严重钝性创伤中高新鲜冰冻血浆与红细胞比例的治疗目标
该多中心回顾性队列研究基于日本创伤数据库(2019–2023年),纳入严重钝性创伤(ISS≥16)且需输血的成人患者,比较FFP:RBC>1(高FFP)与≤1(低FFP)两组。利用因果森林机器学习模型在推导队列(2019–2021年)识别效应修饰因子,在验证队列(2022–2023年)验证。乳酸水平和GCS评分为关键效应修饰因子,乳酸≥4.5 mmol/L且GCS≤12的治疗目标亚组占验证队列20.7%,高FFP输血死亡风险差为−13.3%(95%CI −22.4至−4.2%,NNT 7.5),整体队列为−3.3%(95%CI −6.7至0.5%,NNT 32.1)。作者认为高FFP:RBC比例可能对意识障碍和代谢性酸中毒患者获益最大。
要点
- 治疗目标亚组(乳酸≥4.5 mmol/L且GCS≤12)占验证队列20.7%,高FFP输血死亡风险差−13.3%(95%CI −22.4至−4.2%),NNT 7.5(95%CI 4.5至23.8)。
- 整体验证队列高FFP输血死亡风险差−3.3%(95%CI −7.0至0.3%),NNT 32.1(95%CI 14.6至244.2),置信区间跨0未达统计学显著。
- 推导队列中乳酸和GCS被选为最终效应修饰因子,基于CATE五分位最低组(获益最大组)中过度代表的生理变量及变量重要性。
- 高FFP组推导队列接受FFP中位数14单位(IQR 8–22)、RBC 8单位(IQR 4–14);低FFP组FFP 6单位(IQR 4–10)、RBC 8单位(IQR 4–14)。
- 敏感性分析(排除120分钟内死亡、ISS不限但2小时内输血、Cox模型)结果与主要分析一致,支持治疗目标的稳健性。
适用人群与场景
- 成人严重钝性创伤患者,损伤严重度评分(ISS)≥16,需接受输血,数据来自日本创伤数据库(JTDB)2019–2023年。
- 推导队列为2019–2021年患者,验证队列为2022–2023年患者。
- 排除标准详见原文电子附录3,本文未列出具体条目。
诊断标准与关键阈值
- 高FFP输血定义:入院24小时内FFP:RBC比值>1;低FFP输血定义:FFP:RBC比值≤1。
- 治疗目标亚组定义:乳酸≥4.5 mmol/L且GCS≤12。
- 初始热图候选目标为乳酸最高三分位(T3,≥4.60 mmol/L)且GCS最低或中间三分位(T1 3–7分、T2 8–12分),即乳酸≥4.6 mmol/L且GCS≤13,后经近似常用临床阈值调整为乳酸≥4.5 mmol/L且GCS≤12。
研究设计与关键结果
- 多中心回顾性队列研究,纳入6,679例患者(来自205家医院,JTDB共176,054例中筛选),推导队列中高FFP组2,111例(53.9%),验证队列中高FFP组1,613例(58.4%)。
- 推导队列总体院内死亡率23.3%(低FFP组24.5% vs 高FFP组22.2%),验证队列总体23.2%(低FFP组23.6% vs 高FFP组22.9%)。
- 因果森林模型在推导队列估计条件平均治疗效应(CATE),分布呈双峰,负CATE值提示高FFP输血获益;模型校准良好(基于AIPW的组别ATE与CATE五分位分层比较)。
- 验证队列整体高FFP输血死亡风险差−3.3%(95%CI −7.0至0.3%),NNT 32.1(95%CI 14.6至244.2)。
- 治疗目标亚组(乳酸≥4.5 mmol/L且GCS≤12)占验证队列20.7%,高FFP输血死亡风险差−13.3%(95%CI −22.4至−4.2%),NNT 7.5(95%CI 4.5至23.8)。
- 敏感性分析2(ISS不限、入院2小时内输血)纳入1,804例,高FFP组993例(55.0%),结果与主要分析一致。
证据类型、等级与局限
- 证据类型:多中心回顾性队列研究,基于日本全国性前瞻性创伤登记数据库(JTDB)的回顾性分析。
