顱腦外傷患者發生外傷后急性彌漫性腦腫脹的危險因素及其列線圖預測模型構建

孫夕峰，唐勇，樊永忠，嚴朝俊

顱腦外傷（traumatic brain injury，TBI）主要因外界暴力（如交通事故傷）直接或間接作用于頭部所致。近年來，TBI發生率呈逐年上升趨勢［1］。外傷后急性彌漫性腦腫脹（post-traumatic acute diffuse brain swelling，PADBS）常發生于TBI后，主要表現為不同程度的意識障礙、昏迷等［2］，其常發生于TBI后4～14 h，部分患者發生于TBI后0.5 h內［3］。PADBS呈惡性進展，惡化速度較快，處理十分棘手，常導致TBI患者預后不良，死亡風險增加［4］。因此，明確PADBS的危險因素并有針對性地干預或能為臨床救治爭取更多時間。目前，國內外有關TBI后發生PADBS的研究集中在發病機制分析［5］、治療方案制定［6］等方面，缺乏相關危險因素探討及預測模型構建。基于此，本研究旨在探究TBI患者發生PADBS的危險因素，并擬構建其列線圖預測模型，以輔助臨床高效、精準地篩選PADBS高危患者。

1 對象與方法

1.1 研究對象 選取2019年4月至2021年10月丹陽市人民醫院收治的TBI患者245例，均經顱腦計算機斷層掃描等影像學檢查確診。其中男106例，女139例；年齡21～65歲，平均年齡（37.6±5.2）歲；外傷原因：交通事故222例，墜落20例，打擊3例。根據TBI后是否發生PADBS將患者分成PADBS組（n=69）與無PADBS組（n=176）。

1.2 納入與排除標準 納入標準：（1）TBI后4 h內入院；（2）年齡≥18周歲。排除標準：（1）合并重要臟器功能不全；（2）入院24 h內死亡；（3）合并惡性腫瘤；（4）合并精神疾病。本研究獲得丹陽市人民醫院倫理委員會審核批準。

1.3 資料收集 收集所有患者的臨床資料，包括年齡、性別、著力部位、TBI至治療時間、入院時瞳孔情況、有無誤吸、有無低血壓、有無糖尿病史、有無高血壓史、顱腦CT血腫厚度、有無腦疝、有無多發傷、有無顱底骨折、有無原發性腦干損傷及格拉斯哥昏迷量表（Glasgow Coma Scale，GCS）評分。

1.4 統計學方法 應用SPSS 23.0統計學軟件進行數據處理。計數資料以相對數表示，組間比較采用χ2檢驗；采用多因素Logistic回歸分析探討TBI患者發生PADBS的影響因素，并將危險因素引入R 3.6.3軟件及rms程序包，以構建TBI患者發生PADBS的列線圖預測模型；繪制ROC曲線以評估該列線圖預測模型對TBI患者發生PADBS的區分度；繪制校準曲線及進行Hosmer-Lemeshow擬合優度檢驗以評估該列線圖預測模型預測TBI患者發生PADBS的準確性。以P＜0.05為差異有統計學意義。

2 結果

2.1 PADBS組和無PADBS組患者臨床資料比較PADBS組和無PADBS組患者性別、著力部位、入院時瞳孔情況、有糖尿病史者占比、有高血壓史者占比、顱底骨折發生率比較，差異無統計學意義（P＞0.05）；PADBS組和無PADBS組患者年齡、TBI至治療時間、誤吸發生率、低血壓發生率、顱腦CT血腫厚度、腦疝發生率、多發傷發生率、原發性腦干損傷發生率及GCS評分比較，差異有統計學意義（P＜0.05），見表1。

表1 PADBS組和無PADBS組患者臨床資料比較〔n（%）〕Table 1 Comparison of clinical data between PADBS group and non-PADBS group

2.2 TBI患者發生PADBS影響因素的多因素Logistic回歸分析 將年齡（賦值：≤30歲=0，＞30歲=1）、TBI至治療時間（賦值：≤3 h=0，＞3 h=1）、誤吸（賦值：無=0，有=1）、低血壓（賦值：無=0，有=1）、顱腦CT血腫厚度（賦值：≤ 10 mm=0，＞10 mm=1）、腦疝（賦值：無=0，有=1）、多發傷（賦值：無=0，有=1）、原發性腦干損傷（賦值：無=0，有=1）、GCS評分（賦值：＞8分=0，≤8分=1）作為自變量，將TBI患者是否發生PADBS（賦值：未發生=0，發生=1）作為因變量，進行多因素Logistic回歸分析，結果顯示，TBI至治療時間＞3 h、誤吸、原發性腦干損傷、GCS評分≤8分是TBI患者發生PADBS的危險因素（P＜0.05），見表2。

表2 TBI患者發生PADBS影響因素的多因素Logistic回歸分析Table 2 Multivariate Logistic regression analysis of influencing factors of PADBS in patients with TBI

