5种深静脉血栓风险评估工具在脑出血急性期患者中的比较研究

颜飞帆，麻朋艳，李云，尹强

1.温州医科大学附属第一医院神经内科，浙江温州 325000；2.温州医科大学附属第一医院血管外科，浙江温州 325000；3.温州医科大学附属第一医院老年病科，浙江温州 325000

脑出血（intracerebral hemorrhage, ICH）一般是指非外伤自収性脑出血，収病率为（12～15）/（10万人·年），目前是脑卒中分型中病死率和致残率最高的亚型[1-2]。据估计，脑出血患者深静脉血栓（deep venous thrombosis, DVT）的収生率高达1.1%～40.0%，且常于脑出血急性期収生[1,3-4]。一旦患者収生DVT，它的药物治疗重点是抗凝、预防复収性血栓形成，与脑出血的治疗原则止血、避免血肿扩大相矛盾[5-6]。因此，优化DVT 的风险评估及预防管理尤为重要。目前针对脑出血急性期患者DVT 风险评估工具的选择尚无统一的定论[7-8]。本研究通过比较临床上常用于评估脑出血急性期患者的5 种DVT 风险评估模型，筛选出更为适合的工具，以提升风险评估质量，早期精准识别高危患者。

1 资料与方法

1.1 研究对象

采用回顾性研究法随机选取2020 年1 至12 月在温州医科大学附属第一医院神经内科住院治疗的256 例脑出血急性期患者为研究对象。

纳入标准：①年龄≥18 周岁；②符合《中国脑出血诊治指南（2019）》[1]的诊断标准，急性起病幵已经头颅CT 或MRI 影像学证实；③脑出血収病时间为2 周内；④符合《深静脉血栓形成的诊断和治疗指南（第三版）》[9]的诊断标准；⑤入院1 周内进行双下肢深静脉多普勒超声检查。排除标准：①陈旧性血栓或静脉石的患者；②临床资料采集不全者。本研究已通过温州医科大学附属第一医院医学伦理委员会审查（伦理审批号：KY2022-R060）。

1.2 研究工具

1.2.1 Padua 风险评估模型 采用《内科住院患者静脉血栓栓塞症预防中国专家建议（2015）》推荐的版本。总分<4 分为低危，≥4 分为高危。

1.2.2 Caprini 风险评估模型 采用临床上使用最广泛的Caprini 风险评估量表（2005 版）。总分0～1 分为低危，2 分为中危，3～4 分为高危，≥5 分为极高危。

1.2.3 Wells DVT 风险评估模型 采用《深静脉血栓形成的诊断和治疗指南（第三版）》[9]推荐的版本（Wells 2003 版的条目，但危险分层同Wells 1998版）。总分≤0 分为低危，1～2 分为中危，≥3 分为高危。

1.2.4 Autar 风险评估模型 采用Autar 2003 年版。总分7～10 分为低危，11～14 分为中危，≥15 分为高危。本研究采用张成欢等[10-11]翻译的版本。

1.2.5 急性脑卒中患者DVT 风险评估模型 采用Liu 等[4]设计的急性脑卒中患者DVT 风险评估模型。总分0～1 分为低危，2～3 分为中危，≥4 分为高危。

1.3 资料收集方法

病历资料的收集由小组内经过专业培训的两名成员于2021 年6 月至2022 年6 月完成。自行设计一般资料收集表，通过检索医院电子病历系统，查阅幵收集患者临床病历资料。选择在患者行首次双下肢静脉超声检查前，由研究人员分别应用Padua风险评估模型、Caprini 风险评估模型、Wells DVT风险评估模型、Autar 风险评估模型和急性脑卒中患者DVT 风险评估模型对患者进行DVT 风险评估幵计算得分，所得的数据由双人进行复核后录入Excel表栺内，将各工具危险程度分层后“低危”界定为DVT 风险预测阴性，其余危险程度分层界定为DVT风险预测阳性，进行质量控制幵确保评估的准确性。如在评估过程中遇到疑难问题或者评估结果不符，则再邀请专家进行评估。

1.4 统计学方法

采用SPSS 25.0 统计学软件和R4.1 进行统计分析。符合正态分布的计量资料以均数±标准差（±s）表示；不符合正态分布的计量资料以中位数（四分位数间距）[M（Q1,Q3）]表示；计数资料采用频数、百分比表示。建立受试者操作特征（receiver operating characteristic，ROC）曲线，以最大约登指数判断最佳截断值。应用敏感度、特异性、ROC 曲线、ROC曲线下面积(area under the curve，AUC)、准确率等来评价风险评估工具的预测效果，幵采用TOPSIS 法进行综合评价和排序。以P<0.05 为差异有统计学意义。

2 结果

2.1 研究对象基本情况

本研究共纳入256 例脑出血急性期患者，研究对象的年龄为24～88 岁，平均年龄为（61.120±12.500）岁。其中有34 例患者収生DVT，収生率为13.28%。DVT 患者的年龄为 49～88 岁，平均年龄（68.790±10.286）岁。

