顱腦創(chuàng)傷患者臨床輸血影響因素分析及預測模型構建

【摘要】 目的 通過分析創(chuàng)傷性顱腦損傷（TBI）患者臨床輸血影響因素，建立TBI患者臨床輸血預測模型，以指導臨床輸血決策。方法 回顧性分析南昌大學第一附屬醫(yī)院2015年1月1日—2021年6月30日收治的3 579例TBI患者病例資料，根據(jù)患者院內是否輸注紅細胞將患者分為輸血組和未輸血組，將患者按7∶3比例隨機分為訓練集和測試集，分析比較訓練集和測試集中兩組患者間臨床資料，通過邏輯回歸篩選患者院內輸血相關危險因素，采用列線圖建立預測模型，并評價模型的預測性能。結果 訓練集和測試集中兩組患者基本資料、臨床指征和實驗室檢測指標間均存在差異（Plt;0.05）。輸血組患者院內死亡率、并發(fā)癥發(fā)生率、機械通氣、重癥監(jiān)護室入住率、住院時間均明顯高于未輸血組（Plt;0.05）。多因素邏輯回歸顯示年齡≥60歲、心率、格拉斯哥昏迷評分、顱骨骨折、其他骨折、失血性休克、Hct、INR和Ca²⁺濃度是TBI患者輸血的危險因素。根據(jù)危險因素構建的列線圖模型在訓練集和測試集的曲線下面積為0.931（95% CI：0.921～0.941）和0.920（95% CI：0.902～0.938），其靈敏度和特異度分別為80.0%、88.8%和78.0%、87.0%。結論 以TBI患者輸血的危險因素構建的預測模型具有較好預測效果，可用于預測TBI患者輸血需求，指導臨床醫(yī)師輸血決策，提高患者救治成功率。

【關鍵詞】 創(chuàng)傷性顱腦損傷；臨床輸血；邏輯回歸；列線圖；預測模型

【中圖分類號】 R651 【文獻標志碼】 A 【文章編號】 1672-7770（2024）04-0365-06

Influencing factors of clinical blood transfusion in patients with traumatic brain injury and construction of prediction model LIU Wei， WU Chenggao， LIU Qiang， XIONG Wei， LE Aiping. Department of Transfusion， the First Affiliated Hospital of Nanchang University， Nanchang 330006， China

Corresponding author： LE Aiping

Abstract： Objective To create a prediction model for clinical blood transfusion decision-making by analyzing the factors that affect blood transfusion in patients with traumatic brain injury（TBI）. Methods The clinical data of 3 579 patients with TBI admitted to the First Affiliated Hospital of Nanchang University from January 1， 2015 to June 30， 2021 were analyzed retrospectively. The patients were divided into transfusion group and non-transfusion group based on in-hospital red blood cell transfusion. The patients were randomly divided into training set and test set according to the ratio of 7∶3. The clinical information of two groups as well as clinical prognostic outcomes were examined. The risk factors associated with in-hospital blood transfusion were screened using logistic regression to create a nomogram predictive model， and the model’s predictive capability was assessed. Results There were differences in basic data， clinical indications and laboratory test indexes between TBI patients with blood transfusion and those without blood transfusion（Plt;0.05）. The in-hospital mortality， complication rate， mechanical ventilation， intensive care unit admission and hospitalization time in the blood transfusion group were significantly higher than those in the non-blood transfusion group（Plt;0.05）. Age≥60 years， heart rate， Glasgow coma score， skull fracture， other fractures， hemorrhagic shock， Hct， INR and Ca were included in the nomogram model. The area under the ROC curve of the nomogram model in the training set and the test set was 0.931（95% CI：0.921-0.941） and 0.920（95%CI：0.902-0.938）， and the sensitivity and specificity were 80.0%， 88.8% and 78.0%， 87.0%， respectively. Conclusions Nomogram prediction model has good performance， which can be used to predict the blood transfusion demand of TBI patients， assist clinicians in blood transfusion decision-making， and improve the success rate of treatment.

