血栓形成綜合征風(fēng)險(xiǎn)預(yù)測(cè)模型的研究進(jìn)展

Research progress on risk prediction models for post?thrombotic syndrome

LYU Liqiong， GUO Mixia， ZHANG Shi

Renmin Hospital of Wuhan University， Hubei 430022 China

Corresponding Author "ZHANG Shi， E?mail： 48748886@qq.com

Keywords """deep vein thrombosis；"post?thrombotic syndrome；"prediction model；"nursing；"review

摘要""對(duì)血栓形成綜合征風(fēng)險(xiǎn)預(yù)測(cè)模型研究現(xiàn)狀進(jìn)行綜述，綜合分析比較各預(yù)測(cè)模型的特點(diǎn)，以期為我國(guó)臨床醫(yī)護(hù)人員精準(zhǔn)選擇深靜脈血栓形成綜合征風(fēng)險(xiǎn)預(yù)測(cè)模型提供參考。

關(guān)鍵詞""深靜脈血栓；血栓形成綜合征；預(yù)測(cè)模型；護(hù)理；綜述

doi：10.12102/j.issn.1009-6493.2024.06.014

深靜脈血栓形成綜合征（post?thrombotic syndrome，PTS）是下肢深靜脈血栓（deep venous thrombosis，DVT）慢性期最嚴(yán)重的并發(fā)癥^[1]，通常表現(xiàn)為下肢腫脹疼痛、足靴區(qū)色素沉著、間歇性跛行、靜脈曲張、瘀積性皮炎，嚴(yán)重時(shí)可形成慢性潰瘍，潰瘍經(jīng)久不愈會(huì)導(dǎo)致肢體活動(dòng)功能障礙、殘疾甚至高位截肢，嚴(yán)重影響病人生活質(zhì)量^[2?3]。已有研究顯示，20%～50%的DVT病人會(huì)發(fā)展為PTS^[4]。使用合適的測(cè)評(píng)工具對(duì)疾病發(fā)生風(fēng)險(xiǎn)進(jìn)行評(píng)估預(yù)測(cè)，有利于臨床工作者制定針對(duì)性干預(yù)措施，提高病人生存率和生活質(zhì)量，降低醫(yī)療和照顧負(fù)擔(dān)^[5?6]。目前PTS風(fēng)險(xiǎn)預(yù)測(cè)模型較多，評(píng)估指標(biāo)各異，評(píng)估內(nèi)容及適用人群不統(tǒng)一，可能造成預(yù)測(cè)結(jié)果與PTS發(fā)生率現(xiàn)況調(diào)查結(jié)果存在差距?，F(xiàn)對(duì)國(guó)內(nèi)外常用的PTS風(fēng)險(xiǎn)預(yù)測(cè)模型進(jìn)行總結(jié)、分析，以期為我國(guó)臨床醫(yī)護(hù)人員構(gòu)建更科學(xué)的風(fēng)險(xiǎn)預(yù)測(cè)模型提供思路。

1 "風(fēng)險(xiǎn)預(yù)測(cè)模型概述

風(fēng)險(xiǎn)預(yù)測(cè)模型可通過納入多個(gè)預(yù)測(cè)因素估算某種疾病或結(jié)局的發(fā)生概率，對(duì)評(píng)估和識(shí)別某種疾病的高危人群具有重要意義^[7]。一般模型的驗(yàn)證內(nèi)容包括內(nèi)部有效性和外部有效性，這是評(píng)估模型穩(wěn)定性和適用性的必要指標(biāo)。內(nèi)部驗(yàn)證通常采用研究的原有數(shù)據(jù)，并隨機(jī)抽取一部分內(nèi)部數(shù)據(jù)進(jìn)行驗(yàn)證，一般采用Bootstrap方法；外部驗(yàn)證通常采用其他研究數(shù)據(jù)進(jìn)行驗(yàn)證，模型預(yù)測(cè)效果可用受試者工作特征（receiver operator characteristic，ROC）曲線下面積（area under curve，AUC）表示。

