【www.zhangdahai.com--其他范文】
张根豪，朱 迪，杨乾坤，吕先萍
郑州大学第一附属医院输血科 郑州 450052
胎盘植入(placenta accrete spectrum,PAS)是指胎盘在子宫壁的异常附着，其发病率在国内逐年增加[1-2]。PAS可导致剖宫产时严重的、甚至危及患者生命的出血[3]。PAS按照植入深度的不同分为胎盘粘连(placenta accreta)、胎盘植入(placenta increta)和穿透性胎盘植入(placenta percreta)。胎盘植入程度越深，患者出血风险越高，术中输血需求越大。术前识别有悬浮红细胞输注需要的患者对于协调宝贵的血液资源至关重要。作者对剖宫产术后是否输注红细胞的PAS患者的年龄、孕周、规律围产期保健(围保)和妊娠高血压情况、PAS类型、血常规、凝血功能、估计失血量进行比较，然后通过LASSO回归筛选预测变量并构建预测模型，以期建立了一个可准确预测PAS患者剖宫产术中红细胞输注的列线图。
1.1 一般资料2019年1月1日至2021年7月30日于本院产科就诊的临床诊断为PAS的孕妇纳入本研究。排除标准：胎龄小于28周、多胎妊娠、患遗传性高血压和妊娠期糖尿病者、有胎盘早剥、紧急剖宫产、术前输血和病历不完整者。
1.2 临床资料收集患者的临床特征,包括年龄、孕周、规律围保、妊娠高血压、PAS类型等；
术前实验室数据，包括白细胞计数、红细胞计数、血红蛋白浓度、血细胞比容(HCT)、红细胞分布宽度(RDW)、血小板计数、国际标准化比值、活化部分凝血活酶时间(APTT)、凝血酶原时间(PT)、凝血酶时间、纤维蛋白原和D-二聚体浓度等；
术中估计失血量。
1.3 预测模型的构建和验证按4∶6的比例将428例随机分为训练队列(n=171)和测试队列(n=257)。对血常规和凝血参数进行对数转换后，采用LASSO回归策略，在血常规和凝血参数中选择术中红细胞输注的相关因素，并在训练队列中根据以下公式构建模型：风险评分=∑参数i的回归系数×参数i。随后对输血组和非输血组PAS患者的风险评分进行分析，并通过ROC曲线评估该模型在训练队列中的诊断性能。最后，使用同样的公式计算测试队列和整个队列中PAS患者的风险评分，对该模型进行验证。
1.4 列线图构建结合临床特征和上述模型建立预测列线图，随后用校准曲线检验该列线图预测的准确性。
1.5 统计学处理采用SPSS 23.0分析。分类数据的比较采用χ2检验，连续变量的比较采用两独立样本t检验。应用R 4.0.3软件进行ROC曲线分析，以评估预测性能。使用Logistic回归分析风险评分模型和术中红细胞输注之间的关系。检验水准α=0.05。
2.1 一般资料428例PAS患者中92例术中接受了红细胞输注，输注率为21.49%。92名患者的红细胞输注量分别为:2 U占19.6%(18/92)、3 U占10.9%(10/92)、4 U占33.7%(31/92)、5 U占9.8%(9/92)、6 U占17.4%(16/92)、8 U占7.6%(7/92)、9 U占1.1%(1/92)。与非输血组相比，输血组患者规律围保的比例较低，而胎盘植入和穿透性胎盘植入的发生比例较高;与非输血组患者相比，输血组患者的红细胞计数、血红蛋白浓度、HCT和纤维蛋白原浓度较低，RDW、APTT、凝血酶时间、D-二聚体浓度和估计失血量较高(表1)。
2.2 术中红细胞输注的预测模型根据LASSO回归分析结果，筛选出RDW、白细胞计数、HCT、PT、APTT和D-二聚体浓度6个参数，建立预测模型，风险评分=6.791 224 0×RDW-2.108 985 8×白细胞计数-7.814 265 3×HCT-5.370 868 5×PT+15.129 294 4×APTT+0.981 722 4×D-二聚体浓度，用公式计算每位PAS患者的风险评分。与非输血组相比，输血组PAS患者风险评分更高(图1上)。ROC曲线显示，该模型具有良好的预测性能，在训练队列中AUC为0.841(图1下)。不同临床特征PAS患者风险评分比较见图2，不同PAS类型患者风险评分的差异有统计学意义。单变量Logistic回归分析显示，该模型与术中红细胞输注有关(RR=4.415，95%CI为3.748～5.341，P<0.001)；
多变量Logistic回归分析显示，在调整了其他临床特征后，该模型可作为术中红细胞输注的独立预测因素(RR=4.500，95%CI为3.797～5.484，P<0.001)。
表1 两组PAS患者一般资料
图1 非输血组和输血组PAS患者风险评分比较(上)和ROC曲线(下)
A：年龄；
B：妊娠高血压；
C：规律围保；
D：孕周；
E：EBO使用；
F：PAS类型