Key words： traumatic brain injury; blood transfusion; logistic regression; nomogram; predictive model

基金項目：江西省重點研發(fā)計劃項目（20192ACB50014）

作者單位：330006 南昌，南昌大學第一附屬醫(yī)院輸血醫(yī)學科（劉威，吳承高，樂愛平）；江西省輸血醫(yī)學重點實驗室（劉強，熊偉）

通信作者：樂愛平

隨著現(xiàn)代社會交通的快速發(fā)展，道路交通事故發(fā)生率逐年升高，創(chuàng)傷已成為造成傷害和暴力相關死亡的主要原因，嚴重影響中國居民生命安全^[1-3]，其中，創(chuàng)傷性顱腦損傷（traumatic brain injury，TBI）是造成青壯年創(chuàng)傷患者死亡和殘疾的主要原因。TBI合并出血患者可伴有重度貧血、創(chuàng)傷相關凝血功能障礙等表現(xiàn)^[4-5]。其中，顱腦創(chuàng)傷相關凝血功能障礙發(fā)生機制復雜，且尚無統(tǒng)一的診斷標準，但其往往會導致進展性顱內出血的發(fā)生，影響患者臨床治療效果和預后。

輸血是糾正創(chuàng)傷患者嚴重貧血和凝血功能障礙的重要手段。安全科學有效地輸注血液成分有助于改善腦組織氧供、糾正凝血功能障礙，為患者治療提供支持，減少繼發(fā)性腦損傷，改善患者的預后^[6-7]。但有研究顯示輸血和輸血不良反應可能與患者不良預后相關，紅細胞輸注并未能明顯提高TBI患者預后^[8-9]，因此，評估輸血指征與臨床癥狀、臨床收益及可能的不良結局，針對不同TBI患者選擇個體化的輸血策略，為提升患者的臨床治療療效，改善患者預后，減少血液輸注，保護珍貴的血液資源具有重要的意義。本研究回顧性分析南昌大學第一附屬醫(yī)院2015年1月1日—2021年6月30日收治的3 579例TBI患者輸血病例資料，旨在探討TBI患者輸血的相關危險因素，構建其臨床輸血預測模型，以期指導TBI患者臨床輸血決策。

1 資料與方法

1.1 一般資料 共納入3 579例TBI患者，其中男2 615例，女964例；年齡19～96歲，平均年齡53歲。納入標準：（1）由創(chuàng)傷所致TBI；（2）入院后頭顱計算機斷層掃描（computed tomography，CT）顯示顱內出血、腦挫裂傷、硬膜下或硬膜外血腫、顱骨骨折、腦水腫、腦腫脹、腦積水等顱內異常；（3）創(chuàng)傷后24 h內入院。排除標準：（1）年齡≤18歲；（2）孕產(chǎn)婦；（3）病例資料缺失gt;70%。病例篩選流程見圖1。本研究獲得南昌大學第一附屬醫(yī)院醫(yī)學研究倫理委員會審批通過[審批號：（2018）醫(yī)研倫審第（051）號]。

1.2 資料收集方法 患者病歷資料來源于醫(yī)院電子病歷系統(tǒng)、臨床輸血管理信息系統(tǒng)、實驗室信息系統(tǒng)，包括患者年齡、性別、受傷原因、入院時格拉斯哥昏迷指數(shù)評分（Glasgow coma score，GCS）、體溫、心率（heart rate，HR）、收縮壓（systolic blood pressure，SBP）、舒張壓（diastolic blood pressure，DBP）、呼吸頻率、臨床診斷、治療方式及入院后首次實驗室檢測指標包括血型、紅細胞（red blood cell，RBC）計數(shù)、血紅蛋白（hemoglobin，Hb）濃度、紅細胞比積（hematocrit，Hct）、血小板（platelet，PLT）計數(shù)、凝血酶原時間（prothrombin time，PT）、活化部分凝血活酶時間（activated partial thromboplastin time，APTT）、國際標準化比值（international normalized ratio，INR）、鉀（K）、鈉（Na）、氯（Cl）、鈣（Ca），住院期間是否輸血及紅細胞和血漿輸注總量等。臨床預后評價指標包括院內死亡率、并發(fā)癥發(fā)生率、機械通氣、是否入住重癥監(jiān)護室（intensive care unit，ICU）、90 d內再次住院、總住院時間。

