喬夢(mèng)圓 秦夢(mèng)真 王海燕 董鈺瑩

靜脈血栓栓塞癥（VTE）包括深靜脈血栓形成（DVT）和肺血栓栓塞癥（PTE）[1]，已成為心肌梗死、腦卒中后的第3 大心血管疾病。國(guó)內(nèi)外研究結(jié)果表明，曾發(fā)生過VTE 的患者再發(fā)生VTE 的風(fēng)險(xiǎn)明顯高于未發(fā)生過的人群[2]，停止治療后第1 年的復(fù)發(fā)風(fēng)險(xiǎn)達(dá)到10.3%，2 年的累計(jì)發(fā)病率為16%，5 年為25%，10 年為36%[3]。此外，VTE 因發(fā)病時(shí)癥狀不顯著，而被稱為“沉寂殺手”[4-5]。因此，預(yù)防VTE 患者復(fù)發(fā)是臨床亟待解決的一大問題。VTE 復(fù)發(fā)風(fēng)險(xiǎn)預(yù)測(cè)模型以靜脈血栓形成的多病因?yàn)榛A(chǔ)，通過建立統(tǒng)計(jì)模型的方法預(yù)測(cè)已有靜脈血栓病史的患者復(fù)發(fā)VTE 的概率。構(gòu)建預(yù)測(cè)模型可以幫助醫(yī)護(hù)人員盡早識(shí)別和預(yù)防高?；颊撸龠M(jìn)其功能恢復(fù)。近年來，多位學(xué)者開發(fā)、驗(yàn)證或評(píng)估關(guān)于VTE患者復(fù)發(fā)風(fēng)險(xiǎn)的預(yù)測(cè)模型，但現(xiàn)有模型的預(yù)測(cè)性能、偏倚風(fēng)險(xiǎn)和適用性仍待進(jìn)一步驗(yàn)證，各模型質(zhì)量驗(yàn)證不足?？墒褂闷酗L(fēng)險(xiǎn)評(píng)價(jià)工具（PROBAST）評(píng)估納入預(yù)測(cè)模型的偏倚風(fēng)險(xiǎn)和適用性，從而確定現(xiàn)有模型質(zhì)量[6]。因此，本研究全面檢索國(guó)內(nèi)外VTE 復(fù)發(fā)風(fēng)險(xiǎn)預(yù)測(cè)模型的相關(guān)文獻(xiàn)并進(jìn)行系統(tǒng)評(píng)價(jià)，在此基礎(chǔ)上采用PROBAST 工具對(duì)納入文獻(xiàn)的模型進(jìn)行質(zhì)量評(píng)價(jià)，旨在為VTE 復(fù)發(fā)風(fēng)險(xiǎn)預(yù)測(cè)模型的篩選、應(yīng)用、優(yōu)化及VTE 復(fù)發(fā)的個(gè)性化防治提供參考依據(jù)。

1 資料與方法

1.1 檢索策略

通過計(jì)算機(jī)檢索中英文數(shù)據(jù)庫，英文數(shù)據(jù)庫包括PubMed、Web of Science、The Cochrane Library、Embase；中文數(shù)據(jù)庫包括中國(guó)生物醫(yī)學(xué)文獻(xiàn)數(shù)據(jù)庫（CBM）、中國(guó)知網(wǎng)、萬方數(shù)據(jù)庫和維普數(shù)據(jù)庫。采取自由詞和主題詞相結(jié)合的方式進(jìn)行檢索，英文數(shù)據(jù)庫以PubMed 為例，檢索式為((("Venous Thromboembolism"[Mesh])OR((((Thromboembolism[Title/Abstract])OR(Venous Valves [Title/Abstract])) OR (Venous Insufficiency[Title/Abstract])）OR（Pulmona y Embolism [Title/Abstract]))) AND (("Recrudescence*"[Mesh]）OR（Recurren*[Title/Abstract])）OR（Relap*[Title/Abstract])）AND (("Linear Models"[Mesh]) OR ((((Predict[Title/Abstract]) OR (Prediction Model[Title/Abstract])) OR (Prognostic Model [Title/Abstract])) OR (Prognos [Title/Abstract])))。中文數(shù)據(jù)庫以中國(guó)知網(wǎng)為例，檢索式為SU=（血栓栓塞癥OR VTE OR 深靜脈血栓OR DVT OR 肺栓塞 OR PTE) AND SU=（復(fù)發(fā)OR 再發(fā)）AND SU=（預(yù)測(cè)OR 篩查 OR 評(píng)估 OR 識(shí)別）。檢索時(shí)間為從建庫至2023 年4 月1日。手動(dòng)檢索納入文獻(xiàn)的所有參考文獻(xiàn)作為補(bǔ)充。