- 局限:作为基于登记数据的观察性分析,不能直接推断因果关系;尽管认为不太可能存在导致结果实质性偏倚的强未测量混杂,但仍存在时间依赖性未测量混杂的可能,例如存活时间更长的患者接受更多FFP的机会更大。
- 局限:纳入ISS≥16且接受输血的患者以 targeting 临床显著创伤人群,但ISS在到达时不可用,限制实时使用;真实世界中输血启动主要基于医生判断。
- 局限:研究使用日本全国创伤登记数据,对其他国家和医疗系统的普适性不确定;日本创伤流行病学以高龄患者为特征,暴力相关创伤发生率低、摩托车头盔使用依从性高,可能限制对年轻创伤人群地区的适用性;输血实践差异(如日本血小板输血使用相对有限)也可能影响外推。
- 局限:登记数据不包含凝血或纤溶标志物(如血栓弹力图或常规实验室凝血试验),纳入这些参数可能提供对创伤诱导凝血病病理生理的更深入理解。
对床旁实践的改变
- 作者认为,使用 readily available 生理指标(乳酸≥4.5 mmol/L且GCS≤12)指导的靶向输血策略可能改善严重钝性创伤需输血患者的结局。
- 作者认为,这些发现支持在创伤救治中实施基于 readily available 生理指标的靶向输血策略的临床效用,并应进一步在随机对照试验中评估。
- 作者认为,未来试验设计可针对更可能从早期干预中获益的患者(如早期灌注不足或神经功能受损征象者),而非纳入未选择的创伤人群。
- 日本创伤指南推荐大量输血时FFP与RBC比例约为1:1,全国性研究报告三级急诊医院中较高FFP:RBC比例的使用随时间增加。
指南或共识出处
- 日本创伤指南推荐大量输血时FFP与RBC比例约为1:1(原文引用文献25)。
提炼说明
- 原文未涉及「处置流程与药物剂量」「红旗征与不能漏的情况」,故未列出这些栏目。
全文中译17 节 · 点击展开
引言
创伤仍然是全球主要的健康挑战之一,造成了显著的死亡率和长期残疾负担。创伤诱导性凝血病是创伤的关键并发症,输血策略是其管理的核心[1]。为有效管理创伤诱导性凝血病,需要遵循损伤控制复苏方案,重点在于稳定血流动力学状态并优先于红细胞(RBC)输注新鲜冰冻血浆(FFP)[2, 3]。
传统上,推荐FFP与RBC之比为1[4],但近期研究表明更高的比例可能对某些患者群体有效[5–8]。在此前的研究中,我们证明高FFP与RBC输注比(具体而言,FFP与RBC之比>1)与严重钝性创伤患者的良好结局相关[5]。然而,钝性创伤中的创伤诱导性凝血病表现出相当大的异质性,受组织低灌注程度和损伤严重程度等因素影响[1]。特别是,创伤性脑损伤常伴有显著的高纤溶状态,进一步加剧了这种异质性[9, 10]。这种复杂性给在不同患者表现中确定最佳输血策略带来了挑战。这些观察结果表明,开发更有针对性的方法以识别哪些患者最可能从富血浆输注中获益具有重要意义。
机器学习的近期进展带来了评估异质性治疗效应的新方法[11]。因果森林等算法可以定量阐明治疗的不同效应,并已在以高度异质性为特征的临床情境(如创伤)中显示出前景[12]。通过分析大型数据集,因果森林可以识别钝性创伤患者中不同的“高获益”亚组,对于这些亚组,高FFP输注可能更有益或更少获益。这种方法允许对治疗效应进行更细致的理解,并有望根据特定患者特征定制干预措施[13]。
鉴于钝性创伤中凝血病的复杂性,我们假设存在不同的亚组,在这些亚组中高FFP输注具有不同的有效性。本研究旨在评估钝性创伤中高FFP输注的异质性治疗效应。我们预期,识别更有效的治疗靶点可以切实惠及临床实践并有助于改善患者结局。
方法
研究设计与设置
本研究是对日本创伤数据库(JTDB)的回顾性分析,该数据库是一个全国性多中心前瞻性创伤登记系统。该数据库收集日本200多家参与医院的创伤入院数据,每年编制一次。JTDB的详细信息见附录1及其他文献[5, 14]。所有损伤严重度评分(ISS)至少为9的创伤患者均须由参与医院登记。
研究参与者
