心力衰竭患者冠狀動脈旁路移植術圍術期死亡風險評分系統的建立與對比研究

林宏遠，侯劍峰，唐漢韡，陳凱，郭少先，柳楓，王立清，孫寒松，鄭哲，胡盛壽

冠心病多支血管病變合并心力衰竭是冠狀動脈旁路移植術（CABG）的重要指征[1-2]。但由于圍術期處理的復雜性以及手術技術的高要求性，此類患者的圍術期死亡率居高不下[3]。手術風險預測模型是術前風險評估的重要工具，通過風險預測評分系統進行危險因素分層，識別高危患者，控制圍術期危險因素, 繼而達到降低死亡率，提高醫療質量的目的。目前，國內外已建立了多種心臟手術風險預測模型[4]，比較通用的包括美國胸外科學會（STS）評分[5]，美國美國心臟病學學會/美國心臟學會 （ACC/AHA）評分[6]、歐洲EuroSCORE評分[7]及其改良版EuroSCOREⅡ評分[8]，還有針對中國人群的SinoSCORE評分[9]。然而這些模型主要針對所有接受心臟手術的患者人群設計，而且大多是基于10年前的臨床數據，對如今接受CABG尤其是心力衰竭的患者評估可能存在偏差[10]。因此，建立一種兼顧人群特異性和準確性的風險評估模型具有重要的臨床意義。本研究應用最新國人數據初步建立適合中國心力衰竭患者CABG術前風險評估系統，用以評價我國心力衰竭CABG患者的手術風險。

1 資料與方法

連續選擇阜外醫院2012年至2017年1 978例術前心力衰竭[左心室射血分數（LVEF）＜50%]接受CABG的患者，對臨床資料進行篩選，排除臨床資料缺失2例，共1 976例患者納入研究 ，收集其人口學資料、術前危險因素、術中危險因素和術后住院期間死亡率信息（表1）。入選患者以3:1的比例隨機分為2組：建模組（n=1 479）用于建立模型，驗證組（n=497）用于檢測模型的可用性。

綜合以往的研究和臨床經驗，本研究納入了22個危險因素（18個術前危險因素和4個術中危險因素），經過單因素和多因素Logistic回歸分析，確定了7個與術后院內死亡相關的獨立危險因素，獲取不同變量在模型方程中的回歸系數β（表2），通過回歸方程計算院內死亡率。構建中國心力衰竭人群的CABG風險評估系統（PGLANCE）。

統計學方法：（1）建立模型:在建模組中，首先針對所有可能的危險因素進行單因素分析，檢驗過程中排除出現率＜1%和P＞0.2的變量。對剩余變量進行逐步多因素Logistic回歸分析，采用后退法，每次去除最不顯著的1個變量（納入和排除標準分別是P＜0.05和P＞0.1）。剔除所有不顯著變量后，獲取Logistic回歸方程中每個顯著變量的偏回歸系數βi及回歸方程中的常數β0，通過回歸方程計算院內死亡率（P）：

得出相應的死亡率預測值，從而建立預測模型。采用Hosmer-Lemeshow（HL）擬合優度檢驗考察最終模型的校準度，建立最終模型后，在驗證組樣本中檢驗模型的校準度并使用受試者工作特征（ROC）曲線下面積（AUC）衡量最終模型的區分度。

（2）模型的檢驗和應用:應用PGLANCE對心力衰竭行CABG患者院內死亡率的預測功能。應用HL擬合優度檢驗考察模型的校準度，并使用AUC衡量模型的區分度，對比預測死亡率與實際觀察死亡率，考察不同評估模型（PGLANCE與EuroSCORE、EuroSCOREⅡ和SinoSCORE的對比）的預測作用。所用統計分析采用SPSS 20.0完成。圖表由graphpad prism 6.0繪制。

表1 1 976例患者基線資料[例數（%）]

表2 獨立危險因素和權重

2 結果

PGLANCE預測心力衰竭患者CABG后院內死亡率：如表1所示，建模組與驗證組的基線資料是一致的，各危險因素的發生率差異無統計學意義。HL擬合優度檢驗P=0.311（＞0.05）, 建模組 AUC=0.890（圖 1A），驗 證 組 AUC=0.847（ 圖 1B）。 通 過 與 EuroSCORE、EuroSCOREⅡ和SinoSCORE的對比，可以看出在驗證組中PGLANCE對死亡率的預測效果（AUC:0.847）優于EuroSCORE（AUC:0.775）、SinoSCORE（AUC:0.698），接近于EuroSCOREⅡ（AUC:0.878）。