2 "PTS預(yù)測(cè)模型研究現(xiàn)狀

2.1 國(guó)外PTS預(yù)測(cè)模型研究現(xiàn)狀

2.1.1 SOX?PTS模型

Rabinovich等^[8]公開發(fā)表的SOX?PTS模型是全球首個(gè)PTS風(fēng)險(xiǎn)預(yù)測(cè)模型，其在接受SOX方案治療的人群研究基礎(chǔ)上進(jìn)行了針對(duì)PTS的二次探索，以718例門診及住院成人病人為研究對(duì)象進(jìn)行前瞻性隊(duì)列研究，分別在病人確診DVT時(shí)及DVT確診后1、6、12、18、24個(gè)月時(shí)進(jìn)行隨訪，從6個(gè)月開始，使用Ginsberg量表進(jìn)行PTS診斷，最終發(fā)現(xiàn)2年后病人PTS累積發(fā)病率為12.53%。采用Logistic回歸分析構(gòu)建的SOX?PTS模型未對(duì)AUC進(jìn)行檢驗(yàn)，但在2020年，研究者對(duì)SOX?PTS模型進(jìn)行了外部驗(yàn)證^[9]，證明SOX?PTS模型可以用于預(yù)測(cè)近端DVT病人發(fā)生輕度、中度至重度PTS的風(fēng)險(xiǎn)。SOX?PTS模型作為第1個(gè)PTS風(fēng)險(xiǎn)預(yù)測(cè)模型，在PTS防治管理領(lǐng)域具有重要意義。但仍存在一定局限性，如由于模型構(gòu)建時(shí)研究納入及排除標(biāo)準(zhǔn)較為嚴(yán)格，模型是否適用于所有DVT人群仍有待進(jìn)一步驗(yàn)證；在隨訪過程中研究并未使用國(guó)際推薦的Villalta量表對(duì)病人進(jìn)行PTS評(píng)估，使用的Ginsberg量表存在對(duì)輕度PTS漏診率高的問題，可能導(dǎo)致研究中的PTS累積發(fā)病率被低估。

2.1.2 SWITCO?PTS模型

2018年，Méan等^[10]基于瑞士老年靜脈血栓栓塞癥（VTE）多中心隊(duì)列（SWITC065+）構(gòu)建了SWITCO?PTS模型，該模型構(gòu)建時(shí)選擇的研究對(duì)象為門診及住院部276例首發(fā)急性DVT的65歲及以上老年病人，研究采用面對(duì)面訪視、電話隨訪及定期審查病歷3種方式開展隨訪工作，在DVT后1年內(nèi)分別完成1次電話隨訪和2次面對(duì)面訪視評(píng)估，之后每半年1次隨訪，電話與訪視交替進(jìn)行，每次隨訪前均會(huì)審查研究對(duì)象的病歷系統(tǒng)以獲得更多的疾病信息，在病人發(fā)生DVT后3、12、24個(gè)月使用Villalta量表進(jìn)行PTS評(píng)估，最終研究對(duì)象的PTS累積發(fā)病率為24.4%。采用Logistic回歸分析構(gòu)建的SWITCO?PTS模型采用Bootstrap方法獲得的AUC為0.77，以模型構(gòu)建時(shí)納入的人群為對(duì)象進(jìn)行SOX?PTS模型的外部驗(yàn)證，結(jié)果顯示，SWITCO?PTS模型預(yù)測(cè)效果優(yōu)于SOX?PTS模型。

