張?jiān)娾?朱秀琴,陳麗紅,何 園,井阿敏

張?jiān)娾?朱秀琴,陳麗紅,何園,井阿敏,華中科技大學(xué)同濟(jì)醫(yī)學(xué)院附屬同濟(jì)醫(yī)院消化內(nèi)科 湖北省武漢市 430030

? The Author(s) 2023.Published by Baishideng Publishing Group Inc.All rights reserved.

0 引言

上消化道出血(upper gastrointestinal bleeding,UGIB)是指Treitz上方的消化道,包括食管、胃、十二指腸或胰、膽等病變,胃空腸吻合術(shù)后吻合口附近疾患引起的出血,根據(jù)病因進(jìn)一步分為非靜脈曲張性上消化道出血和靜脈曲張性上消化道出血.上消化道出血作為臨床常見的消化道疾病之一,全球范圍內(nèi)年發(fā)病率為48/10萬-160/10萬,其病情反復(fù)、變化快,易威脅患者生命安全[1].在中國,急性上消化道出血成年人發(fā)病率為100/10萬-150/10萬,死亡率為2%-15%[2].據(jù)報(bào)道過去20年,美國上消化道出血的醫(yī)療費(fèi)用從3.3萬億美元增加到6萬億美元,占年GDP近20%.美國胃腸病學(xué)會(American College of Gastroenterology,ACG)2021版指南[3]建議,UGIB患者進(jìn)行早期風(fēng)險(xiǎn)分層以識別高危和低?；颊?指導(dǎo)醫(yī)務(wù)人員采取快速而有效的措施,合理分配醫(yī)療資源,最終改善患者生存結(jié)局.目前,國內(nèi)外使用的上消化道出血風(fēng)險(xiǎn)預(yù)測工具繁多,各種工具有效評估指標(biāo)各異,評估內(nèi)容及適用人群不統(tǒng)一,造成預(yù)測結(jié)果與預(yù)后存在差距.鑒于此,本研究對目前國內(nèi)外上消化道出血風(fēng)險(xiǎn)預(yù)測模型進(jìn)行總結(jié)、分析,以期為國內(nèi)急診及住院護(hù)理實(shí)踐和上消化道出血風(fēng)險(xiǎn)預(yù)測模型的構(gòu)建與驗(yàn)證提供思路.

上消化道出血患者面臨各種風(fēng)險(xiǎn),如再出血風(fēng)險(xiǎn)、干預(yù)需求、死亡風(fēng)險(xiǎn)等.Logsitic回歸或Cox比例風(fēng)險(xiǎn)回歸是構(gòu)建模型的常用方法.近年來,人工智能也開始應(yīng)用于預(yù)測模型構(gòu)建.

1 上消化道出血風(fēng)險(xiǎn)評估量表

因其便利性和可操作性,量表被臨床廣泛用于預(yù)測、評估上消化道出血預(yù)后工具.根據(jù)是否需要內(nèi)鏡檢查結(jié)果可以分為兩類,第一類需要內(nèi)鏡結(jié)果:(1)Forrest分級評分(表1),分為Ⅰa、Ⅰb、Ⅱa、Ⅱb和Ⅲ,分別對應(yīng)再出血率為5%-55%.指南[4]指出內(nèi)鏡檢查時(shí)對出血性病變應(yīng)行Forrest分級,評估出血風(fēng)險(xiǎn);(2)Rockall出血和死亡危險(xiǎn)性評分(表2),簡稱RS,預(yù)測消化道出血病人死亡與再出血的可能性.評分范圍0-11分,其中高危5-11分,中危3-4分,低危0-2分.第二類不需要內(nèi)鏡結(jié)果:(1)The Baylor出血積分量表(表3),評分范圍0-24分,用于非靜脈曲張性上消化道出血(non-variceal upper gastro intestinal bleeding,NVUGIB)再出血風(fēng)險(xiǎn)預(yù)測;(2)Blatchford入院危險(xiǎn)性積分(表4),簡稱GBS.主要用于評估病人首次就診時(shí)是否需要住院或接受止血干預(yù)措施,如內(nèi)鏡干預(yù)或輸血等.2019年國際共識組[5]指南中建議,對于NVUGIB患者應(yīng)使用GBS識別再出血率或死亡率風(fēng)險(xiǎn)極低的患者;(3)Cedars-Sinai Medical Center預(yù)后指數(shù)(表5),簡稱CSMCPI.預(yù)測患者住院期間的死亡風(fēng)險(xiǎn)、手術(shù)需求程度及再出血風(fēng)險(xiǎn);(4)AIM S65評分量表(表6),其臨界值較高,主要用來識別高危患者,而識別低?；颊叩奶禺愋暂^差.當(dāng)AIM S65量表評分≥2分時(shí),可認(rèn)為患者死亡風(fēng)險(xiǎn)較高.

