凝血指標對髖部骨折患者血栓形成風險的預測

[摘要]"目的"探討凝血指標對髖部骨折患者圍術期靜脈血栓形成風險的預測價值。方法"回顧性納入2020年2月至2022年12月收入筆者醫院的160例髖部骨折患者，采取隨機數字表法將其分為訓練集（n=112例）和驗證集（n=48例），進一步根據訓練集患者圍術期是否發生深靜脈血栓（deep"vein"thrombosis，DVT）劃分為發生組和未發生組。使用最小絕對收縮與選擇算子（least"absolute"shrinkage"and"selection"operator，LASSO）選取變量形成LASSO回歸模型；繪制受試者操作特征（receiver"operating"characteristic，ROC）曲線分析模型的預測效能；通過驗證集數據實現驗證模型的預測效能。結果"訓練集與驗證集患者性別、年齡等一般及臨床資料比較，差異均無統計學意義（Pgt;0.05）。訓練集內發生組與未發生組患者性別、年齡、骨折至入院時間、體質量指數、D-二聚體、纖維蛋白原、總蛋白、白蛋白、前白蛋白、球蛋白、血紅蛋白、血清鈣、紅細胞體積、白細胞計數、紅細胞體積分布寬度、活化部分凝血活酶時間、凝血酶原時間及淋巴細胞比率比較，差異有統計學意義（Plt;0.05）。通過組間相關系數（intraclass"correlation"coefficient，ICC）與LASSO篩選出6個非零系數的最優變量，分別是年齡、體質量指數、D-二聚體、纖維蛋白原、凝血酶原時間及活化部分凝血活酶時間，非零系數依次為9.104、1.792、1.270、2.447、3.037及-1.561。結論"年齡、體質量指數、D-二聚體、纖維蛋白原、凝血酶原時間及活化部分凝血活酶時間變量聯合形成的LASSO回歸模型可作為預測髖部骨折患者圍術期DVT形成風險的輔助工具。

[關鍵詞]"髖部骨折；深靜脈血栓；圍手術期；最小絕對收縮與選擇算子

[中圖分類號]"R683.3""""""[文獻標識碼]"A""""""[DOI]"10.3969/j.issn.1673-9701.2024.23.011

Prediction"of"thrombosis"risk"in"patients"with"hip"fracture"by"coagulation"index

ZHENG"Aimei，"WU"Yinsheng

Department"of"Traumatology，"Wenzhou"Hospital"of"Integrated"Traditional"Chinese"and"Western"Medicine，"Wenzhou"325000，"Zhejiang，"China

[Abstract]"Objective"To"explore"the"predictive"value"of"coagulation"indexes"on"the"risk"of"venous"thrombosis"in"perioperative"period"of"hip"fracture."Methods"Totally"160"patients"with"hip"fracture"admitted"to"our"hospital"from"February"2020"to"December"2022"were"retrospectively"included."They"were"randomly"divided"into"trainingnbsp;set"（n=112"cases）"and"verification"set"（n=48"cases）."Further，"according"to"whether"deep"vein"thrombosis"（DVT）"occurred"in"the"perioperative"period，"the"patients"in"the"training"group"were"further"divided"into"the"occurrence"group"and"the"non-occurrence"group."Use"the"least"absolute"shrinkage"and"selection"operator"（LASSO）"to"select"variables"to"form"a"LASSO"regression"model."Draw"receiver"operating"characteristic"（ROC）"curve"to"analyze"the"prediction"efficiency"of"the"model;"The"prediction"efficiency"of"the"verification"model"is"realized"through"the"verification"set"data."Results"There"was"no"statistically"significant"difference"in"gender，"age，"and"other"general"and"clinical"data"between"the"training"set"and"the"validation"set"（Pgt;0.05）."There"were"significant"differences"in"sex，"age，"time"from"fracture"to"admission，"body"mass"index，"D-dimer，"fibrinogen，"total"protein，"albumin，"prealbumin，"globulin，"hemoglobin，"serum"calcium，"red"blood"cell"volume，"white"blood"cell"count，"red"blood"cell"volume"distribution"width，"activated"partial"thromboplastin"time，"prothrombin"time"and"lymphocyte"ratio"between"the"patients"in"the"training"set"（Plt;0.05）."Six"optimal"variables"with"non-zero"coefficients"were"selected"by"intraclass"correlation"coefficient（ICC）and"LASSO，"namely"age，"body"mass"index，"D-dimer，"fibrinogen，"prothrombin"time"and"activated"partial"thromboplastin"time."The"non-zero"coefficients"were"9.104，1.792，1.270，2.447，3.037"and"-1.561"respectively."Conclusion"The"LASSO"regression"model"formed"by"the"combination"of"age，"body"mass"index，"D-"dimer，"fibrinogen，"prothrombin"time"and"activated"partial"thromboplastin"time"variables"can"serve"as"an"auxiliary"tool"for"predicting"the"risk"of"perioperative"DVT"formation"in"patients"with"hip"fractures.

