自發性腦出血病人搶救性氣管插管風險預測模型的構建與驗證

AbstractObjective：Toanalyzetheriskfactorsofemergencyendotrachealintubationinpatientswithspontaneousintracerebral hemorhage，ndtoconstructaiskpredictionmodel，andvrifyitMethods：Atotalof89patientswithspontaneousitracerebal hemorrageodmiedtoteemergencydepartentinatertiarygdeAospitalfroptember18tuary3，wee selectedasubjects.Acodingtothechronologicaloder，theyweredividedntoamodelinggroup（290cases）andavalidationgroup（99 cases）.TheLASSOregresionwasusedtoscreentheinfluencingfactorsofemergencyendotrachealintubationinpatientswith spontaneous intracerebralhemorrageAndtheLogisticriskpredictionmodelwasconstructed.Theareaunderthereceiveroperating characteristiccurve（ROC），calibrationcurve，Hosmer-Lemeshowtest，anddecisioncurve（DCA）wasusedtoverifythemodel.Results： Emergency endotracheal intubation occurred in 54 patients （18.6% ）with spontaneous intracerebral hemorrhage in modeling group. MultivariateLgistcegialissultsodtattgaustedaomobididC）igsel time，hearrate，xygesaturatin，odiiedEarlyWaigScaleMEWS）iameteroftelftpupil，ghtrflexoftelftpil，d lightreflexofthtpupileeteifluencingfctorsfomergecyndotachalnubatioipatietswitsontaneousitracebal hemorrhage.The area under the ROC curve in the modeling group was 0.906（95%CI 0.867-0.946） .The optimal cut-off value of the model prediction was O.l22，witha sensitivityof 94.4% ，aspecificityof 74.6% .TheYoudenindexwasO.69o.Hosmer-Lemeshowtest results showed that χ²=8.91 P=0.350 .The calibration curve had a high degree of coincidence with the reference line.The clinical decisioncurveindicatedthatthemodelhadgoodclinicaldecision-makingperformance.Conclusions：Theriskpredictionmodel constructedinthisstudycouldbettepredicttheoccurenceofemergencyendotrachealintubationinpatientswithspontaneous intracerebralhemorhage，providingreferenceforclinicalmedicalstafftoidentifythehigh-riskpopulationrequiringemergncy endotracheal intubation as earlyas possibleand formulate targeted interventions.

Keywords spontaneous intracerebral hemorhage；emergency endotracheal intubation；influencing factors；predictionmodels; LASSO regression

摘要目的：分析自發性腦出血病人搶救性氣管插管的危險因素，構建風險預測模型，并對其進行驗證。方法：選取2018年9月1日—2022年1月31日就診于某三級甲等醫院急診科的389例自發性腦出血病人為研究對象，根據時間先后順序分為建模組（290例）和驗證組（99例）。采用LASSO回歸法篩選影響自發性腦出血病人搶救性氣管插管的影響因素，并構建Logistic風險預測模型；采用受試者工作特征（ROC）曲線下面積、校準曲線、Hosmer-lemeshow擬合優度檢驗、決策曲線（DCA）驗證模型。結果：建模組中54例（18. 6% ）自發性腦出血病人發生搶救性氣管插管。多因素Logistic回歸分析結果顯示，年齡校正Charlson合并癥指數（aCCI）、嘔吐、發病至來院時間、心率、血氧飽和度、改良版早期預警量表（MEWS）評分、左瞳孔直徑、左瞳孔對光反射和右瞳孔對光反射是自發性腦出血病人發生搶救性氣管插管的影響因素。建模組ROC曲線下面積為 0.906[95%CI（0.867，0.946） ]；模型預測最佳截斷值為0.122，敏感度為 94.4% ，特異度為 74.6% ，約登指數為0.690，Hosmer-Lemeshow檢驗結果顯示， χ²=8.91，P=0.350 ；校準曲線與參考線重合度高;臨床決策曲線表明模型具有良好的臨床決策性能。結論：構建的風險預測模型可以較好地預測自發性腦出血病人搶救性氣管插管的發生，為臨床醫務人員盡早地識別需搶救性氣管插管的高風險人群、制定針對性的干預提供參考。