1.2 文獻(xiàn)納入和排除標(biāo)準(zhǔn)

本研究依據(jù)上海復(fù)旦大學(xué)JBI循證護(hù)理中心的PIPOST 模式制定納入、排除標(biāo)準(zhǔn)。納入標(biāo)準(zhǔn)：①研究對(duì)象（P）為年齡≥18 歲且有VTE病史的患者；②研究方法（I）為開發(fā)、驗(yàn)證或更新VTE 復(fù)發(fā)風(fēng)險(xiǎn)預(yù)測(cè)工具，且經(jīng)過內(nèi)部和（或）外部驗(yàn)證；③專業(yè)的應(yīng)用證據(jù)的人員（P）為醫(yī)護(hù)人員；④結(jié)局指標(biāo)（O）為風(fēng)險(xiǎn)預(yù)測(cè)模型的敏感度、特異度、受試者工作特征(ROC)曲線、ROC 曲線下面積（AUC）、陽性預(yù)測(cè)值、陰性預(yù)測(cè)值等指標(biāo)中的一個(gè)或多個(gè)；⑤證據(jù)應(yīng)用的場(chǎng)所（S）為醫(yī)療、護(hù)理機(jī)構(gòu)；⑥研究類型（T）為隊(duì)列研究或病例對(duì)照研究。排除標(biāo)準(zhǔn)：①非中、英文；②全文未介紹模型構(gòu)建方法；③重復(fù)發(fā)表；④會(huì)議論文。

1.3 文獻(xiàn)篩選及資料提取方法

由2 名研究者獨(dú)立篩選文獻(xiàn)、提取資料并交叉核對(duì)，嚴(yán)格遵照納入標(biāo)準(zhǔn)和排除標(biāo)準(zhǔn)。當(dāng)2 名研究者意見不一致時(shí)，請(qǐng)第3 名研究者協(xié)助判斷。篩選出納入的文獻(xiàn)后，2 名研究者獨(dú)立精讀全文，提取相關(guān)資料。資料提取內(nèi)容：文獻(xiàn)第一作者、發(fā)表年份、國(guó)家、研究對(duì)象、研究類型、建模和驗(yàn)?zāi)７椒?、樣本量、C-統(tǒng)計(jì)量或AUC、預(yù)測(cè)因子。

1.4 文獻(xiàn)質(zhì)量評(píng)價(jià)

采用預(yù)測(cè)模型研究的PROBAST對(duì)文獻(xiàn)的偏倚風(fēng)險(xiǎn)和適用性進(jìn)行評(píng)估。PROBAST 是2019 年荷蘭學(xué)者Wolff 等[6]開發(fā)的，是用于評(píng)價(jià)預(yù)后或診斷多因素預(yù)測(cè)模型的評(píng)估工具。該研究工具包含偏倚風(fēng)險(xiǎn)評(píng)價(jià)和適用性評(píng)價(jià)2 個(gè)部分，偏倚風(fēng)險(xiǎn)從研究對(duì)象、預(yù)測(cè)因子、結(jié)果、統(tǒng)計(jì)分析4 個(gè)方面進(jìn)行評(píng)價(jià)，適用性從研究對(duì)象、預(yù)測(cè)因子、結(jié)果3 個(gè)方面進(jìn)行評(píng)價(jià)，共20 個(gè)問題。所有納入文獻(xiàn)的方法學(xué)質(zhì)量評(píng)價(jià)過程由2 名接受過循證培訓(xùn)的研究者獨(dú)立進(jìn)行，意見有分歧時(shí)，由第3 名研究者仲裁。

