qPadua 量表对急诊观察室高危病人深静脉血栓形成的预测价值

曹 云，孙鸿翔，何 斌，郝卫文

南京医科大学附属第一医院，江苏210029

静脉血栓栓塞症（venous thromboembolism，VTE）包括深静脉血栓（deep vein thrombosis，DVT）和肺栓塞（pulmonary embolism，PE），是住院病人常见的并发症，且有较高的死亡率[1]。有文献指出，因急性疾病住院的病人VTE 风险增加了10 倍以上，对病人的生活产生了巨大的影响[2‐4]。美国胸科医师学院（American College of Chest Physicians，ACCP）第9 版抗栓指南及我国《内科住院病人静脉血栓栓塞症预防中国专家建议（2015）》推荐采用Padua 评分对内科住院病人进行DVT 风险评估[5‐6]。DVT 的发生率差异较大，为5%～63%，这取决于病人的危险因素、预测方法和干预方式[7‐8]。近年来，多项研究指出应用Padua 量表联合D‐二聚体检测作为预测肿瘤病人、急性缺血性脑卒中病人发生DVT 的工具[9‐10]，但国内外关于急诊观察室Padua 量表应用的报道鲜少。为更加准确、便捷地预测急诊观察室病人DVT 的发生，本研究提出quick Padua(qPadua)量表，并前瞻性研究分析Padua 评分、qPadua 评分以及Padua 评分联合D‐二聚体检测对急诊观察室DVT 高危病人DVT 的预测效果。

1 对象与方法

1.1 研究对象 选取南京医科大学附属第一医院急诊观察室2019 年1 月—2020 年3 月急诊观察室DVT高危病人145 例。纳入标准：①年龄≥18 岁；②留观时间3～30 d；③具有四肢肿胀或胀痛、Homans 征阳性（患肢伸直、足被动背屈时引起小腿后侧肌群疼痛）、Neuhof 征阳性（压迫小腿后侧肌群引起局部疼痛）3 种症状之一。排除标准：①入观察室时已确诊VTE 病人；②Padua 评分为0 分的病人；③服用抗凝药物的病人；④妊娠或产褥期病人；⑤深静脉置管病人；⑥临床资料不全的病人。DVT 诊断标准：采用彩色多普勒超声检查，并参照中华医学会外科学分会血管外科学组DVT 形成诊断指南（第2 版）[11]。

1.2 方法

1.2.1 研究工具 ①人口学资料基线调查表，包括姓名、年龄、性别、就诊卡号、诊断、查尔森合并症指数、出入观察室时间、DVT 发生的时间和部位。②Padua 量表：量表包含肿瘤、制动、创伤、高龄等11 个危险因素，每个危险因素评分1～3 分，分值越高，表示越容易形成DVT[12]，具体见表1。③qPadua 量表：量表是在Padua 量表的基础上结合血栓形成机制、临床经验和DVT 影响因素分析相关文献[13‐14]涉及的4 项，即制动、创伤或手术、高龄、急性感染性疾病或者风湿活动，这4 项均是二分类变量，量表评分1～3 分，见表2。④血清D‐二聚体检测：入观察室24 h内采集静脉血标本3 mL[15]，立即送实验室离心后检测，使用日本SYSMEXCA‐7000全自动血凝仪测定血D‐二聚体浓度水平，所有操作严格按照标准流程执行。

表1 Padua 评分标准

表2 qPadua 评分标准

1.2.2 资料收集方法 科室成立专项小组，严格按照纳入及排除标准筛选病人，由接受培训的一名主管护师和主治医生使用Padua量表和qPadua量表对入组病人在入观察室24 h内进行评分，记录病人一般资料、D‐二聚体检测值及彩色多普勒超声检查结果，数据统一汇总，并由专人对数据进行复核。

1.2.3 统计学方法 利用EpiData 3.0 软件双人录入数据，采用SPSS 25.0 软件进行统计分析，一般资料用描述性统计，计数资料以百分率表示，采用χ2检验分析，计量资料以均数±标准差（x±s）表示，采用t 检验。绘制受试者工作特征受试者工作特征曲线（ROC），选取约登指数最大时的最佳临界值，计算灵敏度、特异度、ROC 曲线下面积(AUC)。采用Medcalc 软件比较ROC 曲线下面积。

2 结果

2.1 两组病人临床资料比较 本研究共纳入病人145例，年龄（67.58±17.76）岁，其中发生DVT病人59例，未发生DVT 病人86 例，两组性别、年龄、留观天数、查尔森合并症指数比较差异均无统计学意义（P＞0.05）。见表3。

