文献速递创伤与烧伤心脑血管急症重症综合管理与镇静镇痛

凝血功能障碍对创伤性脑损伤患者CRASH评分预后的增量价值

Incremental Prognostic Value of Coagulopathy in Addition to the Crash Score in Traumatic Brain Injury Patients.
PubMed 文献 · Neurocrit Care · 2021-01-01
一句话结论在CRASH-CT评分基础上加入血小板计数、INR和aPTT比值可提高创伤性脑损伤14天死亡预测的区分度、校准度和临床实用性。

这项前瞻性队列研究纳入2012年3月至2015年1月单中心创伤ICU连续收治的517例创伤性脑损伤患者,评估在CRASH-CT评分基础上加入入院时血小板计数、INR和aPTT比值对14天死亡的增量预后价值。血小板计数<100,000/mm3、INR>1.2和aPTT比值>1.2在校正CRASH-CT评分后均保持统计学显著(OR分别为2.45、2.03和2.50)。新模型CRASH-CT-Coag的Brier评分优于原模型(0.122 vs 0.132,p=0.036),AUC-ROC更高(0.854 vs 0.813,p=0.014),IDI为5.0%,全局净正确重分类为22.9%。作者认为这些廉价且常规检测的凝血指标可提高CRASH-CT评分的准确性,但需外部验证。

要点

  • 在CRASH-CT评分基础上加入血小板计数<100,000/mm3、INR>1.2和aPTT比值>1.2三个二分类变量,14天死亡预测AUC-ROC从0.813升至0.854(p=0.014)。
  • 校正CRASH-CT评分后,血小板计数<100,000/mm3(OR 2.45,95%CI 1.14–5.25)、INR>1.2(OR 2.03,95%CI 1.05–3.94)、aPTT比值>1.2(OR 2.50,95%CI 1.41–4.48)均与14天死亡独立相关。
  • 队列中至少一项凝血指标异常者占70.6%,INR>1.2者占65.0%,aPTT比值>1.2者占27.2%,血小板计数<100,000/mm3者占11.3%。
  • CRASH-CT-Coag模型校准度更优(Brier评分0.122 vs 0.132,平均差0.010,95%CI 0.005–0.019,p=0.036),临床实用性NRI全局净正确重分类22.9%(95%CI 3.8–43.4%)。
  • 作者结论:加入凝血标志物提高了CRASH-CT评分的准确性,但需外部验证并进一步研究凝血功能障碍对TBI结局的作用。

适用人群与场景

  • 2012年3月至2015年1月单中心三级大学医院创伤ICU连续收治的创伤性脑损伤患者,共517例,中位年龄39岁(四分位27–52),85.1%为男性,入院GCS中位数8(6–13)。
  • 排除标准:年龄<14岁、穿透性TBI、从其他ICU转入、慢性硬膜下血肿。
  • 44.9%接受了神经外科手术,54.4%存在主要颅外损伤。

诊断标准与关键阈值

  • 凝血指标二分类阈值:血小板计数<100,000/mm3为低;INR>1.2为异常;aPTT比值>1.2为异常。
  • 风险分层:低风险<10%,中风险10–30%,高风险>30%(用于NRI计算的死亡风险分层,原文称该分层为经验性选择)。

研究设计与关键结果

  • 前瞻性队列研究,单中心,517例TBI患者,主要终点为14天死亡;观察到的14天死亡率为22.8%,CRASH-CT预测均值26.2%,CRASH-CT-Coag预测均值22.1%(±12.2)。
  • 校正CRASH-CT评分后,血小板计数<100,000/mm3的OR 2.45(95%CI 1.14–5.25,p=0.021),INR>1.2的OR 2.03(95%CI 1.05–3.94,p=0.036),aPTT比值>1.2的OR 2.50(95%CI 1.41–4.48,p=0.002)。
  • 校准度:CRASH-CT-Coag的Brier评分0.122±0.216 vs CRASH-CT的0.132±0.202,平均差0.010(95%CI 0.005–0.019,p=0.036);H-L检验两者均满意(χ2=12.8,p=0.118 vs χ2=11.0,p=0.201)。
  • 区分度:CRASH-CT-Coag的AUC-ROC 0.854±0.020 vs CRASH-CT的0.813±0.024(p=0.014);IDI 5.0%(95%CI 1.3–11.0%)。
  • 临床实用性:全局净正确重分类22.9%(95%CI 3.8–43.4%);幸存者向低风险层重分类NRI 8.5%(95%CI 0.3–26.9%),死亡者向高风险层重分类NRI 14.4%(95%CI 0.9–22.6%)。
  • CRASH-CT评分可计算者452例,其特征与全队列相似。