表1 Forrest分級

表2 Rockall再出血和死亡危險(xiǎn)性評分

表3 The Baylor出血積分量表

表4 Blatchford入院危險(xiǎn)性積分

表5 Cedars-Sinai Medical Center預(yù)后指數(shù)

表6 AIM S65評分量表

Stanley[6]等的一項(xiàng)國際大規(guī)模多中心的研究,對AIM S65、RS、GBS評估量表在評估上消化道出血患者中的預(yù)測準(zhǔn)確性和臨床實(shí)用性進(jìn)行比較,結(jié)果GBS評分在預(yù)測內(nèi)鏡治療(ROC 0.75)方面優(yōu)于AIM S65(0.62)和RS評分(0.61),AIM S65評分(0.77)在預(yù)測死亡率方面最佳,均優(yōu)于GBS評分(0.64).AIM S65評分≥2分,RS評分≥5分為預(yù)測死亡率最佳截?cái)嘀?其敏感性為65.8-78.6%,特異性為65.0%-65.3%,三種評分均不能準(zhǔn)確預(yù)測再出血風(fēng)險(xiǎn).而國內(nèi)學(xué)者盧學(xué)峰等[7]同樣比較三種量表,報(bào)告稱AIM S65和RS可以準(zhǔn)確預(yù)測AUGIB患者院內(nèi)死亡、再出血、需要非藥物止血干預(yù)、需要輸血四個預(yù)后結(jié)局的發(fā)生風(fēng)險(xiǎn).GBS僅能有效地預(yù)測需要非藥物止血干預(yù)、需要輸血結(jié)局的發(fā)生風(fēng)險(xiǎn),無法對院內(nèi)死亡及再出血的發(fā)生進(jìn)行準(zhǔn)確預(yù)估.Benedeto-Stojanov等[8]研究結(jié)果則不同,發(fā)現(xiàn)RS、CSMCPI和GBS均能夠準(zhǔn)確預(yù)測院內(nèi)死亡率(AUC＞0.9),但CSMCPI優(yōu)于其他兩個量表,CSMCPI增加1分,死亡率高6.3倍.由此可見,雖然上述量表均為成熟量表,但由于不同研究間異質(zhì)性較高,因此傳統(tǒng)量表針對不同預(yù)后結(jié)果預(yù)測準(zhǔn)確性不足,尚需前瞻性多中心的大型隊(duì)列研究或者M(jìn)eta分析進(jìn)一步探索.

2 上消化道出血再出血風(fēng)險(xiǎn)預(yù)測模型

2.1 SHEA風(fēng)險(xiǎn)評分系統(tǒng) 2021年奚黎婷[9]構(gòu)建SHEA風(fēng)險(xiǎn)評分系統(tǒng).研究采用回顧性研究方法,調(diào)查686例急性非靜脈曲張性上消化道出血(acute nonvariceal upper gastrointestinal bleeding,ANVUGIB)患者臨床相關(guān)資料,構(gòu)建Logistic回歸分析方程:LogitP=2.499-0.032×SBP-0.035×Hb+1.799×(ASA分級＞3級)+1.944×有血凝塊+2.039×有血管裸露+2.320×有活動性出血.在建模組和驗(yàn)證組中,AUC值分別為0.892、0.915;H-L檢驗(yàn)卡方值分別為0.934、0.871,提示具有高區(qū)分度和校準(zhǔn)度.為方便計(jì)算,該研究將構(gòu)建的回歸模型轉(zhuǎn)換為風(fēng)險(xiǎn)評分系統(tǒng),總分范圍為0-52分.根據(jù)截?cái)嘀祵HEA評分≥20分的患者定義為高?；颊?0-20分為低危.SHEA評分的AUC為0.882,敏感度為0.862,特異度為0.765.該評分的優(yōu)勢在于選擇臨床上常用的客觀變量首次建立ANVUGIB風(fēng)險(xiǎn)評分系統(tǒng),并且計(jì)算簡便,有利于臨床醫(yī)務(wù)人員風(fēng)險(xiǎn)分層并制定個性化干預(yù)措施.但本研究為單中心回顧性研究,且未對構(gòu)建的再出血預(yù)測模型及SHEA風(fēng)險(xiǎn)評分進(jìn)行外部驗(yàn)證.因而,該研究仍需進(jìn)行大量多中心、前瞻性研究驗(yàn)證其臨床實(shí)用性和有效性.同年,莊楊萍[10]構(gòu)建了AUGIB風(fēng)險(xiǎn)預(yù)測模型,模型公式為LogitP=-1.461+0.13乳酸+0.81血漿D-二聚體-0.005 血小板,其AUC、截?cái)嘀?、靈敏度、特異度分別為0.728、0.152、0.563和0.854,表明預(yù)測能力中等.與奚黎婷研究相比,莊楊萍研究適用各種病因引起上消化道出血患者,涵蓋人群更加廣泛,并且評估因素均為實(shí)驗(yàn)室指標(biāo),不涉及內(nèi)鏡檢查結(jié)果,有利于快速評估.但該模型靈敏度較低,存在延誤高?；颊咴\治的可能性.此外,模型僅開展橫斷面調(diào)查,未進(jìn)行內(nèi)部和外部驗(yàn)證,因此其臨床使用效果如何尚需要其他研究予以確定.