2.3 模型的验证为了验证该模型，测试队列和整个队列被作为验证队列，使用2.2中的公式计算风险评分，结果见图3。与非输血组相比，测试队列和整个队列输血组患者都有较高的风险评分，ROC曲线显示该模型具有良好的预测性能，测试队列和整个队列的AUC分别为0.767和0.795。单变量Logistic回归分析显示，患者风险评分与术中红细胞输注需求有关(测试队列：RR=3.992，95%CI为3.550～4.545，P<0.001；
整个队列：RR=4.141，95%CI为3.760～4.601，P<0.001)，多变量Logistic回归分析显示，在调整其他临床特征后，该模型可作为术中红细胞输注的独立预测因素(测试队列：RR=4.055，95%CI为3.581～4.654，P<0.001；
整个队列：RR=4.189，95%CI为3.792～4.668，P<0.001)。
A：测试队列中非输血组和输血组之间患者风险评分比较；
B：测试队列风险评分的ROC曲线；
C：整个队列中非输血组和输血组之间患者风险评分比较；
D：整个队列风险评分的ROC曲线
2.4 列线图构建结合临床特征和上述预测模型建立了列线图(图4A)。该列线图的一致性指数为0.791，校准曲线中预测输血率和实际输血率的重合表明了良好的一致性(图4B)。
图4 术中红细胞输注率预测的列线图(A)与校准曲线(B)
剖宫产术中PAS患者的出血临床上很常见[4-5]，红细胞输注作为常规治疗手段，可以有效改善术中失血引起的氧饱和能力下降和组织灌注不足，在关键时刻挽救患者的生命[5-6]。但是，大量输注红细胞与患者不良临床预后密切相关[7-8]。因此，术前可对需要输血的PAS患者进行识别。本研究通过LASSO回归模型构建了基于血常规和凝血功能参数的预测模型，并最终建立了可准确预测术中红细胞输注的列线图，该列线图能够准确预测分娩时的红细胞输注风险。
术前血常规和凝血指标是影响PAS患者术中红细胞输注的关键因素，如血红蛋白浓度和HCT水平是预测红细胞输注的极佳指标，可用于分娩时的输血管理[9]。有研究[10]确定了血红蛋白和HCT的具体阈值，可用于指导悬浮红细胞的输注。RDW是心脏手术患者围手术期输血风险的一个重要相关变量[11]。在澳大利亚和新西兰，血小板计数、国际标准化比值和纤维蛋白原浓度被纳入指导重症监护室红细胞输注的指标[12]。在现代体外膜氧合治疗的败血症患者中，APTT的水平与治疗时的输血需求呈正相关[13]。本研究结合血常规、凝血指标和患者的临床特征，建立了一个可以对PAS患者剖宫产术中红细胞输注风险进行分层的列线图。作者在一个大型队列的回顾性数据中确定并验证了PAS患者剖宫产术中红细胞输注的预测模型，这在以前的研究中是没有的。
EBO已经成为一种应用越来越广泛的手术辅助方式，它可以快速有效地止血，减少PAS患者分娩时的出血，并对保留子宫有利[14-15]。然而，EBO应用有可能会发生动脉血栓和急性肾功能损害，也会给胎儿带来一定剂量的X射线辐射[16-17]。Zhu等[15]发现用超声代替数字减影血管造影(DSA)来指导动脉内球囊的安装,可以减少对胎儿的X射线辐射。因此，EBO的合理应用可以在很大程度上减少术中出血量和球囊导管相关并发症的发生。本研究中的列线图显示术中应用EBO的患者所需的红细胞数量减少，与以往的研究[14]一致。本研究结果亦显示PAS胎盘植入程度越深，患者出血风险越大，术中红细胞输注风险越高。
总之，本研究构建的列线图可以帮助临床医生对PAS患者分娩时红细胞输注的风险进行术前分层，有助于输血管理和血液资源协调。本研究存在一些局限性。首先，该模型只能预测PAS患者剖宫产术中红细胞输注的概率，而对红细胞的具体输注量预测能力较差，后期需要对该模型进行进一步优化。其次，该研究受限于其回顾性设计，可能存在选择偏差。再次，不同产科医生的技术水平、手术时间、患者术中失血量和术中止血方法的选择也是影响剖宫产患者红细胞输注的重要因素。最后，本研究是一个单中心的队列，未来需要收集多个中心和大量患者的病例数据，对本研究结果的有效性进行进一步的评估和验证。
猜你喜欢 线图队列胎盘 预测瘢痕子宫阴道试产失败的风险列线图模型建立现代临床医学(2021年1期)2021-01-26被诊断为前置胎盘，我该怎么办中国生殖健康(2020年5期)2021-01-18队列里的小秘密小学生学习指导(低年级)(2020年4期)2020-06-02基于多队列切换的SDN拥塞控制*软件(2020年3期)2020-04-20在队列里军营文化天地(2018年2期)2018-12-15被诊断为前置胎盘，我该怎么办中国生殖健康(2018年5期)2018-11-06猪胎盘蛋白的分离鉴定中成药(2017年8期)2017-11-22丰田加速驶入自动驾驶队列产品可靠性报告(2017年7期)2017-09-05东山头遗址采集石器线图东北史地(学问)(2016年6期)2016-12-14一类图及其线图的Wiener指数湖南师范大学学报·自然科学版(2014年1期)2014-03-13本文来源：http://www.zhangdahai.com/shiyongfanwen/qitafanwen/2023/0809/637238.html
