何嘉豪， 江倩， 劉春麗

廣州醫(yī)科大學(xué)附屬第一醫(yī)院、國家呼吸醫(yī)學(xué)中心呼吸與危重癥醫(yī)學(xué)科(廣東廣州 510120)

靜脈血栓栓塞癥(venous thromboembolism，VTE)包括深靜脈血栓形成(deep vein thrombosis，DVT)和肺血栓栓塞癥(pulmonary thrombo embolism，PTE)，是遺傳和獲得性等多種因素共同作用的全身性疾病。VTE患病人數(shù)逐年增加，其發(fā)生率僅次于急性心肌梗死和腦卒中[1]。住院患者中VTE患病率為4.96%～14.9%，其中5%會導(dǎo)致致死性PTE[2]，國際登記研究顯示PTE的30 d全因死亡率為4.9%～6.6%[3]。我國VTE患者住院的平均費用高[4]，給社會、患者造成極大的經(jīng)濟負擔。VTE是一種可以預(yù)防的疾病，對VTE高風(fēng)險人群采取適當?shù)念A(yù)防措施可降低VTE發(fā)生率。因此進行風(fēng)險分層顯得非常重要，VTE風(fēng)險評估模型(risk assessment model， RAM)是其風(fēng)險分層的有力工具。截止到目前，VTE風(fēng)險評估模型已有20多種，本文將對臨床常用風(fēng)險評估模型進行闡述和總結(jié)，分析模型的有效性和實用性，以提高醫(yī)護人員對VTE識別率和降低VTE發(fā)生率。

1 VTE風(fēng)險評估工具概述

任何可以導(dǎo)致血管內(nèi)皮受損、血液高凝和血流瘀滯的因素均可以導(dǎo)致VTE事件的發(fā)生。RAM就是通過分析各因素對發(fā)生VTE的相關(guān)度和權(quán)重，形成通過計算權(quán)重累加得分，最終為患者VTE風(fēng)險劃分危險層次的量表。這些量表為選用適當?shù)念A(yù)防措施提供依據(jù)，這也是目前預(yù)防VTE的主要策略。

目前風(fēng)險評估主要有團體評估和個體評估。前者是指對人群進行VTE的風(fēng)險評估，將VTE的危險因素進行分組與分級，每例患者納入相應(yīng)的群組中，主要用于外科住院患者，該方法簡單易行，但忽略具體風(fēng)險因素的變化。后者是對每一例患者的遺傳性因素、疾病因素和治療相關(guān)因素等進行個性化評估，并根據(jù)每個危險因素與VTE的關(guān)聯(lián)程度進行量化評分，更重視個體性差異。

2 VTE風(fēng)險評估工具

2.1 團體風(fēng)險評估 2001年美國胸科醫(yī)師協(xié)會(The American College of Chest Physicians，ACCP)預(yù)防指南以年齡為基礎(chǔ)將VTE風(fēng)險劃分為低危、中危、高危和超高危等4組。2008年ACCP《抗栓及溶栓循證臨床實踐指南》根據(jù)手術(shù)類型、活動程度和出血風(fēng)險等將VTE風(fēng)險劃分為低危、中危和高危等3組。2009年我國發(fā)布的《中國骨科手術(shù)靜脈血栓栓塞癥預(yù)防指南》同樣在骨科手術(shù)人群中推薦了這種團體風(fēng)險評估的方法。但是目前對團體風(fēng)險評估研究較少，另外團體風(fēng)險評估只為VTE預(yù)防提供了框架性的指導(dǎo)，忽略患者個體差異，并不能為臨床提供較好的參考價值。