2.2 GAF-AP模型 該模型主要適用人群為老年人.老年患者是消化道再出血的高危人群,而急診胃鏡檢查因其有創(chuàng)性、侵入性操作的特點(diǎn),對于多數(shù)老年人存在限制.金珊珊等[11]于2022年回顧性的分析161例老年ANVUGIB患者,重點(diǎn)探討了臨床表現(xiàn)和實(shí)驗(yàn)室結(jié)果與再出血風(fēng)險(xiǎn)的關(guān)系.模型公式為LogitP=2.411×抗血小板藥物+0.917×GBS評分-0.269×白蛋白(ALB)-2.735×纖維蛋白原(FIB)-3.149.預(yù)測模型對應(yīng)的AUC為0.979,截?cái)嘀禐?.912,此時(shí)模型特異度為97.7%,敏感度為93.5%.使用Bootstrap自舉法內(nèi)部驗(yàn)證,C指數(shù)為0.986,表明模型的預(yù)測效果理想.但該模型還有待改善,其納入的樣本量相對較少,均來自同一研究中心,存在選擇偏倚.其次,模型直接用回歸系數(shù)進(jìn)行計(jì)算,在臨床上不易使用.此外,模型納入人群為老年患者,故其是否適用于其他人群,值得進(jìn)一步探討.

2.3 IPU-ML機(jī)器學(xué)習(xí)模型 Wong等[12]2019年回顧性分析了22854例患者包括人口統(tǒng)計(jì)學(xué)、實(shí)驗(yàn)室檢驗(yàn)、相關(guān)診斷、藥物等相關(guān)臨床資料,以建立消化道潰瘍再出血IPU-ML機(jī)器學(xué)習(xí)模型.在模型構(gòu)建中,機(jī)器學(xué)習(xí)可以對結(jié)構(gòu)化數(shù)據(jù)(診斷代碼、人口統(tǒng)計(jì)學(xué)等)及非結(jié)構(gòu)化數(shù)據(jù)(主訴、病例中的自由文本數(shù)據(jù)等)進(jìn)行觀察描述并挖掘他們之間可能的關(guān)系,以此開發(fā)出可以輔助臨床決策或患者結(jié)果的預(yù)測模型.過擬合化是指在建模組中表現(xiàn)出色但在驗(yàn)證組中表現(xiàn)糟糕的情況,為解決機(jī)器學(xué)習(xí)常見過擬合化的難題,該研究應(yīng)用Elastic Net回歸,在連續(xù)路徑下同時(shí)選擇變量并優(yōu)化模型性能.最終的IPU-ML模型基于六個參數(shù):年齡,基線血紅蛋白,胃潰瘍,胃腸道疾病、惡性腫瘤和感染.當(dāng)我們將IPU-ML臨界值設(shè)置為0.20時(shí),27.5%的患者被歸類為再出血的高風(fēng)險(xiǎn),敏感度為41.4%,特異度為74.6%,陰性預(yù)測值為91.1%.在驗(yàn)證隊(duì)列中,IPU-ML確定了1年內(nèi)消化道潰瘍再出血患者AUROC為0.775,總體準(zhǔn)確率為84.3%.與其他研究相比,該模型應(yīng)用場景包括急診、ICU、普通病房,直至出院的整個治療階段,具有廣泛適用性.然而該隊(duì)列中研究對象都存在幽門螺桿菌感染,因此IPU-ML模型在幽門螺桿菌感染率較低的其他國家或地區(qū),可對“初始模型”進(jìn)行再校準(zhǔn)并進(jìn)行臨床驗(yàn)證.