1.3 統(tǒng)計學分析 應用R語言（V4.2.2）統(tǒng)計軟件進行統(tǒng)計學分析，缺失數(shù)據(jù)采用隨機森林回歸插補進行填充。計量資料先進行正態(tài)性檢驗，符合正態(tài)分布的計量資料以均數(shù)±標準差（x-±s）表示，組間比較用獨立樣本t檢驗；非正態(tài)分布的計量資料用中位數(shù)（四分位數(shù)）M（Q_L，Q_U）表示，組間比較用Mann-Whitney U檢驗；計數(shù)資料比較用χ²檢驗，當理論頻數(shù)小于5，改用Fisher確切概率法。將數(shù)據(jù)集以7∶3的比例分為訓練集和測試集，分別用于模型構建和模型驗證。采用邏輯回歸對TBI患者輸血相關危險因素進行篩選，并采用列線圖構建模型，使用受試者工作特征曲線（receiver operating characteristic curve，ROC）分析模型預測性能。以Plt;0.05認為差異具有統(tǒng)計學意義。

2 結 果

2.1 TBI患者臨床資料分析 本研究納入TBI患者3 579例，其中輸血患者708例，未輸血患者2 871例。根據(jù)7∶3的比例分為訓練集和測試集，其中訓練集患者2 505例，訓練集中輸血患者501例；測試集患者1 074例，其中輸血患者207例，見表1。在訓練集中，與未輸血組相比，輸血組性別、體溫、Rh血型間差異無統(tǒng)計學意義（Pgt;0.05）；在測試集中，與未輸血組相比，輸血組性別、年齡≥60歲患者例數(shù)、體溫、ABO血型、Rh血型和Na濃度間差異無統(tǒng)計學意義（Pgt;0.05），其他資料、臨床指征和實驗室檢測指標間均存在差異（Plt;0.05），見表1。

2.2 TBI患者臨床預后指標分析 輸血組患者院內死亡率為7.3%，明顯高于未輸血組的1.8%，差異具有顯著性（Plt;0.05）；與未輸血組相比，輸血組患者住院時間、并發(fā)癥發(fā)生率、機械通氣發(fā)生率、ICU入住率、90 d再入院率也明顯升高，差異具有顯著性（Plt;0.05），見表2。

2.3 TBI患者臨床輸血危險因素篩選 對訓練集中TBI患者臨床輸血影響因素進行多因素Logistic回歸分析結果顯示，入院時年齡≥60歲[優(yōu)勢比（odds ratio，OR）=1.69，Plt;0.05]、顱骨骨折（OR=1.49，Plt;0.05）、其他骨折（OR=1.68，Plt;0.05）、失血性休克（OR=17.3，Plt;0.05）和INR（OR=1.39，Plt;0.05）是TBI患者院內輸血的獨立危險因素。手術治療、GCS評分（OR=0.90，Plt;0.05）、血清鈣（OR=0.22，Plt;0.05）、Hct（OR=0.86，Plt;0.05）是TBI患者院內輸血的保護因素（Plt;0.05，表3）。

2.4 TBI患者臨床輸血預測模型建立與性能評價采用列線圖對多因素Logistic回歸篩選的危險因素進行模型構建，構建的預測模型見圖2。在訓練集和測試集中，對TBI患者院內輸血預測模型進行ROC曲線分析顯示，預測模型在訓練集和測試集的ROC曲線下面積為0.931（95% CI：0.921～0.941）和0.920（95% CI：0.902～0.938），其靈敏度和特異度分別為80.0%、88.8%和78.0%、87.0%，見圖3。