1.5 統(tǒng)計(jì)學(xué)方法

將文獻(xiàn)按照系統(tǒng)評(píng)價(jià)的要求整理、核對(duì)數(shù)據(jù)。首先，采用描述性統(tǒng)計(jì)分析方法對(duì)納入文獻(xiàn)的基本特征和預(yù)測(cè)模型基本特征進(jìn)行整理、總結(jié)。然后，采用Excel 2019 軟件對(duì)模型的主要預(yù)測(cè)因子歸類分析。最后，采用RevMan 5.3 軟件進(jìn)行Meta 分析，對(duì)預(yù)測(cè)因子的預(yù)測(cè)價(jià)值進(jìn)行分析，使用Q 檢驗(yàn)和異質(zhì)性指數(shù)I2評(píng)估納入模型的異質(zhì)性。I2＜25%為異質(zhì)性較低；25%≤I2＜50%為異質(zhì)性適中；I2≥50%為異質(zhì)性較高。若I2＜ 50%，P≥0.1，說明研究結(jié)果間的異質(zhì)性可接受，采用固定效應(yīng)模型分析，反之采用隨機(jī)效應(yīng)模型進(jìn)行分析。若分析得出納入模型異質(zhì)性較大時(shí)，選擇亞組分析異質(zhì)性來源，并采用逐個(gè)剔除的方式進(jìn)行敏感性分析。以P＜0.05 為差異有統(tǒng)計(jì)學(xué)意義。

2 結(jié)果

2.1 文獻(xiàn)檢索及篩選結(jié)果

通過數(shù)據(jù)庫檢索獲得相關(guān)文獻(xiàn)1 175 篇，其中中國(guó)知網(wǎng)8 篇、維普數(shù)據(jù)庫14 篇、萬方數(shù)據(jù)庫16 篇、CBM 9 篇、PubMed 451 篇、Web of Science 328 篇、Embase 310 篇、The Cochrane Library 39 篇。去除重復(fù)文獻(xiàn)后，剩余956 篇。通過閱讀文題和摘要，排除與研究主題不相關(guān)文獻(xiàn)852 篇；通過閱讀文獻(xiàn)全文，剔除96 篇文獻(xiàn)，剔除原因?yàn)椋貉芯繉?duì)象不符（n=16），研究?jī)?nèi)容不符（n=56），綜述、會(huì)議、評(píng)論類文章（n=23），無法獲取全文（n=1）。此外，通過查閱納入文獻(xiàn)的參考文獻(xiàn)，補(bǔ)充1篇文獻(xiàn)，最終納入9篇文獻(xiàn)[7-15]，其中英文文獻(xiàn)8 篇、中文文獻(xiàn)1 篇。

2.2 納入文獻(xiàn)的基本特征

本研究共納入9 篇文獻(xiàn)[7-15]，來自8 個(gè)國(guó)家。其中4 篇前瞻性隊(duì)列研究[7，10，12-13]，4 篇回顧性病例對(duì)照研 究[9，11，14-15]，1 篇回顧 性隊(duì)列 研究[8]。納入文獻(xiàn)的基本特征具體見表1。

2.3 納入文獻(xiàn)的方法學(xué)質(zhì)量評(píng)價(jià)結(jié)果

采用PROBAST 對(duì)本研究納入的9 篇文獻(xiàn)進(jìn)行評(píng)價(jià)。在總體偏倚風(fēng)險(xiǎn)方面，Timp 等[14]開發(fā)萊頓血栓形成復(fù)發(fā)風(fēng)險(xiǎn)預(yù)測(cè)模型（L-TRRiP）的研究、Ensor 等[12]開發(fā)pre D-二聚體模型與post D-二聚體模型的研究、Eichinger 等[10]對(duì)Vienna預(yù)測(cè)模型更新的研究總體偏倚風(fēng)險(xiǎn)低，其余研究均為高偏倚風(fēng)險(xiǎn)，主要原因是統(tǒng)計(jì)分析領(lǐng)域存在高偏倚風(fēng)險(xiǎn)，例如6 項(xiàng)研究[7-9，11，13，15]不能正確處理缺失數(shù)據(jù)（66.7%），4 項(xiàng)研究[7-8，13，15]基于單因素分析法篩選預(yù)測(cè)因子（44.4%），2 項(xiàng)研究[8，15]缺少區(qū)分度和（或）校準(zhǔn)度（22.2%）。在總體適用風(fēng)險(xiǎn)方面，Timp 等[14]和Huang 等[11]的預(yù)測(cè)模型適用性較好，適用風(fēng)險(xiǎn)低，其余研究均為高適用性風(fēng)險(xiǎn)，主要原因是其余7 項(xiàng)研究[7-10，12-13，15]對(duì)象為無誘因VTE 的患者或有原發(fā)性VTE 病史的患者或癌癥患者（77.8%），而不是針對(duì)所有VTE 患者的研究，因此，適用性風(fēng)險(xiǎn)高。3 篇文獻(xiàn)[10，12，14]的偏倚風(fēng)險(xiǎn)低，2 篇文獻(xiàn)[11，14]的適用性好。

