基于临床数据列线图模型预测重型颅脑损伤昏迷患者近期预后的临床价值和准确性

王小峰，王 琪，党俊涛，白西民，姚 胜，杨 锐，杜春亮，王 峰

急性重型颅脑损伤所致昏迷病死率及致残率均较高，若未给予及时有效救治预后较差，因此简便准确评估此类患者的预后同时给予最佳的治疗措施，是临床研究的热点和难点[1-2]。目前脑电双频指数(BIS)作为一种新型的监测技术，不仅能够有效监测颅脑内部的代谢，而且还能更客观评价患者的意识情况，国内外学者已经逐步将其应用于重型颅脑损伤所致昏迷患者的围术期监测，并做了较多临床研究，被认为是可单独预测昏迷患者预后的一个独立因素[3-5]。而临床预测模型近些年来在国内被逐步应用于临床研究中，特别是其中的列线图模型较简单直观，是目前临床的研究热点。本研究为了进一步明确何种因素能够有效预测重型颅脑损伤所致昏迷患者的预后，并明确基于上述因素构建的列线图模型预测患者预后的准确性。现报告如下。

1 资料与方法

1.1一般资料 回顾性分析2018年1月1日—2021年1月1日我院收治的重型颅脑损伤所致昏迷220例的临床资料。纳入标准：经临床及CT或MRI检查明确为颅脑损伤，且有确切颅脑外伤史；于创伤后24 h内入院：入院时格拉斯哥昏迷量表(GCS)评分为3～8分；患者家属均同意本研究。排除标准：拒绝签署知情同意书或参与本研究；合并恶性肿瘤者；外伤后入院时间>24 h者；入院24 h内临床死亡者。剔除中途失访6例，最终纳入214例，其中男124例，女90例。依据随访后6个月格拉斯哥预后评分(GOS)[6-7]分为预后不良组(GOS评分≤3分)和预后良好组(GOS评分≥4分)。纳入本研究患者均由颅脑创伤组医师进行手术治疗，且术后入神经外科重症监护室予相应监护治疗，常规给予内环境稳态、全身营养支持和积极预防并发症等治疗。本研究经我院医学伦理委员会批准。

1.2研究方法 对纳入研究患者均随访6个月，应用多因素Logistic回归分析影响重型颅脑损伤预后的影响因素，利用R语言包构建基于BIS的列线图模型，并利用Bootstrap方法以及临床决策曲线验证该模型的准确性和临床决策的获益性。

1.3资料收集 包括患者临床基本资料(一般生理状况、身高、体质量、是否吸烟、既往史等)、围术期相关用药、实验室指标(包括肝肾功能、凝血功能、生化指标)以及入院时BIS。

1.4BIS监测相关操作流程及评价方法

1.4.1BIS监测方法：纳入本研究的患者均在入院后24 h内开展BIS值的相关监测，本研究中所使用的BIS仪器电缆接口为美国ASPECT公司提供，其中的传感器模块由飞利浦公司提供。

1.4.2BIS仪器的相关操作过程及评价方法：首先对于患者额头部的皮肤采用75%乙醇进行擦拭，上述步骤完成后进行脱脂以及晾干，随后在患者的外眦水平处放置相应的感应装置，将BIS的4个电极片严格按照说明书的要求放置在正确的位置，同时对其进行压紧处理，压紧的时间为5 s，在确保电极片接触良好后，再依次连接BIS的传感器以及相应的模块。随后进行阻抗试验调整，维持整个皮肤的阻抗<5 KΩ，BIS监护仪在进行相应监护的其他条件为：肌电图≤40 DB,同时信号质量指数为80%～100%，连续监测5 min，其中每分钟记录1次数值，记录5次后计算其平均值。

2 结果

2.1随访结果 本研究220例，在6个月随访过程中失访6例，其中3例因为迁往外市定居，不再回我院随访；2例为更换联系方式，未再取得联系，后期也未在我科门诊复诊；1例为家属拒绝随访，最终纳入214例。6个月随访结束后预后不良组114例，预后良好组100例。

2.2一般资料 预后良好组入院时GCS评分高于预后不良组，年龄>60岁、入院时瞳孔散大及脑卒中史、颅脑损伤史患者所占比例低于预后不良组(P<0.05，P<0.01)。见表1。

表1 预后良好组和预后不良组重型颅脑损伤所致昏迷患者一般资料比较

2.3实验室指标 预后良好组PO2和BIS高于预后不良组(P<0.01)。见表2。

表2 预后良好组和预后不良组重型颅脑损伤所致昏迷患者实验室及围术期指标比较

2.4重型颅脑损伤所致昏迷患者预后的影响因素多因素Logistic回归分析 以患者6个月后随访预后为因变量，以单因素分析差异有统计学意义的指标作为自变量，行多因素Logistic回归分析显示，重型颅脑损伤患者近期预后不良的独立危险因素为入院时BIS、入院时GCS评分、PO2低及入院时瞳孔散大、年龄>60岁(P<0.01)。见表3。

2.5列线图模型的构建 采用R语言中的“RMS程序包”构建预测重型颅脑损伤患者近期预后列线图模型，其中列线图中每个指标横轴上的值做垂线与评分标尺上的值的交点得到一个分数，所有指标的值相加即为该患者预后不良的风险值。见图1。