關鍵詞自發性腦出血；搶救性氣管插管；影響因素；預測模型；LASSO回歸 doi：10.12102/j.issn.1009-6493.2025.12.004

腦卒中是全世界第二大死亡原因，也是導致全世界傷殘調整壽命年損失的第3位原因[1-4]。自發性腦出血（spontaneousintracerebralhemorrhage，SICH）是腦卒中的一種亞型，發病率約占所有腦卒中的 27.89% ，但其占全球腦卒中死亡負擔的 44.04%^[2] 。自發性腦出血病人通常會有不同程度的呼吸功能改變。Fouche等5研究結果顯示，自發性腦出血病人在院前和急診室內最終氣管插管率為 79% 。目前，大部分自發性腦出血病人的氣管插管為搶救性氣管插管。研究表明，在非理想狀態下進行的氣管插管與病人的死亡率、神經功能不良和日常功能損害有關。目前，國內外與氣道管理相關的研究較少，尚未檢索到有研究報道自發性腦出血病人發生呼吸困難需進行搶救性氣管插管的危險因素，但有部分研究探討了自發性腦出血病人發生呼吸衰竭/急性呼吸窘迫綜合征或其他與呼吸困難緊密相關的病理狀態（意識障礙和血腫擴大）的危險因素，包括年齡、性別、吸煙、肥胖、血漿與液體輸入量、高潮氣量通氣、使用縮血管藥物以及就診時存在低氧血癥[78]心臟病史、高血壓史、到達急診室時的收縮壓偏高、院前格拉斯哥昏迷評分法（GlasgowComaScale，GCS）評分偏低以及洛杉磯運動量表評分偏高9、低鈣血癥、低鈉血癥、入院時低鎂血癥、收縮壓 gt; 160mmHg 、距離發病的時間[10-19]等。但這些研究大多樣本量偏小，且存在爭議。因此，本研究擬探討自發性腦出血病人疾病早期發生呼吸困難，需行搶救性氣管插管的危險因素，并構建預測模型，為急診醫護人員識別呼吸困難的高危病人提供依據，幫助醫護人員及早進行氣道管理的準備，預防搶救性氣道管理帶來的一系列不良并發癥。

1" 對象與方法

1. 1 研究對象

回顧性收集2018年9月1日—2022年1月31日某三級甲等醫院急診科收治的急性自發性腦出血病人。納入標準：1）符合《中國腦出血診治指南（2019）》[20]的診斷標準；2）發病時間 lt;24h;3） 年齡 ?18 歲。排除標準：1）數據資料不完整；2）治療中途放棄搶救；3）繼發于頭部外傷、腦部腫瘤、缺血性腦卒中的腦出血；4）蛛網膜下腔出血、硬脊膜下或硬脊膜外血腫；5）有凝血功能障礙或者服用抗凝劑；6）來院時已有人工氣道或來院后預防性建立人工氣道；7）未收治人院；8）來院時死亡。共篩選4452例病人，符合納人與排除標準的病人389例，其中男262例 67.4% ），女127例 （32.6% ；年齡 18～100（60.34±13.80 歲；70例 18.0% 病人發生搶救性氣管插管。急性自發性腦出血病人篩選流程見圖1。根據時間順序將2018年9月1日—2021年1月31日的290例病人納入建模組，2021年2月1日一2022年1月31日的99例病人納入驗證組。本研究已通過四川省人民醫院·四川省醫學科學院醫學倫理委員會審查[編號：倫審（研）2021年第12號]。

1.2 研究方法

1.2.1 資料收集

于病人到達急診時開始收集病人的一般資料、病史糖尿病、高血壓、心臟病、腦卒中、慢性肺部疾病、吸煙、年齡校正Charlson合并癥指數（aCCI」、發病至來院時間、首次評估記錄的生命體征、外周血氧飽和度、意識、瞳孔、改良版早期預警量表（MEWS）評分以及有無嘔吐、發病 24h 內是否進行搶救性氣管插管等[21-22]。

