蛛网膜下腔出血患者继发迟发性脑缺血的危险因素分析及相关预测模型的构建

【摘要】目的 分析蛛网膜下腔出血（SAH）患者继发迟发性脑缺血（DCI）的危险因素并构建相关预测模型，为临床治疗提供参考。 方法 选取2022年1月至2024年6月中国人民解放军联勤保障部队第九二四医院收治的97例SAH患者的临床资料，进行回顾性分析。根据患者是否继发DCI将其分为非DCI组（60例）和DCI组（37例）。比较两组患者的临床资料，采用多因素Logistic回归分析影响SAH患者继发DCI的独立危险因素；利用R构建列线图，通过绘制受试者操作特征（ROC）曲线评估模型预测性能，通过校准曲线评估模型校准度。结果 两组患者年龄、性别、吸烟史、合并糖尿病、格拉斯哥昏迷评分（GCS）、脑血管痉挛、脑水肿、大脑中动脉平均血流速度（Vm MCA）、基底动脉平均血流速度（Vm BA）、低血红蛋白症、低钠血症比较，差异均无统计学意义（均Pgt;0.05）。DCI组患者合并高血压、Hunt-Hess分级≥Ⅲ级、改良Fisher评分≥Ⅲ级、低白蛋白血症占比均高于非DCI组（均Plt;0.05）。多因素Logistic回归分析结果显示：Hunt-Hess分级≥Ⅲ级、改良Fisher评分≥Ⅲ级、低白蛋白血症均为影响SAH患者继发DCI的独立危险因素（均Plt;0.05）。列线图ROC曲线显示：曲线下面积（AUC）为0.781（95%CI：0.690～0.872），提示模型区分度尚佳。拟合优度检验验证列线图模型结果显示：校准曲线与标准曲线吻合程度均较高，提示模型预测值与实际值之间一致性较好（Pgt;0.05）。结论 Hunt-Hess分级≥Ⅲ级、改良Fisher评分≥Ⅲ级、低白蛋白血症均为影响SAH患者继发DCI的独立危险因素，基于上述危险因素构建的列线图预测模型区分度和一致性均较好，可为早期识别SAH患者发生DCI风险提供参考。

【关键词】蛛网膜下腔出血；迟发性脑缺血；危险因素；预测模型；列线图

【中图分类号】R743.35 【文献标识码】A 【文章编号】2096-2665.2024.23.0012.04

DOI：10.3969/j.issn.2096-2665.2024.23.004

蛛网膜下腔出血（subarachnoid hemorrhage， SAH）是一种临床常见的严重神经内科急症，多由颅内底部或表面的血管破裂引起，可导致血液直接进入蛛网膜下腔， SAH约占所有卒中的5%，而其中约85%的病例起因于颅内动脉瘤破裂[1-2]。迟发性脑缺血（delayed cerebral ischemia， DCI）是SAH后常见并发症之一，其发生率为20%～40%，一旦发生将显著增加患者的死亡率和致残率[3]。既往研究认为SAH后出现DCI是由颅外血管痉挛所致，然而近期的研究表明，即使临床成功减轻颅外血管痉挛的症状，但患者的预后并未显著改善，此外，部分DCI患者甚至未观察到颅外血管痉挛症状[4-5]。因此， SAH后发生DCI可能还有其他因素的参与，识别SAH患者发生DCI的危险因素十分关键。列线图作为临床常用的预测工具，能提供个体化的预测结果，具有较高的准确度[6]。目前，关于SAH患者继发DCI风险的预测模型研究较少。基于此，本研究选取97例SAH患者的临床资料，分析SAH患者继发DCI的危险因素并构建相关预测模型，期为临床早期评估和预测SAH患者DCI风险提供辅助工具，现报道如下。

1 资料与方法

1.1 一般资料 选取2022年1月至2024年6月中国人民解放军联勤保障部队第九二四医院收治的97例SAH患者的临床资料，进行回顾性分析。根据患者是否继发DCI将其分为非DCI组（60例）和DCI组（37例）。两组患者一般资料，见表1。本研究经中国人民解放军联勤保障部队第九二四医院医学伦理委员会批准。纳入标准：⑴符合《中国动脉瘤性蛛网膜下腔出血诊疗指导规范》[7]中SAH的诊断标准，由颅底动脉瘤破裂造成，且经临床检查确诊；⑵年龄gt;18岁；⑶首次发病，发病时间lt;48 h；⑷入院后进行血管内介入治疗。排除标准：⑴合并其他严重脑血管疾病者；⑵合并颅内感染或全身感染者；⑶合并严重肝、肾功能障碍或免疫系统疾病者；⑷入院时影像学检查和（或）临床症状提示已发生或疑似DCI者。

1.2 研究方法 根据患者是否继发DCI将其分为非DCI组（60例）和DCI组（37例）。 DCI诊断标准[8]：⑴患者出现新发局灶神经损害症状（如失语、偏瘫）或意识降低，且持续≥1 h（但非术后立即发生）；⑵头部CT复查显示新梗死灶，与症状体征相符，且初诊及术后复查CT未显现；⑵排除其他致神经病变恶化原因。