2.2 個人風(fēng)險評估

2.2.1 Caprini風(fēng)險評估模型 Caprini RAM(表1)由美國外科醫(yī)生Caprini根據(jù)外科患者的特征設(shè)計，主要應(yīng)用于外科住院患者中。2010年Caprini等[5]完善了該模型，細化了手術(shù)時長、BMI的劃分和增加腫瘤權(quán)重。2013年又在此基礎(chǔ)上增加了吸煙、化療、輸血等因素[6]。Caprini RAM涵蓋基本生理情況、基礎(chǔ)疾病、檢查指標、手術(shù)類型以及藥物等5個方面的因素，將風(fēng)險因素賦值為1～5分，按積分分為極低危、低危、中危和高危4個等級。目前Caprini RAM已被超過100個臨床試驗25萬受試者驗證[6]。2012年ACCP推薦用于非骨科手術(shù)的患者，并認為該模型可對修復(fù)手術(shù)患者VTE風(fēng)險進行分層。在Vinita一項納入了普外科、血管外科、泌尿外科的8 216例外科患者回顧性研究中，得分與VTE發(fā)生率呈正相關(guān)[7]。盡管指南推薦用于非骨科手術(shù)患者，但研究證明在骨科手術(shù)[8]、非手術(shù)[9]和腫瘤患者[10-13]中同樣適用。

表1 Caprini風(fēng)險評估模型

以Caprini RAM為基礎(chǔ)，我國結(jié)合東方人群、婦科疾病特點推出改良版G-Caprini RAM，并被《婦科手術(shù)后深靜脈血栓形成及肺栓塞預(yù)防專家共識》推薦，納入了年齡、高血壓、靜脈曲張、手術(shù)時間、臥床以及開腹手術(shù)6項因素，每項均賦值1分，按積分分為低危、中危、高危和極高危。這種改良和簡化雖然可以提高評估針對性和實用性，但是仍需要進一步的驗證。

Caprini RAM覆蓋的危險因素較全面，并且可根據(jù)病情變化及時調(diào)整分層，及時采取相應(yīng)的預(yù)防策略，另外該模型簡單易用，可操作性強，且敏感性比Kucher、Padua等RAM更高[14]，適合廣泛推廣使用。但是該模型缺乏大量前瞻性研究驗證，在無癥狀階段評分較低，容易使無癥狀患者得不到及時的預(yù)防。

2.2.2 Padua風(fēng)險評估模型 Padua RAM(表2)是Padua大學(xué)回顧既往內(nèi)科患者并整合Kucher量表的基礎(chǔ)上發(fā)展形成的，主要用于內(nèi)科患者。Padua RAM包含年齡、病情、既往史等11項風(fēng)險因素，最后按積分分為低危和高危。我國《內(nèi)科住院患者VTE預(yù)防的中國專家建議》進一步豐富了Padua危險分層的內(nèi)容，指出40歲以上因急性內(nèi)科疾病臥床≥3 d者，合并呼吸衰竭、AECOPD、急性腦梗、心力衰竭、急性感染、ACS、VTE病史、惡性腫瘤、炎性腸病、CKD、下肢靜脈曲張、肥胖、年齡>75歲中的其中一項即為高風(fēng)險。

表2 Padua風(fēng)險評估模型

一項對1 180例內(nèi)科患者按Padua評分并隨訪90 d的前瞻性研究驗證了該模型的有效性，接受預(yù)防措施的患者VTE發(fā)生率為2.2%，而沒有預(yù)防的發(fā)生率為11%；低危組VTE發(fā)生率僅為0.3%[15]。這與Germini等[16]的結(jié)論相同。在他們的研究中，按照Padua評分采取預(yù)防與根據(jù)臨床經(jīng)驗采用預(yù)防有效降低了VTE的發(fā)生率(8.5%vs.15.5%，OR=0.51，95%CI: 0.30～0.86)。Vardi等[17]隨后在1 080例內(nèi)科患者中進行了進一步驗證，結(jié)果顯示Padua得分與發(fā)生VTE死亡高度相關(guān)，得分可以反映VTE發(fā)病率和疾病嚴重程度。

ACCP認為Padua是目前評估內(nèi)科患者VTE風(fēng)險最好的模型，推薦用于非手術(shù)患者，但納入的危險因素和國內(nèi)外研究較少、驗證不充分，二分類劃分危險度，不便于臨床中根據(jù)風(fēng)險分層選擇更加符合個體的預(yù)防策略。

