高的模型,為早期預測ICU非手術病人VTE提供臨床依據。

1 對象與方法

1.1 研究對象

本研究選取2018年11月—2021年11月濱州市某三級甲等綜合醫院符合標準的384例ICU非手術病人為研究對象。納入標準:①ICU非手術病人,年齡18歲及以上;②ICU住院時間3～30 d。排除標準:①入院前或入院24 h內診斷為VTE;②未做彩色多普勒超聲檢查者;③凝血功能障礙者;④住院期間進行抗凝治療者。

1.2 VTE判斷標準

根據中華醫學會外科學分會《深靜脈血栓形成的診斷和治療指南》[7]第3版以及中華醫學會呼吸病學分會《肺血栓栓塞癥診治與預防指南》[8]制定本研究VTE的診斷標準,以彩色多普勒超聲檢查結果作為金標準。

1.3 研究工具

1.3.1 ICU非手術病人VTE危險因素調查表

收集病人性別、年齡、ICU住院時間等一般資料并根據3種風險預測模型中的預測因子自行設計危險因素調查表。

1.3.2 Caprini風險評估模型

包括年齡、腸炎病史、下肢水腫、靜脈曲張、肺功能異常、急性心肌梗死、中心靜脈置管等39個預測因子,每個預測因子被賦值1～5分。根據總分分為4個風險等級,≤1分為低風險;2分為中風險;3～4分為高風險;≥5分為極高風險。

1.3.3 Padua量表

包括活動性惡性腫瘤、既往VTE、年齡≥70歲、心臟和(或)呼吸衰竭、急性感染和(或)風濕性疾病等11個預測因子,每個預測因子被賦值1～3分。根據總分分為2個風險等級,<4分為低風險,≥4分為高風險。

1.3.4 ICU-VTE風險列線圖預測模型

根據本課題組前期對750例ICU非手術病人進行回顧性研究并通過Logistic回歸分析得到列線圖預測模型，包括制動時間、急性感染性疾病、急性心肌梗死、VTE病史、下肢靜脈曲張史、血管活性藥物、D-二聚體、三酰甘油這8個預測因子。模型的內部驗證顯示,該模型的受試者工作特征曲線(ROC)下面積(area under curve,AUC)為0.809[95%CI(0.774，0.844)],靈敏度為0.75,特異度為0.768,約登指數為0.518,最佳截斷值為0.29,即VTE風險在0.29及以上為高風險,在0.29以下為低風險。

1.4 資料收集

由研究者本人和1名課題組成員共同完成資料的收集以及VTE風險評估,并由第2名課題組成員核對。

1.5 統計學方法

2 結果

2.1 ICU非手術病人VTE的危險因素分析

2.1.1 單因素分析

共納入384例病人；男245例，女139例;年齡(65.49±15.25)歲;其中128例病人發生VTE,VTE發生率為33.3%,影響VTE單因素分析結果見表1。

表1 病人一般資料及單因素分析結果

2.1.2 多因素分析

將單因素分析中P<0.05的因素納入多因素Logistic回歸分析中,結果顯示年齡、制動時間、急性心肌梗死、血管活性藥物、D-二聚體、三酰甘油是ICU非手術病人發生VTE的獨立危險因素,見表2。

表2 ICU非手術病人VTE危險因素的Logistic 回歸分析

2.2 3種模型的預測結果以及準確性比較

ICU-VTE風險列線圖預測模型根據最佳截斷值(0.29)判斷VTE風險,結果顯示，在384例病人中,模型預測高風險的病人174例,實際發生VTE的病人104例,模型預測低風險的病人210例,實際未發生VTE的病人186例,預測模型的準確率為(104+186)/384×100%=75.52%。

Caprini風險評估模型結果顯示:模型預測高風險的病人288例,實際發生VTE的病人113例,模型預測低風險的病人96例,實際未發生VTE的病人81例,預測模型的準確率為(113+81)/384×100%=50.52%。

Padua量表結果顯示:模型預測高風險的病人270例,實際發生VTE的病人111例,模型預測低風險的病人114例,實際未發生VTE的病人97例,預測模型的準確率為(111+97)/384×100%=54.17%。

2.3 3種模型的預測性能比較

3種風險預測模型的ROC曲線見圖2。3種預測模型的預測性能各指標結果為:Caprini風險評估模型的AUC值為0.710,靈敏度為0.617,特異度為0.711,約登指數為0.328(以評分>6分為截斷點),陽性預測值為0.392,陰性預測值為0.844。Padua量表的AUC值為0.702,靈敏度為0.664,特異度為0.656,約登指數為0.320(以評分>4分為截斷點),陽性預測值為0.411,陰性預測值為0.851。ICU-VTE風險列線圖預測模型的AUC值為0.847,靈敏度為0.813,特異度為0.742,約登指數為0.555(以>0.30為截斷點),陽性預測值為0.598,陰性預測值為0.886。