2.4 納入模型的基本特征

本研究納入的9 篇文獻(xiàn)共報(bào)告了10 個(gè)VTE 復(fù)發(fā)風(fēng)險(xiǎn)預(yù)測(cè)模型。其中，9 個(gè)[7-9，11-15]是預(yù)測(cè)模型的開發(fā)，1 個(gè)[10]是預(yù)測(cè)模型的更新。Eichinger等[7，10]于2010 年 開發(fā)了Vienna 預(yù)測(cè)模型，2014 年對(duì)該模型進(jìn)行更新，更新后的模型校準(zhǔn)度、區(qū)分度、外部驗(yàn)證結(jié)果較未更新前好。Ensor 等[12]分別研究了Pre D-二聚體模型、Post D-二聚體模型預(yù)測(cè)VTE 患者復(fù)發(fā)風(fēng)險(xiǎn)，設(shè)計(jì)合理。納入文獻(xiàn)的建模方法多采用Cox 回歸（60.0%），驗(yàn)?zāi)７椒ǘ嗖捎肂ootstrap 重抽樣（60.0%）。在納入文獻(xiàn)中，建模AUC范圍為0.560～0.910，驗(yàn)?zāi)UC 為0.560～0.974。納入的9 項(xiàng)研究中，最多報(bào)告了10 個(gè)預(yù)測(cè)因子，最少報(bào)告了3 個(gè)預(yù)測(cè)因子。納入模型的基本特征具體見表2。

2.5 納入模型中的預(yù)測(cè)因子

納入的10 個(gè)VTE 復(fù)發(fā)風(fēng)險(xiǎn)預(yù)測(cè)模型中包含了3～10 個(gè)預(yù)測(cè)因子，被納入預(yù)測(cè)模型頻次位于前3 位的4 個(gè)預(yù)測(cè)因子分別是男性、D-二聚體升高、既往有PDVT 病史、既往有PTE 病史。

2.6 Meta 分析結(jié)果

2.6.1 性別為男性可預(yù)測(cè)VTE 復(fù)發(fā)

7 項(xiàng)研究[7，9-10，12-15]分析了男性對(duì)VTE 復(fù)發(fā)的預(yù)測(cè)價(jià)值，各研究之間不存在異質(zhì)性（P=0.840，I2=0%），采用固定效應(yīng)模型分析，結(jié)果顯示，男性是VTE 復(fù)發(fā)的預(yù)測(cè)因素[OR=1.88，95%CI（1.66，2.13），Z=9.84，P＜0.001]，見圖1。

2.6.2 D-二聚體升高可預(yù)測(cè)VTE復(fù)發(fā)

6 項(xiàng)研究[7，9-10，12-13，15]分析了D-二聚體升高對(duì)VTE 復(fù)發(fā)的預(yù)測(cè)價(jià)值，因各研究對(duì)D-二聚體錄入方式不同，因此，將其分為2 個(gè)亞組進(jìn)行分析發(fā)現(xiàn)，各研究之間存在異質(zhì)性（P＜0.001，I2=89%），采用隨機(jī)效應(yīng)模型分析，結(jié)果顯示，D-二聚體升高是VTE 復(fù)發(fā)的預(yù)測(cè)因素[OR=2.13，95%CI（1.51，3.00），Z=4.30，P＜0.001]，見圖2。

2.6.3 既往有PDVT 病史可預(yù)測(cè)VTE 復(fù)發(fā)

