Padua血栓風險評估模型對內科住院患者靜脈血栓栓塞癥預測效果的meta分析*

和 雨，劉 敏，史亞玲，花永玲，張 穎△

(1.大理大學護理學院，云南 大理 671099；2大理大學第一附屬醫院，云南 大理 671000)

靜脈血栓栓塞癥(VTE)包括深靜脈血栓形成(DVT)和肺血栓栓塞癥(PTE)[1]，DVT和PTE是同一疾病表現的2個不同階段[2]。一般認為，外科術后患者為發生VTE的高危人群[3]；但內科患者發病隱匿、臨床癥狀不明顯，診治成本高[4]。由于出血等風險，不建議對所有患者進行常規血栓藥物預防，因此開發了風險評估工具來識別高危患者。目前，風險評估工具存在多種形式，如Caprini、Padua、Wells、Autar等血栓風險評估量表。其中，Padua血栓風險評估模型被廣泛應用于內科住院患者中，但由于不同研究設計的研究對象不同，研究結果也有所不同。因此，本研究旨在通過meta分析方法評價Padua血栓風險評估模型在預測內科住院患者VTE發生中的有效性，為臨床護理人員選擇有效的血栓風險評估模型提供循證依據。

1 資料與方法

1.1文獻檢索 檢索數據庫包括PubMed、Cochrance、Embase、Web of Science、CBM、CNKI、萬方、維普。檢索時限為建庫至2022年5月10日。以主題詞加自由詞的組合策略進行文獻檢索。中文檢索詞為“靜脈血栓栓塞”“深靜脈血栓”“肺栓塞”“肺動脈血栓栓塞”“肺血栓栓塞”“Padua”“血栓風險評估”；英文檢索詞為“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數據庫為例，具體檢索策略見圖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圖1 PubMed數據庫檢索策略

1.2文獻的納入及排除標準 (1)納入標準。研究對象為內科住院患者，且既往無VTE病史者。研究類型為診斷性研究，且在2022年5月10日之前發表的文獻。評估工具：Padua血栓風險評估模型。診斷標準：影像學檢查、檢查血流通暢及DVT情況。結局指標：靈敏度(SEN)、特異度(SPE)、陽性似然比(PLR)、陰性似然比(NLR)、診斷比值比(DOR)、綜合受試者工作特征曲線(SROC)[5]。(2)排除標準。排除非中英文獻、文獻綜述、meta分析、橫截面研究、動物實驗研究、重復發表的研究、方法學不全的研究、無明確診斷標準的研究及無法提取四格表資料的研究。

1.3文獻的篩選與資料提取 2名研究員根據納入及排除標準獨立篩選文獻、提取資料并進行交叉核對，如有異議提交第三方決定。提取納入文獻的資料主要包括第一作者姓名、發表時間、研究對象、平均年齡、總樣本量、四格表數據、最佳截斷值。若無法獲取數據資料則排除研究。

1.4文獻質量評價 文獻質量評價采用Cochrane協作網推薦的診斷性試驗質量評價工具(QUADAS[6]工具)，由2名研究者對納入研究進行獨立質量評價，如遇分歧，則第3名研究員參與討論，最終決定文獻的總體質量。QUADAS工具包括3個方面：偏差、變異和報告質量，共14個項目，“是”“否”“不清楚”為每個條目的評價結果。所有條目均為“是”，則說明文獻質量高，為A級；部分條目評價為“是”，說明文獻質量中等，為B級；所有條目均不符合上述標準，說明文獻質量低，為C級。

1.5統計學處理 (1)異質性檢驗。通過Meta-Disc1.4軟件判斷診斷性試驗異質性。①閾值效應：其判斷有2種方法；第一，通過軟件計算SEN對數與(1-SPE)對數之間的Spearman相關系數，如果P<0.05，則提示存在閾值效應；第二，通過軟件繪制ROC曲線，看其是否存在“肩臂狀”分布；若曲線呈“肩臂狀”分布，提示存在閾值效應。②非閾值效應：計算DOR的Cochran-Q值，以衡量是否存在非閾值效應。若I2<50%，說明不存在非閾值效應，采用固定效應模型進行效應量的合并；反之則說明存在非閾值效應，采用隨機效應模型進行效應量的合并。(2)合并效應量。通過Meta-Disc1.4軟件合并納入研究的SEN、SPE、PLR、NLR、DOR及SROC。(3)敏感性分析。對納入研究進行剔除，看其結果是否穩定。(4)發表偏倚檢驗。Deek′s漏斗圖由Stata15.0軟件繪制，用于發表偏差的檢驗，若P>0.1，表明無發表偏倚。

2 結 果

2.1文獻檢索結果 初步檢索得到4 145篇文獻，經逐步閱讀題目、摘要及全文，排除橫斷面研究、動物實驗研究、文獻綜述、meta分析及研究內容不符合的文獻，最終納入16篇文獻[7-22]，具體篩選文獻流程見圖2。

圖2 文獻篩選流程圖

2.2納入文獻基本特征 本次研究共納入內科住院患者13 402例，發生VTE患者1 418例；所有研究均發表于2014-2021年，樣本范圍46～3 268例；納入的研究對象均為內科住院患者，包括神經內科、腦卒中、慢性阻塞性肺疾病(慢阻肺)及風濕免疫病住院的患者。具體納入文獻特征見表1。

