產后輸血量的高危因素評估和風險評分模型的建立

［摘要］目的評估產后輸血量相關的高危因素并構建風險評分模型。方法選取2021年5月31日至2023年5月31日于西北婦女兒童醫院進行輸血的557例分娩產婦為研究對象，根據輸血量分為＜800mL（n=345）、≥800mL（n=212）兩組，并隨機選擇389例（70%）作為訓練集、168例（30%）作為驗證集。根據文獻及臨床實際收集產婦信息，構建Logistic回歸模型和隨機森林模型進行變量分析，篩選并驗證可能與產婦分娩后出血相關的變量。結果多因素Logistic回歸結果顯示，孕期重度貧血、低蛋白血癥、凝血功能障礙，以及存在兇險性前置胎盤、胎盤植入為影響孕產婦輸血量的危險因素，其OR值及95%CI分別為3.25（1.66～6.36）、2.64（1.60～4.35）、3.12（1.12～5.28）、2.55（1.19～4.63）、1.98（1.02～3.82）；訓練集及驗證集受試者工作特征（ROC）曲線下面積（AUC）分別為0.739、0.694，交叉驗證、決策曲線分析（DCA）和臨床影響曲線（CIC）均展示了良好的臨床指導功能；隨機森林模型驗證結果顯示訓練集中輸血的危險因素前5位包括貧血、低蛋白血癥、凝血功能障礙、兇險性前置胎盤、胎盤植入（驗證AUC=0.803），與多因素回歸結果一致。結論貧血、低蛋白血癥、凝血功能障礙、兇險性前置胎盤、胎盤植入為產后輸血量的相關獨立危險因素，可指導臨床備血及選擇合適的手術方式。

［關鍵詞］產后出血；輸血；機器學習；危險因素；隨機森林" " "Doi：10.3969/j.issn.1673-5293.2024.12.001

［中圖分類號］R173［文獻標識碼］A" "［文章編號］1673-5293（2024）12-0001-11

［Abstract］ Objective To evaluate the risk factors related to postpartum blood transfusion volume and establish a risk scoring model. Methods A total of 557 postpartum patients who received transfusions at the Northwest Women and Childrens Hospital from May 31，2021，to May 31，2023，were selected as study subjects，and were divided into＜800mL （n=345） and≥800mL （n=212） groups according to blood transfusion volume.A random sample of 389 cases （70%） was used as the training set，and 168 cases （30%） as the validation set.Maternal information was collected according to literature and clinical practice，Logistic regression model and random forest model were constructed for variable analysis，and variables that might be related to postpartum hemorrhage were screened and verified. Results Multivariate Logistic regression analysis results indicated that severe anemia，hypoproteinemia，coagulopathy，dangerous placenta previa and placenta implantation during pregnancy were the risk factors influencing postpartum transfusion volume，with OR values and 95%CI were 3.25（1.666.36），2.64（1.604.35），3.12（1.125.28），2.55（1.194.63），1.98（1.023.82），respectively.The area under receiver operating characteristic （ROC） curve （AUC） of training set and validation set were 0.739 and 0.694，respectively.Crossvalidation，decision curve analysis （DCA） and clinical impact curve （CIC） all demonstrated good clinical guidance function.The random forest model validation results showed that the top five risk factors for transfusion in the training set included anemia，hypoproteinemia，coagulopathy，placenta previa，and placenta implantation （validation AUC=0.803），consistent with the multivariate regression results. Conclusion Anemia，hypoproteinemia，coagulopathy，dangerous placenta previa and placenta implantation are independent risk factors related to postpartum blood transfusion volume，which can guide clinical blood preparation and selection of appropriate surgical methods.

［Key words］ postpartum hemorrhage;blood transfusion;machine learning;risk factors;random forest

產后出血（postpartum hemorrhage，PPH）是分娩期常見的并發癥，由于分娩或流產手術后大量失血，美國婦產科醫師學會（American College of Obstetricians and Gynecologists，ACOG）提出PPH是分娩當天死亡的主要原因［1］。根據總失血量定義，PPH代表出生后24h內累計失血量超過1 000mL或失血伴有低血容量的體征和/或癥狀［2］。此外，PPH也可能發生在產后后期（出生后24h以上）［3］。

PPH因產婦出血量大，出血速度快，甚至可在數分鐘內丟失整個血容量，從而嚴重威脅產婦生命安全，治療延遲或護理不當可加速產婦死亡。研究表明，從產婦PPH發生到死亡平均時間為2h［4］。因此，基于產科疾病起病急、進展迅速、血液需求量大的特點，產前進行多學科協作，評估出血風險、輸血風險及可能輸血量，制定產前合理的備血方案是解決目前血液供應短缺問題的重要手段，也是提高產科大出血患者救治成功率的重要保障［5］。