2.2.3 Rogers風(fēng)險評估模型 Rogers RAM(表3)在2007年由外科醫(yī)生Rogers等[18]首次發(fā)表，該模型的數(shù)據(jù)來源于128個中心的183 069例外科患者，用于外科住院患者。該模型納入身體功能分級等7個風(fēng)險因素、4個術(shù)前檢驗結(jié)果和4個手術(shù)特征等，按危險程度賦予0～9分，按積分將VTE風(fēng)險分層為非常低危、低危、中危和高危。隨后他們在16 608例創(chuàng)傷患者中進行了驗證，其受試者工作特征曲線面積為0.89[19]。ACCP同樣推薦該RAM用于非骨科手術(shù)患者風(fēng)險評估，與同樣被推薦的Caprini不同，該模型沒有納入既往和家族血栓史，另外納入較多檢驗數(shù)據(jù)增加了圍手術(shù)期評估工作量。該模型重點關(guān)注與手術(shù)有關(guān)的因素，納入的相對價值單位可能體現(xiàn)出手術(shù)的復(fù)雜程度對VTE發(fā)生的影響，但同樣也帶來了因評分項目過多導(dǎo)致使用復(fù)雜的劣勢。同時ACCP指南認為該模型不夠簡單易用，由于納入建立模型的患者部分采取了預(yù)防措施，模型建立的數(shù)據(jù)來源本身也有不足之處。

即要求學(xué)生在畢業(yè)時除了取得畢業(yè)證書外，還要取得國家級教育類考試證書、職業(yè)類考試證書中的一種或多種。其中，國家級教育類考試包括英語專業(yè)四級、八級考試，以及在未來商務(wù)英語專業(yè)考試體系建成之后將要設(shè)立的商務(wù)英語專業(yè)四級、八級考試；職業(yè)類考試包括劍橋商務(wù)英語證書考試、全國翻譯專業(yè)資格考試、報關(guān)員資格考試、注冊會計師考試等。鼓勵學(xué)生在學(xué)有余力的前提下參加各種證書考試。

表3 Rogers風(fēng)險評估模型

2.2.4 Khorana風(fēng)險評估模型 Khorana RAM(表4)最初是Khoran設(shè)計用來評估腫瘤化療相關(guān)的門診患者VTE風(fēng)險，2013年被美國臨床腫瘤學(xué)會采用，用于評估腫瘤化療相關(guān)VTE風(fēng)險[20]。該模型包含的腫瘤位置、血液指標、體質(zhì)指數(shù)等5個方面風(fēng)險因素。根據(jù)危險程度賦值1～2分，按積分分為高危、中危和低危。Santi等[21]在一項納入了1 717例腫瘤患者并進行Khorana評分的前瞻性研究中進行了驗證，在中危人群和高危人群中的比例分別是4.5%和6.6%(P=0.012)，評分增加1分會導(dǎo)致VTE風(fēng)險增加(OR=1.85，95%CI：1.23～2.79)。但是針對尿路上皮癌的患者，Ramos等[22]認為Khorana RAM僅對疾病早期有效，而非對化療腫瘤患者全程有效。這可能是因為Khorana RAM設(shè)計數(shù)據(jù)來源是化療前的指標[20]。

2.2.5 Autar風(fēng)險評估模型 Autar RAM(表5)是英國Autar為了給護理人員提供一個簡單易行的VTE風(fēng)險評估量表，在1996年基于骨科患者設(shè)計，更能體現(xiàn)出骨科患者的特點[23]，并且在2003年增加了年齡和外科干預(yù)的比重，納入的因素更加全面。

表4 Khorana風(fēng)險評估模型

表5 Autar風(fēng)險評估模型

該模型包含年齡、體型、活動度、創(chuàng)傷、手術(shù)、高風(fēng)險疾病等7個模塊43個通過最佳實踐、系統(tǒng)評價和Meta分析得出的危險因素，通過量化加權(quán)賦值1～7分，最后按積分分為無風(fēng)險、低危、中危和高危。

盡管Autar RAM已被國外較多研究驗證并應(yīng)用[24]，但在國內(nèi)的研究較少，也沒有被指南推薦。對體質(zhì)指數(shù)、創(chuàng)傷進行劃分雖然增加了準確性，但同樣也帶來了實踐中操作不便的困惑，例如 Autar RAM多用于骨科患者，但較多的臥床患者影響體質(zhì)指數(shù)的測量；創(chuàng)傷部位籠統(tǒng)地劃分，都削弱了加權(quán)賦值的優(yōu)勢。另外值得注意的是Caprini和Padua RAM比Autua RAM具有更高的敏感度和特異度[25-27]。因此還需對Autar RAM進行修改和驗證。