2.3 TBI患者發生PADBS的列線圖預測模型構建及驗證 以TBI患者發生PADBS的危險因素為指標，在列線圖在線網站（http：//111.229.212.9：3838/inomogram/）繪制TBI患者發生PADBS的列線圖預測模型，見圖1。ROC曲線分析結果顯示，該列線圖預測模型預測TBI患者發生PADBS的曲線下面積為0.831〔95%CI（0.765，0.897）〕，見圖2；該列線圖模型預測TBI患者發生PADBS的校準曲線與實際曲線基本吻合，見圖3；Hosmer-Lemeshow擬合優度檢驗結果顯示，該列線圖預測模型的擬合效果良好（χ2=6.272，P=0.180）。

圖1 TBI患者發生PADBS的列線圖預測模型Figure 1 Nomogram prediction model of PADBS in patients with TBI

圖2 列線圖預測模型預測TBI患者發生PADBS的ROC曲線Figure 2 ROC curve of PADBS in patients with TBI predicted by nomogram prediction model

圖3 列線圖預測模型預測TBI患者發生PADBS的校準曲線Figure 3 Calibration curve of nomogram prediction model in predicting PADBS in patients with TBI

3 討論

TBI是急診科常見的中樞神經系統損傷［7］。PADBS指TBI后腦組織廣泛腫大，行CT檢查可見單側/雙側大腦半球腫脹［8-9］，其病因、發病機制尚未明確，但其起病迅猛，是TBI患者的嚴重并發癥［10］。TBI后發生PADBS將促進患者病情惡化，加劇腦組織損傷程度，進而增加臨床治療難度。多項研究指出，PADBS是影響TBI患者預后不良的危險因素［11-12］。因此，明確TBI后發生PADBS的危險因素非常必要。列線圖模型具有簡潔、可視等多重優勢，能綜合回歸模型的多項危險因素，進而個性化預測某一問題/事件的發生風險［13-14］。既往有學者將列線圖模型用于預測重度腦外傷患者腦積水發生風險［15］、未溶栓治療的出血轉化和腦梗死再發風險［16］、腦梗死靜脈溶栓后顱內出血發生風險［17］等方面，均顯示出較好的預測效能。

本研究基于TBI患者發生PADBS的危險因素構建列線圖預測模型，具體如下：（1）TBI至治療時間＞3 h是TBI患者發生PADBS的危險因素，在列線圖預測模型中的評分為62.70分，分析其原因可能如下：TBI至治療時間長提示患者顱內壓長時間處于異常狀態，因未經恰當的醫療救治則可能發生一系列并發癥（如低血壓腦休克），進而增加PADBS發生風險。因此，一旦發生TBI，則建議盡快將患者送至醫院進行救治。（2）誤吸是TBI患者發生PADBS的危險因素，在列線圖預測模型中的評分為62.30分，分析其原因可能如下：TBI患者發生誤吸后食物殘渣等胃內容物被吸至呼吸道，這必然阻塞支氣管，引發肺不張；吸入胃酸的主要成分氯化氫后會造成蛋白質過量滲出，動脈血氧分壓異常改變；誤吸還使肺表面活性物質遭到破壞，導致肺損傷，上述情況均可造成或加劇呼吸障礙，進而增加患者PADBS發生風險。因此，需重視TBI患者的氣道管理，確保其氣道通暢。（3）原發性腦干損傷是TBI患者發生PADBS的危險因素，在列線圖預測模型中的評分為100.00分，分析其原因可能如下：腦干（又被稱為“生命中樞”）能維系機體各項生理活動，如呼吸、循環等［18］，一旦腦干受損則腦血管收縮功能異常，通透性改變，對應中樞無法有效調節血流動力學，進而導致PADBS。吳思榮等［18］研究指出，大腦血管緊張性調節中樞廣泛存在于下丘腦、中腦和延髓，其結構和功能破壞是PADBS形成的基礎。因此，如TBI患者存在原發性腦干損傷，則建議及時予以妥善干預（如糾正呼吸系統紊亂），以盡可能減輕腦干損傷程度。（4）GCS評分≤8分是TBI患者發生PADBS的危險因素，在列線圖預測模型中的評分為64.60分。BRENNAN等［19］研究表明，GCS評分是TBI患者嚴重程度的關鍵性指標，GCS評分低表明TBI患者整體狀況欠佳，需警惕其發生PADBS。

本研究進一步對構建的列線圖預測模型進行驗證，結果顯示，該列線圖預測模型預測TBI患者發生PADBS的曲線下面積為0.831〔95%CI（0.765，0.897）〕，該列線圖預測模型預測TBI患者發生PADBS的校準曲線與實際曲線基本吻合，Hosmer-Lemeshow擬合優度檢驗結果顯示，該列線圖擬合效果良好，表明基于上述危險因素構建的TBI患者發生PADBS的列線圖預測模型具有良好的區分度及準確性。但本研究未對構建的列線圖預測模型進行外部驗證，使其外推性受限。

綜上所述，TBI至治療時間＞3 h、誤吸、原發性腦干損傷、GCS評分≤8分是TBI患者發生PADBS的危險因素，基于上述危險因素構建的TBI患者發生PADBS的列線圖預測模型具有良好的區分度及準確性。

作者貢獻：孫夕峰進行文章的構思與設計，研究的實施與可行性分析，結果分析與解釋，負責撰寫、修訂論文，負責文章的質量控制及審校，對文章整體負責、監督管理；唐勇、樊永忠、嚴朝俊進行數據收集、整理、分析。

本文無利益沖突。