证据类型、等级与局限

  • 证据类型:前瞻性队列研究(单中心)。
  • 局限:未能对IMPACT扩展模型进行校正分析,因该模型包含的变量(如低氧和血糖)在本研究方案中未完全采集,且近半数样本入院时低氧和血糖数据缺失。
  • 局限:凝血功能障碍定义在文献中存在异质性,本研究采用的二分类阈值虽为标准临床实践阈值,但对连续变量进行二分类可能带来偏倚。
  • 局限:CRASH-CT-Coag模型的外部验证对其认可和临床应用至关重要。
  • 局限:原文报告需额外研究来外部验证该发现并进一步研究凝血功能障碍对TBI结局的作用。

对床旁实践的改变

  • 作者认为,将入院时血小板计数、INR和aPTT比值作为凝血功能障碍的早期标志物加入CRASH-CT评分,可提高14天死亡预测的准确性,表现为更好的区分度、校准度和临床实用性。
  • 作者指出这些参数廉价且通常在创伤和重症患者中常规检测,所用二分类阈值是国际标准化且临床实践中有充分依据的。
  • 作者结论强调需要额外研究来外部验证该发现并进一步研究凝血功能障碍对TBI结局的作用,原文未据此给出具体临床推荐。

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」「指南或共识出处」,故未列出这些栏目。
全文中译6 节 · 点击展开
本译文由 AI 依据开放获取原文逐段翻译,供学习参考,可能存在误差,请以原文为准。原文 © 原作者(PMC Open Access),按 CC BY 许可使用,本译文为翻译改编。出处:Neurocrit Care. 2020 May 22;34(1):130–8. doi: 10.1007/s12028-020-00991-7

引言

多变量预后评分不仅是治疗管理和临床决策的关键,也是可靠地向患者及家属告知病情、指导试验设计以及通过比较观察结局与预期结局来评估医疗质量基准的关键[1]。显著颅脑损伤后皮质类固醇随机化(CRASH)评分是创伤性脑损伤(TBI)的主要经验证预后模型之一[2, 3]。这些及其他TBI预后评分对凝血功能障碍标志物的评估不足,而凝血功能障碍标志物已被认为与创伤和重症监护患者的结局相关。

很少有研究评估凝血功能障碍标志物对TBI结局的作用,且大多数研究未进行针对已验证预后评分的校正分析[4, 5]。仅有一项研究正式评估了凝血功能障碍在完善的预后评分之外的增量预后价值[6]。的确,凝血功能障碍通过增加模型的受试者工作特征曲线下面积(AUC-ROC)改善了模型的区分能力;然而,新模型的校准度和临床实用性(净重分类指数,NRI)未得到充分评估。

在此,我们旨在验证常规入院凝血功能障碍参数(血小板计数、凝血酶原时间和活化部分凝血活酶时间)在CRASH评分之外的增量预后价值(区分度、校准度和临床实用性),以预测TBI患者的14天死亡结局。

材料与方法

这是一项前瞻性队列研究,连续纳入2012年3月至2015年1月期间入住某三级大学医院(圣保罗大学医学院附属医院——HC/FMUSP)创伤重症监护病房(ICU)的TBI患者。排除14岁以下患者、穿透性TBI受害者或从其他ICU转入的患者。慢性硬膜下血肿亦被排除。

记录临床、实验室和影像学数据,以及主要结局即14天死亡。临床预测变量按照脑创伤基金会的建议并与CRASH研究方案类似进行定义,包括颅外重大损伤和头部计算机断层扫描(CT)改变的定义[2, 7]。影像学(头部计算机断层扫描)由对临床数据设盲的神经外科医生审阅。实验室变量于入院时登记,即先于主要结局。缺失数据百分比为:入院时瞳孔反应性5.8%;入院时格拉斯哥昏迷量表(GCS)5.0%;入院时颅外病灶1.2%;年龄1.2%。由于原始CRASH-CT评分对每位患者的精确风险概率对本研究目的和分析至关重要,我们决定不进行多重插补,而进行完整病例分析。