2.1.3 兩步PTS模型

兩步PTS風(fēng)險(xiǎn)預(yù)測(cè)模型是由Amin等^[11]基于1項(xiàng)DVT病人的前瞻性隊(duì)列數(shù)據(jù)構(gòu)建而成，主要適用于下肢DVT住院成人病人，該隊(duì)列包含了451例病人，所有病人均接受了至少3個(gè)月的抗凝治療和至少6個(gè)月的壓力治療，且開發(fā)隊(duì)列未設(shè)置排除標(biāo)準(zhǔn)，研究者對(duì)病人進(jìn)行隨訪并使用Villalta量表進(jìn)行PTS評(píng)估，隨訪時(shí)間分別為發(fā)生DVT后的3、6、12、24個(gè)月，結(jié)果顯示，發(fā)生DVT后6個(gè)月病人PTS累積發(fā)病率為22.8%，2年隨訪結(jié)束時(shí)PTS累積發(fā)病率為45.7%。Amin等^[11]的研究構(gòu)建了兩步模型，包括基線預(yù)測(cè)模型和2期預(yù)測(cè)模型，其中，基線預(yù)測(cè)模型以DVT后6個(gè)月的PTS發(fā)生情況為結(jié)局指標(biāo)，基于基線數(shù)據(jù)構(gòu)建而成，其AUC為0.71，對(duì)應(yīng)風(fēng)險(xiǎn)評(píng)分系統(tǒng)的AUC為0.73；而2期預(yù)測(cè)模型以DVT后2年內(nèi)PTS發(fā)生情況為結(jié)局指標(biāo)，基于基線數(shù)據(jù)、生物標(biāo)志物指標(biāo)和隨訪時(shí)收集的疾病信息構(gòu)建而成，其AUC為0.60，對(duì)應(yīng)風(fēng)險(xiǎn)評(píng)分系統(tǒng)的AUC為0.62。此外，Amin等^[11]的研究還采用Bootstrap重抽樣進(jìn)行內(nèi)部驗(yàn)證，并在1 107例下肢DVT病人中進(jìn)行了外部驗(yàn)證，驗(yàn)證隊(duì)列所得AUC略優(yōu)于開發(fā)隊(duì)列。兩步PTS風(fēng)險(xiǎn)預(yù)測(cè)模型是完成了內(nèi)部驗(yàn)證和外部驗(yàn)證模型，且在研究設(shè)計(jì)上彌補(bǔ)了SOX?PTS的部分不足。

2.2 我國(guó)PTS預(yù)測(cè)模型研究現(xiàn)狀

我國(guó)研究者構(gòu)建的PTS風(fēng)險(xiǎn)預(yù)測(cè)模型以列線圖模型居多，運(yùn)用的統(tǒng)計(jì)學(xué)方法多為L(zhǎng)ogistic回歸模型和Cox比例風(fēng)險(xiǎn)回歸模型。隨著大數(shù)據(jù)時(shí)代的到來(lái)和統(tǒng)計(jì)學(xué)方法的不斷進(jìn)步，機(jī)器學(xué)習(xí)技術(shù)也開始受到廣泛關(guān)注^[12]。

2.2.1 APTS?D模型

Huang等^[13]成功構(gòu)建了我國(guó)首個(gè)PTS風(fēng)險(xiǎn)預(yù)測(cè)模型，其采用回顧性隊(duì)列研究方法，對(duì)107例首次出現(xiàn)下肢DVT的成年住院病人臨床資料進(jìn)行收集，并在治療后1、3、6、12、24個(gè)月使用Villalta量表對(duì)病人進(jìn)行隨訪評(píng)估，結(jié)果顯示，2年內(nèi)病人PTS累積發(fā)病率高達(dá)47.7%。Huang等^[13]采用Cox回歸模型構(gòu)建形成了PTS風(fēng)險(xiǎn)預(yù)測(cè)模型，并形成APTS?D風(fēng)險(xiǎn)評(píng)分系統(tǒng)，當(dāng)APTS?D得分gt;7分時(shí)表明病人發(fā)生PTS的概率更高。模型外部驗(yàn)證結(jié)果顯示其AUC為0.825^[13]，預(yù)測(cè)效果較好。APTS?D模型是目前AUC最高的PTS風(fēng)險(xiǎn)預(yù)測(cè)模型。

2.2.2 姚杰團(tuán)隊(duì)的PTS模型

姚杰^[14]于2020年成功構(gòu)建了由公共衛(wèi)生領(lǐng)域?qū)W者開發(fā)的PTS風(fēng)險(xiǎn)預(yù)測(cè)模型，該研究采用回顧性隊(duì)列研究方法，對(duì)808例在某三級(jí)甲等醫(yī)院血管外科接受治療且已出院至少1年半的下肢DVT病人進(jìn)行電話隨訪，并使用Villalta量表進(jìn)行評(píng)估，所有預(yù)測(cè)因子數(shù)據(jù)均通過查詢醫(yī)療系統(tǒng)獲得，最終得出病人PTS發(fā)生率為14.36%。姚杰^[14]采用Logistic回歸分析構(gòu)建PTS預(yù)測(cè)模型，其內(nèi)部驗(yàn)證結(jié)果顯示AUC為0.785，表明預(yù)測(cè)模型在預(yù)測(cè)DVT病人PTS風(fēng)險(xiǎn)方面具有良好的區(qū)分性，但仍需進(jìn)一步進(jìn)行外部驗(yàn)證。