1.2.2 搶救性氣管插管在本研究中的操作性定義

指自發性腦出血病人發病后 24h 內因不可逆的血氧飽和度 lt;90% ，或出現明顯的呼吸衰竭、嚴重低氧血癥或呼吸停止時進行氣管插管。

1.3統計學方法

采用SPSS25.0以及R4.2.3軟件進行數據統計分析。服從正態分布的定量資料采用均數士標準差 描述，兩組間比較采用兩獨立樣本 t 檢驗；不服從正態分布的定量資料采用中位數（四分位數）[M（P₂₅，P₇₅）] 描述，兩組間比較采用非參數MannWhitney秩和檢驗；定性資料采用例數、百分比 （%） 描述，組間比較采用 χ² 檢驗和Fisher確切概率法。以Plt;0.05 為差異有統計學意義。采用LASSO回歸篩選變量，并構建自發性腦出血病人搶救性氣管插管風險預測模型。采用受試者工作特征（ROC）曲線下面積（AUC）校準曲線、Hosmer-Lemeshow擬合優度檢驗、決策曲線分析（DCA）評價模型。

2結果

2.1影響自發性腦出血病人搶救性氣管插管的因素2.1.1自發性腦出血病人搶救性氣管插管影響因素的單因素分析

建模組中自發性腦出血病人共290例，其中54例（ 18.6% ）實施搶救性氣管插管，根據是否實施氣管插管將其分為氣管插管組和非氣管插管組。單因素分析結果顯示，氣管插管組與非氣管插管組發病至來院時間、心率、血氧飽和度、MEWS評分、左瞳直徑、是否嘔吐、aCCI、有無意識障礙、瞳孔對光反射及雙瞳大小差異有統計學意義（ （Plt;0.05 ），詳見表1。

2.1.2自發性腦出血病人搶救性氣管插管影響因素的LASSO回歸分析

通過R軟件進行LASSO回歸和十折交叉驗證，結果顯示，均方誤差最小時入值為 0.02530[Log（λ）=-3.68] 此時預測性能最佳，其對應的均方誤差為0.1066；隨著 λ 的增大，預測變量的回歸系數逐漸縮小，直至為零。在 λ=0.025 30 時，有9個變量（aCCI、嘔吐、發病時間、心率、血氧飽和度、MEWS評分、左瞳直徑、左瞳對光反射和右瞳對光反射）回歸系數不等于0，保留在模型中。詳見圖2、圖3。

2.1.3自發性腦出血病人搶救性氣管插管影響因素的Logistic回歸分析

將LASSO回歸篩選出來的9個預測變量（aCCI、嘔吐、發病至來院時間、心率、血氧飽和度、MEWS評分、左瞳直徑、左瞳對光反射和右瞳對光反射）進行Logistic回歸分析，變量賦值方式見表2。回歸分析結果詳見表3。

2.2自發性腦出血病人搶救性氣管插管風險預測模型的預測效能

2.2.1 建模組

風險預測模型的建模組ROC曲線下面積為0.906[95%CI（0.867，0.946）] ；預測最佳截斷值為0.122，敏感度為 94.4% ，特異度為 74.6% ，約登指數為 0.690 詳見圖4。

2.2.2 驗證組

風險預測模型的驗證組ROC曲線下面積為0.886[95%CI（0.819，0.953）] ；預測最佳截斷值為0.227，敏感度為 87.5% ，特異度為 81.9% ，約登指數為 0.694 詳見圖5。

2.3自發性腦出血病人搶救性氣管插管風險預測模型校準曲線

建模組的校準曲線與參考線重合度高，說明了預測模型預測自發性腦出血病人發生搶救性氣管插管的能力與實際誤差小，一致性高，詳見圖6。驗證組的校準曲線與理想曲線存在一定的偏差，可能是因為樣本量較小造成的，詳見圖7。同時進行了Hosmer-Lemeshow檢驗，建模組Hosmer-Lemeshow檢驗結果 ，χ²=8.91，P= 0.350；驗證組Hosmer-Lemeshow檢驗結果， χ²=9.74 ，P=0.283 ;表明預測模型具有良好的校準能力。

2.4自發性腦出血病人搶救性氣管插管風險預測模

型的臨床決策性能

構建風險預測模型的決策曲線，結果顯示，使用預測模型進行臨床決策的凈收益曲線位于兩條極端線之上，表明使用該模型比不使用模型能得到更高的凈獲益，表明模型具有良好的臨床決策性能。詳見圖8。