[Key"words]"Hip"fracture;"Deep"vein"thrombosis;"Perioperative"period;"Minimum"absolute"shrinkage"and"selection"operators

創傷患者幸存下來后，仍會面臨一些危及生命的并發癥，例如多器官功能障礙綜合征、靜脈血栓栓塞（venous"thrombo"embolism，VTE）[1-2]。隨著人口老齡化加劇，加之中老年人常伴有骨質疏松，髖部骨折成為中老年人的常見外傷性疾病。深靜脈血栓（deep"vein"thrombosis，DVT）是髖部骨折患者圍術期較為常見的并發癥之一，其發病較為隱匿，并且存在較高的致殘率和致死率，而逐漸受到臨床關注[3]。DVT可引起單側肢體疼痛、紅腫等表現，但缺乏特異性，難以與淺表性血栓性脈管炎、蜂窩組織炎等區分[4]。對于一些無癥狀的早期DVT患者，容易被忽視而錯過最佳治療時機[5]。因此，亟需一種風險評估法來早期預測髖部骨折圍術期DVT風險。基于此，本研究并采用最小絕對收縮與選擇算子（least"absolute"shrinkage"and"selection"operator，LASSO）選取最優變量形成LASSO回歸模型，以期為提高髖部骨折圍術期DVT預測能力提供參考。

1""對象與方法

1.1""研究對象

選取于2020年2月至2022年12月收入筆者醫院的160例髖部骨折患者為研究對象。采取隨機數字表法分為訓練集（n=112例）和驗證集（n=48例），進一步根據訓練集患者圍術期是否發生DVT劃分為發生組（n=41）和未發生組（n=71）。訓練集與驗證集患者性別、年齡等一般及臨床資料比較，差異均無統計學意義（Pgt;0.05）。見表1。納入標準：①年齡≥18歲；②髖部骨折；③一般及臨床資料完整；④入院14d內接受2次以上的彩色多普勒超聲檢查（多在入院后3d～7d完成首次第一次檢測，若結果顯示為陰性，則在第8～14天完成隨訪檢測）；⑤接受髖部手術并處于圍手術期。排除標準：①存在凝血功能障礙者；②存在遺傳性血栓形成缺陷的家族史。本研究經筆者醫院倫理委員會審核批準（倫理審批號：2023-L047）。

1.2""資料收集與模型構建

運用電子病歷收集患者年齡、性別、髖骨骨折至入院時間、體質量指數等。運用電子病歷收集患者入院24h內的血液檢查結果，包括D-二聚體、纖維蛋白原、總蛋白、白蛋白、前白蛋白、球蛋白、血紅蛋白、血清鈣、血清鎂、紅細胞體積、血小板計數、白細胞計數、紅細胞體積分布寬度、活化部分凝血活酶時間、凝血酶原時間、淋巴細胞比率、中性粒細胞比率、嗜堿性粒細胞絕對值等。對已提取的22個變量，利用組間相關系數（intraclass"correlation"coefficient，ICC）進行初步篩選，去除掉ICC＜0.75的變量后；采用LASSO進一步篩選，即通過最小標準的10倍交叉驗證法獲取最小誤差λ，根據已得λ獲取非零系數的變量。然后運用套索模型選擇6個最優變量構建LASSO回歸模型。