最新研究表明，產前患者合并子癇、貧血、前置胎盤、胎盤植入等是患者輸血的高危因素［67］，但是有關影響患者輸血量危險因素的報告較少。為了分析影響產科患者輸血量的危險因素，本研究通過收集557名產后出血患者的全面臨床病理檢查數據，利用Logistic回歸和隨機森林建立風險模型，全面預測產后出血患者的危險因素，并通過驗證集確認該模型的預測能力，這將有助于臨床人員選擇合適手術方式和備血。

1資料與方法

1.1研究對象

選取2021年5月31日至2023年5月31日于西北婦女兒童醫院進行輸血的557例分娩產婦為研究對象。輸血標準：血紅蛋白≤70g/L；血紅蛋白≤100g/L，血紅蛋白進行性下降或者有明顯的組織供氧不足，出血原因未解決。納入標準：分娩產婦，于分娩時及分娩后7天內輸注濾白紅細胞懸液。排除標準：患者妊娠＜26周；非分娩保胎孕婦；排除外傷等原因所致的大出血等。所有研究對象均知情同意自愿參與研究。

1.2研究方法

1.2.1研究分組

基于文獻綜述和臨床適用性設計分娩產后出血數據統計表格，收集妊娠期、此次妊娠分娩期和妊娠結局等相關臨床資料。根據輸血量將研究對象分為輸血量＜800mL（n=345）、≥800mL（n=212）兩組，并隨機選擇389例（70%）作為訓練集、168例（30%）作為驗證集。

1.2.2預測模型建立及驗證

將產婦相關指標如年齡、剖宮產史、羊水指數、羊水污染、先兆子癇等19個因素，胎盤相關指標如兇險性前置胎盤、胎盤植入、完全或部分前置胎盤等7個因素，胎兒相關指標如臍帶繞頸、多胎、妊娠合并巨大兒、胎膜早破4個因素進行單因素分析，選擇單變量分析中具有統計學意義的變量進行多因素Logistic回歸，并繪制列線圖將結果可視化。此外，本研究構建了受試者工作特征（receiver operating characteristic，ROC）曲線并計算了曲線下面積（area under the curve，AUC）驗證模型預測效能。之后，交叉驗證分析預測結果與實際結果之間的差異，以展示預測結果的準確性。最后，進行決策曲線分析（decision curve analysis，DCA）和臨床影響曲線（clinical impact curves，CIC）分析，以更全面地評估預測模型。為充分驗證上述結果，本研究還采用隨機森林機器學習，將訓練集數據可視化，排名顯示因素重要程度，并繪制ROC曲線驗證預測效能。

1.3統計學方法

采用R 4.30軟件，利用autoreg、rmda、rms等R包進行統計分析。分類資料均以例數（n）和百分比（%）表示，組間比較采用χ2檢驗。影響因素分析采用單因素與多因素Logistic回歸、隨機森林模型。P＜0.05表示差異有統計學意義。

2結果

2.1產婦出血臨床特征

訓練集與驗證集的所有變量差異均無統計學意義（P＞0.05），見表1。

2.2產后出血產婦基本信息特征與輸血關系的單因素分析

389例訓練集單因素分析結果顯示，孕期重度貧血、低蛋白血癥、凝血功能障礙，存在兇險性前置胎盤、胎盤植入及多胎為孕產婦產科輸血量的影響因素（OR值分別為3.76、2.72、3.53、2.60、2.43、0.42，P＜0.05），見表2。

2.3影響產后出血輸血概率的多因素分析

將單因素分析有統計學差異的變量納入多因素Logistic回歸模型中，結果顯示，孕期重度貧血、低蛋白血癥、凝血功能障礙，以及存在兇險性前置胎盤、胎盤植入為影響孕產婦輸血量的危險因素，其OR值及95%CI分別為3.25（1.66～6.36）、2.64（1.60～4.35）、3.12（1.12～5.28）、2.55（1.19～4.63）、1.98（1.02～3.82），見表3。

2.4產婦出血列線圖模型的建立與驗證

為了進一步分析每個獨立風險因素對產婦出血的影響比例，本研究繪制列線圖將每個獨立風險因素可視化。其中每個變量根據出血的回歸系數在0到100的范圍內匹配一個點，根據每個變量的適當得分畫出直線，將總分相加，然后將結果放在相應的位置，代表了變量的值。結果顯示，產婦出血相關的獨立風險因素重要程度排名分別為凝血功能障礙、兇險性前置胎盤、貧血、低蛋白血癥、胎盤植入，見圖1。