綜上,國內(nèi)消化道再出血風(fēng)險(xiǎn)預(yù)測模型的研究尚在起步階段,對模型結(jié)果進(jìn)行轉(zhuǎn)化和應(yīng)用較少,提示今后應(yīng)更加注重模型內(nèi)部、外部驗(yàn)證以及在臨床上的轉(zhuǎn)化、應(yīng)用等方面的綜合探討.另外國外關(guān)于再出血的模型構(gòu)建較少,僅對再出血的危險(xiǎn)因素探究.土耳其學(xué)者Tatl?parmak指出[13]癌癥、血小板分布寬度和總蛋白水平是發(fā)生再出血的顯著危險(xiǎn)因素,還有待更多學(xué)者關(guān)注此領(lǐng)域進(jìn)行進(jìn)一步研究.

3 上消化道出血干預(yù)風(fēng)險(xiǎn)預(yù)測模型

3.1 MAP(ASH)評分系統(tǒng) 2020年,西班牙學(xué)者Redondo-Cerezo[14]等通過前瞻性研究法和logistic回歸法構(gòu)建預(yù)測上消化道出血干預(yù)需求的評分系統(tǒng),稱為MAP(ASH)評分系統(tǒng).該模型中“干預(yù)”是指復(fù)合終點(diǎn)包括內(nèi)鏡治療(介入治療或手術(shù))以及輸注紅細(xì)胞.該模型采集547例患者的人口統(tǒng)計(jì)學(xué)數(shù)據(jù)、合并癥、藥物、臨床表現(xiàn)、血流動力學(xué)參數(shù)和入院實(shí)驗(yàn)室檢查和內(nèi)鏡檢查結(jié)果,隨訪30天時(shí)間,找出了6個顯著的影響因素:精神狀態(tài)受損(GCS＜15分)、脈搏＞100次/分、ASA評分＞2、收縮壓＜90 mmHg、白蛋白＜2.5 g/dL和血紅蛋白＜10 g/dL.根據(jù)OR值將預(yù)測結(jié)果賦值1或2分,前3個變量分別賦值為1分,后3個變量分別為2分,評分范圍為0-9分,將MAP(ASH)評分系統(tǒng)分為低風(fēng)險(xiǎn)(0-1分)、中風(fēng)險(xiǎn)(2-5分)和高風(fēng)險(xiǎn)(≥6分).模型在內(nèi)部驗(yàn)證時(shí)ROC為0.83.此外模型在美國、英國、丹麥等多個國家醫(yī)療機(jī)構(gòu)的3012例患者中進(jìn)行了外部驗(yàn)證,ROC曲線下面積為0.82,提示該模型預(yù)測區(qū)分度高.并且其模型預(yù)測因素?zé)o論醫(yī)院規(guī)模大小都簡單易得.2021年,日本學(xué)者Sasaki等[15]將該模型在日本醫(yī)療機(jī)構(gòu)進(jìn)行了外部驗(yàn)證,其AUC為0.64,預(yù)測性能有待提高.因此,在選用模型時(shí)需要進(jìn)行本土化的驗(yàn)證,并對模型進(jìn)一步優(yōu)化后應(yīng)用.

3.2 人工神經(jīng)網(wǎng)絡(luò)模型 在2008年有研究探索人工神經(jīng)網(wǎng)絡(luò)在上消化道出血預(yù)測模型中的作用.人工神經(jīng)網(wǎng)絡(luò)(artificial neural network,ANN)是機(jī)器學(xué)習(xí)算法中的一種,它使用非線性統(tǒng)計(jì)分析輸入變量和輸出變量之間難以識別的關(guān)系,可克服傳統(tǒng)人工智能方法對于直覺信息處理方面的缺陷[16].Das等[17]通過前瞻性研究法,最終構(gòu)建神經(jīng)網(wǎng)絡(luò)模型,結(jié)局指標(biāo)是內(nèi)鏡治療.在神經(jīng)網(wǎng)絡(luò)模型中,使用21個輸入變量來預(yù)測結(jié)果變量:按重要性降序排列.排名前5名的分別為:休克,低血壓,直立生命體征,嘔血,便血.選擇在不同醫(yī)院患者群體中對ANN模型進(jìn)行外部驗(yàn)證,預(yù)測AVUGIB患者內(nèi)鏡治療的敏感度和特異度分別為94%和48%,ROC曲線下面積為0.78.然而該研究納入的建模數(shù)據(jù)為1998年的回顧性數(shù)據(jù),病歷未進(jìn)行電子化,存在偏倚風(fēng)險(xiǎn).此外模型特異度低,說明預(yù)測“陰性無病”患者能力有所欠缺,這會導(dǎo)致過度浪費(fèi)醫(yī)療資源,造成患者無端的恐慌和焦慮,因此不推薦在臨床單獨(dú)使用.