2.3納入研究的QUADAS質量評價 本研究共納入16篇文獻。其中4篇文獻研究方法學質量較高為A級，12篇質量中等為B級。9篇文獻所有的樣本均接受了“金標準”的檢驗，7篇文獻未表達清楚是否所有的樣本均接受“金標準”的檢驗。11篇文獻未表達清楚Padua血栓評估量表是否在不知曉“金標準”試驗的結果下進行的。2篇文獻未表達清楚“金標準”結果的判讀是否在不知曉Padua血栓風險評估量表結果的情況下進行。

2.4meta分析結果 (1)異質性檢驗結果。閾值效應異質性：將數據導入Meta-DiSc1.4軟件進行分析，得出SEN對數與(1-SPE)對數之間的spearman相關系數為0.406(P=0.119>0.05)，提示本次meta分析不存在閾值效應；通過繪制對稱SROC曲線，其并未出現“肩臂狀”分布，更進一步說明本次meta分析無閾值效應異質性。非閾值效應異質性：將本次數據導入Meta-DiSc1.4軟件進行分析，得出DOR的 Cochran-Q值為42.05(I2=64.3% )，提示可能存在非閾值效應引起的異質性，故選用隨機效應模型進行效應量的合并。(2)合并結局指標。16篇研究的合并效應量分別為：SEN合并=0.70[95%置信區間(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曲線下面積(AUC)為0.817 2(95%CI：0.799 9～0.834 5)。

2.5亞組分析 為探討納入研究的異質性來源，按照研究方法、研究人群、平均年齡、最佳截斷值分組進行meta分析。結果顯示，腦卒中、平均年齡為50～<60歲、最佳截斷值為3.5的異質性較低(I2<50%)。見表2。

表2 亞組分析結果

2.6敏感性分析 根據合并效應量的結果，將SEN、SPE差異性較大的研究 (彭清[16]、NENDAZ等[20])逐一剔除，再次進行效應量的合并，重新獲取SEN、SPE、PLR、NLR、DOR值。結果顯示，剔除差異性較大的2篇文獻后其結果對總體研究各結局指標影響不大，說明本次meta分析的穩定性較好。結果見表3。

表3 敏感性分析結果

2.7Deek′s漏斗圖檢驗 采用Deek′s漏斗圖[23]檢驗是否存在發表偏倚，本次研究P>0.1(P=0.79)，且斜線與DOR的夾角接近于90°，說明不存在發表偏倚。

3 討 論

3.1結局指標的評價 VTE約占所有住院患者死因的10%[24-25]，其被認為是可預防性疾病。臨床上，外科住院患者VTE的預防已受到重視[26]，而對于內科住院患者VTE的預防則相對不足。內科住院患者發生VTE時，通常臨床癥狀不明顯且較為隱匿[27]，同時由于VTE引起的致死率、致殘率及所花費的醫療費用較高[28]；因此，選用合適的工具對內科住院患者的VTE風險進行科學有效的評估，篩選出高危患者從而采取預防措施顯得尤為重要。國內外雖均有相關指南[29-30]推薦Padua血栓風險評估模型應用于內科住院患者中，但有研究指出其對內科住院患者的預測效能欠佳，不能有效篩選出發生VTE的高危患者[31]。本次meta分析對Padua血栓風險評估模型在內科住院患者中的預測效能進行評價，結果說明Padua血栓風險評估模型對篩選內科住院患者VTE有一定的準確性。在敏感性分析中，SEN合并、SPE合并均為0.70，說明Padua模型可以準確地篩出70.0%的VTE者，排除70.0%的非VTE者。PLR合并為3.14，NLR合并為0.36，說明診斷效能雖小，但有時很重要。DOR合并值為2.26，說明使用該模型篩選時，出現VTE結果的機會是非VTE結果的2.26倍。本次meta分析結果表明，Padua血栓風險評估模型雖然在不同研究人群中均進行了驗證，但臨床工作者在篩選內科住院患者VTE高危人群時，還需要結合更多的臨床癥狀和實驗室檢查來增加模型的準確性，為臨床血栓評估提供新思路。

3.2亞組分析 本次meta分析異質性較大，為64.3%。為探討異質性來源，按照研究方法、最佳截斷值、研究人群及其平均年齡的不同進行亞組分析。平均年齡方面，50～<60歲的SEN為0.85，≥60歲SEN為0.63，兩者之間存在差異，提示Padua血栓風險評估模型的SEN合并隨著年齡增長而降低；這可能與老年人通常存在多病共存的情況，而Padua血栓風險評估模型中的危險因素較少，某些危險因素定義不夠明確[32]，缺乏與老年住院患者發生VTE的相關危險因素有關。不同截斷值方面，以截斷值為4分最常用，與模型本身提供的高風險分層相對應，SEN低但SPE高，模型的SEN提升，漏診率降低；當截斷值為3.5分時，SROC=0.807 7，模型的有效預測力較好。研究人群方面，亞組分析結果顯示，內科住院患者的SEN和SROC AUC分別為0.82、0.844 8，提示在內科住院患者中Padua血栓風險評估模型的有效性較高。

3.3小結 本研究結果顯示，Padua血栓風險評估模型作為單獨指標對內科住院患者的預測效能有一定的準確性，需結合更多的臨床癥狀或實驗室檢查來增加模型的準確性。本研究因納入研究間存在不同程度的異質性，在一定程度上說明Padua血栓風險評估模型作為單獨指標對VTE的預測有效性存在一定的局限。納入的研究以中文文獻為主，大部分研究因無法獲取四格表數據被排除。綜上所述，Padua血栓風險評估模型在多個科室使用，難以體現因科室基礎疾病不同對VTE發生的影響。盡管本研究發現Padua血栓風險評估模型不是最佳的評估工具，但是可以通過應用于不同的研究對象來提高其診斷的準確性。