Padua血栓风险评估模型对内科住院患者静脉血栓栓塞症预测效果的meta分析*

和 雨，刘 敏，史亚玲，花永玲，张 颖△

(1.大理大学护理学院，云南 大理 671099；2大理大学第一附属医院，云南 大理 671000)

静脉血栓栓塞症(VTE)包括深静脉血栓形成(DVT)和肺血栓栓塞症(PTE)[1]，DVT和PTE是同一疾病表现的2个不同阶段[2]。一般认为，外科术后患者为发生VTE的高危人群[3]；但内科患者发病隐匿、临床症状不明显，诊治成本高[4]。由于出血等风险，不建议对所有患者进行常规血栓药物预防，因此开发了风险评估工具来识别高危患者。目前，风险评估工具存在多种形式，如Caprini、Padua、Wells、Autar等血栓风险评估量表。其中，Padua血栓风险评估模型被广泛应用于内科住院患者中，但由于不同研究设计的研究对象不同，研究结果也有所不同。因此，本研究旨在通过meta分析方法评价Padua血栓风险评估模型在预测内科住院患者VTE发生中的有效性，为临床护理人员选择有效的血栓风险评估模型提供循证依据。

1 资料与方法

1.1文献检索 检索数据库包括PubMed、Cochrance、Embase、Web of Science、CBM、CNKI、万方、维普。检索时限为建库至2022年5月10日。以主题词加自由词的组合策略进行文献检索。中文检索词为“静脉血栓栓塞”“深静脉血栓”“肺栓塞”“肺动脉血栓栓塞”“肺血栓栓塞”“Padua”“血栓风险评估”；英文检索词为“Venous Thromboembolism”“Venous Thrombosis”“pulmonaryembolism”“Padua”“Padua Prediction Score”“Padua Score”“Padua VTE Prediction Score”“Padua Score”“Padua VTE risk”“Padua prediction”“Risk Assessment Model”等。以PubMed数据库为例，具体检索策略见图1。

#1VenousThromboembolism[Mesh]#2VenousThromboembolism[Mesh]ORThromboembolism,Venous[Title/Abstract]#3VenousThrombosis[Mesh]#4VenousThrombosis[Mesh]ORPhlebothrombos∗[Title/Abstract]ORThrombos∗,VenousORVenousThromboses[Title/Abstract]ORDeepVeinThrombos∗[Title/Abstract]ORThromboses,DeepVein[Title/Abstract]ORVeinThrombos∗,Deep[Title/Abstract]ORDeep-VenousThrombos∗[Title/Abstract]ORThrombos∗,Deep-Venous[Title/Abstract]ORDeep-VeinThrombos∗[Title/Abstract]ORThrombos∗,Deep-Vein[Title/Abstract]ORThrombosis,DeepVein[Title/Abstract]ORDeepVenousThrombos∗[Title/Abstract]ORThrombos∗,DeepVenous[Title/Abstract]ORVenousThrombos∗,Deep[Title/Abstract]#5pulmonaryembolism[Mesh]#6pulmonaryembolism[Mesh]ORPulmonaryEmbolisms[Title/Abstract]OREmbolism∗,Pulmonary[Title/Abstract]ORPulmonaryThrombo-embolism∗[Title/Abstract]ORThromboembolism∗,Pulmonary[Title/Abstract]#7#2OR#4OR#6#8PaduaPredictionScore[Title/Abstract]ORPPS[Title/Abstract]ORPaduaPredictionScoreforVTE[Title/Abstract]ORPaduaScore[Title/Abstract]ORPaduaVTEPredictionScore[Title/Abstract]ORPaduaVTErisk[Title/Abstract]ORPaduaVTEriskscore[Title/Abstract]ORPaduaprediction[Title/Abstract]ORRiskAssessmentModel[Title/Abstract]#9#7AND#8图1 PubMed数据库检索策略

1.2文献的纳入及排除标准 (1)纳入标准。研究对象为内科住院患者，且既往无VTE病史者。研究类型为诊断性研究，且在2022年5月10日之前发表的文献。评估工具：Padua血栓风险评估模型。诊断标准：影像学检查、检查血流通畅及DVT情况。结局指标：灵敏度(SEN)、特异度(SPE)、阳性似然比(PLR)、阴性似然比(NLR)、诊断比值比(DOR)、综合受试者工作特征曲线(SROC)[5]。(2)排除标准。排除非中英文献、文献综述、meta分析、横截面研究、动物实验研究、重复发表的研究、方法学不全的研究、无明确诊断标准的研究及无法提取四格表资料的研究。