1.3""統計學方法

采用R軟件（3.3.2版）和SPSS"23.0統計學軟件對對數據進行處理分析，符合正態分布的計量資料以均數±標準差（）表示，采用t檢驗，不符合正態分布的數據以中位數（四分位間距）[M（Q1，Q3）]表示，采用U檢驗；計數資料用例數（百分率）[n（%）]表示，組間比較采用χ2檢驗。采用LASSO選取變量形成LASSO回歸模型，繪制受試者操作特征（receiver"operating"characteristic，ROC）曲線分析模型的預測效能，Plt;0.05為差異有統計學意義。

2""結果

2.1""訓練集內一般及臨床資料比較

訓練集內發生組與未發生組患者性別、年齡、骨折至入院時間、體質量指數、D-二聚體、纖維蛋白原、總蛋白、白蛋白、前白蛋白、球蛋白、血紅蛋白、血清鈣、紅細胞體積、白細胞計數、紅細胞體積分布寬度、活化部分凝血活酶時間、凝血酶原時間及淋巴細胞比率比較，差異有統計學意義（Plt;0.05）。其余一般及臨床資料比較，差異無統計學意義（Pgt;0.05）。見表2。

2.2""變量選擇和模型構建

通過ICC與LASSO篩選出6個非零系數的最優變量，分別是年齡、體質量指數、D-二聚體、纖維蛋白原、凝血酶原時間及活化部分凝血活酶時間，非零系數依次是9.104、1.792、1.270、2.447、3.037及-1.561。

2.3""模型準確性分析

訓練集年齡、BMI、DD、FIB、PT、APTT變量及聯合的曲線下面積（area"under"curve，AUC）分別為0.687、0.721、0.899、0.703、0.750、0.862及0.935。驗證集年齡、體質量指數、D-二聚體、纖維蛋白原、凝血酶原時間、活化部分凝血活酶時間變量及聯合的AUC分別為0.693、0.764、0.822、0.700、0.858、0.759及0.920。敏感度與特異性見表3。

3""討論

早期識別DVT高危患者并采取預防策略，對于降低死亡率至關重要。研究證實，臨床實踐中使用臨床特征和實驗室檢查結果作為診斷的基礎，可明顯提高臨床診斷效率和改善治療結果[6-7]。Alper等[8]利用既往DVT、住院≥6d和活動性癌癥等臨床數據開發并驗證了DVT風險分層模型。Zhou等[9]采用Padua評分量表和Caprini風險評估模型識別VTE高危住院患者，并證實比心力衰竭、嚴重肺病、年齡及靜脈曲張等獨立危險因素有更好的預測效能。但針對髖部骨折患者圍術期DVT風險評估的預測模型十分鮮見。基于此，作者收集影響DVT形成的相關變量，采用LASSO從中選取6個最優變量形成LASSO回歸模型，以提高髖部骨折患者圍術期DVT形成的預測效率。

LASSO篩選出6個非零系數的最優變量，分別是年齡、體質量指數、D-二聚體、纖維蛋白原、凝血酶原時間、活化部分凝血活酶時間變量。隨著年齡的增長，身體機能逐漸降低，隨之血凝狀態發生改變，纖維蛋白活性相應降低，導致下肢血流停滯，增加DVT發生的風險[10]。Romualdi等[11]在一項腹部肥胖與復發性深靜脈血栓形成的風險研究中指出，肥胖患者通常表現為促凝狀態，這可能明顯增加出現DVT的概率。隨著創傷患者凝血級聯反應的激活，纖維蛋白原、凝血酶原時間成為高危DVT患者的較強標志物[12-13]。創傷或手術后出現的炎癥和機體應激反應，可對血管內皮細胞產生影響作用，促進凝血酶原被激活，進一步促進凝血因子的釋放和活性增高，導致患者血液處于高凝狀態，增加DVT的發生風險[14]。上述預測因子整合形成的LASSO回歸模型，可能會顯著增高其預測效能。