2.2.6 簡明血栓風(fēng)險評估量表(risk assessment profile for thromboembolism，RAPT) 簡明血栓風(fēng)險評估量表(表6)由Greenfield在1996年設(shè)計[28]，用于評估創(chuàng)傷患者的VTE危險分層。該RAM納入年齡、既往病史、醫(yī)源性損傷、創(chuàng)傷程度等4個模塊19項危險素，根據(jù)危險程度賦值2～4分，按積分分為低危和高危。目前國外已有大規(guī)模的回顧性研究[29]和前瞻性研究[30]證明該評分法的有效性。在國內(nèi)被《創(chuàng)傷骨科患者深靜脈血栓形成篩查與治療專家共識》推薦[31]。Acua等[24]的一項回顧性研究中納入了110例創(chuàng)傷患者，低風(fēng)險組中VTE發(fā)生率為11.53%，因此他們認為把5分作為低危與高危的界限無意義，分界點需要進一步的探究。Zander等[32]認為創(chuàng)傷患者的VTE預(yù)防不應(yīng)僅基于RAPT量表，在他們的研究中，RAPT用于創(chuàng)傷患者評估時特異性僅37%。值得注意的是，VTE的發(fā)生與RAPT的分值無關(guān)。

表6 RAPT評分法

RAPTRAM評估內(nèi)容雖然客觀具體，但也繁冗復(fù)雜，降低了實用性。該量表提出了損傷程度與VTE的關(guān)系，指出輸血、修復(fù)大血管也是VTE的危險因素，為后續(xù)VTE預(yù)防研究積累了經(jīng)驗，但仍需更廣泛的驗證。

2.2.7 4-Element風(fēng)險評估模型 4-Element RAM(表7)由Woller 在2011年設(shè)計[33]，用于內(nèi)科住院患者。該模型僅納入了VTE病史、臥床、中心靜脈導(dǎo)管、癌癥等研究人員認為最重要的4個風(fēng)險因素，且均賦值1分，按積分分為低風(fēng)險和高風(fēng)險，在他們的后續(xù)多中心研究中[33]，對46 856例患者進行評分分析，AUC=0.843(95%CI:0.833～0.852)， VTE發(fā)生率為4.5%。認為該模型可以識別VTE風(fēng)險患者，并可替代現(xiàn)有的復(fù)雜評估模型。雖然該風(fēng)險評估模型簡單，但是目前該評估模型缺乏進一步的驗證和前瞻性研究，同時由于納入風(fēng)險因素較少，降低了敏感度，這也限制了該模型的進一步推廣的使用。

表7 4元素風(fēng)險評估模型

2.2.9 國際靜脈血栓栓塞癥醫(yī)療預(yù)防登記風(fēng)險評分 國際靜脈血栓栓塞癥醫(yī)療預(yù)防登記風(fēng)險評分(IMPROVE-VTE)(表8)由Spyropoulos等[35]報道，主要用于ICU患者。他們在觀察性國際醫(yī)學(xué)預(yù)防登記關(guān)于靜脈血栓栓塞癥(IMPROVE)的研究中納入了12個國家52家醫(yī)院15 156例患者，回歸分析后確定風(fēng)險因素并根據(jù)危險程度加權(quán)得出賦值分數(shù)，根據(jù)危險程度賦值1～3分，按積分分為低危、中危和高危。隨后Mahan[36]和Rosenberg[37]驗證了該RAM的有效性，在Mahan的回顧性研究中，低、中、高危組的總百分率分別為0.20%、1.04%和4.15%，AUC=0.773 1。該模型強調(diào)了重癥病房患者具有更高的VTE風(fēng)險，雖然該RAM進行了廣泛的外部驗證，但是缺乏與傳統(tǒng)的RAM比較的研究，目前也沒能廣泛使用。該模型也需要進一步的研究。