从2019年至2023年间在JTDB登记的所有创伤病例中,我们纳入遭受严重损伤(ISS ≥ 16)且需要输血的成人钝性创伤患者,与此前研究结果一致[5]。ISS的说明以及排除标准的数据见附录2和3。
测量指标、暴露因素与结局
我们从数据库中收集了eAppendix 4中所示的数据。我们根据入院后24小时内新鲜冰冻血浆(FFP)与红细胞(RBC)比值,将感兴趣的干预定义为高FFP输注(FFP与RBC比值>1),将对照定义为低FFP输注(FFP与RBC比值≤1)。主要结局为全因院内死亡。在我们的数据集中,死亡率无缺失值(eTable 1)。参照既往使用因果森林进行异质性治疗效应分析的研究[13],我们采用非参数单一插补方法(missForest)处理协变量缺失。[15] 缺失值采用随机森林方法进行插补,详见eAppendix 4和eTable 1。日本的血液输注制品见eAppendix 5说明[15]。
统计方法
分析概念模型见图1。首先,研究人群被分为推导队列(2019年至2021年的患者),用于开发因果森林模型并识别亚组;以及验证队列(2022年至2023年的患者),用于确认治疗效应的验证。推导队列和验证队列中的患者特征均按高FFP组和低FFP组进行总结。连续变量以中位数及四分位距(IQR)报告,分类变量以计数和百分比报告。
为评估高FFP组的异质性治疗效应,我们对推导队列应用了基于机器学习的因果森林模型。该模型估计条件平均治疗效应(CATE),并在高维环境中检测异质性。我们的模型采用诚实结构构建,即每棵树通过将训练数据拆分为两个不相交的子样本进行构建,一个用于学习树结构(分裂规则),第二个用于估计治疗效应[16]。我们共训练了5,000棵树,模型其他超参数使用grf包的默认值。异质性治疗效应及高获益治疗靶点的识别按既往描述进行评估[16, 17]。
因果森林模型共纳入18个协变量,包括年龄*、性别*、Charlson合并症指数(CCI)[18]*、抗血栓药物使用、损伤机制*、格拉斯哥昏迷量表(GCS)*、收缩压(SBP)*、心率(HR)*、呼吸频率(RR)*、体温(BT)*、乳酸水平(mmol/L)*、简明损伤定级(身体区域1[头部]、4[胸部]、5[腹部和盆腔内容物]及8[下肢和骨盆])、ISS*以及创伤与损伤严重度评分(TRISS)。模型训练采用哑变量设计矩阵。
开发因果森林模型后,对每例患者估计CATE,并用于将人群分层为五个等大小五分位组(Q1–Q5)。为评估因果森林模型的校准度,我们比较了基于CATE的五分位分层之间使用增强逆概率加权(AIPW)估计的组特异性平均治疗效应(ATE)[16]。模型校准度基于使用袋外预测的最佳线性预测器进行评估。系数越接近1被解释为校准度越好。
在推导队列中,我们描述性地比较了五个CATE五分位组之间的特征,以评估潜在的效应修饰因素[17]。然后,我们基于变量重要性 measures 和临床相关性,选择了最具影响力和临床合理性的变量作为异质性的最终决定因素。为了进一步探索异质性,我们通过将关键变量分为三分位数构建了3×3热图[16]。我们检查了九个亚组中每个亚组的平均CATE和基于逆概率治疗加权(IPTW)的风险差异,以确定治疗目标。上文用星号(*)标记的变量用于在按热图划分的亚组分析中估计倾向评分,以及在后续验证队列中用于IPTW分析时估计倾向评分。
为了评估所确定的治疗目标的普遍性,我们将相同的亚组定义标准应用于验证队列。使用基于倾向评分的IPTW加权的广义线性模型(恒等链接),将高FFP与RBC比值输血对院内死亡率的治疗效果估计为风险差异,并计算95%置信区间。通过在模型设计中指定医院标识符来考虑医院层面的聚类,并使用稳健(三明治)标准误来调整组内相关性。还计算了需要治疗人数(NNT)及其95%置信区间。最后,将高获益治疗目标中的治疗效果与整体队列中的治疗效果进行比较,以评估靶向输血策略的附加临床效用[19]。
p值<0.05被认为具有统计学意义。所有分析均使用R(版本4.3.3)进行。
敏感性分析