2.5列線圖和校準曲線的內部驗證

為了驗證列線圖預測孕產婦大量輸血風險的效能，我們對訓練集和驗證集進行了以下綜合驗證：訓練集通過HosmerLemeshow檢驗，得出P=0.999，即說明預測值與真實值之間并無明顯差異，模型擬合效果很好。ROC分析也表明模型良好，具體來說，訓練集ROC曲線下面積0.739，敏感度0.747，特異度0.729；驗證集ROC曲線下面積0.694，敏感度0.638，特異度0.693，見圖2。此外，與上述結論一致，校準圖也顯示了列線圖模型的準確性和可重復性，訓練集及驗證集的平均絕對誤差MAE分別為0.016、0.023，見圖3，且預測值在校準圖中均顯示了最小的偏差。

2.6決策曲線和臨床影響曲線分析

為了進一步分析列線圖模型的臨床應用，本研究建立了DCA及CIC模型來驗證其有效性，通過風險閾值表明預測模型在臨床決策中的優越性，其中風險閾值是一個動態變量，根據每個患者的臨床病理特征而變化。DCA結果顯示，訓練集和驗證集的風險閾值在0.2～0.8之間時，列線圖比單因素模型具有更好的預測能力，見圖4；CIC分析顯示訓練集和驗證集的風險閾值概率大于總預測得分概率值的60%時，CIC模型確定的產后出血高危人群與實際人群高度匹配，證實了列線圖預測模型的臨床有效性，見圖5。

2.7基于隨機森林風險模型的多重驗證與評價

為了表明上述模型的有效性，本研究還構建了隨機森林模型。結果顯示，訓練集中輸血的危險因素前5位包括貧血、低蛋白血癥、凝血功能障礙、兇險性前置胎盤、胎盤植入，與多因素回歸結果一致，見圖6；ROC驗證顯示AUC為0.803，敏感度與準確度為0.767、0.762，表明預測效能良好，見圖7。

3討論

產后出血是嚴重威脅產婦生命安全的關鍵因素。據最新研究，截至2020年，全球約有1 400萬婦女經歷產后出血，其中約7萬名產婦因此喪生［89］。全球范圍內，產后出血的總體發病率為6%～11%，而嚴重產后出血的發病率則在1%～3%之間，且在不同地區均有上升趨勢［10］。在美國，從2000年到2019年，產后出血的發病率從2.7%增長至4.3%［11］。通過客觀測量和隨機對照試驗發現，產后出血的發病率在非洲和亞洲等資源匱乏國家相對較高。然而，由于數據的不完整性或失血量估計的不準確性，產后出血的高風險可能被嚴重低估。在中國，產后出血的發病率約為0.81%，其中單胎、雙胎、剖宮產和陰道分娩的產后出血發生率分別為0.75%、2.65%、1.40%和0.31%，產后出血是導致產婦圍產期死亡的首要原因［1213］。及時的輸血和止血措施是挽救這些患者生命、減少嚴重并發癥的關鍵，超過70%的產后出血相關孕產婦死亡是可以預防的［14］。因此，深入分析產后出血需要輸血的危險因素，并提高產前保健的針對性，對于臨床實踐具有重大意義。

本研究綜合運用了多種先進的機器學習技術，包括邏輯回歸分析和隨機森林模型，對產婦分娩過程中的相關特征進行了深入的多因素分析。這種綜合分析方法能夠全面評估多個因素之間的相互作用，從而顯著提升識別危險因素的精確度。為了進一步驗證模型的有效性，我們將研究樣本劃分為訓練集和驗證集，并運用邏輯回歸、隨機森林等多種機器學習算法對產婦分娩相關特征進行危險因素的分析。此外，我們還采用了ROC曲線、交叉驗證、臨床效能檢驗等多種評估手段，以確保模型的穩定性和可靠性。通過內部驗證，我們能夠有效評估模型的預測性能，并降低過擬合的風險。

具體而言，通過邏輯回歸分析和隨機森林模型的應用，我們識別出了以下五個產后出血的獨立危險因素。

3.1低蛋白血癥與產后出血量的相關性

蛋白質在人體中扮演著至關重要的角色，包括維持血管壁的完整性與穩定性、促進凝血過程。低蛋白血癥可能導致凝血因子功能降低，從而增加出血風險。此外，蛋白質還參與調節血管壁的通透性和收縮功能，低蛋白水平可能使血管壁更易發生滲漏或破裂，進一步增加出血的可能性［15］。因此，對于存在低蛋白血癥的產婦，應密切監測其凝血功能和血管壁狀況，并及時采取預防和治療措施。本研究將低蛋白血癥確定為產后出血的獨立危險因素，這是對現有文獻的重要補充。