2.2.3 Qiu團(tuán)隊(duì)的PTS模型

2021年，Qiu等^[15]采用回顧性隊(duì)列研究方法構(gòu)建了PTS風(fēng)險(xiǎn)預(yù)測(cè)模型，其以210例首次發(fā)生近端DVT的成年住院病人為研究對(duì)象，隨訪時(shí)間為DVT發(fā)生后6個(gè)月，并使用Villalta量表進(jìn)行評(píng)估，得出病人PTS發(fā)生率為42.0%。Qiu等^[15]采用Logistic回歸分析構(gòu)建PTS預(yù)測(cè)模型，并使用列線圖對(duì)模型進(jìn)行可視化呈現(xiàn)，內(nèi)部驗(yàn)證結(jié)果顯示模型AUC為0.724，具有較好的預(yù)測(cè)效果。

2.2.4 朱麗筠團(tuán)隊(duì)的PTS模型

朱麗筠^[16]對(duì)518例下肢DVT病人進(jìn)行2年隨訪研究，開發(fā)并驗(yàn)證了PTS風(fēng)險(xiǎn)預(yù)測(cè)模型。朱麗筠團(tuán)隊(duì)的PTS模型是我國(guó)首個(gè)基于機(jī)器學(xué)習(xí)算法、參照PTS影響因素構(gòu)建的風(fēng)險(xiǎn)預(yù)測(cè)模型，研究者運(yùn)用隨機(jī)森林算法構(gòu)建PTS風(fēng)險(xiǎn)預(yù)測(cè)模型并進(jìn)行內(nèi)部驗(yàn)證，得出基于機(jī)器學(xué)習(xí)算法構(gòu)建的隨機(jī)森林模型預(yù)測(cè)效果良好（AUC為0.722，準(zhǔn)確率為77%），其中隨機(jī)森林模型中的預(yù)測(cè)因子影響程度由大到小依次為近端DVT、誘發(fā)性DVT、復(fù)發(fā)性DVT、年齡、體質(zhì)指數(shù)（BMI）、性別、基線DVT癥狀及體征數(shù)量、接受梯度壓力襪（GCS）治療、靜脈曲張病史、足程足量抗凝治療。

2.2.5 黃天安團(tuán)隊(duì)的PTS模型

黃天安等^[17]回顧性分析了2016年6月—2018年6月南通市第一人民醫(yī)院收治的204例首診下肢DVT介入治療病人臨床資料，采用Logistic回歸分析篩選出介入術(shù)后2年內(nèi)病人發(fā)生PTS的獨(dú)立危險(xiǎn)因素，其中超重[OR=2.264，95%CI（1.066，4.809）]、病程gt;14 d[OR=4.330，95%CI（2.016，9.298）]、下肢靜脈曲張病史[OR=3.332，95%CI（1.512，7.341）]是下肢DVT病人介入術(shù)后2年內(nèi)發(fā)生PTS的獨(dú)立危險(xiǎn)因素，髂靜脈成形[OR=0.070，95%CI（0.016，0.301）]、血栓清除Ⅲ級(jí)[OR=0.116，95%CI（0.048，0.283）]為PTS發(fā)生的保護(hù)因素。根據(jù)回歸分析結(jié)果建立列線圖預(yù)測(cè)模型，內(nèi)部驗(yàn)證模型的預(yù)測(cè)性和準(zhǔn)確度，Bootstrap法顯示列線圖模型C指數(shù)為0.825（0.759，0.892）。