作为敏感性分析,我们检验了在不同条件下所确定的治疗目标中的治疗效果是否仍然稳健:我们在排除到达后120分钟内死亡的患者后,重新估计了治疗目标中高FFP与RBC比值输血的治疗效果。该分析旨在减轻生存偏倚的可能性,即存活时间更长的患者可能更有可能接受更大容量的FFP[5]。
我们在一个替代验证队列中重新评估了治疗效果,该队列由钝性创伤患者组成,这些患者在到达医院后2小时内接受了输血,未应用ISS≥16标准。该纳入标准旨在涵盖更广泛的需要输血的严重创伤患者,而不限于符合大量输血标准的患者。在实践中,在最初2小时内开始输血的患者通常反映了基于早期生理指标和创伤护理急性期医生判断对显著损伤严重程度的临床识别[20]。尽管ISS≥16通常用于定义严重创伤,但在到达时无法精确计算。[21, 22]因此,这个不受ISS限制的队列更好地捕捉了急性护理环境中输血开始的实际时机。
我们使用带有IPTW和医院水平聚类的Cox比例风险模型评估治疗效果。以从入院到死亡的时间作为结局,并针对总体验证队列和预先设定的治疗目标亚组估计风险比(HR)及其95%CI。此外,绘制Kaplan–Meier生存曲线以进行组间视觉比较。
结果
患者特征和治疗详情
研究流程图见图2。最终,在JTDB纳入的176,054例患者中,有来自205家医院的6,679例患者被纳入分析。
在推导队列中,2,111例(53.9%)接受了高剂量FFP输注。该队列包括2,550例男性(65.1%),中位年龄(四分位距[IQR])为66岁(45–78)。中位ISS为26(IQR,22–34)。高FFP组接受的中位FFP量为14单位(IQR,8–22),RBC为8单位(IQR,4–14),而低FFP组接受的FFP为6单位(IQR,4–10),RBC为8单位(IQR,4–14)。院内死亡总体为912例(23.3%),其中低FFP组死亡443例(24.5%),高FFP组死亡469例(22.2%)(eTable 2和3)。
在验证队列中,1,613例(58.4%)接受了高剂量FFP输注。该队列包括1,755例男性(63.6%),中位年龄66岁(45–79),中位ISS为26(22–34)。高FFP组接受的FFP为14单位(IQR,8–22),RBC为6单位(IQR,4–12),而低FFP组接受的FFP为6单位(IQR,4–10),RBC为8单位(IQR,4–14)。院内死亡总体为640例(23.2%),其中低FFP组死亡271例(23.6%),高FFP组死亡369例(22.9%)(eTable 4和5)。
在推导队列中开发因果森林模型
在推导队列中,我们的因果森林模型以院内死亡作为结局,估计每个个体的CATE。预测CATE的分布呈现双峰模式,如图3所示。由于结局为死亡,负的CATE值提示高FFP输注具有治疗获益。根据估计的CATE将患者按五分位数分层,并使用AIPW估计各组特异性ATE。结果校准良好,绘制于eFigure 1。
用于识别高获益治疗目标的变量选择
按CATE五分位分组的各组特征见表1。为了基于估计的CATE确定具有临床意义的治疗目标,我们首先检查了在最低CATE五分位组(Q1)中描述性过度表达的特征,该组代表估计治疗获益最高的组。确定了四个生理相关且临床可观察的变量作为潜在效应修饰因素——乳酸水平、GCS、SBP和BT。我们还评估了这些特征在因果森林模型中的变量重要性(eFigure 2)。综合考虑统计贡献和临床实用性,并在两位专家(GF和YO)讨论后,我们选择乳酸和GCS作为最终用于亚组分层的影响修饰因素。为确保稳健性,我们还使用在选择过程中被排除的SBP和BT作为潜在效应修饰因素进行了相同分析(eAppendix 6、eFigure 3和eTable 6)。虽然评估了多个纳入SBP或BT的候选亚组,但由乳酸和GCS定义的亚组始终显示出最大的估计治疗获益和临床可解释性。这些发现进一步支持了我们最终变量选择的适当性。
使用热图识别高获益治疗目标
