骨科手術(shù)后靜脈血栓栓塞風(fēng)險預(yù)測工具的研究現(xiàn)狀2026靜脈血栓栓塞（venousthromboembolism,VTE）包括深靜脈血栓形成（deepveinthrombosis,DVT）和肺血栓栓塞癥（pulmonarythromboembolism,PTE），在我國80歲以上住院患者中發(fā)病率為13.3%。研究發(fā)現(xiàn)，即使進(jìn)行適當(dāng)?shù)腣TE藥物預(yù)防，骨科手術(shù)后3個月內(nèi)DVT發(fā)生率仍有1.3%~10.0%。目前VTE的病因公認(rèn)為3個要素，即靜脈血流瘀滯、血管內(nèi)膜損傷和血液高凝狀態(tài)。住院患者臥床療養(yǎng)，長期靜脈治療會損害血管壁，且手術(shù)后制動導(dǎo)致血流滯緩等均會增加發(fā)生靜脈血栓的風(fēng)險，嚴(yán)重者出現(xiàn)肺栓塞等危及生命的情況。VTE發(fā)病隱匿，具有高漏診率、高誤診率、高病死率的特點(diǎn)，已經(jīng)成為院內(nèi)非預(yù)期死亡的重要原因之一。因此，合理選擇恰當(dāng)?shù)腣TE風(fēng)險評估工具，早期精準(zhǔn)識別VTE發(fā)生風(fēng)險，并準(zhǔn)確進(jìn)行風(fēng)險分級，是實(shí)施針對性預(yù)防干預(yù)的關(guān)鍵。本文就骨科手術(shù)后VTE的風(fēng)險預(yù)測工具展開綜述。1傳統(tǒng)量表評分法評估VTE風(fēng)險1.1Caprini評估量表該表由Caprini根據(jù)普外科、泌尿科及婦科患者研究得來，涵蓋了住院患者可能發(fā)生VTE的所有風(fēng)險因素，包含年齡、性別、并發(fā)癥、手術(shù)類型、手術(shù)時間、創(chuàng)傷類型等45項(xiàng)，每個風(fēng)險因素的評分為1~5分，根據(jù)總分，劃分為低危（0~1分）、中危（2分）、高危（3~4分）和極高危（≥5分）4個風(fēng)險等級，并針對不同的風(fēng)險等級提出對應(yīng)的預(yù)防措施。目前該量表已被美國胸科醫(yī)師協(xié)會和中華醫(yī)學(xué)會發(fā)布的相關(guān)VTE預(yù)防指南推薦用于骨科患者VTE的風(fēng)險篩查。但因該量表為國外引入，存在人口特征學(xué)方面的差異，且屬于普適性量表，因此預(yù)測骨科手術(shù)后患者發(fā)生VTE風(fēng)險的敏感度和準(zhǔn)確性未有一致的結(jié)論。1.2Wells評分量表該表由Wells等針對門診患者設(shè)計(jì)而成，后簡化和修訂為WellsDVT和WellsPTE風(fēng)險評估量表。WellsDVT評分量表包括9個陽性風(fēng)險因素和1個陰性風(fēng)險因素，分為低可能（<2分）和高度可能（≥2分）2個風(fēng)險等級。WellsPTE評分量表包括7個風(fēng)險因素，分為低可能（<2分）、中度可能（2~6分）、高度可能（>6分）3個風(fēng)險等級。該量表風(fēng)險因素較粗略，故單獨(dú)使用準(zhǔn)確性欠佳，與其他評分量表聯(lián)合使用評估骨科手術(shù)后VTE發(fā)生風(fēng)險或許有更好的預(yù)測效能。此外，該量表可與血漿D二聚體結(jié)合使用，便于VTE的排除診斷，避免不必要的影像學(xué)檢查。1.3Autar評分量表該量表由Autar根據(jù)骨科患者特點(diǎn)設(shè)計(jì)而成，并于2003年進(jìn)行修訂，包含年齡、體重指數(shù)、活動能力等7個風(fēng)險因素，分為低風(fēng)險（≤10分）、中風(fēng)險（11~14分）和高風(fēng)險（≥15分）3個風(fēng)險等級，并為各個風(fēng)險等級指明評估時機(jī)及推薦相應(yīng)的預(yù)防措施，例如下肢活動、下肢氣壓式治療、梯度彈力襪、藥物抗凝等。