一种用于脊柱骨折手术患者围手术期下肢深静脉血栓形成的临床风险预测模型

《Frontiers in Surgery》：A clinical risk prediction model for perioperative lower extremity DVT in patients undergoing spinal fracture surgery

　　脊柱骨折术后围手术期深静脉血栓风险预测模型的构建与验证。采用回顾性研究方法，纳入249例脊柱骨折手术患者，通过单因素及多因素Logistic回归分析，识别出围手术期输血、C反应蛋白升高、D-二聚体>500μg/L、高血压、年龄≥60岁及卧床时间延长为独立风险因素。模型拟合良好（Hosmer-Lemeshow P=0.807），ROC曲线AUC为0.75（模型组）和0.81（验证组），敏感性和特异性均达到临床应用标准。

　　在临床医学中，深静脉血栓（DVT）是术后常见的并发症之一，尤其在脊柱骨折手术患者中，由于创伤程度大、手术时间长、术后恢复期活动受限等因素，DVT的发生率显著上升。为应对这一问题，本研究通过回顾性分析的方法，构建了一个基于逻辑回归的脊柱骨折术后下肢深静脉血栓风险预测模型，旨在为临床提供早期风险评估和干预策略的支持。该模型不仅考虑了患者术前的静态因素，还结合了术中和术后的一些动态指标，以期更全面地识别高风险人群。

脊柱骨折是一种由高能量创伤引起的常见骨折类型，约占所有骨折的5%至6%。其发生往往伴随着复杂的病理机制，包括组织损伤、炎症反应增强、血流动力学改变等。这些因素在手术前后均可能影响血液凝固状态，增加DVT的形成风险。尤其是在术后恢复阶段，患者由于疼痛、麻醉、手术操作等因素，活动能力受限，静脉回流受阻，容易形成血栓。因此，建立一个准确的DVT风险预测模型，对于提高术后血栓预防的针对性和有效性具有重要意义。

在本研究中，研究者收集了2019年7月至2024年10月期间，来自内蒙古某三级专科医院的249名接受脊柱骨折手术的患者数据。这些患者被随机分为模型组（166人）和验证组（83人），比例为2:1，以确保模型构建和验证过程的统计学有效性。研究者通过单因素分析和多因素逻辑回归分析，识别了与术后DVT发生相关的独立危险因素，包括术中输血史、C反应蛋白（CRP）升高、D-二聚体浓度>500 μg/L、高血压病史、年龄≥60岁以及术后长时间卧床等。这些危险因素涵盖了患者的生理状态、血液学指标、手术操作特征等多个维度，体现了DVT风险评估的多方面特性。

模型构建完成后，研究者通过Hosmer-Lemeshow检验评估了模型的拟合优度，结果显示模型预测值与实际观察值之间无显著差异，表明模型具有良好的校准性能。同时，研究者还利用受试者工作特征曲线（ROC曲线）对模型的区分能力进行了定量分析。模型组的AUC值为0.75（95% CI: 0.80–0.92），而验证组的AUC值为0.81（95% CI: 0.64–0.98），表明该模型在预测术后DVT方面具有较高的准确性。此外，通过最大化Jordon指数确定了模型的最佳预测阈值为0.076，此时模型的敏感性和特异性分别为82.75%和75.9%。验证组的敏感性和特异性分别为72.73%和84.72%，整体模型表现良好，具有一定的临床实用价值。

研究结果表明，术中输血、CRP升高、D-二聚体浓度>500 μg/L、高血压病史、年龄≥60岁以及术后长时间卧床是术后DVT发生的独立危险因素。这些因素在临床中具有一定的可操作性，可以通过术前评估和术后监测进行干预。例如，术中输血可能增加血液黏稠度和凝血活性，从而促进血栓形成，因此在术中应尽可能减少不必要的输血。CRP作为炎症反应的标志物，其水平升高反映了机体存在一定程度的炎症状态，可能与DVT的发生密切相关。D-二聚体是反映血液凝固和纤溶过程的重要指标，其浓度升高提示体内可能存在血栓形成或凝血功能异常。高血压患者由于血管内皮损伤和血液流变学改变，更容易发生DVT，因此术前应重点关注此类患者的血压控制情况。年龄≥60岁的患者由于血管弹性下降、心功能减弱，以及常伴有其他危险因素，其DVT风险也较高。术后长时间卧床则直接影响静脉血流，增加血栓形成的可能性，因此术后应尽早鼓励患者活动，减少卧床时间。

值得注意的是，本研究构建的模型具有一定的地域针对性。目前，国际上广泛应用的DVT风险评估模型多为基于西方人群的数据，而亚洲人群的DVT发生率通常低于西方人群，这可能与种族差异、生活方式、基础疾病分布等因素有关。因此，直接套用西方模型可能无法准确反映亚洲患者的DVT风险，甚至可能产生误判。本研究针对中国人群的临床特征，构建了一个适用于脊柱骨折手术患者的DVT风险预测模型，为临床提供了更具针对性的风险评估工具。

在模型的验证过程中，研究者采用了严格的统计方法，包括Hosmer-Lemeshow检验和ROC曲线分析，以确保模型的稳定性和可重复性。Hosmer-Lemeshow检验的结果显示，模型的预测值与实际值之间没有显著差异，说明模型具有较好的拟合能力。ROC曲线分析则进一步验证了模型的区分能力，AUC值在0.75至0.81之间，表明该模型在识别DVT高风险患者方面表现良好。此外，研究者还通过设定最佳预测阈值，提高了模型的临床实用性，使得医生可以根据预测概率对患者进行分级干预。

本研究的局限性也值得关注。首先，由于数据来源于单一医院，可能存在样本选择偏差，影响模型的普遍适用性。其次，回顾性研究的样本量相对有限，可能导致模型在面对新的数据时出现一定的泛化能力不足。此外，不同医疗机构在治疗方案和患者管理方面可能存在差异，这会影响模型的推广和应用。因此，未来的研究需要在更大范围的患者群体中进行验证，并结合不同地区的临床实践，进一步优化模型的参数和结构。

总体而言，本研究通过系统分析脊柱骨折手术患者的临床数据，构建了一个具有临床实用价值的DVT风险预测模型。该模型不仅能够帮助医生更准确地识别高风险患者，还为术后血栓预防策略的制定提供了科学依据。通过将多个独立危险因素纳入模型，研究者提高了风险评估的全面性和准确性，为改善患者术后预后、减少DVT相关并发症提供了有力支持。未来，随着更多数据的积累和模型的不断完善，该预测系统有望在临床实践中发挥更大的作用，为脊柱骨折手术患者的安全管理提供更加精准的指导。