图1 预测重型颅脑损伤患者近期预后的列线图模型

2.6列线图模型预测的ROC曲线 构建的列线图模型预测重型颅脑损伤所致昏迷患者近期预后的能力较强，其中曲线下面积(AUC)=0.854，95%CI为0.73，0.93。见图2。

图2 列线图模型预测重型颅脑损伤所致昏迷患者近期预后的ROC曲线ROC为受试者工作特征

2.7Bootstrap方法验证列线图的曲线 随后采用Bootstrap方法重复抽样1000次验证列线图，发现校准曲线的平均绝对误差为0.017，说明校准曲线与理想曲线贴合良好。见图3。

图3 Bootstrap方法验证列线图模型预测重型颅脑损伤所致昏迷患者预后的曲线

2.8列线图模型的临床决策曲线 临床决策曲线显示，列线图模型预测重型颅脑损伤所致昏迷患者的发生阈值为0.07～0.89时该模型的适用性最佳。见图4。

图4 列线图模型预测重型颅脑损伤所致昏迷患者的发生的临床决策曲线

表3 重型颅脑损伤所致昏迷患者预后的影响因素多因素Logistic回归分析

3 讨论

近年来，重型颅脑损伤发生率越来越高，且病情变化迅速，若不能及时判断患者的病情并制订出对患者本身最优的治疗方案，该类患者具有极高的临床致死率[8]。如何及时并且准确有效的判定重型颅脑损伤患者的预后，是临床的难点，也是热点。虽然临床有部分医生认为GCS评分、脑干反射、瞳孔反射等可一定程度反映重型颅脑损伤患者的预后，但有相应的研究也显示其存在较高的临床假阳性率，并且对昏迷患者而言，很多患者临床查体结果很差，但其预后却较好，提示我们对于重型颅脑损伤的患者而言，可能仅依靠单纯的临床查体并不能科学准确的预测患者预后[9-14]。目前随着BIS监测在麻醉、重症监护室的普及，部分学者认为这种新兴的监测手段可能是重型颅脑损伤所致昏迷患者预后判定的新思路。BIS的优势在于其有效整合了脑电图中的各项指标，将脑电图中的频率以及功率进行双频分析，将最后的混合信息拟合成0～100之间的数字，能够非常简洁明了的反映患者大脑皮质的清醒程度。同时这种直观的数字是可以量化的，相对于既往神经系统的各种量表而言，能够减少评判人员本身的主观误判，同时能够无创化的对昏迷患者的意识进行连续有效的监测，因此，目前BIS被认为是评估患者的意识状态和镇静程度的一个准确客观的指标，并且多项研究显示，BIS可以独立预测昏迷患者的预后[15-16]。

近些年来列线图不断被应用于临床模型的验证中，为了明确既往的临床体征、传统评分以及新兴的BIS是否能够准确预测重型颅脑损伤患者的预后，笔者通过构建列线图模型进行了验证。本研究结果显示，预后良好组入院时GCS评分、BIS高于预后不良组，年龄>60岁、入院时瞳孔散大及脑卒中史、颅脑损伤史患者所占比例、PO2低于预后不良组。为了进一步明确对于重型颅脑损伤患者预后的影响因素，再次对其进行了多因素Logistic回归分析显示,重型颅脑损伤患者近期预后不良的独立危险因素为入院时BIS、入院时GCS评分、PO2较低，入院时瞳孔散大，年龄>60岁。BIS为通过将脑电信息转换为线性数字化指标，而脑电信息能够准确反映患者脑部的缺血情况，对于重型颅脑损伤患者而言，其入院时脑部缺血情况越严重，脑组织损伤越重，其预后就会越差；GCS评分多年来都被临床应用于昏迷患者的预后判定中，其分数越低，往往预后也较差；对于重型颅脑损伤患者而言，入院时瞳孔散大提示患者入院时脑干可能受损，这类患者临床预后也往往欠佳；低PO2会导致颅脑损伤患者脑组织缺血缺氧情况进一步加重，而这种缺血缺氧情况会导致脑部ATP的进一步缺乏，从而进一步使细胞膜的泵功能降低，加速脑细胞的凋亡或肿胀，从而导致脑组织的二次损伤；而年龄>60岁人群机体功能下降，整体预后较年轻患者差[17-20]。

多因素Logistic回归分析后，笔者进行了列线图模型的构建，ROC曲线显示，构建的列线图模型预测重型颅脑损伤所致昏迷患者近期预后的能力较强；为了进一步明确列线图模型的准确性，笔者对该模型进行了Bootstrap方法验证，验证结果显示，校准曲线的平均绝对误差为0.017，说明校准曲线与理想曲线贴合良好；为了进一步从临床层面验证该模型对于临床决策的帮助性，笔者再次进行了临床决策曲线的验证，结果显示，列线图模型预测重型颅脑损伤所致昏迷患者的发生阈值为0.07～0.89时该模型的适用性最佳。

综上，重型颅脑损伤所致昏迷患者预后的影响因素为入院时BIS、GCS评分及PO2较低、入院时瞳孔散大、年龄>60岁，基于上述因素构建的列线图模型对于重型颅脑损伤所致昏迷患者近期预后预测准确，且临床应用价值较高。若在实际临床工作中遇到符合上述危险因素的重型颅脑损伤患者，应积极进行干预。