为了探讨这两个选定变量与治疗效果异质性之间的交互作用,我们通过将GCS和乳酸水平分为三分位数构建了3×3热图。对所得九个亚组评估了组特异性ATE,表示为使用IPTW加权方法计算的估计风险差(图4)。作为参考,基于平均CATE值的相应热图见eFigure 4。基于热图,我们启发式地确定了一个候选治疗目标,其特征为处于最高乳酸三分位(T3)和最低或中间GCS三分位(T1和T2)的患者,即乳酸水平≥4.6 mmol/L且GCS评分≤13。虽然该亚组最初来源于热图上基于三分位数的切点,但我们通过近似常用临床阈值对其进一步细化[23]。进行此调整是为了增强临床可解释性和实践中的可用性。最终目标定义如下,该组的特征见eTable 7。
• 治疗目标:乳酸≥4.5 mmol/L且GCS≤12。
验证队列中各亚组的治疗效果
在总体验证队列中,接受高新鲜冰冻血浆(FFP)与红细胞(RBC)比值输血的患者与低比值输血相比,院内死亡率的估计风险差为–3.3%(95% CI:−7.0 至 0.3%),需治疗人数(NNT)为32.1(95% CI:14.6 至 244.2)。在高获益治疗目标(乳酸 ≥ 4.5 mmol/L 且 GCS ≤ 12)中,风险差为–13.3%(95% CI:−22.4 至 −4.2%),NNT为7.5(95% CI:4.5 至 23.8)。这些结果总结于表2,同时列出的还有三项敏感性分析的结果。在敏感性分析2中,使用入院2小时内输血的ISS无限制验证队列,共纳入1,804例患者,其中993例(55.0%)接受了高FFP输血。患者筛选流程图见eFigure 5。敏感性分析3的Kaplan–Meier生存曲线见eFigure 6。这些敏感性分析的结果与主要分析一致,支持预设治疗目标的稳健性。
讨论
关键观察
在这项针对需要输血的严重钝性创伤患者的多中心队列研究中,我们应用了基于机器学习的因果森林模型,观察到高FFP与RBC输血比值的异质性治疗效果。我们确定了一个治疗目标——定义为GCS ≤ 12且乳酸 ≥ 4.5 mmol/L——其死亡率降低幅度显著更大。这些发现表明,使用 readily available 的临床指标来定制输血策略可能改善结局。
优势与临床意义
本研究的一个关键优势是使用因果森林模型来探索超越基于平均值分析的治疗效果异质性。与传统的亚组方法不同,这种机器学习方法无需预定义分层即可识别患者水平的变异性,为个体化输血实践提供了新的见解。[13, 24]
重要的是,我们的模型将复杂输出转化为可操作的阈值——乳酸 ≥ 4.5 mmol/L和GCS ≤ 12——这些阈值 readily applicable 于临床环境。这使得靶向血浆复苏成为可能, potentially 改善结局并优化资源利用。
这些发现也为未来试验设计提供信息。研究或许不应纳入未经选择的创伤人群,而是通过靶向更可能从早期干预中获益的患者(例如具有早期低灌注或神经功能受损迹象者)可能更为有效。这种基于精准的策略 could 提高创伤复苏研究的效率和临床相关性。
我们研究的另一个优势是在日本进行的,该国对平衡输血的认知度一直较高。日本创伤指南推荐在大规模输血中FFP与RBC比值约为1:1,一项全国性研究报告称三级急诊医院中使用较高FFP与RBC比值的趋势随时间增加[25]。这一环境使我们能够在相对高FFP人群中研究治疗效果, providing 可能对国际创伤系统具有参考价值的见解。
解读
本研究中观察到的高新鲜冰冻血浆(FFP)输注获益可能由两个关键生理指标解释:乳酸水平升高和意识障碍。这两个指标反映了创伤诱导凝血病的不同机制,并有助于识别最可能从富血浆输注中获益的患者。
乳酸水平升高提示全身性低灌注和休克——这是通过内皮激活、炎症和糖萼降解触发凝血病的主要因素。[26–28] 这导致凝血功能受损和出血风险增加。血浆可能通过补充凝血因子和稳定内皮来对抗这一循环,恢复止血。[26, 28]