研究方案经当地伦理委员会批准(研究项目分析委员会——CAPPesq,HC/FMUSP,方案编号00119/10)。

统计分析

分类变量以绝对频率和相对频率描述,并酌情通过χ2检验或Fisher精确检验进行比较。连续变量分布通过偏度和峰度值以及图形方法进行评估。正态分布者以均数和标准差描述,并通过独立样本Student T检验进行比较。非正态分布者以中位数和四分位数描述,并通过Mann–Whitney检验进行比较。

通过logistic回归分析评估凝血参数作为14天死亡预测因子的性能,并对原始CRASH-CT评分进行调整。出于临床实用性考虑,血小板计数、凝血酶原时间(国际标准化比值,INR)和活化部分凝血活酶时间(aPTT,比值)作为二分类变量纳入:血小板计数< 100,000/mm3视为低;INR > 1.2视为异常;aPTT比值> 1.2视为异常。仅将CRASH-CT评分计算数据完整的病例纳入相应模型。近一半队列的院前低氧或入院血糖数据缺失,因此我们无法进行对扩展IMPACT模型调整的相同分析。

在上述logistic回归调整后创建了一个新模型CRASH-CT-Coag,因此纳入了原始CRASH-CT评分、血小板计数、INR和aPTT比值。后述协变量即凝血参数作为二分类变量(异常或正常)纳入。将CRASH-CT-Coag的准确性与原始CRASH-CT评分进行比较。校准通过Hosmer–Lemeshow拟合优度检验(比较每个风险十分位中的预测和观察死亡概率)以及Brier评分(预测死亡概率与观察结局之间均方偏差的度量)进行评估。区分度通过各自的受试者工作特征曲线下面积(AUC-ROC)进行评估,并通过DeLong方法进行比较,以及通过综合判别改善指数(IDI)(幸存者与死亡受试者之间预测死亡概率差异的度量)进行评估。新预后模型的临床效用通过净重分类指数(NRI)进行评估。NRI计算假设以下死亡风险分层:低(< 10%)、中(10–30%)和高(> 30%)风险。该死亡风险分层的决定是经验性的,但探索了其他分层方案并通常得出相似结论。采用Bootstrap抽样(1000个样本)计算点估计值、标准误和置信区间(CI)。统计分析流程图见图1。

所有检验均为双侧检验,最终p值< 0.05被认为具有统计学显著性。分析使用以下软件:R(R Core Team. R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria)、SPSS(IBM Corp. SPSS Statistics para Windows, versão 24.0. Armonk, NY)和MedCalc Statistical Software(MedCalc Software bvba, versão 15.2.0.0. Ostend, Belgium)。本研究报告遵循个体预后或诊断多变量预测模型的透明报告(TRIPOD)声明。

图1 统计分析流程图 查看原图 ↗

结果

共纳入517例患者,中位年龄39(四分位数27–52)岁,男性占85.1%。三种最常见的创伤机制为高处坠落(30.1%)、自身高度跌倒(26.1%)和摩托车事故(19.5%)。入院时GCS中位数为8(6–13),瞳孔反应单侧消失/迟钝占12.9%,双侧占5.9%。54.4%存在严重颅外损伤,44.9%的患者接受了神经外科手术。这些数据及头部CT表现总结于表1。原始CRASH-CT评分预测的14天平均死亡概率为26.2%,SAPS3评分预测的院内死亡概率为26.4%。实际观察到的14天死亡率和院内死亡率分别为22.8%和30.9%。452例患者可获得CRASH-CT评分,其临床特征与全队列相似。

血小板减少、INR > 1.2和aPTT > 1.2分别占11.3%、65.0%和27.2%。至少一项上述参数异常者占70.6%。凝血参数的单因素分析见表2。血小板计数、凝血酶原时间和aPTT水平与14天结局相关。在进展至死亡的亚组中,血小板计数更低,血小板减少(< 100,000/mm3)更常见。同样,该亚组的INR和aPTT更高,异常(> 1.2)更常见。这些结果在可获得CRASH-CT评分的亚组中同样成立(数据未展示)。

三个关注的凝血参数以二分类变量(正常或异常)纳入多因素logistic回归分析。血小板计数低于100,000/mm3(OR 2.45,95% CI 1.14–5.25,p = 0.021)、INR高于1.2(OR 2.03,95% CI 1.05–3.94,p = 0.036)和aPTT比值高于1.2(OR 2.50,95% CI 1.41–4.48,p = 0.002)在针对CRASH-CT评分校正后仍保持统计学显著性。多因素模型的更多细节见表3。