4 項(xiàng)研究[7，10，12，14]分析了既往有PDVT 病史 對(duì)VTE 復(fù)發(fā)的 預(yù)測(cè)價(jià)值，各研究之間不存在異質(zhì)性（P=0.020，I2=65%），采 用隨 機(jī)效應(yīng)模型分析，結(jié)果顯示，既往有PDVT 病史是VTE 復(fù)發(fā)的預(yù)測(cè)因素[OR=2.35，95%CI（1.50，3.71），Z=3.69，P＜0.001]，見 圖3。因 異質(zhì)性≥50%，進(jìn)行敏感性分析，去除引起異質(zhì)性的1 項(xiàng)研究[12]，其余3 項(xiàng)研究不存在異質(zhì)性（P=0.690，I2=0%），采用固定效應(yīng)模型分析，結(jié)果顯示，既往有PDVT 病史是VTE 復(fù)發(fā)的預(yù)測(cè)因素[OR=1.64，95%CI（1.35，2.00），Z=4.87，P＜ 0.001]。

2.6.4 既往有PTE 病史可預(yù)測(cè)VTE復(fù)發(fā)

4 項(xiàng)研究[7，10，12，15]分析了既往有PTE 病史對(duì)VTE 復(fù)發(fā)的預(yù)測(cè)價(jià)值，各研究之間存在異質(zhì)性（P=0.210，I2=32%），采用固定效應(yīng)模型分析，結(jié)果顯示，既往有PTE 病史是VTE復(fù)發(fā)的獨(dú)立預(yù)測(cè)因素[OR=2.69，95%CI（1.98，3.65），Z=6.36，P＜0.001]，見圖4。

3 討論

3.1 納入的預(yù)測(cè)模型預(yù)測(cè)性能較好，但總體偏倚風(fēng)險(xiǎn)、適用性風(fēng)險(xiǎn)較高

本研究共納入9 篇文獻(xiàn)，報(bào)告了10 個(gè)VTE 復(fù)發(fā)風(fēng)險(xiǎn)預(yù)測(cè)模型。其中，9 個(gè)是預(yù)測(cè)模型的開發(fā)，1 個(gè)是預(yù)測(cè)模型的更新。9 項(xiàng)研究均為隊(duì)列研究或病例對(duì)照研究，均界定了研究對(duì)象的納入標(biāo)準(zhǔn)，能夠有效減少選擇性偏倚和提高預(yù)測(cè)模型的適用性。此外，納入研究中有8 項(xiàng)[7，10，12-15]報(bào)告的AUC 范圍為0.560～0.910，其中5 項(xiàng)研究[9-10，13-15]的AUC ≥0.7，說明納入模型的預(yù)測(cè)性能較好，能夠準(zhǔn)確識(shí)別VTE 復(fù)發(fā)風(fēng)險(xiǎn)。但是部分模型在構(gòu)建過程中也存在如下不足。第一，部分研究未報(bào)告和（或）不能正確處理缺失數(shù)據(jù)（66.7%），這可能會(huì)導(dǎo)致模型的過度擬合。如在Huang 等[11]采用回顧性病例對(duì)照研究構(gòu)建的Cox回歸模型中，并未描述如何對(duì)待缺失或不完整的數(shù)據(jù)。第二，部分研究基于單因素分析法篩選預(yù)測(cè)因子（44.4%），這可能會(huì)導(dǎo)致預(yù)測(cè)因子篩選不準(zhǔn)確，增加偏倚風(fēng)險(xiǎn)。第三，納入文獻(xiàn)的研究對(duì)象有無誘因VTE的患者、原發(fā)性VTE 病史的患者和癌癥患者，由于疾病類型、嚴(yán)重程度及護(hù)理措施的差異，均會(huì)影響模型的準(zhǔn)確性和普適性。因此，未來在構(gòu)建相關(guān)的預(yù)測(cè)模型時(shí)，研究者應(yīng)重視缺失數(shù)據(jù)處理、預(yù)測(cè)因子篩選、研究對(duì)象的選擇等問題，選擇恰當(dāng)?shù)慕y(tǒng)計(jì)分析方法篩選預(yù)測(cè)因子，正確處理缺失數(shù)據(jù)，從而提高預(yù)測(cè)模型的可靠性和適應(yīng)性。