1.3文献的筛选与资料提取 2名研究员根据纳入及排除标准独立筛选文献、提取资料并进行交叉核对，如有异议提交第三方决定。提取纳入文献的资料主要包括第一作者姓名、发表时间、研究对象、平均年龄、总样本量、四格表数据、最佳截断值。若无法获取数据资料则排除研究。

1.4文献质量评价 文献质量评价采用Cochrane协作网推荐的诊断性试验质量评价工具(QUADAS[6]工具)，由2名研究者对纳入研究进行独立质量评价，如遇分歧，则第3名研究员参与讨论，最终决定文献的总体质量。QUADAS工具包括3个方面：偏差、变异和报告质量，共14个项目，“是”“否”“不清楚”为每个条目的评价结果。所有条目均为“是”，则说明文献质量高，为A级；部分条目评价为“是”，说明文献质量中等，为B级；所有条目均不符合上述标准，说明文献质量低，为C级。

1.5统计学处理 (1)异质性检验。通过Meta-Disc1.4软件判断诊断性试验异质性。①阈值效应：其判断有2种方法；第一，通过软件计算SEN对数与(1-SPE)对数之间的Spearman相关系数，如果P<0.05，则提示存在阈值效应；第二，通过软件绘制ROC曲线，看其是否存在“肩臂状”分布；若曲线呈“肩臂状”分布，提示存在阈值效应。②非阈值效应：计算DOR的Cochran-Q值，以衡量是否存在非阈值效应。若I2<50%，说明不存在非阈值效应，采用固定效应模型进行效应量的合并；反之则说明存在非阈值效应，采用随机效应模型进行效应量的合并。(2)合并效应量。通过Meta-Disc1.4软件合并纳入研究的SEN、SPE、PLR、NLR、DOR及SROC。(3)敏感性分析。对纳入研究进行剔除，看其结果是否稳定。(4)发表偏倚检验。Deek′s漏斗图由Stata15.0软件绘制，用于发表偏差的检验，若P>0.1，表明无发表偏倚。

2 结 果

2.1文献检索结果 初步检索得到4 145篇文献，经逐步阅读题目、摘要及全文，排除横断面研究、动物实验研究、文献综述、meta分析及研究内容不符合的文献，最终纳入16篇文献[7-22]，具体筛选文献流程见图2。

图2 文献筛选流程图

2.2纳入文献基本特征 本次研究共纳入内科住院患者13 402例，发生VTE患者1 418例；所有研究均发表于2014-2021年，样本范围46～3 268例；纳入的研究对象均为内科住院患者，包括神经内科、脑卒中、慢性阻塞性肺疾病(慢阻肺)及风湿免疫病住院的患者。具体纳入文献特征见表1。

2.3纳入研究的QUADAS质量评价 本研究共纳入16篇文献。其中4篇文献研究方法学质量较高为A级，12篇质量中等为B级。9篇文献所有的样本均接受了“金标准”的检验，7篇文献未表达清楚是否所有的样本均接受“金标准”的检验。11篇文献未表达清楚Padua血栓评估量表是否在不知晓“金标准”试验的结果下进行的。2篇文献未表达清楚“金标准”结果的判读是否在不知晓Padua血栓风险评估量表结果的情况下进行。

2.4meta分析结果 (1)异质性检验结果。阈值效应异质性：将数据导入Meta-DiSc1.4软件进行分析，得出SEN对数与(1-SPE)对数之间的spearman相关系数为0.406(P=0.119>0.05)，提示本次meta分析不存在阈值效应；通过绘制对称SROC曲线，其并未出现“肩臂状”分布，更进一步说明本次meta分析无阈值效应异质性。非阈值效应异质性：将本次数据导入Meta-DiSc1.4软件进行分析，得出DOR的 Cochran-Q值为42.05(I2=64.3% )，提示可能存在非阈值效应引起的异质性，故选用随机效应模型进行效应量的合并。(2)合并结局指标。16篇研究的合并效应量分别为：SEN合并=0.70[95%置信区间(95%CI)：0.68～0.72]；SPE合并=0.70(95%CI：0.70～0.71)；PLR合并=3.14(95%CI：2.58～3.82)；NLR合并=0.36(95%CI：0.28～0.46)；DOR合并=9.45(95%CI：7.11～12.56)；SROC曲线下面积(AUC)为0.817 2(95%CI：0.799 9～0.834 5)。