3.3 在線預(yù)測風(fēng)險(xiǎn)計(jì)算器 2020年,Shung等[18]開發(fā)了一個基于機(jī)器學(xué)習(xí)算法的預(yù)測模型,以識別消化道出血需要醫(yī)院干預(yù)(包括輸注紅細(xì)胞、內(nèi)鏡治療干預(yù))或死亡(30天全因死亡率)的復(fù)合終點(diǎn).通過專家組確定的9個預(yù)測因子使用邏輯回歸(ridge、lasso、Elastic Net)、線性支撐向量機(jī)、神經(jīng)網(wǎng)絡(luò)、決策樹模型(隨機(jī)森林和極度梯度增強(qiáng))7種機(jī)器學(xué)習(xí)算法,采集1958例患者臨床相關(guān)資料構(gòu)建預(yù)測模型,并基于6項(xiàng)性能指標(biāo)比較,選出具有最佳預(yù)測性能的模型.研究結(jié)果顯示,極度梯度增強(qiáng)算法在整體表現(xiàn)上為最優(yōu)算法,也在驗(yàn)證組中表現(xiàn)出較好的預(yù)測性能,納入的風(fēng)險(xiǎn)因素為性別、合并癥、ASA評分、藥物、收縮壓等.美歐患者數(shù)據(jù)用于構(gòu)建模型,共1958例,并應(yīng)用十倍交叉驗(yàn)證進(jìn)行內(nèi)部驗(yàn)證;亞太地區(qū)399例患者進(jìn)行外部驗(yàn)證,模型的AUC為0.90.該研究結(jié)果通過網(wǎng)絡(luò)應(yīng)用開發(fā)方式轉(zhuǎn)化為基于網(wǎng)絡(luò)的在線預(yù)測風(fēng)險(xiǎn)計(jì)算器(https://dshung.shinyapps.io/UGIB_App_USA/;https://dshung.shinyapps.io/UGIB_App_INTL/),ML模型將自動識別UGIB患者,其性能優(yōu)于傳統(tǒng)的回歸模型.然而,該模型需要納入的風(fēng)險(xiǎn)因素多,全面收集資料困難,因此目前不適合急診預(yù)檢分診或緊急救治.美國Kim等[19]發(fā)表針對研究的述評,認(rèn)為基于機(jī)器學(xué)習(xí)的算法是缺乏可解釋性的“黑匣子”,僅能輔助醫(yī)護(hù)人員識別出高風(fēng)險(xiǎn)患者,而不能解釋如何排除混雜因素.因此,在未來開發(fā)出一個解釋性強(qiáng)的機(jī)器學(xué)習(xí)模型具有重要價(jià)值.

4 上消化道出血死亡風(fēng)險(xiǎn)預(yù)測模型

4.1 風(fēng)險(xiǎn)評分系統(tǒng) 臨床上目前常用Child-Pugh、MELD評分判斷肝硬化急性上消化道出血患者死亡風(fēng)險(xiǎn).Child-Pugh評分1964年由Child及Turcotte提出,包括肝性腦病、腹水、膽紅素、白蛋白、凝血酶原時(shí)間五個風(fēng)險(xiǎn)因素[20].其優(yōu)點(diǎn)是計(jì)算簡單、數(shù)據(jù)較容易得到.但是Child-Pugh評分系統(tǒng)仍然存在局限性,比如肝性腦病及腹水不是客觀指標(biāo),且容易受到利尿劑等治療的影響.MELD是基于終末期肝病的患者提出的評分系統(tǒng)[21],現(xiàn)在廣泛用于評估肝移植患者的優(yōu)先次序,后有研究證明[22]其在肝硬化上消化道出血患者預(yù)后也較好的預(yù)測價(jià)值.MELD評分局限性在于算法復(fù)雜,限制了其在臨床中的廣泛應(yīng)用.在此背景下,針對肝硬化上消化出血死亡風(fēng)險(xiǎn)預(yù)測的評分系統(tǒng)被開發(fā).2015年Johnson等[23]基于日本的1313名肝細(xì)胞癌患者建立ALBI模型,該模型公式為0.66×lg[血清總膽紅素]-0.085×[血清白蛋白],根據(jù)公式得分將患者分為低危組(≤-1.39分)和高危組(＞-1.39分).Xavier[24]研究結(jié)果顯示ALBI、Child-Pugh和MELD評分ROC曲線下面積分別為0.71、0.64和0.66,表明ALBI評分預(yù)測性能較好.ALBL所需指標(biāo)簡單,可以在更短時(shí)間內(nèi)對患者進(jìn)行評估.但ALBI模型也存在其局限性,第一,由于本研究的回顧性性質(zhì),不應(yīng)忽視患者選擇偏倚和數(shù)據(jù)缺失.第二,無法進(jìn)行長期隨訪.因此,本研究不能評估ALBI在預(yù)測長期進(jìn)展中的作用.