3討論

本研究構建了自發性腦出血病人發生呼吸困難需搶救性氣管插管的風險預測模型，模型顯示，病人發病至來院的時間、是否嘔吐、血氧飽和度、aCCI、MEWS評分、左瞳孔直徑、雙瞳孔對光反射、心率均與發生搶救性氣管插管相關。本研究基于LASSO回歸的變量篩選和交叉驗證解決了預測變量間多重共線性和樣本量偏小的問題，同時使模型的預測性能達到最佳。此外，通過臨床決策曲線證實了模型的臨床效能，表明使用該模型比不使用模型能得到更高的臨床凈獲益。

3.1自發性腦出血病人發生搶救性氣管插管的影響因素

3.1.1 aCCI

本研究結果顯示，aCCI的升高會增加自發性腦出血病人搶救性氣管插管的風險。與馬玉秀等23研究結果一致，aCCI與老年腦出血病人住院早期死亡風險的增加有關，提示aCCI可能是自發性腦出血病人需搶救性氣管插管的影響因素。但是aCCI對自發性腦出血病人搶救性氣管插管/呼吸衰竭的影響還需要進一步研究證明。

3.1.2 嘔吐

本研究結果顯示，嘔吐是自發性腦出血病人發生搶救性氣管插管的獨立影響因素。以往研究表明，嘔吐是自發性腦出血病人早期血腫擴大的獨立影響因

素[24-26]，但尚無研究探討嘔吐與搶救性氣管插管之間的關系。因此，兩者之間的關系還需要進一步研究證明。

3.1.3 發病至來院時間

本研究結果顯示，發病至來院時間是自發性腦出血病人發生搶救性氣管插管的獨立影響因素。與Huttner等27研究結果一致，其報道臨床病情更重的自發性腦出血病人入院時間越早。可能是通常臨床表現越重的病人對疾病的重視程度越高，就醫速度越快，當病人到達醫院時發病時間更短。

3.1.4 心率

本研究結果顯示，心率不是自發性腦出血病人發生搶救性氣管插管的獨立影響因素，但以往的研究提示，心率與自發性腦出血病人發生搶救性氣管插管的風險有關[28-30]。可能是本研究中只在入院時采集了病人1次心率，未進行動態監測，需要在不同的急性自發性腦出血人群中進行更大樣本量的前瞻性研究驗證本研究結果。

3.1.5 瞳孔

瞳孔大小、不對稱性和對光反射已被證明是腦疝和顱內壓升高的標志，通常用來判斷腦出血病人的出血部位和出血量的大小，可以直接反映神經功能惡化的程度。但瞳孔能否預測腦出血病人呼吸功能的改變，目前尚不清楚。本研究結果顯示，瞳孔對光反射不是自發性腦出血病人發生搶救性氣管插管的獨立影響因素，可能是因為臨床手動評估瞳孔會受到各種因素的影響，瞳孔觀察準確性的研究顯示，不同觀察者對瞳孔反應性的評估存在 39% 的差異，人工檢查測量瞳孔大小的中位數絕對誤差為 0.5mm^[31] ，從而導致觀察者之間的分歧增加。

3.1.6 MEWS評分

本研究結果表明，MEWS評分是自發性腦出血病人需搶救性氣管插管的危險因素，與以往研究結果[32-35]一致，MEWS評分的升高與病人的死亡風險升高、入住重癥監護病房、住院時間延長以及需要呼吸支持有關。

3.2自發性腦出血病人搶救性氣管插管風險預測模 型的應用價值

本研究基于LASSO回歸篩選出的9個變量構建了自發性腦出血病人搶救性氣管插管風險預測模型，用以識別自發性腦出血病人中需進行搶救性氣管插管的高危病人。由于文獻檢索尚未發現自發性腦出血病人搶救性氣管插管的預測模型研究，無法將本模型與以往模型進行比較。本研究構建的模型建模組及驗證組ROC曲線下面積均 gt;0.8 ，說明本模型具有良好的區分效能。且模型在建模組和驗證組中的敏感度均 gt; 90% ，特異度均 gt;70% ，Hosmer-Lemeshow檢驗結果 P 均 gt;0.05 。此外，本研究基于自發性腦出血病人搶救性氣管插管風險預測模型繪制了決策曲線；臨床決策的凈收益曲線位于兩條極端線之上，提供了良好的臨床決策性能。