3 討 論

顱腦創(chuàng)傷是導致青壯年死亡的主要原因。全世界每年發(fā)生超過5 000萬例TBI，其中中國每年受傷人數(shù)約為1 390萬，占比約18%^[10]。顱腦創(chuàng)傷患者因顱腦骨折、腦組織挫裂傷、血腫形成等引起急性顱內壓升高，而且腦組織供血豐富，止血較困難，多數(shù)患者需要緊急手術和輸血以避免繼發(fā)性腦損傷，導致TBI患者輸血需求明顯增高。輸血是支持患者救治的重要手段，在本研究中輸血組患者顱骨骨折、其他骨折、失血性休克比例更高，GCS評分更低，且輸血組患者手術治療比例更高、血常規(guī)、凝血檢測指標較未輸血組更差（Plt;0.05），說明輸血組患者顱腦損傷嚴重程度、失血量與凝血功能障礙均明顯高于未輸血組，患者損傷嚴重程度與輸血治療需求增加顯著相關；且輸血患者院內死亡率、住院時間、并發(fā)癥、90 d再住院率等均顯著高于未輸血患者（Plt;0.05），說明TBI患者輸血治療需求的明顯增加可能與臨床預后更差相關。輸血患者的并發(fā)癥，尤其是感染并發(fā)癥，顯著高于未輸血患者，可能與紅細胞輸注相關免疫調節(jié)存在一定聯(lián)系，也有研究顯示重癥患者紅細胞輸注與免疫抑制相關，增加感染風險，影響患者預后^[11-12]，因此，科學有效安全地輸血對患者治療具有重要意義。

多因素Logistic回歸分析結果顯示，年齡≥60歲、Hct、INR、Ca、顱骨骨折、其他骨折、失血性休克、GCS、治療方式共9個影響因素是TBI患者臨床輸血的獨立危險因素。其中，Hct和INR異常提示紅細胞丟失和凝血功能異常，15%～30%創(chuàng)傷患者入院時存在凝血功能障礙，凝血功能障礙與大量輸血明顯相關^[13-14]，且目前國內外也均以PT、APTT、INR、PLT計數(shù)中出現(xiàn)一項指標異常診斷創(chuàng)傷后凝血功能障礙^[15]。亦有研究顯示，Hct和INR作為創(chuàng)傷大量輸血的預測指標，具有良好的預測效果^[16-17]。另外，本研究顯示Ca也是TBI患者臨床輸血的危險因素，已有研究亦顯示低鈣血癥創(chuàng)傷患者死亡率明顯高于正?；颊?sup>[18-19]，且創(chuàng)傷患者低鈣血癥與凝血功能障礙（INRgt;1.5）相關^[20]，均提示早期糾正低鈣血癥對減少患者輸血和改善預后有重要價值。

本研究在訓練集中對TBI患者臨床輸血的獨立危險因素構建了臨床輸血預測模型，并在測試集進行了性能評價，結果顯示模型在訓練集和測試集上ROC曲線下面積分別是0.931和0.920，其靈敏度和特異度分別為80.0%、88.8%和78.0%、87.0%，具有良好的預測效果。

本研究仍存在一些局限性：（1）本研究是單中心回顧性研究，未納入其他機構數(shù)據(jù)予以外部驗證，研究結果可能存在偏倚風險；（2）本研究未分開手術用血與非手術用血，無法評估手術對用血需求的影響。

綜上所述，本研究通過篩選出TBI患者臨床輸血獨立危險因素，建立了其輸血預測模型并予以驗證，驗證結果顯示預測模型能較好地預測患者輸血需求，具有良好的預測價值，上述結果仍需要大樣本臨床試驗予以證實。

利益沖突：所有作者均聲明不存在利益沖突。

作者貢獻聲明：劉威負責起草文章、查閱文獻及分析、解釋數(shù)據(jù)；吳承高負責數(shù)據(jù)收集、處理和統(tǒng)計分析；劉強、熊偉負責查閱文獻和論文數(shù)據(jù)采集、分析；樂愛平負責課題監(jiān)管與指導、文章的審閱及修訂。

[參 考 文 獻]

[1]Holcomb JB，Tilley BC，Baraniuk S，et al.Transfusion of plasma，platelets，and red blood cells in a 1∶1∶1 vs a 1∶1∶2 ratio and mortality in patients with severe trauma：the PROPPR randomized clinical trial[J].JAMA，2015，313（5）：471-482.

[2]國家統(tǒng)計局.中國統(tǒng)計年鑒-2021（總第40期），No.40[M].北京：中國統(tǒng)計出版社，2021：725-726.

National Bureau of Statistics.China Statistical Yearbook-2021（40th issue），No.40[M].Beijing：China Statistical Publishing House，2021：725-726.

[3]Tiruneh A，Siman-Tov M，Givon A，et al.Comparison between traumatic brain injury with and without concomitant injuries：an analysis based on a national trauma registry 2008—2016[J].Brain Inj，2020，34（2）：213-223.