收集两组患者入院后的临床资料，包括年龄、性别、吸烟史、合并高血压、合并糖尿病、格拉斯哥昏迷评分（GCS）[9]、Hunt-Hess分级[10]、改良Fisher评分[11]、脑血管痉挛、脑水肿、大脑中动脉平均血流速度（Vm MCA）、基底动脉平均血流速度Vm BA）、低白蛋白血症、低血红蛋白症、低钠血症的情况。

1.3 观察指标 ⑴比较两组患者的临床资料，单因素分析影响SAH患者继发DCI的危险因素。⑵多因素Logistic回归分析影响SAH患者继发DCI的独立危险因素。⑶利用R构建列线图，通过绘制受试者操作特征（ROC）曲线评估模型预测性能。⑷通过校准曲线评估模型校准度。

1.4 统计学分析 采用SPSS 26.0统计学软件分析数据。非正态分布的定量数据，采用[M（P25， P75）]描述，组间比较采用非参数检验；计量资料以[例（%）]描述，组间比较采用χ²检验。多因素采用Logistic回归模型分析；利用R 4.4.1绘制列线图模型，通过曲线下面积（AUC）、敏感度、特异度、准确度、召回率及精确率等指标对模型的预测效能进行评估，通过校准曲线对模型的校准效果进行检验。以Plt;0.05为差异有统计学意义。

2 结果

2.1 两组患者临床资料比较 两组患者年龄、性别、吸烟史、合并糖尿病、 GCS、脑血管痉挛、脑水肿、 Vm MCA、Vm BA、低血红蛋白症、低钠血症比较，差异均无统计学意义（均Pgt;0.05）。 DCI组患者合并高血压、 Hunt-Hess分级≥Ⅲ级、改良Fisher评分≥Ⅲ级、低白蛋白血症患者占比均高于非DCI组，差异均有统计学意义（均Plt;0.05），见表1。

2.2 影响SAH患者继发DCI的多因素Logistic回归分析 将表1中差异有统计学意义的因素为自变量[合并高血压（0=无， 1=有）、 Hunt-Hess分级（0=Ⅰ～Ⅱ级，1=≥Ⅲ级）、改良Fisher评分（0=Ⅰ～Ⅱ级， 1=≥Ⅲ级）、低白蛋白血症（0=无，1=有）]，以SAH患者是否继发DCI为因变量（0=未发生DCI， 1=发生DCI），进行量化赋值，纳入多因素Logistic回归分析模型。多因素Logistic回归分析结果显示： Hunt-Hess分级≥Ⅲ级、改良Fisher评分≥Ⅲ级、低白蛋白血症均为影响SAH患者继发DCI的独立危险因素（均Plt;0.05），见表2。

2.3 预测SAH患者继发DCI的列线图模型 将多因素Logistic回归分析中差异有统计学意义的因素（Hunt-Hess分级、改良Fisher评分、低白蛋白血症）作为预测因子，将SAH患者继发DCI的发生情况作为结局变量，构建预测模型。具体回归方程公式如下： Y=-2.537+1.127×Hunt-Hess评分+1.290×改良Fisher评分+1.003×低白蛋白血症。根据多因素Logistic回归方程中各变量的回归系数，利用R软件绘制列线图模型，见图1。

2.4 预测SAH患者继发DCI的列线图模型的验证 列线图ROC曲线显示： AUC为0.781（95%CI：0.690～0.872），提示模型区分度尚佳，见图2-A。采用拟合优度检验验证列线图模型的拟合效果，结果显示：校准曲线与标准曲线吻合程度均较高，提示模型预测值与实际值之间一致性较好（χ²值=1.727， Pgt;0.05），图2-B。通过模型混淆矩阵可知，该模型敏感度为0.703，特异度为0.733，准确度为0.721，召回率为0.800，精确率为0.761。

3 讨论

SAH是一种死亡率高、致残率高、治疗复杂的严重脑血管事件，DCI是其常见的并发症，DCI不仅会显著提高SAH患者的病死率和致残率，还会损伤神经功能、降低患者生活质量[12]。因此，识别SAH患者继发DCI的独立危险因素，并在此基础上加强早期诊断和干预措施，对改善患者的临床预后尤为重要。

本研究多因素Logistic回归分析结果显示：Hunt-Hess分级≥Ⅲ级、改良Fisher评分≥Ⅲ级、低白蛋白血症均为影响SAH患者继发DCI的独立危险因素。分析原因如下：⑴Hunt-Hess分级系统被广泛应用于评定入院时的疾病严重程度，SAH患者常伴随较大出血量，可能导致较广泛的脑组织损伤及炎症反应，进而增加代谢需求，但受损血管难以提供足够血液，增加缺血风险[13]。⑵改良Fisher评分是一种基于头颅CT扫描结果的分级系统，通过评估出血的范围和量将患者分为4个等级。高改良Fisher评分提示出现较大量的颅内出血和更广泛的出血分布，增加对脑组织的刺激性，从而提升SAH患者继发DCI的发生风险[14]。⑶血清白蛋白是在肝脏内合成的一种大分子球蛋白，在维持血脑屏障的完整性和减少脑水肿风险方面起重要作用[15]。SAH患者因应激反应及负氮平衡，白蛋白合成降低，血液黏稠及水肿加重，可能诱发微血栓形成，提升DCI风险[13]。