3.3 創新與不足

通過文獻檢索尚未發現相關的自發性腦出血病人發生搶救性氣管插管的預測模型，本研究進行相關研究，幫助急診醫護人員預先識別呼吸困難需搶救性氣管插管的高危病人，作好氣道管理的準備。本模型的預測變量數據可獲得性高，構建的模型在臨床上應用價值高。研究的局限性：首先，樣本的代表性一般，在可推廣性上存在一定的限制；其次，納入的預測因素有限。未來的研究應納人更多重要的影響因素構建模型，通過隨機采樣及擴大樣本量，或開展多中心、前瞻性的研究，提高模型的預測準確度及可適度。

4小結

本研究構建的包含aCCI、嘔吐、發病時間、心率、血氧飽和度、MEWS評分、左側瞳孔直徑、左側瞳孔對光反射和右側瞳孔對光反射9個變量的自發性腦出血病人搶救性氣管插管風險預測模型可以較好地預測自發性腦出血病人搶救性氣管插管的發生，為臨床醫務人員盡早地識別需搶救性氣管插管的高風險人群、制定針對性的干預提供參考。

參考文獻：

[1] KATANM，LUFTA.Global burdenof stroke[J].Seminars in Neurology， 2018，38（2）：208-211.

[2]Institute for Health Metrics and Evaluation.Global health data exchange.GBD results tool[EB/OL].（2021-12-23）[2024-04-23]. https：//www.healthdata.org/results/gbd_summaries/2Ol9/strokelevel-3-cause.

[3]GBD 2Ol9 Diseases and Injuries Collaborators.Global burden of 369 diseases and injuries in 2O4 countriesand territories，199O-2019：a systematic analysis for the global burden of disease study 2Ol9[J]. Lancet，2020，396（10258）：1204-1222.

[4]FEIGIN V L，NORRVING B，MENSAHG A.Global burden of stroke[J].Circulation Research，2017，120（3）：439-448.

[5]FOUCHEPF，STEINC，JENNINGSPA，etal.Reviewarticle： emergency endotracheal intubationin non-traumatic brain pathologies： asystematic review and meta-analysis[J].Emergency Medicine Australasia，2019，31（4）：533-541.

[6]王濤，劉力新，魏遠輝.早期氣管插管對重癥腦出血患者的低氧血 癥及血乳酸、C反應蛋白水平的影響[J].臨床神經病學雜志，2014，

[7]熊濱，賓雁飛.自發性腦出血后急性呼吸窘迫綜合征的發生率及影 響因素的研究[J].右江民族醫學院學報，2013，35（6）：778-780.

[8]ELMER J，HOU P，WILCOX S R，et al.Acute respiratory distress syndromeafter spontaneous intracerebral hemorrhage[J].Critical CareMedicine，2013，41（8）：1992-2001.

[9]SHKIRKOVA K，SAVER JL，STARKMAN S，et al.Frequency， predictors，and outcomes of prehospital and early postarrival neurological deteriorationin acute stroke：exploratory analysis of the FAST-MAG randomized clinical trial[J].JAMA Neurology，2018，75（11）：1364- 1374.

[10]王獻偉，杜萬良，陳盼，等.2007年成人自發性腦內出血治療指南 [J].中國卒中雜志，2007，2（8）：694-709.

[11] LOGGINI A，EL AMMAR F，MANSOUR A，et al.Association between electrolyte levels at presentation and hematoma expansion and outcome in spontaneous intracerebral hemorrhage：a systematic review[J].Journal of Critical Care，2021，61：177-185.

[12]WEI HH，FENG HY，LV MR，et al.Smoking status affects the association between hematoma heterogeneity and hematoma expansion[J].World Neurosurgery，2021，9：100095.

[13]王文娟，劉艷芳，趙性泉.腦出血治療指南[J].中國卒中雜志， 2006，1（12）：888-899.

[14]RABEI M O.Early hematoma expansion in primary intracerebral haemorhage，incidence and predictors[D].Hobart： Tanta University， 2019.

[15]ZHANGYB，ZHENGSF，YAOPS，etal.Lower ionized calcium predicts hematoma expansion and poor outcome in patients with hypertensive intracerebral hemorrhage[J]. WorldNeurosurgery， 2018，118：e500-e504.

[16]TUL，LIUXJ，LIT，et al.Admission serumcalcium level as a prognostic marker for intracerebral hemorrhage[J].Neurocritical Care，2019，30（1）：81-87.