表3 两组病人临床资料比较

2.2 不同方式预测效果比较

2.2.1 ROC 曲线下面积比较 以Padua 量表、qPadua量表评估病人风险得分以及Padua 量表联合D‐二聚体检测为检验变量，DVT 发生情况为状态变量，绘制ROC 曲线，见图1。Padua 量表的ROC 曲线下面积为0.709[95%CI(0.625,0.794)],qPadua 量表的ROC 曲线下面积为0.811[95%CI(0.739,0.883)],Padua量表联合D‐二聚体检测的ROC 曲线下面积为0.749[95%CI(0.669,0.828)]。采用Medcalc 软件对3种预测方式ROC 曲线下面积进行比较，结果见表4。

图1 3 种方式对急诊观察室DVT 高危病人DVT 预 测 的ROC 曲 线

表4 3 种方式ROC 曲线下面积比较

2.2.2 最佳临界值 Padua 量表预测急诊观察室病人DVT 最佳临界值为5 分，约登指数达到最高水平为0.283，其对应的灵敏度为67.8%，特异度为60.5%，阳性预测值为54.05%，阴性预测值为73.24%。qPadua量表的最佳临界值为5 分，约登指数达最高水平为0.466，其对应的灵敏度为55.9%，特异度为90.7%，阳性预测值为80.5%，阴性预测值为75.00%。Padua 评分联合D‐二聚体检测的诊断灵敏度为55.9%,特异度为83.7%，约登指数为0.396，阳性预测值为70.21%，阴性预测值为73.47%。

3 讨论

3.1 Padua 量表对急诊观察室DVT 高危病人DVT的预测效果 本研究结果显示，Padua 量表最佳临界值为5 分时，约登指数最大，与曹闻亚等[9,16]的研究结果一致，也符合美国胸科医师协会对内科病人的抗栓指南（第9 版）的建议（Padua 评分≥4 分的病人，要采取有效预防DVT 措施）。此外，本研究结果显示，Padua量表的ROC 曲线下面积为0.709，低于曹闻亚等[9]的研究结果，且针对急诊观察室病人这一人群，其灵敏度及特异度不高，提示Padua 量表对急诊观察室病人DVT发生的预测能力不理想，分析原因可能与急诊观察室收治的病人不完全是内科病人、病种混杂有关，且收治的脑卒中病人的Rankin 评分多数在1～3 分，Rankin 评分≤3 分，提示病人可以下床活动。另外，Padua 量表中的肿瘤、心功能衰竭或呼吸衰竭条目内容和取分是否叠加需要进一步明确。

3.2 Padua 评分联合D‐二聚体检测对急诊观察室病人DVT 的预测效果 本研究结果显示，两种方法联合预测的结果优于单独使用Padua 评分，ROC 曲线下面积为0.749，明显高于Padua 评分（P=0.006 9）。两种方法联合使用的灵敏度为55.9%，特异度为83.7%，相比单独使用Padua 评分有所提高，但低于陈辉等[17]的研究结果。陈辉等[17]研究指出，在老年髋关节置换术后病人使用Padua 评分联合D‐二聚体检测的曲线下面积为0.944[95%CI(0.910,0.971)]。分析原因可能与急诊观察室病人病种多，而外伤或手术病人体内凝血与抗凝动态平衡紊乱、D‐二聚体明显升高、凝血功能亢进有关。

3.3 qPadua 量表对急诊观察室病人DVT 的预测效果 本研究结果显示，qPadua 评分对预测急诊观察室病人DVT 发生效果明显优于Padua 评分及Padua 评分联合D‐二聚体检测，特异度高，但灵敏度不高，容易漏诊。qPadua 评分中的项目符合DVT 的三要素[18]。王晓盈等[19]指出，卧床时间越长，发生血栓的风险越高，Tachino 等[20]也报道创伤及炎症可引起高凝状态，从而引起血栓形成；同时，Padua 评分中的抗凝血酶缺陷症、蛋白C 或S 缺陷、Leiden Ⅴ因子变异、凝血酶G20210A 变异以及体质指数≥30 kg/m2在我国人群中发生率低[21]；另外，心功能衰竭和呼吸衰竭以及正在进行激素治疗条目不是很明确，所以将卧床、创伤、高龄、急性感染性疾病或者风湿活动归纳为最终的qPadua量表的条目。由原来的11 项Padua 评分优化成4 项qPadua 评分，预警急诊观察室病人DVT 发生，结果显示比Padua 评分及Padua 评分联合D‐二聚体预测更加有效。

4 小结

综上所述，3 种预测方式都对急诊观察室病人有一定的预测效果，qPadua 评分比其他两种方式预测能力更佳，有助于临床护理人员早期识别急诊观察室DVT 高危病人，及时采取预防护理措施，且实际使用简单易行，但本研究为小样本、单中心研究，可能存在选择偏倚，下一步应进行大样本、多中心的研究来进一步验证。