表8 國際靜脈血栓栓塞癥醫(yī)療預(yù)防登記IMPROVE-VTE風(fēng)險評分

2.2.10 昆士蘭風(fēng)險評估模型 該RAM由昆士蘭衛(wèi)生組織在2014年發(fā)布的妊娠期和產(chǎn)褥期靜脈血栓栓塞的預(yù)防指南推薦[38]，并在2020年進行了更新。該模型(表9)規(guī)定了只要符合妊娠前抗凝治療(任何原因)、任何VTE史+易栓癥、無誘因復(fù)發(fā)性VTE、當前妊娠期發(fā)生VTE、任何非手術(shù)誘發(fā)的單一VTE史、反復(fù)存在誘因的VTE(≥2)、活動性自身免疫或炎性病患、高?；虻臀Ｒ姿òY(無VTE個人史，高危易栓癥：>1個實驗室易栓癥，抗磷脂抗體綜合征、抗凝血酶缺乏癥、蛋白C缺乏、蛋白S缺乏、FVL純合子、純合子凝血酶原突變、復(fù)合雜合子FVL/凝血酶原突變；低危易栓癥：FVL雜合子、雜合凝血酶原突變、抗磷脂抗體)、任何手術(shù)(妊娠或產(chǎn)后)、產(chǎn)前住院、卵巢過度刺激綜合征(僅妊早期)、需要靜脈輸液的重度劇吐或脫水、內(nèi)外科疾病(例如：腫瘤、腎病綜合征、心力衰竭、鐮狀細胞病、1型糖尿病腎病)這13種具體風(fēng)險因素之一即為高風(fēng)險，另外還對體質(zhì)指數(shù)、年齡、產(chǎn)程等22種風(fēng)險因素劃分為產(chǎn)前和產(chǎn)后風(fēng)險因素并進行了賦值。值得注意的是，該模型分為妊娠期和產(chǎn)褥期風(fēng)險評估，前者為產(chǎn)前因素賦值積分，后者為產(chǎn)前和產(chǎn)后風(fēng)險因素賦值積分。我國在該模型基礎(chǔ)上進行了改良，將臨時因素進行了單獨分類，按積分分為低危、高危和極高危，并被2020年《上海市產(chǎn)科靜脈血栓栓塞癥防治的專家共識》推薦[39]。該模型的風(fēng)險因素以及賦值來源于文獻報道，尚無大規(guī)模研究對該模型以及我國改良版本模型進行驗證研究。該模型對產(chǎn)婦VTE評估貫穿整個妊娠期和產(chǎn)褥期，而僅非產(chǎn)褥期住院期間，雖然該模型納入了較多的風(fēng)險因素，但目前對其有效性的研究較少，仍需要更多的隨機對照、多中心、前瞻性的，盡管如此，由于目前廣泛缺乏對妊娠人群VTE風(fēng)險評估的研究，該模型也被大量應(yīng)用。

表9 昆士蘭風(fēng)險評估模型(產(chǎn)前和產(chǎn)后風(fēng)險因素)

3 總結(jié)

對患者進行VTE風(fēng)險分層，并以分層為基礎(chǔ)的個性化預(yù)防策略的實施對患者的預(yù)后有著重要的影響，降低醫(yī)患負擔，也為疾病預(yù)防提供依據(jù)，而有效的分層是基于出色的RAM。由于個體差異，團體評估和單一模型均難以勝任。不同RAM基于不同資料設(shè)計，有不同的優(yōu)勢和適用人群，都為VTE預(yù)防決策提供重要參考，但也有上述的局限之處。綜合RAMs的優(yōu)勢與不足，仍然推薦Caprini RAM用于手術(shù)患者、Padua RAM用于內(nèi)科患者。

隨著各種電子智能工具參與風(fēng)險評分，操作復(fù)雜難題或者會迎刃而解，甚至增加靈敏度，早期發(fā)現(xiàn)高危患者。大數(shù)據(jù)、人工智能、物聯(lián)網(wǎng)等技術(shù)的發(fā)展，為對患者實施有效、實時、持續(xù)、動態(tài)、全程的評估提供了可能和方便，也為研發(fā)更精確、符合我國國情的評估工具提供了便捷之道。

利益相關(guān)聲明：所有作者聲明無利益沖突。

作者貢獻說明：何嘉豪醞釀和設(shè)計、文獻整理、論文寫作和修改；江倩、劉春麗研究指導(dǎo)、論文修改。