[4]Folkerson LE，Sloan D，Cotton BA，et al.Predicting progressive hemorrhagic injury from isolated traumatic brain injury and coagulation[J].Surgery，2015，158（3）：655-661.

[5]Maegele M.Coagulopathy and progression of intracranial hemorrhage in traumatic brain injury：mechanisms，impact，and therapeutic considerations[J].Neurosurgery，2021，89（6）：954-966.

[6]Zhang LM，Li R，Sun WB，et al.Low-dose，early fresh frozen plasma transfusion therapy after severe trauma brain injury：a clinical，prospective，randomized，controlled study[J].World Neurosurg，2019，132：e21-e27.

[7]Dilday J，Lewis MR.Transfusion management in the trauma patient[J].Curr Opin Crit Care，2022，28（6）：725-731.

[8]Komurcu O，Dost B，Ozdemir E，et al.Red blood cell transfusion and hemoglobin level on neurological outcome in the first 24 hours of traumatic brain injury[J].Am J Emerg Med，2022，59：74-78.

[9]Boutin A，Moore L，Green RS，et al.Hemoglobin thresholds and red blood cell transfusion in adult patients with moderate or severe traumatic brain injuries：a retrospective cohort study[J].J Crit Care，2018，45：133-139.

[10]Jiang JY，Gao GY，F(xiàn)eng JF，et al.Traumatic brain injury in China[J].Lancet Neurol，2019，18（3）：286-295.

[11]He YJ，Xu JQ，Shang XP，et al.Clinical characteristics and risk factors associated with ICU-acquired infections in sepsis：a retrospective cohort study[J].Front Cell Infect Microbiol，2022，12：962470.

[12]Mazzeffi MA，Holmes SD，Taylor B，et al.Red blood cell transfusion and postoperative infection in patients having coronary artery bypass grafting surgery：an analysis of the society of thoracic surgeons adult cardiac surgery database[J].Anesth Analg，2022，135（3）：558-566.

[13]蒙斯雅，李梅，李微.構建Logistic回歸預測模型分析顱腦損傷患者并發(fā)凝血功能障礙的影響因素[J].中國急救復蘇與災害醫(yī)學雜志，2023，18（3）：320-324.

Meng SY，Li M，Li W.Construction of Logistic regression prediction model to analyze the influencing factors of coagulation dysfunction in patients with head injury[J].China J Emerg Resusc Disaster Med，2023，18（3）：320-324.

[14]Lier H，F(xiàn)ries D.Emergency blood transfusion for trauma and perioperative resuscitation：standard of care[J].Transfus Med Hemother，2021，48（6）：366-376.

[15]陳益磊，劉勁芳.顱腦創(chuàng)傷后凝血功能障礙的研究進展[J].國際神經(jīng)病學神經(jīng)外科學雜志，2020，47（2）：208-212.

Chen YL，Liu JF.Research advances in coagulopathy after traumatic brain injury[J].J Int Neurol Neurosurg，2020，47（2）：208-212.

[16]Liu W，Wu CG，Zou J，et al.Massive transfusion prediction in patients with multiple trauma by decision tree：a retrospective analysis[J].Indian J Hematol Blood Transfus，2021，37（2）：302-308.

[17]Lammers D，Marenco C，Morte K，et al.Machine learning for military trauma：novel massive transfusion predictive models in combat zones[J].J Surg Res，2022，270：369-375.

[18]Byerly S，Inaba K，Biswas S，et al.Transfusion-related hypocalcemia after trauma[J].World J Surg，2020，44（11）：3743-3750.

[19]康洋波，周佳圻，胡雨峰，等.低鈣血癥在老年創(chuàng)傷性凝血病早期診斷中的效價研究[J].中華急診醫(yī)學雜志，2022，31（5）：603-607.

Kang YB，Zhou JQ，Hu YF，et al.Value of hypocalcaemia for predicting trauma-induced coagulopathy in elderly trauma patients[J].Chin J Emerg Med，2022，31（5）：603-607.

[20]Vasudeva M，Mathew JK，F(xiàn)itzgerald MC，et al.Hypocalcaemia and traumatic coagulopathy：an observational analysis[J].Vox Sang，2020，115（2）：189-195.

（收稿2023-11-01 修回2024-01-08）