2.5亚组分析 为探讨纳入研究的异质性来源，按照研究方法、研究人群、平均年龄、最佳截断值分组进行meta分析。结果显示，脑卒中、平均年龄为50～<60岁、最佳截断值为3.5的异质性较低(I2<50%)。见表2。

表2 亚组分析结果

2.6敏感性分析 根据合并效应量的结果，将SEN、SPE差异性较大的研究 (彭清[16]、NENDAZ等[20])逐一剔除，再次进行效应量的合并，重新获取SEN、SPE、PLR、NLR、DOR值。结果显示，剔除差异性较大的2篇文献后其结果对总体研究各结局指标影响不大，说明本次meta分析的稳定性较好。结果见表3。

表3 敏感性分析结果

2.7Deek′s漏斗图检验 采用Deek′s漏斗图[23]检验是否存在发表偏倚，本次研究P>0.1(P=0.79)，且斜线与DOR的夹角接近于90°，说明不存在发表偏倚。

3 讨 论

3.1结局指标的评价 VTE约占所有住院患者死因的10%[24-25]，其被认为是可预防性疾病。临床上，外科住院患者VTE的预防已受到重视[26]，而对于内科住院患者VTE的预防则相对不足。内科住院患者发生VTE时，通常临床症状不明显且较为隐匿[27]，同时由于VTE引起的致死率、致残率及所花费的医疗费用较高[28]；因此，选用合适的工具对内科住院患者的VTE风险进行科学有效的评估，筛选出高危患者从而采取预防措施显得尤为重要。国内外虽均有相关指南[29-30]推荐Padua血栓风险评估模型应用于内科住院患者中，但有研究指出其对内科住院患者的预测效能欠佳，不能有效筛选出发生VTE的高危患者[31]。本次meta分析对Padua血栓风险评估模型在内科住院患者中的预测效能进行评价，结果说明Padua血栓风险评估模型对筛选内科住院患者VTE有一定的准确性。在敏感性分析中，SEN合并、SPE合并均为0.70，说明Padua模型可以准确地筛出70.0%的VTE者，排除70.0%的非VTE者。PLR合并为3.14，NLR合并为0.36，说明诊断效能虽小，但有时很重要。DOR合并值为2.26，说明使用该模型筛选时，出现VTE结果的机会是非VTE结果的2.26倍。本次meta分析结果表明，Padua血栓风险评估模型虽然在不同研究人群中均进行了验证，但临床工作者在筛选内科住院患者VTE高危人群时，还需要结合更多的临床症状和实验室检查来增加模型的准确性，为临床血栓评估提供新思路。

3.2亚组分析 本次meta分析异质性较大，为64.3%。为探讨异质性来源，按照研究方法、最佳截断值、研究人群及其平均年龄的不同进行亚组分析。平均年龄方面，50～<60岁的SEN为0.85，≥60岁SEN为0.63，两者之间存在差异，提示Padua血栓风险评估模型的SEN合并随着年龄增长而降低；这可能与老年人通常存在多病共存的情况，而Padua血栓风险评估模型中的危险因素较少，某些危险因素定义不够明确[32]，缺乏与老年住院患者发生VTE的相关危险因素有关。不同截断值方面，以截断值为4分最常用，与模型本身提供的高风险分层相对应，SEN低但SPE高，模型的SEN提升，漏诊率降低；当截断值为3.5分时，SROC=0.807 7，模型的有效预测力较好。研究人群方面，亚组分析结果显示，内科住院患者的SEN和SROC AUC分别为0.82、0.844 8，提示在内科住院患者中Padua血栓风险评估模型的有效性较高。

3.3小结 本研究结果显示，Padua血栓风险评估模型作为单独指标对内科住院患者的预测效能有一定的准确性，需结合更多的临床症状或实验室检查来增加模型的准确性。本研究因纳入研究间存在不同程度的异质性，在一定程度上说明Padua血栓风险评估模型作为单独指标对VTE的预测有效性存在一定的局限。纳入的研究以中文文献为主，大部分研究因无法获取四格表数据被排除。综上所述，Padua血栓风险评估模型在多个科室使用，难以体现因科室基础疾病不同对VTE发生的影响。尽管本研究发现Padua血栓风险评估模型不是最佳的评估工具，但是可以通过应用于不同的研究对象来提高其诊断的准确性。