主动脉夹层患者院内死亡的Bayes判别分析研究

张炜宗，马翔，袁红*，孙金栋，胡海强，史明娟，於华敏，何海英，叶利

本研究价值：

目前国内外对于主动脉夹层患者院内死亡风险的预测模型较少，本文通过Bayes判别方程的方法初步建立预测模型，对指导临床工作和提高患者预后具有重要作用。本文选取的指标简单易获得，且患者样本量大，并在建立方程的过程中采取随机分组自身验证的方法，进一步提高了方程的准确性。

本研究不足：

存活组和死亡组之间人数差异较大，可能会影响分析结果。缺少长期预后信息，因此得出的Bayes判别方程对患者长期预后的预测能力有待考察。

主动脉夹层（AD）是指主动脉腔内血液从主动脉内膜撕裂口进入主动脉中膜，并沿主动脉长轴方向扩展，造成主动脉分离为真假两腔的一种病理改变［1］。AD年发病率为29/100万～35/100万，且近年来有明显的上升趋势［1-2］。AD的临床特点为急性起病，突发剧烈疼痛、休克、脏器缺血等临床症状，是心血管疾病的灾难性急危重症，若不及时治疗，48 h内病死率可高达50%［3］。但目前对于AD患者院内死亡风险的评估多数依赖临床医师的经验判断、各项辅助检查结果的判读、多学科综合分析等，存在一定的主观性。因此，本研究对553例AD患者的临床资料进行回顾性分析，分析AD患者院内死亡的相关差异指标，以期建立一种快速简便的方程来预测AD患者院内死亡的可能性，为临床制定有效的治疗方案提供参考。

1 资料与方法

1.1 纳入与排除标准 纳入标准：（1）临床确诊为AD的患者（主要依据临床症状、临床体征、超声心动图、多层螺旋CT血管成像）；（2）病历资料完整者。排除标准：（1）主动脉溃疡、主动脉壁间血肿、主动脉不典型夹层者；（2）因各种原因无法完成多层螺旋CT血管成像者。

1.2 一般资料 采用统一标准收集2010年1月—2015年12月在余杭区第一人民医院（228例）、新疆医科大学第一附属医院（325例）就诊的553例AD患者的临床资料（一般情况、基础体征、检查指标）。

一般情况包括性别、年龄、民族、发病时间、DeBakey分型、入院后手术情况、吸烟史（即入院前半年连续吸烟超过1个月）；基础体征包括收缩压、舒张压；临床指标包括白细胞计数（WBC）、中性粒细胞计数（NE）、嗜酸粒细胞计数（EA）、嗜碱粒细胞计数（BA）、中性粒细胞百分数（NE%）、淋巴细胞百分数（LY%）、嗜酸粒细胞百分数（EA%）、嗜碱粒细胞百分数（BA%）、血小板计数（PLT）、血小板压积（PCT）、尿素氮、肌酐、估算肾小球滤过率（eGFR）、尿酸、随机血糖、糖化血清蛋白、总胆红素、直接胆红素、间接胆红素、总蛋白、球蛋白、国际标准化比率（INR）、纤维蛋白原。

患者一般情况通过询问患者或亲属获得；发病时间定义为首次出现症状（如胸痛）至到医院就诊的时间，通过询问患者或患者亲属获得；eGFR的计算采用2013年肾脏疾病改善全球预后组织（KDIGO）推荐的CKDEPI2009公式［4］，公式中包含了年龄、性别、肌酐；所有实验室指标为患者首次医疗接触所采集的指标。

1.3 方法 本研究为回顾性病例对照研究，回顾性分析患者的临床资料。首先，将全部患者根据院内是否存活分为存活组（n=470）和死亡组（n=83），通过单因素分析筛选差异变量。再由计算机软件随机挑选患者作为样本集，选取变量引入Bayes判别分析中，建立Bayes判别方程（变量选择根据单因素分析结果和既往文献报道）。最后，利用剩余患者作为检验集，将其资料代入已建立的Bayes判别方程验证其准确性。