2019年,Bai等[25]納入中國八個省市的13個中心肝硬化急性上消化道出血患者,開展多中心研究.將患者隨機(jī)分為訓(xùn)練組和驗(yàn)證組,通過Logistic回歸分析確定院內(nèi)死亡獨(dú)立預(yù)測因子,并建立新預(yù)后模型CAGIB評分.該評分系統(tǒng)的計(jì)算公式=糖尿病×1.040＋肝癌×0.974＋總膽紅素×0.005-白蛋白×0.091＋谷丙轉(zhuǎn)氨酶×0.001＋肌酐×0.012 -3.964.結(jié)果顯示ROC曲線下面積為0.714,高于Child-Pugh評分(0.693)和MELD評分(0.662).中國學(xué)者趙艷[22]針對GAGIB評分進(jìn)行了外部驗(yàn)證,研究結(jié)果顯示,Child-Pugh評分、CAGIB評分、MELD 評分對于肝硬化上消化道急性出血的預(yù)后評估均具有較好的價(jià)值,AUC值均大于0.7.CAGIB評分不能與上消化道出血的常規(guī)評分系統(tǒng)(如Rockall,GBS和AIM S65評分)進(jìn)行比較,這是其主要局限性.

4.2 移動應(yīng)用程序 2021年Matsuhashi等[26]應(yīng)用回歸性研究法以日本6所醫(yī)院的1380例NVUGIB患者作為研究對象,共納入7項(xiàng)(即Charlson合并癥指數(shù)、院內(nèi)發(fā)作、白蛋白、精神狀態(tài)改變、ECOG-PS評分、類固醇和再出血)危險(xiǎn)因素.統(tǒng)計(jì)學(xué)方面采用Logistic回歸,并應(yīng)用SPSS及R軟件構(gòu)建模型.內(nèi)部與外部驗(yàn)證的C統(tǒng)計(jì)量分別為0.91和0.80,具有出色的預(yù)測能力.每個因素的回歸系數(shù)做整數(shù)化處理,賦予不同分值,轉(zhuǎn)換為CHAMPS-R評分,評分范圍是0-7分.根據(jù)住院死亡率,將患者分為低風(fēng)險(xiǎn),中風(fēng)險(xiǎn)和高風(fēng)險(xiǎn)類別,以3分為截?cái)嘀?患者死亡風(fēng)險(xiǎn)較高(24.4%).此外,該研究開發(fā)了英文和日文版CHAMPS評分的移動應(yīng)用程序,在IOS和Android系統(tǒng)均能免費(fèi)下載.免費(fèi)應(yīng)用程序的開發(fā)實(shí)現(xiàn)了“互聯(lián)網(wǎng)+醫(yī)療”的有力結(jié)合,能夠較精準(zhǔn)、快速地預(yù)測個體住院的死亡風(fēng)險(xiǎn),提高了預(yù)測模型的科學(xué)性和先進(jìn)性.但該應(yīng)用程序仍有待完善,如缺乏外部驗(yàn)證結(jié)果,其臨床應(yīng)用價(jià)值仍需要進(jìn)一步研究考證.