3.2 男性是VTE 復(fù)發(fā)的高危人群

本研究Meta 分析研究結(jié)果顯示，男性是VTE 復(fù)發(fā)的高危人群。這與既往的研究結(jié)果[3]一致，可能與遺傳因素和后天因素有關(guān)。一方面，單核苷酸多態(tài)性（SNP）rs6048 是凝血因子IX 活化肽的第3 個(gè)氨基酸殘基的常見多態(tài)性，其突變與男性靜脈血栓形成風(fēng)險(xiǎn)增加相關(guān)，可導(dǎo)致男性VTE 復(fù)發(fā)風(fēng)險(xiǎn)增加30%[16-17]。另一方面，男性與女性之間的后天因素差異也與男性VTE 復(fù)發(fā)風(fēng)險(xiǎn)高有關(guān)。如身高與靜脈血栓形成有關(guān)，個(gè)子高的人比個(gè)子矮的人容易形成靜脈血栓，這可能與腿長(zhǎng)有關(guān)。腿長(zhǎng)較長(zhǎng)的人靜水壓力較高，靜脈瓣膜數(shù)量較多，血管壁易受損[18-20]。但也有部分學(xué)者認(rèn)為，男性與女性之間VTE 復(fù)發(fā)誘發(fā)風(fēng)險(xiǎn)比較，差異無統(tǒng)計(jì)學(xué)意義[21]。因此，性別對(duì)VTE復(fù)發(fā)的影響有待進(jìn)一步探討，未來可基于疾病特征對(duì)不同性別群體的VTE 患者進(jìn)行分類，聚類分析性別對(duì)VTE 復(fù)發(fā)的影響。與此同時(shí)，在未來臨床工作中，應(yīng)著重關(guān)注VTE復(fù)發(fā)高危人群，及時(shí)評(píng)估患者復(fù)發(fā)的風(fēng)險(xiǎn)，早期篩查高危人群VTE 相關(guān)的臨床指標(biāo)，方便醫(yī)護(hù)人員及早進(jìn)行干預(yù)。

3.3 D-二聚體升高是VTE 復(fù)發(fā)的高危因素

本研究結(jié)果顯示，多項(xiàng)預(yù)測(cè)模型中指出，D-二聚體升高為VTE 復(fù)發(fā)的預(yù)測(cè)因子[7，9-10，12-13，15]。分析原因可能是：D-二聚體作為的纖維蛋白降解產(chǎn)物，能靈敏反映高凝狀態(tài)或血栓形成，是VTE 的首選實(shí)驗(yàn)室篩查方法[22]。2002 年，Palareti 等[23]首次評(píng)估D-二聚體的陰性預(yù)測(cè)值，結(jié)果顯示，口服抗凝劑治療停藥后，D-二聚體陰性對(duì)VTE 有較高的預(yù)測(cè)價(jià)值。2017 年，美國(guó)學(xué)者Bass 等[24]的一項(xiàng)關(guān)于D-二聚體對(duì)VTE 預(yù)測(cè)價(jià)值薈萃分析結(jié)果顯示，住院患者使用改良Wells 規(guī)則（截止≤4）估計(jì)肺栓塞的匯總敏感性為72.1%，而采用改良的Wells 規(guī)則（截止≤4）加D-二聚體預(yù)測(cè)肺栓塞，其靈敏度高達(dá)99.7%。由此可見，D-二聚體升高能夠較好地預(yù)測(cè)VTE 復(fù)發(fā)。建議醫(yī)護(hù)人員將D-二聚體水平納入VTE 患者復(fù)發(fā)預(yù)警項(xiàng)目?jī)?nèi)，盡早對(duì)患者進(jìn)行有針對(duì)性的抗凝治療，同時(shí)對(duì)患者進(jìn)行健康教育，注意平時(shí)要低脂、低鹽、清淡飲食，制定有針對(duì)性的運(yùn)動(dòng)鍛煉方案，促進(jìn)血液循環(huán)。