在院内确诊为AD的患者，由于各种原因出院、转诊等情况视为院内存活。

1.4 统计学方法 采用SPSS 22.0统计学软件进行统计描述与推断。连续性变量先进行Kolmogorov-Smirnov正态性检验，符合正态分布的计量资料以（±s）表示，两组间比较采用两独立样本t检验；不符合正态分布的计量资料以M（P25，P75）表示，两组间比较采用非参数检验；计数资料以相对数表示，组间比较采用χ2检验；等级资料比较采用秩和检验。双侧检验水准α=0.05。

2 结果

2.1 患者一般情况 AD患者平均年龄（51.5±12.3）岁；男女比例为3.89∶1；院内病死率为15.0%（83/553）；存活组男女比例为4.16∶1，死亡组男女比例为2.77∶1。

2.2 死亡组与存活组临床资料比较 两组患者发病时间、DeBakey分型、入院后手术情况、吸烟史、收缩压、舒 张 压、WBC、NE、EA、BA、NE%、LY%、EA%、BA%、PLT、PCT、尿素氮、肌酐、eGFR、尿酸、随机血糖、糖化血清蛋白、总胆红素、直接胆红素、间接胆红素、总蛋白、球蛋白、INR、纤维蛋白原比较，差异有统计学意义（P＜0.05）。两组患者性别、年龄、民族比较，差异无统计学意义（P＞0.05，见表1）。

2.3 预测模型的建立 采用SPSS 22.0统计学软件随机选择AD患者作为样本集（n=291），其中存活组245例，死亡组46例。选取变量〔变量选择根据单因素分析结果和既往文献报道结果［5-6］，包括发病时间（赋值：≤ 24 h=1，2～7 d=2，8～30 d=3，＞30 d=4）、DeBakey分型（赋值：Ⅰ型=1，Ⅱ型=2，Ⅲ型=3）、尿素氮（赋值：实测值）、随机血糖（赋值：实测值）、糖化血清蛋白（赋值：实测值）、间接胆红素（赋值：实测值）、INR（赋值：实测值）、纤维蛋白原（赋值：实测值）〕引入Bayes判别分析中，建立Bayes判别方程。采用“进入法”纳入变量，其中进入F值=3.84，移除F值=2.71，得到最终纳入方程的变量为：发病时间（a1）、DeBakey分型（a2）、尿素氮（a3）、随机血糖（a4）、糖化血清蛋白（a5）、间接胆红素（a6）、INR（a7）、纤维蛋白原（a8），分类函数系数见表2。得到Bayes判别方程：Q1=1.174×a1+6.813×a2+0.323×a3+0.213×a4+10.522×a5+0.171×a6+25.656×a7+1.014×a8-39.843；Q2=-13.336×a1+27.131×a2-1.928×a 3-5.030×a 4+35.574×a 5-0.658×a6+287.333×a7-3.509×a8-1 707.601。即将患者上述参数（a1～a8）分别代入方程 Q1、Q2，当Q1＞Q2时，认为该患者应归为存活组，提示该患者病情相对较轻，预后可能较好；当Q1＜Q2时，认为该患者应归为死亡组，提示该患者病情相对较重，预后可能较差。典则判别函数图见图1。

将样本集患者数据回代入已建立的Bayes判别方程进行自身检验，得到符合率为98.63%，误判率为1.37%（P=0.001）。利用剩余未被选择的患者作为检验集（n=262，其中存活组225例，死亡组37例），将检验集患者数据回代入已建立的Bayes判别方程，得到符合率为98.85%，误判率为1.15%（P=0.003）；将全部患者数据代入已建立的Bayes判别方程进行检验，得到符合率为98.73%，误判率为1.27%（P＜0.001，见表3）。

3 讨论

表2 样本集分类函数系数Table 2 Classification function coefficients of the sample set

表3 Bayes判别方程检验结果Table 3 Test results of Bayes formulas

图1 典则判别函数图Figure 1 Bayes discriminant function graph

在我国，随着高血压、创伤等AD危险因素的增多、人口老龄化进程的加剧、临床检查手段的不断改进，AD发病率逐年升高［2］。AD是心血管系统的急危重症之一，具有发病急、症状多样、病死率高等特点。若不采取治疗，48 h内病死率高达50%［3］，但即使采取了药物或手术治疗，AD患者的院内病死率仍高达9.2%～17.7%［2，5-6］。因此，临床中需要一种简单快捷、可靠易获取的预测工具，帮助医生早期识别院内死亡的高危患者。