本研究訓練集的AUC為0.935、95%CI為0.872～0.973、敏感度為95.12%、特異性為80.28%，驗證集的AUC為0.920、95%CI為0.805～0.979、敏感度為94.44%、特異性為83.33%。這提示，開發的髖部骨折圍術期DVT形成風險LASSO回歸模型有較好預測效能。Bahl等[15]以血栓形成評分量表為基礎，納入多種風險因素計算風險得分，形成識別VTE風險評估模型，體現出較好的診斷價值。這表明綜合預測模型在早期識別DVT中發揮著重要作用，建議臨床醫師在制定防治髖部骨折患者圍術期DVT方案時，應綜合考慮年齡、體質量指數、D-二聚體、纖維蛋白原、凝血酶原時間、活化部分凝血活酶時間等變量。其次，LASSO方法在選擇和合并臨床數據的變量時，呈現較好的優越性[16]。本研究將體質量指數、D-二聚體、纖維蛋白原、凝血酶原時間及活化部分凝血活酶時間變量納入模型，簡化了DVT發生的評估工作流程，提高了髖部骨折圍術期DVT的預測效能，適用于外科醫生決定早期預防性治療方案。

綜上所述，體質量指數、D-二聚體、纖維蛋白原、凝血酶原時間、活化部分凝血活酶時間變量聯合形成的LASSO回歸模型可作為預測髖部骨折患者圍術期DVT形成風險的輔助工具。但這項研究存在潛在的局限性，首先，回顧性研究在一個中心開展，鑒于嚴格的納排標準，選取的樣本量較小，影響試驗結果的準確性；其次，本研究通過訓練集形成LASSO回歸模型，隨后在驗證集中進行驗證，缺失的外部驗證可能導致中心偏差。

利益沖突：所有作者均聲明不存在利益沖突。

[參考文獻]

[1] NORTON"R，nbsp;KOBUSINGYE"O."Injuries[J]."N"Engl"J"Med，"2013"，"368（18）："1723–1730.

[2] RUSKIN"KJ."Deep"vein"thrombosis"and"venous"thromboembolism"in"trauma[J]."Curr"Opin"Anaesthesiol，"2018"，"31（2）："215–218.

[3] HEIT"J"A，"PENCER"F"A，"WHITE"R"H."The"epidemiology"of"venous"thromboembolism[J]."J"Thromb"Thrombolysis，"2016，"41（1）："3–14.

[4] 李燕，"鄭雯，"葛靜萍，"等."下肢深靜脈血栓形成介入治療護理規范專家共識[J]."介入放射學雜志，"2020，"29（6）："531–540.

[5] HAUT"E"R，"SCHNEIDER"E"B，"PATEL"A，"et"al."Duplex"ultrasound"screening"for"deep"vein"thrombosis"in"asymptomatic"trauma"patients："A"survey"of"individual"trauma"surgeon"opinions"and"current"trauma"center"practices[J]."J"Trauma，"2011"，"70（1）："27–33.

[6] Méan"M，"Limacher"A，"Alatri"A，"et"al."Derivation"and"validation"of"a"Prediction"Model"for"Risk"Stratification"of"Post-Thrombotic"Syndrome"in"Elderly"patients"with"a"first"deep"vein"thrombosis[J]."Thromb"Haemost，"2018"，"118（8）："1419–1427.

[7] Thottakkara"P，"Ozrazgat-Baslanti"T，"Hupf"B"B，"et"al."Application"of"machine"learning"techniques"to"high-dimensional"clinical"data"to"forecast"postoperative"complications[J]."PLoS"One，"2016，"11（5）："e0155705.