如方法部分所述,创建了新模型CRASH-CT-Coag,并在校准度、区分度和临床效用方面与原始CRASH-CT模型进行比较。CRASH-CT-Coag预测的14天平均死亡概率为22.1%(± 12.2)。通过Brier评分评估校准度,CRASH-CT-Coag评分优于CRASH-CT评分(分别为0.122 ± 0.216 vs 0.132 ± 0.202,平均差异0.010,95%CI 0.005–0.019,p = 0.036)。这表明新模型使预测死亡概率与实际结局之间的总体差异更小(图2,面板A)。两种评分在H–L检验中均显示满意结果(分别为x2 = 12.8,p = 0.118和x2 = 11.0,p = 0.201)(图2,面板C和D)。

CRASH-CT-Coag评分还具有更好的区分度。新模型的AUC-ROC为0.854 ± 0.020,原始模型为0.813 ± 0.024(p = 0.014)(图2,面板B)。此外,CRASH-CT-Coag模型对存活者和未存活者预测死亡概率的平均风险差异更高(29.4%,95% CI 21.1–39.0 vs 24.4%,95% CI 16.3–33.2,p < 0.001)。这意味着IDI为5.0%(95% CI 1.3–11.0%),即存活者与死亡者之间预测死亡概率的额外差异(图2,面板A)。

考虑死亡风险低(< 10%)、中(10–30%)和高(> 30%)的分层,与原始CRASH-CT相比,CRASH-CT-Coag模型将产生22.9%(95% CI 3.8–43.4%)的全局净正确重分类(表4)。在存活者中,向较低风险分层的NRI为8.5%(95% CI 0.3–26.9%)。在死亡者中,向较高风险分层的NRI为14.4%(95% CI 0.9–22.6%)。换言之,无论结局如何,CRASH-CT-Coag评分均表现更佳。在图3中,新模型预测的死亡概率与原始CRASH-CT模型预测的概率进行了对照绘制。新预测死亡概率分层在红色区域较高,在白色区域相同,在绿色区域较低。因此,理想情况是死亡受试者位于红色区域,存活者位于绿色区域。图3中视觉上显示的四个可辨别组反映了所评估模型之间的差异,这归因于三个二分类变量(血小板计数正常或异常、INR和aPTT比值,其OR相似,约为2–2.5)。

表5中提供了病例示例,以说明调整后的模型如何影响预测结局概率。

表1 研究样本特征 查看原表 ↗
表2 凝血参数 查看原表 ↗
表3 用于14天死亡预测的多变量逻辑回归模型 查看原表 ↗
图2 面板A:根据各模型观察到的结局和预测死亡概率。CRASH-CT-Coag评分在校准方面优于CRASH-CT评分(Brier评分0.122 ± 0.216 vs 0.132 ± 0.202,平均差异0.010,95% CI 0.005–0.019,p = 0.036)。这表明新模型使预测死亡概率与观察结局之间的总体差异更小。此外,CRASH-CT-Coag模型在存活者和未存活者中预测死亡概率的平均风险差异更高(29.4%,95% CI 21.1–39.0 vs 24.4%,95% CI 16.3–33.2,p < 0.001)。这意味着综合判别改善(IDI)为5.0%(95% CI 1.3–11.0%),即存活者与死亡受试者之间预测死亡概率的额外差异;面板B:受试者工作特征(ROC)曲线分析。CRASH-CT-Coag评分也具有更好的判别能力。新模型的AUC-ROC为0.854 ± 0.020,原始模型为0.813 ± 0.024(p = 0.014);面板C和D:按估计风险十分位数分组的观察和预测死亡概率。两种评分在H–L检验中均显示满意结果(分别为x2 = 12.8,p = 0.118和x2 = 11.0,p = 0.201) 查看原图 ↗
表4 根据各模型和结局的分层预测死亡概率 查看原表 ↗
图3 根据风险分层和14天结局的原始模型和新模型预测死亡概率。新预测死亡概率分层在红色区域较高,在白色区域相同,在绿色区域较低。视觉上可见的四个可辨别组反映了所评估模型之间的差异,这归因于三个二分类变量(血小板计数正常或异常、INR和aPTT比值,其比值比相似,约为2–2.5) 查看原图 ↗
表5 病例示例、各模型预测死亡概率及观察结局 查看原表 ↗