意识障碍可能反映创伤性脑损伤(TBI),该病症以组织因子释放和纤溶亢进为特征[9, 10, 29],这种早发性凝血病可能需要基于血浆的复苏。研究表明全血输注在TBI中获益有限[30],并提示富血浆策略可能比平衡输血方案更有效。[31, 32] 这一解释与PAMPer试验二次分析的结果一致,该分析中院前血浆给药与TBI患者生存改善相关——尤其是那些伴有严重神经功能损害(GCS < 8)或合并多发伤的患者[33]。这可能与早期纠正特定凝血缺陷的需求有关。
这些解释得到近期蛋白质组学证据的支持。在一项研究中,血浆输注对凝血和免疫相关蛋白的调节优于低滴度O型全血,尤其是在TBI或严重休克患者中。[34] 这些分子变化可能有助于解释在我们定义的以乳酸升高和意识障碍为特征的高获益治疗靶点中所观察到的结局改善。
总之,同时存在乳酸升高和意识障碍的患者可能代表一种凝血病快速进展且标准输血不足以应对的生理状态。在这种情况下,早期以血浆为重点的复苏可能更好地支持凝血和血管稳定性,改善结局。
局限性
本研究存在若干局限性。第一,由于这是一项基于登记数据的观察性分析,无法直接推断因果关系。尽管我们可以认为不太可能存在会实质性偏倚结果的强未测量混杂,但仍存在时间依赖性未测量混杂的潜在可能——例如,存活时间更长的患者可能有更大机会接受更多新鲜冰冻血浆(FFP)。为解决这一问题,我们使用时间上不同的队列进行了验证,并进行了多项敏感性分析,其结果与主要分析一致,支持了其稳健性。第二,我们纳入了损伤严重度评分(ISS)≥ 16的患者以及接受输血的患者,以聚焦于具有临床显著创伤的人群。ISS经过验证,但到达时不可获得,限制了实时使用。在现实环境中,输血的启动在很大程度上基于医师判断,并参考损伤机制、生命体征和其他早期严重程度指标。为部分解决这一局限性,我们使用以到达后2小时内启动输血定义的ISS不受限队列进行了敏感性分析。该方法可能更好地反映急诊救治中实际的分诊决策。第三,由于本研究使用的是日本全国性创伤登记数据,研究结果对其他国家和医疗系统的可推广性仍不确定。特别是,日本创伤流行病学的特征是患者人群明显更老龄,反映了该国人口老龄化的高度进展。这一模式受国家层面人口趋势以及若干损伤相关因素的影响,包括暴力相关创伤发生率低以及摩托车骑手头盔使用依从率极高,后者减少了年轻人群中的高能量颅脑损伤。虽然这种年龄分布偏老可能限制我们的研究结果在创伤人群更年轻地区的适用性,但全球人口老龄化趋势提示,我们的结果未来可能对其他国家的相关性日益增加。此外,输血实践的差异——例如日本血小板输注使用相对有限——也可能影响这些发现可外推至资源可获得性或临床方案不同环境的程度。最后,本研究使用的登记数据不包含凝血或纤溶标志物数据,如血栓弹力图或常规实验室凝血试验。纳入这些参数本可更深入理解创伤性凝血病的基础病理生理,并进一步阐明高FFP输注改善结局的机制。
结论
在需要输血的严重钝性创伤患者中,我们识别出高FFP与红细胞(RBC)比率输血存在异质性治疗效应。高获益治疗靶目标(格拉斯哥昏迷量表(GCS)≤ 12、乳酸 ≥ 4.5 mmol/L)显示出显著更大的生存获益。这些发现支持在创伤救治中实施由 readily available 生理指标指导的靶向输血策略的临床实用性,并应在随机对照试验中进一步评估。
补充信息
补充材料1
参考来源
- Fujiwara G, Inoue K, Ishii W, et al. Therapeutic target of high fresh frozen plasma to red blood cell ratio in severe blunt trauma. Crit Care. 2025. PMID: 41102718. doi:10.1186/s13054-025-05678-z
- 全文:PMC12532888(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC12532888/
供执业医师抢救与诊疗参考,不替代临床判断;剂量请结合体重、肝肾功能和本院药品规格复核,以指南原文为准。