颅脑外伤患者发生外伤后急性弥漫性脑肿胀的危险因素及其列线图预测模型构建

孙夕峰，唐勇，樊永忠，严朝俊

颅脑外伤（traumatic brain injury，TBI）主要因外界暴力（如交通事故伤）直接或间接作用于头部所致。近年来，TBI发生率呈逐年上升趋势［1］。外伤后急性弥漫性脑肿胀（post-traumatic acute diffuse brain swelling，PADBS）常发生于TBI后，主要表现为不同程度的意识障碍、昏迷等［2］，其常发生于TBI后4～14 h，部分患者发生于TBI后0.5 h内［3］。PADBS呈恶性进展，恶化速度较快，处理十分棘手，常导致TBI患者预后不良，死亡风险增加［4］。因此，明确PADBS的危险因素并有针对性地干预或能为临床救治争取更多时间。目前，国内外有关TBI后发生PADBS的研究集中在发病机制分析［5］、治疗方案制定［6］等方面，缺乏相关危险因素探讨及预测模型构建。基于此，本研究旨在探究TBI患者发生PADBS的危险因素，并拟构建其列线图预测模型，以辅助临床高效、精准地筛选PADBS高危患者。

1 对象与方法

1.1 研究对象 选取2019年4月至2021年10月丹阳市人民医院收治的TBI患者245例，均经颅脑计算机断层扫描等影像学检查确诊。其中男106例，女139例；年龄21～65岁，平均年龄（37.6±5.2）岁；外伤原因：交通事故222例，坠落20例，打击3例。根据TBI后是否发生PADBS将患者分成PADBS组（n=69）与无PADBS组（n=176）。

1.2 纳入与排除标准 纳入标准：（1）TBI后4 h内入院；（2）年龄≥18周岁。排除标准：（1）合并重要脏器功能不全；（2）入院24 h内死亡；（3）合并恶性肿瘤；（4）合并精神疾病。本研究获得丹阳市人民医院伦理委员会审核批准。

1.3 资料收集 收集所有患者的临床资料，包括年龄、性别、着力部位、TBI至治疗时间、入院时瞳孔情况、有无误吸、有无低血压、有无糖尿病史、有无高血压史、颅脑CT血肿厚度、有无脑疝、有无多发伤、有无颅底骨折、有无原发性脑干损伤及格拉斯哥昏迷量表（Glasgow Coma Scale，GCS）评分。

1.4 统计学方法 应用SPSS 23.0统计学软件进行数据处理。计数资料以相对数表示，组间比较采用χ2检验；采用多因素Logistic回归分析探讨TBI患者发生PADBS的影响因素，并将危险因素引入R 3.6.3软件及rms程序包，以构建TBI患者发生PADBS的列线图预测模型；绘制ROC曲线以评估该列线图预测模型对TBI患者发生PADBS的区分度；绘制校准曲线及进行Hosmer-Lemeshow拟合优度检验以评估该列线图预测模型预测TBI患者发生PADBS的准确性。以P＜0.05为差异有统计学意义。

2 结果

2.1 PADBS组和无PADBS组患者临床资料比较PADBS组和无PADBS组患者性别、着力部位、入院时瞳孔情况、有糖尿病史者占比、有高血压史者占比、颅底骨折发生率比较，差异无统计学意义（P＞0.05）；PADBS组和无PADBS组患者年龄、TBI至治疗时间、误吸发生率、低血压发生率、颅脑CT血肿厚度、脑疝发生率、多发伤发生率、原发性脑干损伤发生率及GCS评分比较，差异有统计学意义（P＜0.05），见表1。

表1 PADBS组和无PADBS组患者临床资料比较〔n（%）〕Table 1 Comparison of clinical data between PADBS group and non-PADBS group