表1 存活组与死亡组患者临床资料比较Table 1 Comparison of clinical data between survival group and death group

目前，部分AD患者院内死亡的危险因素多有报道，包括年龄、性别、高血压史、急性肾损伤、主动脉直径、真假腔血栓化等［5-10］。但是，这些结果的获得高度依赖CT设备和医师经验，存在一定的主观性和人为误差，未能使结论量化。同时，关于AD患者院内死亡危险因素的研究结论多不一致，且并未尝试建立评分体系，建立预测方程的相关研究更少。

本文通过初步单因素分析筛选及结合既往文献报道［5-6］，同时为了达到最高的符合率和较低的误判率，最终选取了发病时间、DeBakey分型、尿素氮、随机血糖、糖化血清蛋白、间接胆红素、INR、纤维蛋白原8个差异变量尝试建立Bayes判别方程。发病时间和DeBakey分型是AD患者重要的临床特征。发病时间的长短显著影响AD患者的病死率，自然病程中，未经治疗的AD患者自发病起每小时病死率约1%，3 d后病死率可达50%［11］。根据主动脉夹层国际注册研究（IRAD）报道，Type A型AD（即DeBakeyⅠ型和Ⅱ型）患者的院内病死率（34.9%）显著高于Type B型AD（即DeBakeyⅢ型）患者（14.9%）［12］。国内一项纳入了1 812例AD患者的大型研究也得出了类似的结果，Type A型AD患者（34.2%）显著高于Type B型AD患者（6.7%）［2］。尿素氮可以在一定程度上反应患者的肾功能情况，当AD患者主动脉内膜撕裂范围延伸至肾动脉，则可影响肾脏供血，导致急性肾损伤，从而引起尿素氮升高，相关研究也证实急性肾损伤可增加AD患者院内病死率，降低其30 d存活率，延长其住院天数［8，13-14］。INR、纤维蛋白原在一定程度上反映了凝血功能及纤溶系统功能情况，有研究认为AD患者在病程中凝血功能会出现较大变化，从而影响患者的治疗和院内结局［15-17］。上述8个变量分别反映了AD患者的临床分型、发病缓急、肝肾功能、凝血功能、应激状态等方面的情况，具有较好的代表性和全面性。

为了建立准确可靠的判别方程，本研究采用计算机软件随机将患者分为样本集和检验集。利用样本集建立Bayes判别方程，然后将样本集数据回代入已建立的Bayes判别方程进行自身验证。由于自身检验法常低估误判率，从而夸大判别效果，因此进一步采用检验集数据对Bayes判别方程进行前瞻性误判概率的估计，这样得到的误判率较为客观。最后，将全部患者数据代入Bayes判别方程得到总体的符合率和误判率。最终，上述3种情况得到的符合率和误判率结果相近，且均有统计学差异，故认为建立的Bayes判别方程较准确可靠。

由于本研究中部分患者短时间内死亡，未能全部检测D-二聚体［18］、C反应蛋白［19］这些已证实的危险因素，导致数据缺失较多。由于存活组和死亡组患者例数相差较大，所得判别方程可能尚不具广泛代表性。由于所得判别方程较复杂使得临床易用性较差，后期可整合入医院电子病历系统或手机软件，自动抓取相关数据计算结果，以期提高易用性。最后，有待更大样本量的进一步研究和验证，以期更好、更全面地建立判别方程。

综上所述，经实践检验证明Bayes判别方程在临床应用上具有一定的可靠性，可以为AD患者院内死亡的预测提供一定的参考。发病时间、DeBakey分型、尿素氮、随机血糖、糖化血清蛋白、间接胆红素、INR、纤维蛋白原可作为预测AD患者院内死亡的重要参数，临床可加强对AD患者上述指标的监测，以期早期发现高危患者，提高患者生存率，改善其预后。

作者贡献：张炜宗、马翔进行文章的构思与设计；袁红、孙金栋负责研究的实施与可行性分析；张炜宗负责数据收集与整理、统计学处理、结果分析与解释，撰写及修订论文；胡海强、史明娟、於华敏、何海英、叶利负责文章的质量控制及审校；张炜宗、马翔、袁红对文章整体负责。

本文无利益冲突。