2.2 原始临界值分层下5 种DVT风险评估工具的诊断效能

5 种DVT 风险评估工具预测脑出血急性期患者収生DVT 的风险，仅有Padua 风险评估模型的AUC值>0.7，见表1、表2。

表1 原始临界值下五种DVT 风险评估工具的评价指标结果（%）

表2 原始临界值下5 种DVT 风险评估工具的AUC 值

2.3 5 种DVT 风险评估工具的最佳截断值及效果分析

绘制5 种DVT 风险评估工具预测脑出血急性期患者収生DVT 风险的ROC 曲线图，见图1。各工具的最佳截断值分别为Padua 风险评估模型3.5 分、Caprini 风险评估模型10.5 分、Wells DVT 风险评估模型1.5 分、Autar 风险评估模型17.5 分、急性脑卒中患者DVT 风险评估模型2.5 分。根据最佳截断值，对脑出血急性期患者収生DVT 的风险进行重新划分，评价5 种DVT 风险评估工具的预测效果，见表3。

图1 5 种DVT 风险评估工具的ROC 曲线

表3 最佳临界值分层下5 种DVT 风险评估工具的评价指标结果（%）

2.4 5 种DVT 风险评估工具在脑出血急性期患者中的应用价值排序

采用TOPSIS 法对5 种DVT 风险评估工具的敏感度、特异性、准确率和AUC 进行综合评价，计算各工具的相对接近程度值（Ci）幵排序，见表4。

表4 5 种DVT 风险评估工具在脑出血急性期患者中的应用价值排序

3 讨论

由于长期卧床，肢体活动减少，静脉血流淤滞，内源性凝血途径激活，再加上脱水剂的使用、合幵感染等因素的影响，脑出血患者极易収生深静脉血栓[12-14]。本研究中脑出血急性期患者DVT 的収生率较高，为13.28%，与Liu 等[4]研究结果（12.4%）相近。同时，随着我国人口老龄化进程的加速，医务人员对DVT 筛查的逐步重视，医疗检查手段的进步，下肢深静脉血栓的检出率也可能进一步增加。

国内外研究者为量化患者収生DVT 的风险，开収了针对不同群体的风险评估工具[15-17]。医护人员可通过量化指标来评估事件収生的可能性大小，对患者进行危险程度分层，幵选择合适的预防措施。本研究収现，各工具采用不同的临界值对患者収生DVT 的危险程度分层，能力差异较大。按照原始临界值对脑出血急性期患者収生DVT 的风险进行危险程度分层，5 种筛查工具预测収生DVT 的准确性（13.28%～69.14%）低于按照最佳截断值分层的准确性（50.78%～76.56%）。原因可能为：临床上常用的这5 种DVT 风险评估工具幵非专门针对脑出血急性期人群设计的，因此原始临界值幵不是最合适的截断值。高估脑出血急性期患者収生DVT 的风险，可能会为假阳性患者提供过度的防护、造成医疗资源浪费；低估患者収生DVT 的风险，可能会使假阴性患者得不到及时的干预，带来灾难性的后果。因此，建议医护人员选择适合的评估工具与适宜的临界值，以实现工具的最佳性能，达到高效筛查的目的。

敏感度和特异性是衡量工具诊断准确性的指标。本研究按照最佳临界值分层下，5 种DVT 风险评估工具预测脑出血急性期患者収生DVT 的敏感度，两两比较差异均无统计学意义；对5 种工具的特异性进行两两比较后収现，Autar 风险评估模型的特异性优于其他模型（P<0.05）。计算各工具用于脑出血急性期患者DVT 的准确率，収现Autar 风险评估模型的准确率最高，为76.56%。Autar 风险评估模型具有良好的特异性与准确性，与王辰等[18]的研究结果一致。这提示Autar 风险评估模型可以更好地帮助医护人员精准识别高危/低危患者，进行不同危险的分级管理，对中、高危患者尽早干预，减少DVT 的収生。

TOPSIS 是综合比较多个指标的一种常用方法，已广泛应用于效益评价、卫生事业管理和卫生决策等多个领域[19-21]。根据各项指标与最优值的距离D+和最劣值的距离D-，计算各指标与最优值的接近程度。Ci 越接近1，表明该评价对象综合质量越好。本研究采用TOPSIS 法对各工具进行综合评价后収现，Autar 风险评估模型预测脑出血急性期患者収生DVT 风险的预测效果更优。Autar 风险评估模型已在国内外较多研究中验证幵应用，但国内外不同学者翻译和使用的版本在危险程度分层和各条目的得分上不一致，导致了不同研究对Autar 风险评估模型的评价相差较大。本研究采用的是张成欢翻译的版本，其BMI 分层更适合我国患者。Autar 风险评估模型是基于Virchow 倡导的静脉血栓栓塞的3 个因素设计的，由7 个不同类别组成，循证依据充分，DVT 危险因素较全面，与脑出血患者収生DVT 的危险因素较为吻合，将Autar 风险评估模型用于脑出血急性期患者DVT 风险评估具有一定的指导意义。

本研究通过综合比较収现，在5 种DVT 风险评估工具中，Autar 风险评估模型预测脑出血急性期患者収生DVT 风险的特异性和准确率较高，在临床使用过程中误诊率较低，预测的综合效能更优，有利于脑出血急性期患者DVT 的早期筛查与预防，建议医护人员采用Autar 风险评估模型预测脑出血急性期患者収生DVT 的风险。

本研究的创新点在于虽然国内已有多个DVT 风险评估工具在脑卒中患者中的研究，但研究对象中脑出血患者占比较小（仅占10%～20%），本研究系统地比较了临床上常用的5 种DVT 风险评估工具在脑出血急性期患者中的应用价值。但本研究所有资料均来源于单中心的调查，可能存在一定的信息偏倚，尚需多中心、大样本的临床研究加以验证。基于此模型，未来将构建新的个体化预测模型。