[8] Alper"E"C，"Ip"I"K，"Balthazar"P，"et"al."Risk"stratification"model："Lower-extremity"ultrasonography"for"hospitalized"patients"with"suspected"deepnbsp;vein"thrombosis[J]."J"Gen"Intern"Med，"2018"，"33（1）："21–25.

[9] Zhou"H，"Hu"Y，"Li"X，"et"al."Assessment"of"the"risk"of"venous"thromboembolism"in"medical"inpatients"using"the"padua"prediction"score"and"caprini"risk"assessment"model[J]."J"Atheroscler"Thromb，"2018，"25（11）："1091–1104.

[10] 宋凱林，"何宗亮，"汪娟."中藥化栓湯聯合低分子肝素對老年髖關節置換術后凝血相關指標及DVT的影響[J]."四川中醫，"2017，"0（9）："119–122.

[11] Romualdi"E，"Squizzato"A，"Ageno"W."Abdominal"obesity"and"the"risk"of"recurrent"deep"vein"thrombosis[J]."Thromb"Res，"2007，"119（6）："687–690.

[12] Naeem"M"A，"Usman"M，"Latif"M"K，"et"al."The"relationship"of"D-dimer"levels"with"risk"for"developing"deep-vein"thrombosis"and/or"pulmonary"thromboembolism"after"orthopaedic"trauma"surgery[J]."J"Ayub"Med"Coll"Abbottabad，"2009"，"21（2）："113–116.

[13] Kodato"K，"Ishida"K，"Shibanuma"N，"et"al."Prothrombin"time-international"normalized"ratio"is"a"useful"marker"for"edoxaban"efficacy"in"preventing"venous"thromboembolism"after"total"knee"arthroplasty[J]."Eur"J"Orthop"Surg"Traumatol，"2018"，"28（1）："103–108.

[14] Beyer-Westendorf"J，"Bogorad"V，"Tautenhahn"I，"et"al."Predictors"of"deep"venous"thrombosis"in"patients"admitted"to"rehabilitation"clinics"after"major"orthopaedic"surgery[J]."Vasa，"2013"，"42（1）："40–49.

[15] Bahl"V，"Hu"H"M，"Henke"P"K，"et"al."A"validation"study"of"a"retrospective"venous"thromboembolism"risk"scoring"method[J]."Ann"Surg，"2010"，"251（2）："344–350.

[16] Romano"A，"Parrinello"N"L，"Consoli"M"L，"et"al."Neutrophil"to"lymphocyte"ratio"（NLR）"improves"the"risk"assessment"of"ISS"staging"in"newly"diagnosed"MM"patients"treated"upfront"with"novel"agents[J]."Ann"Hematol，"2015"，"94（11）："1875–1883.

（收稿日期：2024–03–13）

（修回日期：2024–06–01）

聲""明

近期，有不法人員通過各種渠道獲取本刊第一作者或通信作者電子信箱，冒用《中國現代醫生》編輯部向本刊作者發送詐騙郵件，以延誤職稱晉升為由，要求作者添加微信處理相關事務騙取作者費用，嚴重損害作者的利益和我編輯部形象。鑒于此，《中國現代醫生》編輯部鄭重聲明：

1."本刊暫無微信聯系方式，唯一投稿渠道為《中國現代醫生》官網（http：//www.zgxdys.ac.cn）。雜志官方信箱為：zgxdys@imicams.ac.cn。

2.《中國現代醫生》是萬方醫學、中國知網、中文科技期刊數據庫全文收錄期刊。期刊出版后1個月左右可在上述數據庫的網站查閱作者論文。

3.《中國現代醫生》編輯部目前收取版面費僅有對公轉賬一種方式。開戶行：中國建設銀行北京雅寶路支行；開戶名稱：中國醫學科學院醫學信息研究所；銀行帳號：11001028400059856368。