各系統預測死亡率與實際觀察死亡率（表3）。可見僅PGLANCE的預計值95%可信區間[1.39（1.05～1073）]包含觀察值，其他評分系統的預測值均明顯高于觀察值。

圖1 PGLANCE預測CABG院內死亡率ROC曲線

表3 各評分系統預測死亡率與實際觀察死亡率對比

3 討論

建立該評分系統的必要性:目前我國心力衰竭患病率高，2016年心血管疾病普查估計心力衰竭患病人數達到450萬[11]，冠心病是導致成人心力衰竭的首要病因，隨著人口老齡化的加劇和心肌梗死救治水平的不斷提高，具有外科手術指征的心力衰竭患者數量持續增長[12]。目前國內外主要心臟手術風險評分模型對于心力衰竭患者行CABG的風險評估針對性不強，本研究發現EuroSCORE、EuroSCORE Ⅱ以及針對中國人群的SinoSCORE對于心力衰竭患者行CABG的院內死亡率不能準確預測，均明顯高估死亡率。其原因有：（1）建立這些模型的數據年代較為久遠（大多是10年前的數據），現如今手術技術的進步和圍術期處理水平的提高已顯著地降低了CABG后死亡率。（2）大多數模型是基于歐美人群的數據建立的，人群特異性不強，例如EuroSCORE Ⅱ作為各模型中區分度最高（AUC=0.878）的評分模型，其覆蓋人群主要是歐洲人群，冠心病合并心力衰竭發病特點與我國人群不盡相同，故其對于國人心力衰竭行CABG住院期間死亡率有明顯的高估。（3）幾乎所有現有模型都是針對普通冠心患者群，而非心力衰竭人群，例如SinoSCORE作為基于國人的數據建立的評估模型，其對于LVEF＜50%的心力衰竭人群沒有進一步的區分，所以對于該人群死亡率的預測不夠準確。

PGLANCE的特點:PGLANCE模型納入7個變量（表2），大部分變量都與既往研究認為的心臟手術的獨立危險因素相符[8]，與其他模型不同，本模型有如下特點：（1）LVEF分組方式：EuroSCORE Ⅱ將小于50%的LVEF值分為三個亞組：31≤ LVEF＜50%，21%～30% 和 20% 以下，其臨床運用效果尚佳。但在我國冠心患者群中，術前LVEF值小于30%的患者很少接受CABG，本研究中只有67例（3%）的CABG患者術前LVEF值小于30%，僅3例患者術前LVEF值小于20%。如果采用EuroSCORE Ⅱ的分組方式，組間樣本量差距過于懸殊。因此，我們重新將LVEF值分為3個亞組：LVEF≤ 35%（n=226），36% ≤ LVEF＜45%（n=940）和45%≤LVEF＜50%（n=810），如此進行分組既參考了既往大規模研究[13-14]的納入標準（LVEF＜35%），也根據入組患者的發病特點，均衡各亞組的樣本量。發現不同亞組的術后院內死亡率差異有統計學意義（P＜0.01）。說明心力衰竭患者LVEF值越低，術后院內死亡率越高。相比之下，PGLANCE對于心力衰竭患者的LVEF值分組方式更加適應中國人群的發病特點，更有利于區分心力衰竭人群的危險度。結果亦表明PGLANCE在驗證組中的預測區分度（AUC值）要優于EuroSCORE及SinoSCORE，與EuroSCORE Ⅱ相似。PGLANCE對于死亡率的估計更加準確（表3）。（2）使用方便：雖然EuroSCORE Ⅱ具有較強的區分度（AUC=0.878），但其納入21個變量，運用較為繁瑣，便利度不夠。PGLANCE納入變量少，使用便捷性明顯優于EuroSCORE Ⅱ，更適合臨床推廣。

PGLANCE的局限性：（1）本研究為單中心研究，人群覆蓋有限，手術技術及術后圍術期管理水平也不一定能代表全國各地區的水平，樣本量有待進一步擴充，模型仍需進一步完善。該模型目前缺乏外部數據驗證，將在以后的研究中進行完善。（2）PGLANCE主要是基于中國人群，對于其他人群不一定適合。（3）本研究未采用術后30天死亡作為終點事件，代之以院內死亡，其原因主要是中國患者出院以后隨訪較為困難，院外數據較難獲得。復習文獻發現亦有不少研究[15-16]將院內死亡作為終點事件。（4）本研究未納入射血分數保留（LVEF＞50%）心力衰竭人群的資料。

總之，PGLANCE的提出是我國目前針對心力衰竭患者CABG風險評估的大樣本量研究，對于心力衰竭患者行CABG的個體化精準診療有一定的指導作用。