[17]MOROTTI A，CHARIDIMOU A，PHUAH C L，et al.Association between serum calcium level and extent of bleding in patients with intracerebral hemorrhage[J].JAMA Neurology，2O16，73（11）：1285- 1290.

[18]SALLINENH，WUTY，MERETOJAA，etal.Effect of baseline hypocalcaemia on volume of intracerebral haemorrhage in patients presenting within 72 hours from symptom onset[J].Journal of the Neurological Sciences，2019，403：24-29.

[19]ELKHATIB T H M，SHEHTA N，BESSAR A A.Hematoma expansion predictors：laboratory and radiological risk factors in patients with acute intracerebral hemorrhage：a prospective observational study[J].Journal of Stroke and Cerebrovascular Diseases，2019，28 （8）：2177-2186.

[20]中華醫學會神經病學分會，中華醫學會神經病學分會腦血管病學 組.中國腦出血診治指南（2019）[J].中華神經科雜志，2019（12）： 994-1005.

[21] CHARLSON M， SZATROWSKI T P，PETERSON J，et al. Validation of a Combined Comorbidity Index[J].Journal of Clinical Epidemiology，1994，47（11）：1245-1251.

[22]KOPPIETM，SERIOA M，VICKERSAJ，et al.Age-adjusted Charlson Comorbidity Score is associated with treatment decisions and clinical outcomes for patients undergoing radical cystectomy for bladder cancer[J].Cancer，2008，112（11）：2384-2392.

[23]馬玉秀，劉敏，李艷花，等.Charlson共病指數與老年腦出血患者 住院早期死亡風險關聯分析[J].中華老年醫學雜志，2021（11）： 1353-1356.

[24]楊瑞霞.高血壓性腦出血急性期血腫擴大臨床因素分析[J].中國 實用神經疾病雜志，2011，14（5）：69-70.

[25]宋維根，羅容，鐘建國，等.腦出血患者急性期血腫擴大的危險因 素[J].臨床神經病學雜志，2010，23（5）：381-383.

[26]周志強，鄭永玲，趙立波.腦出血患者早期血腫擴大的多因素分析 [J].第三軍醫大學學報，2008，30（11）：1096-1098.

[27]HUTTNERHB，KOHRMANNM，TOGNONIE，et al.Clinical severity predicts time to hospital admisson in patients with spontaneous intracerebral hemorrhage[J].Cerebrovascular Diseases， 2008，25（6）：533-538.

[28]YOU SJ，WANG YP，LU ZA，et al.Dynamic change of heart rate in the acute phase and clinical outcomes after intracerebral hemorrhage：a cohort study[J].Journal of Intensive Care，2021， 9（1）：28.

[29]MIWAKR，KOGAM，FUKUDA-DOIM，et al.Effectof heart ratevariabilities on outcome after acute intracerebral hemorrhage：a post hoc analysis of ATACH-2[J].Journal of the American Heart Association，2021，10（16）：e020364.

[30]RASSV，LINDNER A，IANOSI B A，et al.Early alterations in heart rate are associated with poor outcome in patients with intracerebral hemorrhage[J]. Journal of Critical Care，2O21，61： 199-206.

[31]DUR，MEEKERM，BACCHETTIP，etal.Evaluationof the portable infrared pupillometer[J].Neurosurgery，20o5，57（1）：198-203.

[32]羅丹.自發性腦出血患者并發癥的相關危險因素分析[D].重慶： 重慶醫科大學，2012.

[33]HORNER RD，SLOANE RJ，KAHNKL.Is use of mechanical ventilation a reasonable proxy indicator for coma among medicare patients hospitalized for acute stroke？[J].Health Services Research， 1998，32（6）：841-859.

[34]BHATNAGAR M，SIROHI N，DUBEY A B.Prediction of hospital outcome in emergency medical admissions using Modified EarlyWarning Score（MEWS）： Indian experience[J].Journal of Family Medicine and Primary Care，2021，10（1）：192-198.

[35]SUBBE C P，KRUGER M，RUTHERFORD P，et al.Validation of amodified Early Warning Score in medical admissions[J].QJM， 2001，94（10）：521-526.

（收稿日期：2024-05-15;修回日期：2025-05-10）