4.3 動態(tài)預(yù)測模型 北京協(xié)和醫(yī)學(xué)院博士劉霜[27]于2021年進(jìn)行前瞻性多中心大樣本的研究,納入全國各地20所三級醫(yī)院的1072例AUGIB患者,以Logistics回歸為基礎(chǔ)構(gòu)建動態(tài)模型,預(yù)測進(jìn)入急診的AUGIB患者90 d的死亡率.研究創(chuàng)建了兩套模型,分別為hibag.1(入院時(shí)評估)和hibag.2(入院48 h內(nèi)評估),并與國際現(xiàn)有評分比較.hibag.1風(fēng)險(xiǎn)因素為血紅蛋白、INR、年齡等9項(xiàng),ROC為0.77、0.78.hibag.2的風(fēng)險(xiǎn)因素為胃腸道腫瘤、未行胃鏡、氣管插管、入院48 h內(nèi)出現(xiàn)肺水腫、血管升壓藥、靜脈曲張出血等11項(xiàng),ROC為0.81、0.77.兩個評分預(yù)測性能均優(yōu)于RS、AIM S65評分.hibag.1評分0-25分,與評分≥5分(死亡率15.56%)和評分≥10分(死亡率≥44.29%)的患者相比,4分以下患者住院死亡率為4.10%;hibag.2評分為0-19分,當(dāng)評分＞10分時(shí),死亡率為100%.通過兩個時(shí)間節(jié)點(diǎn)的評估可以對患者的預(yù)后做出較為準(zhǔn)確且完整的預(yù)測,及早進(jìn)行有效的醫(yī)患溝通.但研究仍存在以下不足.研究表明[28],肝素可使上消化道出血患者的死亡風(fēng)險(xiǎn)增加三倍,而本文中由于患者均從急診入院,使用抗凝藥物極為罕見,這可能會影響危險(xiǎn)因素的納入.另外,研究對象均為中國患者,其在世界其他國家和地區(qū)預(yù)測的有效性有待進(jìn)一步驗(yàn)證.

4.4 列線圖模型 列線圖是現(xiàn)代醫(yī)學(xué)決策的重要組成部分,已被證明比預(yù)測預(yù)后的常規(guī)模型更準(zhǔn)確.列線圖頂端分值線為0-10分,各預(yù)測因素通過垂直線在列線圖頂端分值線上取對應(yīng)分值.

Zhou等[29]于2017年報(bào)告了UGIB-CLIF-SOFA評分(圖1),通過回顧性研究方法,對540例重癥肝硬化急性上消化出血(critically ill cirrhotic acute upper gastrointestinal bleeding,CICAUGIB)患者隨訪至少1年,其中252例患者死亡.采用Cox比例風(fēng)險(xiǎn)回歸分析篩選風(fēng)險(xiǎn)因素共8項(xiàng)包括:總膽紅素、肌酐、國際標(biāo)準(zhǔn)化比率、鈉、白蛋白、平均動脈壓、使用加壓素和血細(xì)胞比容降低.風(fēng)險(xiǎn)因素總分為64分,若總分為27分,其30 d、90 d、270 d和1年的生存概率分別為75%,65%,55%和50%.模型采用自舉采樣進(jìn)行內(nèi)部驗(yàn)證,模型C指數(shù)為0.729,表明模型的風(fēng)險(xiǎn)預(yù)測較準(zhǔn)確.該研究創(chuàng)建了首個基于臨床試驗(yàn)研究數(shù)據(jù)的預(yù)測CICAUGIB患者死亡風(fēng)險(xiǎn)的列線圖模型.根據(jù)世界衛(wèi)生組織死亡率數(shù)據(jù)庫,中國人口中肝硬化的年齡標(biāo)準(zhǔn)化死亡率分別為男女每10萬人中14.6人和8.3人.肝硬化急性UGIB患者的死亡率甚至更高[30].模型不僅為臨床醫(yī)護(hù)人員及患者自身早期識別、預(yù)防不良預(yù)后提供了高效、便捷的篩查工具,還有助于醫(yī)生根據(jù)遠(yuǎn)期死亡風(fēng)險(xiǎn)預(yù)測結(jié)果實(shí)時(shí)調(diào)整患者治療護(hù)理方案.但是該建模數(shù)據(jù)庫不包括再出血,腹水和內(nèi)鏡檢查結(jié)果,而這些因素均被證明是影響靜脈曲張性消化道出血死亡的獨(dú)立危險(xiǎn)因素,故其是否對所有CICAUGIB患者都適用,值得進(jìn)一步探究.Zhou等[31]通過分析676例CAUGIB患者建立6 wk死亡率列線圖模型,命名為UGIB-LC評分(圖2).評分包含總膽紅素、血紅蛋白、C反應(yīng)蛋白、凝血酶原時(shí)間和肝性腦病5個變量,建模組AUC為0.873,臨界值為3.049,特異度為0.866,敏感度為0.76.該模型進(jìn)行了內(nèi)部驗(yàn)證和外部驗(yàn)證,AUC分別為0.837、0.875,BS評分為0.0510、0.054,提示模型在內(nèi)部和外部驗(yàn)證中表現(xiàn)均良好.但該模型僅預(yù)測6 wk死亡率,如需預(yù)測長期預(yù)后可與Zhou等[29]評分配合使用.