圖2 3種風險預測模型的ROC曲線圖

3種預測模型的Hosmer-Lemeshow擬合優度檢驗結果顯示,Caprini風險評估模型χ2=5.714,P=0.335>0.05,Padua量表χ2=0.861,P=0.930>0.05,ICU-VTE風險列線圖預測模型χ2=7.393,P=0.495>0.05,3種模型的校準度均良好。

綜上所述,ICU-VTE風險列線圖預測模型相對于其他2種模型的預測價值更好。

3 討論

3.1 ICU非手術病人VTE發生的危險因素

3.2 3種模型對ICU非手術病人VTE的預測價值

采用風險預測模型可以有效評估VTE的風險,常采用AUC值、模型的準確性以及Hosmer-Lemeshow擬合優度檢驗來評價模型的預測性能,AUC值越大,模型的區分能力越好[15]。Caprini風險評估模型的AUC值為0.710,Padua量表的AUC值為0.702,ICU-VTE風險列線圖預測模型的AUC值為0.847,3種模型的AUC值均>0.7,其中ICU-VTE風險列線圖預測模型的AUC值>0.8,表明3種模型均有中等以上的區分能力。采用準確率對模型進行評估,結果更加直觀和現實,Caprini風險評估模型、Padua量表、ICU-VTE風險列線圖預測模型的準確率分別為50.52%、54.17%、75.52%。Hosmer-Lemeshow擬合優度檢驗結果顯示3種預測工具模型預測值和實際觀測值之間的差異較小(均P>0.05)。綜上所述,3種預測模型的預測效果均較好,其中ICU-VTE列線圖預測模型的預測性能以及模型預測準確率明顯優于其他兩種模型。

美國胸科醫師學會 (American College of Chest Physicians,ACCP) 推薦使用Padua量表對內科病人進行風險評估[16]。但由于Padua風險評估量表中的Leiden Ⅴ因子突變和凝血酶原G20210A突變等血液化驗檢查在中國并非常規和必要檢查,這就使量表評分在一定程度上存在偏倚。本研究結果顯示,Padua模型靈敏度、特異度較低,這主要是由于Padua量表中某些危險因素權重不合理,對ICU非手術病人的VTE風險分層的預測價值有限,Zhou等[17]得出了類似的結果。

目前,Caprini評估模型在臨床上已得到了廣泛應用,Li等[18]對浙江省41所三級甲等醫院ICU進行調查研究發現,大約71.4%的ICU選擇Caprini風險評估模型評估VTE風險。但在ICU中多用于對外科手術病人進行評估,而對于非手術病人的研究較少。熊銀環等[19]對ICU非手術病人采用Caprini進行評估,得到AUC值為0.709,預測性能一般,和本研究結果相似。本研究結果顯示,Caprini風險評估模型與Padua量表相比,前者效果更好,可能是由于Caprini評估模型涉及了39個VTE危險因素,幾乎Padua所有的評價指標在Caprini里都可以找到,其評估指標更加全面,評估得更充分。但Streiff等[20]研究顯示Caprini血栓評估模型對內科病人有預測過度的可能性。且從臨床應用的角度出發,其涉及的預測因子較多,臨床使用時需要一一進行鑒別,對醫護人員提出了較高的要求。

ICU-VTE風險列線圖預測模型是將8個預測因子轉化成帶有刻度的線段在平面進行可視化呈現,評估人員需借助直尺在平面做垂線計算VTE發生概率,結果簡單易讀。本研究結果發現,列線圖模型的AUC值達到0.847,準確率達到75.52%,模型的區分度較好,靈敏度、特異度以及準確性也較高,說明本列線圖模型的預測性能較好。但在評估過程中需要借助直尺,增加了評估時間[21]。因此,未來可以將列線圖模型與計算機結合起來,在后臺自動獲取病人的動態數據,并對病人進行實時評估,從而降低病人VTE發生率。

4 小結

綜上所述,ICU-VTE風險列線圖預測模型的預測性能要高于其他兩種模型,可以有效地評估ICU非手術病人VTE的發生風險,降低VTE發生率。然而,由于本研究為單中心回顧性研究,樣本量較少,仍需對ICU-VTE風險列線圖預測模型進行大樣本、多中心、前瞻性的研究。