3.2重度貧血與產后出血量的相關性

貧血是妊娠期間常見的并發癥，盡管關于貧血與產后出血風險關系的研究結果并不一致，且缺乏系統的回顧和/或薈萃分析［16］，但本研究發現重度貧血與PPH的發生具有密切關聯。重度貧血可能通過以下機制增加產后出血風險：①凝血因子稀釋和失衡，抑制凝血功能；②血液攜氧能力下降，增加心臟供氧負擔；③免疫功能受損，增加感染和其他并發癥風險［17］。因此，對于重度貧血的孕婦，應采取積極措施預防和處理產后出血，包括及時輸血、糾正貧血，并密切監測病情變化，以確保最佳治療效果。

3.3兇險性前置胎盤與產后出血量的相關性

兇險性前置胎盤由于其位置特殊，阻礙了正常的分娩過程，導致子宮頸口處缺乏胎盤襯托和出血塊群栓形成，難以自行止血，從而可能引發大量陰道出血，危及產婦生命。緊急剖宮產手術是處理兇險性前置胎盤的關鍵。研究表明，前置胎盤，尤其是兇險性前置胎盤，是產后出血的重要原因，也是輸血需求增加的重要因素［1820］，這與本研究結果一致。

3.4胎盤植入與產后出血量的相關性

胎盤植入是由于子宮蛻膜發育不良，如以往刮宮、剖宮產等手術導致內膜瘢痕形成，使得胎盤絨毛直接植入子宮肌層，甚至穿透子宮漿膜層。根據植入程度，分為胎盤愈著（accreta）、植入（increta）和穿通（percreta）。胎盤絨毛侵入子宮肌層時，與子宮壁緊密粘連難以剝離，剝離后因植入部位子宮肌纖維破壞較大而收縮乏力，導致出血量增多。多項研究已將胎盤植入確定為產后出血的獨立危險因素［2122］，本研究結果亦與之相符。

3.5凝血功能障礙與產后出血量的相關性

彌散性血管內凝血是一種罕見但嚴重的血液病理過程，通過極端擾亂人體循環系統中的凝血因子和抗凝系統，引發出血傾向。若未能及時有效控制，彌散性血管內凝血還可能影響其他器官，加重病情。彌散性血管內凝血是產后出血的關鍵原因，其機制包括子宮內出血或其他因素激活凝血機制，導致異常、廣泛的凝血活化和纖維蛋白溶解，進而引發全身多器官功能障礙。因此，對于產后出血高風險的產婦，應密切關注彌散性血管內凝血的可能性，并采取綜合治療方法，包括控制出血、輸注凝血因子或血漿、糾正凝血功能異常等。

在本研究中，我們首次將低蛋白血癥列為產后出血的獨立危險因素，并與其他已確認的危險因素——重度貧血、兇險性前置胎盤、胎盤植入和彌散性血管內凝血進行了深入的分析。這些發現對于指導臨床實踐，特別是在產前保健和產后出血預防方面，具有極其重要的意義。研究結果不僅有助于識別高風險產婦群體，還為臨床醫生提供了產前針對性干預的指導，如營養支持、輸血治療和手術準備等，從而有效降低產后出血的風險并改善產婦的預后。

總體而言，本研究通過科學嚴謹的方法識別了產后出血的危險因素，這不僅提高了臨床預測的準確性，而且為臨床干預提供了有力的支持，顯示出其在臨床實踐中的重要價值和應用潛力。此外，本研究采用的全球視角和多因素綜合分析方法，為全球孕產婦健康領域提供了寶貴的參考和借鑒。盡管本研究提出了一些創新性的觀點，但也存在一定的局限性。首先，作為一項回顧性研究，其可能包含的偏倚通常比前瞻性研究要多；其次，由于樣本數量受限于特定醫院的患者群體，本研究尚未經過外部驗證，這一部分需要在未來通過收集更廣泛的樣本數據進行深入的檢驗和修正。

［參考文獻］

［1］Quantitativeblood loss in obstetric hemorrhage：ACOG COMMITTEE OPINION SUMMARY，Number 794 ［J］.Obstet Gynecol，2019，134（6）：13681369.

［2］Vallera C，Choi L O，Cha C M，et al.Uterotonic medications：oxytocin，methylergonovine，carboprost，misoprostol［J］.Anesthesiol Clin，2017，35（2）：207219.