2.2.6 劉鋒團(tuán)隊(duì)的PTS模型

劉鋒等^[18]對(duì)2015年1月—2019年1月在山東第一醫(yī)科大學(xué)附屬省立醫(yī)院血管外科接受深靜脈置管溶栓術(shù)的120例DVT病人臨床資料進(jìn)行回顧性分析，根據(jù)隨訪1年后Villalta量表評(píng)分將病人分為病例組與對(duì)照組，比較兩組病人性別、年齡、DVT形成病程、BMI、吸煙史等臨床資料，采用Logistic回歸分析進(jìn)行獨(dú)立危險(xiǎn)因素檢驗(yàn)并構(gòu)建預(yù)測(cè)模型，結(jié)果顯示，年齡≥60歲、BMI≥27 kg/m²、合并靜脈曲張、DVT分型為混合型、濾器類別為永久型濾器是深靜脈置管溶栓術(shù)后病人發(fā)生重度PTS的獨(dú)立危險(xiǎn)因素（Plt;0.05），評(píng)分系統(tǒng)一致性指數(shù)為0.869，AUC為0.868 75。

3 "PTS風(fēng)險(xiǎn)預(yù)測(cè)模型比較

3.1 研究設(shè)計(jì)

9種模型研究采用的研究設(shè)計(jì)主要為回顧性研究和前瞻性研究，回顧性研究在獲取資料方面更便利、省時(shí)節(jié)力，但可能存在部分重要信息缺失的情況，如果這些缺失數(shù)據(jù)處理不當(dāng)，可能影響預(yù)測(cè)模型的預(yù)測(cè)準(zhǔn)確性。前瞻性研究可以獲取病人更為全面的資料信息，探討危險(xiǎn)因素與PTS之間的關(guān)系，獲得更多的新發(fā)現(xiàn)，但該方式耗時(shí)長(zhǎng)，在隨訪過程中需要控制失訪率。

3.2 統(tǒng)計(jì)學(xué)方法

模型研究主要采用Logistic回歸、線性回歸模型或機(jī)器學(xué)習(xí)算法進(jìn)行危險(xiǎn)因素分析，兩步PTS模型采用了傳統(tǒng)統(tǒng)計(jì)學(xué)方法進(jìn)行模型構(gòu)建。

4 "當(dāng)前存在問題

當(dāng)前PTS風(fēng)險(xiǎn)預(yù)測(cè)模型構(gòu)建過程中的研究對(duì)象納入標(biāo)準(zhǔn)及排除標(biāo)準(zhǔn)不統(tǒng)一，模型適用人群有待進(jìn)一步探討；各研究隨訪時(shí)間不同，存在時(shí)間較短或隨訪節(jié)點(diǎn)不明確的問題；隨訪評(píng)估病人PTS發(fā)生率時(shí)采用的診斷工具不同；部分研究建模樣本量較小，可能導(dǎo)致模型準(zhǔn)確性欠佳。

5 "小結(jié)

PTS發(fā)病率高、病死率高、致殘率高，一旦發(fā)病很難痊愈，給病人及其家屬帶來(lái)了沉重的經(jīng)濟(jì)和照護(hù)負(fù)擔(dān)。對(duì)DVT病人進(jìn)行PTS風(fēng)險(xiǎn)評(píng)估，及早篩選出高危人群進(jìn)行有針對(duì)性的干預(yù)是減少PTS發(fā)生的有效措施。目前，國(guó)內(nèi)外學(xué)者不斷對(duì)預(yù)測(cè)模型進(jìn)行完善，但關(guān)于PTS發(fā)生的預(yù)測(cè)模型仍存在許多不足之處，如PTS預(yù)測(cè)風(fēng)險(xiǎn)模型研究較少、分析方法較單一、發(fā)生PTS的高危因素納入不全面，準(zhǔn)確性強(qiáng)、普適性高的PTS風(fēng)險(xiǎn)預(yù)測(cè)模型較缺乏。我國(guó)研究者應(yīng)積極開展PTS風(fēng)險(xiǎn)相關(guān)研究，針對(duì)我國(guó)人群特點(diǎn)探索多種方法構(gòu)建模型。

參考文獻(xiàn)：

[1] "HENKE P，SHARMA S，WAKEFIELD T，et al.Insights from experimental post-thrombotic syndrome and potential for novel therapies[J].Transl Res，2020，225：95-104.