圖1 UGIB-CLIF-SOFA評分列線圖. Bilirubin:總膽紅素;Creatinine:肌酐;INR:國際標(biāo)準(zhǔn)化比率;Sodium:鈉;Albumin:白蛋白;MAP:平均動脈壓;Vasopressin used:使用血管加壓素;HCT drop:紅細(xì)胞比容降低.

圖2 UGIB-LC評分列線圖.Hb:血紅蛋白;HE:肝性腦病;PT:凝血酶原時(shí)間;CRP:C反應(yīng)蛋白;log2(TBIL):經(jīng)過對數(shù)變換后的總膽紅素.

Chen等[32]于2021年建立了AUGIB患者的列線圖死亡預(yù)測模型(圖3),結(jié)局指標(biāo)為在急診或離開急診24 h內(nèi)死亡率.模型包含血漿輸注、D-二聚體、白蛋白、鉀和年齡5個預(yù)測因子.列線圖總分＞105分,死亡風(fēng)險(xiǎn)＞50%.該模型內(nèi)部驗(yàn)證AUC為0.858,提示模型預(yù)測效能高.血清鉀是新出現(xiàn)的預(yù)后預(yù)測因素.有研究表明,血清鉀濃度與肝硬化的嚴(yán)重程度相關(guān),且高鉀血癥患者的死亡率也顯著更高[33].因此,將血清鉀作為死亡模型預(yù)測因子具有合理性與必要性.由于肝硬化出血僅占UGIB患者的一部分,對比Zhou[29]和Zhou[31]研究,本模型的使用范圍更廣泛,其風(fēng)險(xiǎn)因素簡單,方便快速評分,推薦在急診室進(jìn)行推廣應(yīng)用.但是此研究未收集肌酐和心電圖結(jié)果,這與血鉀濃度密切相關(guān),尚無法確定這些因素與死亡率之間的相關(guān)性.此外,該模型是基于急診患者即時(shí)資料構(gòu)建,是否適用于預(yù)測住院患者死亡,需要進(jìn)一步研究.

圖3 AUGIB列線圖.Transfusion of plasma:血漿輸血;D-Dinner:D-二聚體;Potassium:鉀;Albumin(g/L):白蛋白;Age:年齡.

5 結(jié)論

綜上所述,國內(nèi)外對消化道出血風(fēng)險(xiǎn)預(yù)測模型的相關(guān)研究開展較多,模型預(yù)測性能較好,但模型的預(yù)后結(jié)局指標(biāo)側(cè)重點(diǎn)有所不同.這是由于多種疾病可引起上消化道出血,而每種疾病的表現(xiàn)和預(yù)后風(fēng)險(xiǎn)不同.傳統(tǒng)的上消化道出血評估量表和新構(gòu)建的風(fēng)險(xiǎn)模型都存在各自的側(cè)重.本文4篇研究關(guān)注再出血風(fēng)險(xiǎn),3篇研究為消化道干預(yù)需求,結(jié)局指標(biāo)為消化道干預(yù)的復(fù)合終點(diǎn)(內(nèi)鏡治療、輸血和死亡率),其余研究更關(guān)注死亡風(fēng)險(xiǎn).因此在選擇評估工具時(shí),研究人員應(yīng)考慮應(yīng)用場景不同和預(yù)測目的,選擇合適風(fēng)險(xiǎn)預(yù)測模型.此外,研究者應(yīng)多開展前瞻性多中心的大樣本研究,探究上消化道出血預(yù)后的危險(xiǎn)因素.對不同種族、不同地區(qū)進(jìn)行風(fēng)險(xiǎn)模型的臨床驗(yàn)證,優(yōu)化預(yù)測模型,并促進(jìn)新模型與當(dāng)前評分系統(tǒng)結(jié)合使用,為臨床醫(yī)護(hù)人員提供更高效、智能化上消化道出血風(fēng)險(xiǎn)預(yù)測工具,這有利于早期預(yù)警和提前預(yù)防,從而改善上消化道出血患者的不良結(jié)局,提高患者生存率和生活質(zhì)量.