［3］Wilbeck J，Hoffman J W，Schorn M N.Postpartum hemorrhage：emergency management for uncontrolled vaginal bleeding［J］.Adv Emerg Nurs J，2022，44（3）：213219.

［4］Pacagnella R C，Souza J P，Durocher J，et al.A systematic review of the relationship between blood loss and clinical signs［J］.PLoS One，2013，8（3）：e57594.

［5］Madar H，DeneuxTharaux C，Sentilhes L，et al.Shock index as a predictor of postpartum haemorrhage after vaginal delivery：secondary analysis of a multicentre randomised controlled trial［J］.BJOG，2024，131（3）：343352.

［6］Kwee A，Bots M L，Visser G H，et al.Emergency peripartum hysterectomy：a prospective study in the Netherlands［J］.Eur J Obstet Gynecol Reprod Biol，2006，124（2）：187192.

［7］Peitsidis P，Datta T，Pafilis I，et al.Bernard Soulier syndrome in pregnancy：a systematic review［J］.Haemophilia，2010，16（4）：584591.

［8］Althabe F，Therrien M N S，Pingray V，et al.Postpartum hemorrhage care bundles to improve adherence to guidelines：a WHO technical consultation［J］.Int J Gynaecol Obstet，2020，148（3）：290299.

［9］Onwujekwe O，Mosanya A U，Ekwuazi K，et al.Awareness and use of tranexamic acid in the management of postpartum hemorrhage among health care professionals in Enugu，Nigeria［J］.Int J Gynaecol Obstet，2024，164（2）：668676.

［10］Sheng B，Jiang G，Ni J.Association between postpartum depression and postpartum hemorrhage：a systematic review and metaanalysis［J］.Acta Obstet Gynecol Scand，2024，103（7）：12631270.

［11］BorovacPinheiro A，Pacagnella R C，Cecatti J G，et al.Postpartum hemorrhage：new insights for definition and diagnosis［J］.Am J Obstet Gynecol，2018，219（2）：162168.

［12］Li S，Gao J，Liu J，et al.Incidence and risk factors of postpartum hemorrhage in China：a multicenter retrospective study［J］.Front Med（Lausanne），2021，8：673500.

［13］李毓，蔣榮珍.產程管理與產后出血防治［J］.中國婦幼健康研究，2022，33（6）：4448.

［14］Harvey C J.Evidencebased strategies for maternal stabilization and rescue in obstetric hemorrhage［J］.AACN Adv Crit Care，2018，29（3）：284294.

［15］Wang Z，Zhang H，Meng Q，et al.A multicenter casecontrolled study on laparoscopic hepatectomy versus microwave ablation as firstline therapy for 35 cm hepatocellular carcinoma in patients aged 60 and older［J］.Int J Surg，2024，110（3）：13561366.

［16］Omotayo M O，Abioye A I，Kuyebi M，et al.Prenatal anemia and postpartum hemorrhage risk：a systematic review and metaanalysis［J］.J Obstet Gynaecol Res，2021，47（8）：25652576.

［17］Surbek D，Vial Y，Girard T，et al.Patient blood management（PBM） in pregnancy and childbirth：literature review and expert opinion［J］.Arch Gynecol Obstet，2020，301（2）：627641.

［18］Liu X，Huang X，Yang Y，et al.Maternal anaemia prevention and control in China：a policy review［J］.Matern Child Nutr，2024，20（3）：e13653.

［19］楊辰敏，劉延，王敏敏.嚴重產后出血的臨床分析［J］.中國婦幼健康研究，2023，34（7）：8791.

［20］朱成玲，王靜.兇險性前置胎盤對妊娠結局的影響及術前管理對母兒預后的改善作用［J］.現代醫學，2020，48（10）：12791283.

［21］Maymon S，Maymon R，Bornstein J，et al.［Comparison of two approaches for placenta accreta：uterine preservation versus cesarean hysterectomy］［J］.Harefuah，2018，157（11）：696700.

［22］Evensen A，Anderson J M，Fontaine P.Postpartum hemorrhage：prevention and treatment［J］.Am Fam Physician，2017，95（7）：442449.

［專業責任編輯：李力］

［中文編輯：郭樂倩；英文編輯：方柳］

［收稿日期］2024-05-09

［基金項目］西北婦女兒童醫院科研項目（2020LQ03）

［作者簡介］徐慧雙（1990—），女，主管檢驗技師，主要從事輸血相關實驗室檢測研究。

［通訊作者］屈明利，副主任檢驗技師。