讨论

凝血功能障碍在创伤性脑损伤(TBI)后常见,其报告发病率可能从10%到90%以上不等,取决于定义,目前尚无共识[8, 9]。该障碍可在TBI后数分钟至数小时内开始,尽管大多数在最初24小时内发生,但可在伤后长达第五天出现,并在30%的病例中持续超过72小时[10]。它似乎与损伤的严重程度相关,而非其位置[11, 12]。然而,凝血功能障碍本身对TBI后死亡率具有独立影响[10, 12, 13]。因此,凝血功能障碍标志物将改善现有TBI评分的假设是合理的。

我们已经表明,凝血功能障碍标志物可能提高CRASH-CT评分的预后准确性,尽管该评分在我们人群中表现相当好。每个改变的参数,血小板计数、INR或aPTT比值,使死亡 odds 增加一倍以上。使用了不同的方法来评估准确性的所有组成部分,并在显示新模型在区分度、校准和临床效用方面的优越性上保持一致。所分析的参数价格低廉,通常在创伤和重症监护患者中常规测量。此外,用于二分类(改变或正常)的截断值是国际标准化的,并基于临床实践充分成立——而非为了最大化统计显著性的人工截断值。据我们所知,这是对常规凝血功能障碍标志物用于TBI预后评估的最全面评价之一。Yuan等[14]也已证明,将凝血试验结果(INR和aPTT)加入一个新开发的多变量模型(包括年龄、神经系统检查、影像学和血糖)可提高其预测能力,但他们未将其与先前验证的评分(如CRASH或IMPACT模型)进行比较。

一些重症监护评分确实将其中一些凝血功能障碍指标作为风险标志物或更差结局预测因子纳入。此外,尽管原始CRASH评分未评估实验室变量,但创伤性脑损伤临床试验预后和分析国际任务(IMPACT)原始研究分析——另一种充分成立的TBI预后工具——在血小板和INR作为结局预测因子方面具有显著性[15]。最终,血小板和INR未纳入最终IMPACT评分,因为这些指标分别在总研究样本中不足20%和10%的病例中可获得。aPTT值在IMPACT研究中未进行分析。

上述内容涉及我们研究中需要注意的第一个局限性。IMPACT扩展模型包含本研究方案未完全涵盖的变量,且近半数样本入院时缺氧和血糖数据不可用。因此,我们无法进行类似的分析并对IMPACT扩展模型进行调整。然而,IMPACT模型是基于高收入国家患者开发的,而CRASH数据主要收集自中低收入国家。已有研究表明,IMPACT模型可能不太适合CRASH数据[16]。尽管我们仅分析了早期14天的生命状态,但这是一个可靠的结果指标,且不受康复能力不足的影响,而康复能力不足在中收入国家仍是一个问题,并影响长期临床结果。另一个限制是文献中关于凝血病定义的异质性。例如,凝血病发生率的差异被归因于研究设计的不同、损伤类型的多样性、凝血参数检测时间点的不同以及缺乏普遍认可的凝血病定义[8, 9]。正如我们所述,所选择的血小板计数、INR和aPTT比值的截断值是临床实践中的标准和常用值,但我们认识到对连续变量进行任何二分分类都可能带来一定偏倚并可能受到批评。TBI的动态特性在此问题上带来了额外挑战。最后,尽管凝血病的增量预后价值在不同分析方法中保持一致,但对该预后模型扩展建议的外部验证对于其认可和临床应用至关重要。用于评估凝血系统的额外检测——酶促过程、纤维蛋白溶解和血小板功能——正变得越来越广泛可用(如纤维蛋白原和血栓弹力图),这些检测可能在凝血病管理和预后评估中获得进一步的重要意义。

未来不久,一些值得关注的研究可能为更新CRASH和IMPACT模型带来机会,包括欧洲创伤性脑损伤神经创伤有效性协作研究(CENTER-TBI)、创伤性脑损伤转化研究与临床知识(TRACK-TBI)数据集以及欧洲重症医学急性创伤性脑损伤协作研究(CREACTIVE)[17–19]。

结论

将血小板计数、INR和aPTT作为凝血病的早期标志物加入CRASH-CT评分,提高了其准确性,具有更好的区分度、校准度和临床实用性。需要进一步研究以外部验证这一发现,并进一步探讨其对TBI管理的影响。此外,这一结果强调了进一步研究凝血病对TBI结局作用的必要性。

参考来源

  1. Solla DJF, de Amorim RLO, Kolias AG, et al. Incremental Prognostic Value of Coagulopathy in Addition to the Crash Score in Traumatic Brain Injury Patients. Neurocrit Care. 2021. PMID: 32445108. doi:10.1007/s12028-020-00991-7
  2. 全文:PMC7940299(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC7940299/

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。