3.4 既往有PTE、PDVT 病史是VTE 復(fù)發(fā)的高危因素

目前，多項(xiàng)研究探討了DVT、PTE 的部位、生物標(biāo)志物等相關(guān)因素對(duì)VTE 復(fù)發(fā)的預(yù)測(cè)價(jià)值，以期有針對(duì)性地預(yù)防VTE 復(fù)發(fā)。近端DVT（PDVT）患者約是遠(yuǎn)端DVT（DDVT）患者VTE 復(fù)發(fā)風(fēng)險(xiǎn)的2.2 倍，這與Barco 等[25]的研究結(jié)果相似。分析其原因可能是，一方面，PDVT 被定義為涉及一條或多條中央靜脈的血栓，包括腘靜脈、股總靜脈、股靜脈、股深靜脈、髂總靜脈、髂外靜脈、髂內(nèi)靜脈和下腔靜脈[26]。DVT 發(fā)生常位于髂骨或髂股骨水平，由于部位的特殊性，PDVT 處復(fù)發(fā)VTE 風(fēng)險(xiǎn)高于DDVT[27]。另一方面，PDVT形成危險(xiǎn)因素多是慢性、多種原因同時(shí)存在，且無法去除。如遺傳性易栓癥、活動(dòng)性腫瘤、下肢靜脈曲張及肥胖等，這些均增加了復(fù)發(fā)VTE的風(fēng)險(xiǎn)[28]。此外，多項(xiàng)研究證明了PTE 對(duì)VTE 復(fù)發(fā)的預(yù)測(cè)價(jià)值。究其原因，一方面，發(fā)生PTE 時(shí)，由于血流淤積和靜脈損傷，血液長(zhǎng)時(shí)間處于高凝狀態(tài)，為栓子的形成提供了有利條件[29]；另一方面，由于VTE 患者首次發(fā)病后需要接受抗凝及溶栓治療，而肺部血管脆弱，因此，極易損傷靜脈及血管，增加了血栓形成及VTE 的風(fēng)險(xiǎn)。同時(shí)VTE 患者在接受抗凝及溶栓治療期間，體內(nèi)炎性活性物質(zhì)的釋放增加，進(jìn)而炎性反應(yīng)及凝血因子的活性增加，改變了患者的血流動(dòng)力學(xué)特征[29]。因此，及時(shí)監(jiān)測(cè)VTE 患者抗凝治療期間、抗凝治療3 個(gè)月后D-二聚體的數(shù)值并教會(huì)患者如何規(guī)范化使用抗凝藥物至關(guān)重要。護(hù)理人員應(yīng)給予VTE 患者延續(xù)性專病護(hù)理，提高患者的規(guī)范化抗凝治療與疾病監(jiān)測(cè)的依從性，進(jìn)而降低VTE 復(fù)發(fā)率。

4 小結(jié)

VTE 復(fù)發(fā)預(yù)測(cè)模型是醫(yī)護(hù)人員早期篩查和識(shí)別VTE 復(fù)發(fā)高危人群的有效評(píng)估工具，通過將預(yù)測(cè)模型應(yīng)用于臨床，在高效、快速篩選出高危人群的同時(shí)，還能早期為高風(fēng)險(xiǎn)患者提供有針對(duì)性的預(yù)防措施，提高醫(yī)療資源的利用率，改善患者結(jié)局。本研究共納入9 篇文獻(xiàn)，包含10 個(gè)VTE 復(fù)發(fā)風(fēng)險(xiǎn)預(yù)測(cè)模型。研究結(jié)果顯示，男性、D-二聚體升高、既往有PDVT 病史、既往有PTE 病史是VTE 患者復(fù)發(fā)的高危因素。納入研究的整體預(yù)測(cè)性能較好，但部分文獻(xiàn)存在模型驗(yàn)證過程中缺乏內(nèi)部和（或）外部驗(yàn)證、不能正確處理缺失數(shù)據(jù)的問題，這也增加了模型的偏倚風(fēng)險(xiǎn)，對(duì)模型的穩(wěn)定性和外推性產(chǎn)生一定的影響。未來，建議借助人工智能、大數(shù)據(jù)平臺(tái)等工具，充分挖掘與VTE 患者復(fù)發(fā)相關(guān)的風(fēng)險(xiǎn)因素，開發(fā)符合我國(guó)國(guó)情的預(yù)測(cè)模型，從而更好服務(wù)于臨床實(shí)際工作。此外，由于VTE 復(fù)發(fā)與人群特征和疾病特征存在一定關(guān)系，建議開展對(duì)特殊人群VTE 復(fù)發(fā)影響因素的研究，如老年人、癌癥患者等，以此達(dá)到特殊人群的精準(zhǔn)預(yù)測(cè)和早期施策。