[2] "張杰，趙亮，王艷陽(yáng)，等.左髂靜脈壓迫并發(fā)急性髂股靜脈血栓形成綜合治療臨床分析[J].心肺血管病雜志，2018，37（11）：1014-1018;1032.

[3] "VISONàA，QUERE I，MAZZOLAI L，et al.Post-thrombotic syndrome[J].Vasa，2021，50（5）：331-340.

[4] "MAKEDONOV I，KAHN S R，GALANAUD J P.Prevention and management of the post-thrombotic syndrome[J].J Clin Med，2020，9（4）：923.

[5] "左賢芳，張愛琴.ICU病人譫妄風(fēng)險(xiǎn)預(yù)測(cè)模型的應(yīng)用價(jià)值比較[J].護(hù)理研究，2023，37（5）：776-781.

[6] "WASSENAAR A，SCHOONHOVEN L，DEVLIN J W，et al.Delirium prediction in the intensive care unit：comparison of two delirium prediction models[J].Crit Care，2018，22（1）：114.

[7] "龔翠穎，王建寧，李立群，等.主動(dòng)脈夾層患者術(shù)后譫妄危險(xiǎn)因素和預(yù)測(cè)模型的研究進(jìn)展[J].中華護(hù)理雜志，2023，58（2）：179-185.

[8] "RABINOVICH A，DUCRUET T，KAHN S R，et al.Development of a clinical prediction model for the postthrombotic syndrome in a prospective cohort of patients with proximal deep vein thrombosis[J].J Thromb Haemost，2018，16（2）：262-270.

[9] "RABINOVICH A，GU C S，VEDANTHAM S，et al.External validation of the SOX-PTS score in a prospective multicenter trial of patients with proximal deep vein thrombosis[J].J Thromb Haemost，2020，18（6）：1381-1389.

[10] "MéAN M，LIMACHER A，ALATRI A，et al.Derivation and validation of a prediction model for risk stratification of post-thrombotic syndrome in elderly patients with a first deep vein thrombosis[J].Thromb Haemost，2018，118（8）：1419-1427.

[11] "AMIN E E，VAN KUIJK S M J，JOORE M A，et al.Development and validation of a practical two-step prediction model and clinical risk score for post-thrombotic syndrome[J].Thromb Haemost，2018，118（7）：1242-1249.

[12] "MANIRUZZAMAN M，ISLAM M M，RAHMAN M J，et al.Risk prediction of diabetic nephropathy using machine learning techniques：a pilot study with secondary data[J].Diabetes Metab Syndr，2021，15（5）：102263.

[13] "HUANG H，GU J P，SHI H F，et al.Assessment of the probability of post-thrombotic syndrome in patients with lower extremity deep venous thrombosis[J].Sci Rep，2018，8（1）：12663.

[14] "姚杰.下肢深靜脈血栓病人發(fā)生血栓后綜合征臨床預(yù)測(cè)模型的建立[D].太原：山西醫(yī)科大學(xué)，2020.

[15] "QIU P，LIU J C，WAN F Z，et al.A predictive model for postthrombotic syndrome in proximal deep vein thrombosis patients[J].Ann Transl Med，2021，9（7）：558.

[16] "朱麗筠.下肢深靜脈血栓患者血栓形成后綜合征風(fēng)險(xiǎn)預(yù)測(cè)模型的建立[D].北京：北京協(xié)和醫(yī)學(xué)院，2022.

[17] "黃天安，金泳海，梁黎，等.下肢深靜脈血栓形成后綜合征風(fēng)險(xiǎn)列線圖預(yù)測(cè)模型建立[J].介入放射學(xué)雜志，2022，31（1）：35-38.

[18] "劉鋒，王仁鴻，孫巖.深靜脈血栓形成置管溶栓術(shù)后發(fā)生重度血栓后綜合征的危險(xiǎn)因素分析及臨床預(yù)測(cè)模型構(gòu)建[J].中國(guó)現(xiàn)代普通外科進(jìn)展，2021，24（12）：958-963.

（本文編輯"陳瓊）