本研究基于上述危险因素，构建预测SAH患者继发DCI的列线图模型。列线图作为直观的风险评估工具，能清晰展示个体风险的概率，广泛应用于多种疾病的预测模型[16]。本研究列线图ROC曲线显示：AUC为0.781，提示模型区分度尚佳；拟合优度检验验证列线图模型结果显示：校准曲线与标准曲线吻合程度均较高，提示模型预测值与实际值之间一致性较好。模型中纳入的3个影响因素均为临床上易获取的常规检查数据，便于识别与应用，医师可根据患者的具体情况进行个性化预测，给予早期干预措施，降低SAH患者继发DCI风险。

综上所述，Hunt-Hess分级≥Ⅲ级、改良Fisher评分≥Ⅲ级、低白蛋白血症均为影响SAH患者继发DCI的独立危险因素，基于上述危险因素构建的列线图预测模型区分度和一致性均较好，可为早期识别SAH患者发生DCI风险提供有力工具。但本研究的样本量有限，且构建的模型尚未经过外部数据集的验证，模型稳健性还需在未来的研究中通过扩大样本量和进行多中心研究进一步验证和完善。

参考文献

Etminan N， Chang H S， Hackenberg K， et al. Worldwide incidence of aneurysmal subarachnoid hemorrhage according to region， time period， blood pressure， and smoking prevalence in the population： A systematic review and meta-analysis [J]. JAMA Neurol， 2019， 76（5）： 588-597.

Vergouwen M D I， Rinkel G J E. Emergency medical management of aneurysmal subarachnoid hemorrhage [J]. Neurocrit Care， 2023， 39（1）： 51-58.

Motwani K， Dodd W S， Laurent D， et al. Delayed cerebral ischemia： A look at the role of endothelial dysfunction， emerging endovascular management， and glymphatic clearance [J]. Clin Neurol Neurosurg， 2022， 218： 107273.

刘昊楠，李爱民.动脉瘤性蛛网膜下腔出血后迟发性脑缺血发生机制的研究进展[J].安徽医药， 2020， 24（12）： 2333-2336.

Osgood M L. Aneurysmal subarachnoid hemorrhage： Review of the pathophysiology and management strategies [J]. Curr Neurol Neurosci Rep， 2021， 21（9）： 50.

殷鹏展，张超，徐楚楚，等.基于一站式全脑CT灌注动态列线图预测动脉瘤性蛛网膜下腔出血后迟发性脑缺血[J].中国医学影像技术， 2024， 40（4）： 514-519.

黄清海，杨鹏飞.中国动脉瘤性蛛网膜下腔出血诊疗指导规范[J].中国脑血管病杂志， 2016， 13（7）： 384-392.

Ding C， Kang D， Chen P， et al. Early stage neuroglobin level as a predictor of delayed cerebral ischemia in patients with aneurysmal subarachnoid hemorrhage [J]. Brain Behav， 2020， 10（3）： e01547.

杨洪菊，任艳华，张俊英，等.格拉斯哥昏迷评分曲线图的设计及其临床应用[J].护理研究， 2007， 21（16）： 1469-1470.

王玉社，王勇，陈航，等.蛛网膜下腔出血患者Hunt-Hess分级与血清脑钠肽的关系[J].中华实验外科杂志， 2016， 33（9）： 2129-2131.

杜其东.改良fisher分级对动脉瘤性SAH后脑血管痉挛发生严重程度的预测及患者预后相关性评估作用分析研究[D].武汉：华中科技大学， 2014.

Abdulazim A， Heilig M， Rinkel G， et al. Diagnosis of delayed cerebral ischemia in patients with aneurysmal subarachnoid hemorrhage and triggers for intervention [J]. Neurocrit Care， 2023， 39（2）： 311-319.

黄达.动脉瘤性蛛网膜下腔出血术后迟发性脑缺血相关因素分析[D].大连：大连医科大学， 2021.

Whittle C， Hollingworth M A， Dulhanty L， et al. What are the predictors of delayed cerebral ischaemia （DCI） after aneurysmal subarachnoid haemorrhage？ An up-to-date systematic review [J]. Acta Neurochir （Wien）， 2023， 165（12）： 3643-3650.

孙家庆，吴未，盛斌，等. D-二聚体/白蛋白比值对重型创伤性脑损伤短期预后的预测价值[J].临床神经外科杂志， 2023， 20（4）： 379-383， 390.

Zhao L， Chen T， Yan H J， et al. Development and validation of an early predictive nomogram for delayed cerebral ischemia after aneurysmal subarachnoid hemorrhage [J]. Ann Transl Med， 2021， 9（22）： 1664.