該量表涵蓋范圍廣，已被廣泛運(yùn)用于骨科患者，但量表中對于創(chuàng)傷部位及手術(shù)類別的分類較為籠統(tǒng)，一定程度上影響預(yù)測VTE發(fā)生風(fēng)險的準(zhǔn)確性，因此需要進(jìn)行進(jìn)一步的臨床驗(yàn)證。1.4靜脈血栓形成危險度評分（RiskAssessmentProfileforThromboembolism,RAPT）量表該量表由Greenfield等針對創(chuàng)傷患者設(shè)計(jì)而成，包括病史、年齡、損傷程度、醫(yī)源性因素4個方面，分為低風(fēng)險（<5分）、中風(fēng)險（5~14分）、高風(fēng)險（>14分）3個等級。RAPT量表客觀性較強(qiáng)，《中國創(chuàng)傷骨科患者圍手術(shù)期VTE預(yù)防指南》建議所有住院的創(chuàng)傷骨科患者進(jìn)行RAPT評估。李鵬鵬等在傳統(tǒng)RAPT評分量表基礎(chǔ)上進(jìn)行改良，增加擴(kuò)展了五大類因素，即D二聚體動態(tài)數(shù)值、血管內(nèi)皮損傷性疾病、基本病史、創(chuàng)傷史、醫(yī)源性損傷，結(jié)果顯示，改良RAPT量表入院、術(shù)前、術(shù)后的受試者操作特征曲線下面積（areaunderthecurve,AUC）較傳統(tǒng)RAPT量表分別提高了17.03%、16.72%、15.39%，證實(shí)改良RAPT量表較傳統(tǒng)RAPT量表更有利于早期發(fā)現(xiàn)血栓風(fēng)險。1.5傳統(tǒng)評分量表間差異與聯(lián)用臨床常用量表還有Padua血栓風(fēng)險評估量表、Khorana血栓風(fēng)險評估表等針對內(nèi)科、腫瘤科以及其他?？频脑u分量表。傳統(tǒng)評分量表側(cè)重點(diǎn)各有不同，因此不同的骨科手術(shù)類別、不同基礎(chǔ)情況的患者可能適用的量表不同。目前臨床上常采用美國胸科醫(yī)師協(xié)會推薦的基于骨關(guān)節(jié)和骨創(chuàng)傷循證實(shí)踐的Caprini評估量表來預(yù)測脊柱手術(shù)的VTE發(fā)生風(fēng)險。陳曉等研究發(fā)現(xiàn)，對于老年髖部骨折患者術(shù)后DVT發(fā)生風(fēng)險預(yù)測中，Wells評分量表的AUC（0.998）、敏感度（100%）、特異度（99.4%）均高于Caprini評估量表和Autar評分量表。寧華秀等研究顯示，Autar評分量表的AUC（0.864±0.018）高于Caprini評估量表的AUC（0.816±0.020），提示Autar評分量表在篩選脊柱手術(shù)后高危血栓風(fēng)險患者方面有更好的預(yù)測效能。根據(jù)患者的手術(shù)種類、手術(shù)部位以及自身基礎(chǔ)情況等特點(diǎn)，選擇較為合適的量表進(jìn)行評估，在一定程度上可以提高風(fēng)險預(yù)測的準(zhǔn)確性。向飛帆等研究指出，對于股骨轉(zhuǎn)子間骨折的住院患者發(fā)生下肢靜脈血栓的風(fēng)險預(yù)測，Wells評分量表、RAPT量表、Caprini評估量表的AUC分別為0.916、0.767、0.751，特異度分別為64.94%、35.06%、59.74%，表明Wells評分量表的預(yù)測價值較高且較準(zhǔn)確，同時，RAPT量表在評估所有創(chuàng)傷骨科患者是否發(fā)生血栓風(fēng)險方面較為適用。評分量表的側(cè)重點(diǎn)各有差異，將其聯(lián)合運(yùn)用、取長補(bǔ)短，成為提高預(yù)測VTE發(fā)生風(fēng)險準(zhǔn)確性的一項(xiàng)措施。李紅等在骨科大手術(shù)住院患者的圍手術(shù)期聯(lián)合運(yùn)用Wells評分量表及Caprini評估量表的研究指出，該方式可有效改善相關(guān)指標(biāo)的預(yù)測結(jié)果，降低圍手術(shù)期VTE發(fā)生風(fēng)險。臨床上量表聯(lián)合使用的研究較少，因此選擇哪種評分量表進(jìn)行聯(lián)合，如何解讀聯(lián)合后的評估量表還需要進(jìn)一步的研究和驗(yàn)證。2機(jī)器學(xué)習(xí)預(yù)測模型評估VTE風(fēng)險2.1構(gòu)建機(jī)器學(xué)習(xí)預(yù)測模型的趨勢傳統(tǒng)量表評分適用范圍廣，但具有?？菩蕴攸c(diǎn)較差、個別評分條目受主觀影響大等缺點(diǎn)，因此針對患者個體的風(fēng)險預(yù)測往往收效甚微。一般情況下，診斷工具的AUC=0.5表示無診斷價值，0.5<AUC<0.7表示診斷準(zhǔn)確性差，0.7≤AUC<0.8表示診斷準(zhǔn)確性尚可，0.8≤AUC<0.9表示診斷準(zhǔn)確性較好，AUC≥0.9表示診斷準(zhǔn)確性優(yōu)秀。侍冬成等研究顯示，RAPT量表、Caprini評估量表、Autar評分量表作為診斷工具預(yù)測DVT的AUC均未超過0.6，表明3種評分量表對于下肢骨折患者DVT的發(fā)生具有一定的預(yù)測價值，但不夠理想。同時，Chen等研究表明，使用結(jié)構(gòu)化電子健康記錄數(shù)據(jù)的機(jī)器學(xué)習(xí)模型可以改善不同人群的VTE診斷和1年風(fēng)險預(yù)測。Tragaris等使用“機(jī)器學(xué)習(xí)”“脊椎”“人工智能”在Scopus、PubMed和GoogleScholar進(jìn)行檢索，篩選結(jié)果后納入46項(xiàng)研究，展示了基于機(jī)器學(xué)習(xí)的預(yù)測和優(yōu)化模型，平均總體準(zhǔn)確率為74.9%，表明機(jī)器學(xué)習(xí)模型在脊柱手術(shù)風(fēng)險預(yù)測方面表現(xiàn)較好。RasouliDezfouli等提出一種用于髖部及膝部重大手術(shù)前識別VTE高風(fēng)險患者的機(jī)器學(xué)習(xí)框架，同時發(fā)現(xiàn)了數(shù)個未被認(rèn)識的相關(guān)因素，多次迭代優(yōu)化后，該機(jī)器學(xué)習(xí)框架的AUC（0.873）顯著高于傳統(tǒng)評分量表的AUC（0.639），表明評分量表法在區(qū)分低風(fēng)險和高風(fēng)險患者方面不如機(jī)器學(xué)習(xí)預(yù)測模型。2.2目前預(yù)測VTE的機(jī)器學(xué)習(xí)預(yù)測模型研究2.2.1XGBoost模型Ryan等指出，XGBoost模型是一種集合學(xué)習(xí)技術(shù)，在梯度提升決策樹算法的基礎(chǔ)上進(jìn)行了多項(xiàng)改進(jìn)，包括損失函數(shù)的二階泰勒展開、加入正則項(xiàng)、并行計(jì)算等，通過集成多個決策樹的預(yù)測分?jǐn)?shù)，提高模型效率和泛化能力。XGBoost模型已運(yùn)用于醫(yī)療保健領(lǐng)域。Kumar等使用XGBoost創(chuàng)建解剖型肩關(guān)節(jié)置換和反肩關(guān)節(jié)置換術(shù)后臨床結(jié)果的預(yù)測模型，所有術(shù)后時間點(diǎn)上，291個參數(shù)的全模型和19個參數(shù)的簡化模型在美國肩頸外科醫(yī)師評分、整體肩功能評分、視覺模擬量表疼痛評分、主動外展及外旋等方面的平均絕對誤差相似，證明了XGBoost模型對肩關(guān)節(jié)置換術(shù)后患者進(jìn)行風(fēng)險分層的積極作用。構(gòu)建機(jī)器學(xué)習(xí)預(yù)測模型是開發(fā)新型預(yù)測工具的大趨勢，但機(jī)器學(xué)習(xí)預(yù)測模型不一定比臨床實(shí)踐中使用的簡單工具更具有準(zhǔn)確性。Wang等提出一個預(yù)測單節(jié)段腰椎后路融合術(shù)后VTE發(fā)生風(fēng)險的臨床評分預(yù)測模型（AUC=0.709），僅納入了年齡、體重指數(shù)、冠狀動脈病史、功能狀態(tài)、手術(shù)時間，但在VTE的風(fēng)險預(yù)測方面達(dá)到與XGBoost模型（AUC=0.716）相似的準(zhǔn)確性；而當(dāng)包含比美國國家外科改進(jìn)質(zhì)量計(jì)劃數(shù)據(jù)庫更多的數(shù)據(jù)點(diǎn)時，機(jī)器學(xué)習(xí)預(yù)測模型更具有準(zhǔn)確性。2.2.2其他預(yù)測模型邏輯回歸、隨機(jī)森林等機(jī)器學(xué)習(xí)模型在腫瘤住院患者的VTE風(fēng)險預(yù)測中也表現(xiàn)出了不俗的預(yù)測能力，其預(yù)測性能均優(yōu)于傳統(tǒng)評分量表。Nemeth等開發(fā)出一種針對全髖關(guān)節(jié)成形術(shù)和全膝關(guān)節(jié)置換術(shù)術(shù)后90dVTE發(fā)生風(fēng)險的預(yù)測模型（AUC=0.65），經(jīng)外部驗(yàn)證AUC=0.64，表明該預(yù)測模型在開發(fā)和驗(yàn)證方面均表現(xiàn)良好。但目前骨科手術(shù)后的VTE風(fēng)險預(yù)測模型仍處于發(fā)展階段，不同手術(shù)部位及不同手術(shù)方法的專項(xiàng)化預(yù)測需要更多的研究及臨床驗(yàn)證。另外，多數(shù)模型在驗(yàn)證過程中缺乏外部驗(yàn)證和多中心研究，在一定程度上影響了模型的穩(wěn)定性和外推性。2.3機(jī)器學(xué)習(xí)預(yù)測模型未來應(yīng)用與展望盡管機(jī)器學(xué)習(xí)的發(fā)展時間較短，但順應(yīng)了大數(shù)據(jù)時代電子健康記錄數(shù)據(jù)的普遍運(yùn)用，具有極大的發(fā)展前景。應(yīng)用深度學(xué)習(xí)來降低骨科手術(shù)術(shù)中風(fēng)險、預(yù)測術(shù)后并發(fā)癥、篩查血栓發(fā)生的高發(fā)因素、快速識別血栓發(fā)生可能是未來發(fā)展前沿。機(jī)器學(xué)習(xí)模型在一定程度上提高了風(fēng)險預(yù)測的準(zhǔn)確性，但有效風(fēng)險預(yù)測因素的確定需要臨床醫(yī)師的經(jīng)驗(yàn)，因此，在小規(guī)模臨床實(shí)踐獲得成果的基礎(chǔ)上，構(gòu)建基于該人群特征的預(yù)測模型或會取得意想不到的成果。相信隨著機(jī)器學(xué)習(xí)算法的不斷深入研究，電子健康記錄數(shù)據(jù)的不斷擴(kuò)充，機(jī)器學(xué)習(xí)模型在保證預(yù)測準(zhǔn)確性的前提下，普適性也會進(jìn)一步擴(kuò)大。3結(jié)語骨科手術(shù)后VTE的發(fā)生常由多種原因共同引起，嚴(yán)重時會累及多個系統(tǒng)，造成醫(yī)療費(fèi)用增加甚