2.2 TBI患者发生PADBS影响因素的多因素Logistic回归分析 将年龄（赋值：≤30岁=0，＞30岁=1）、TBI至治疗时间（赋值：≤3 h=0，＞3 h=1）、误吸（赋值：无=0，有=1）、低血压（赋值：无=0，有=1）、颅脑CT血肿厚度（赋值：≤ 10 mm=0，＞10 mm=1）、脑疝（赋值：无=0，有=1）、多发伤（赋值：无=0，有=1）、原发性脑干损伤（赋值：无=0，有=1）、GCS评分（赋值：＞8分=0，≤8分=1）作为自变量，将TBI患者是否发生PADBS（赋值：未发生=0，发生=1）作为因变量，进行多因素Logistic回归分析，结果显示，TBI至治疗时间＞3 h、误吸、原发性脑干损伤、GCS评分≤8分是TBI患者发生PADBS的危险因素（P＜0.05），见表2。

表2 TBI患者发生PADBS影响因素的多因素Logistic回归分析Table 2 Multivariate Logistic regression analysis of influencing factors of PADBS in patients with TBI

2.3 TBI患者发生PADBS的列线图预测模型构建及验证 以TBI患者发生PADBS的危险因素为指标，在列线图在线网站（http：//111.229.212.9：3838/inomogram/）绘制TBI患者发生PADBS的列线图预测模型，见图1。ROC曲线分析结果显示，该列线图预测模型预测TBI患者发生PADBS的曲线下面积为0.831〔95%CI（0.765，0.897）〕，见图2；该列线图模型预测TBI患者发生PADBS的校准曲线与实际曲线基本吻合，见图3；Hosmer-Lemeshow拟合优度检验结果显示，该列线图预测模型的拟合效果良好（χ2=6.272，P=0.180）。

图1 TBI患者发生PADBS的列线图预测模型Figure 1 Nomogram prediction model of PADBS in patients with TBI

图2 列线图预测模型预测TBI患者发生PADBS的ROC曲线Figure 2 ROC curve of PADBS in patients with TBI predicted by nomogram prediction model

图3 列线图预测模型预测TBI患者发生PADBS的校准曲线Figure 3 Calibration curve of nomogram prediction model in predicting PADBS in patients with TBI

3 讨论

TBI是急诊科常见的中枢神经系统损伤［7］。PADBS指TBI后脑组织广泛肿大，行CT检查可见单侧/双侧大脑半球肿胀［8-9］，其病因、发病机制尚未明确，但其起病迅猛，是TBI患者的严重并发症［10］。TBI后发生PADBS将促进患者病情恶化，加剧脑组织损伤程度，进而增加临床治疗难度。多项研究指出，PADBS是影响TBI患者预后不良的危险因素［11-12］。因此，明确TBI后发生PADBS的危险因素非常必要。列线图模型具有简洁、可视等多重优势，能综合回归模型的多项危险因素，进而个性化预测某一问题/事件的发生风险［13-14］。既往有学者将列线图模型用于预测重度脑外伤患者脑积水发生风险［15］、未溶栓治疗的出血转化和脑梗死再发风险［16］、脑梗死静脉溶栓后颅内出血发生风险［17］等方面，均显示出较好的预测效能。

本研究基于TBI患者发生PADBS的危险因素构建列线图预测模型，具体如下：（1）TBI至治疗时间＞3 h是TBI患者发生PADBS的危险因素，在列线图预测模型中的评分为62.70分，分析其原因可能如下：TBI至治疗时间长提示患者颅内压长时间处于异常状态，因未经恰当的医疗救治则可能发生一系列并发症（如低血压脑休克），进而增加PADBS发生风险。因此，一旦发生TBI，则建议尽快将患者送至医院进行救治。（2）误吸是TBI患者发生PADBS的危险因素，在列线图预测模型中的评分为62.30分，分析其原因可能如下：TBI患者发生误吸后食物残渣等胃内容物被吸至呼吸道，这必然阻塞支气管，引发肺不张；吸入胃酸的主要成分氯化氢后会造成蛋白质过量渗出，动脉血氧分压异常改变；误吸还使肺表面活性物质遭到破坏，导致肺损伤，上述情况均可造成或加剧呼吸障碍，进而增加患者PADBS发生风险。因此，需重视TBI患者的气道管理，确保其气道通畅。（3）原发性脑干损伤是TBI患者发生PADBS的危险因素，在列线图预测模型中的评分为100.00分，分析其原因可能如下：脑干（又被称为“生命中枢”）能维系机体各项生理活动，如呼吸、循环等［18］，一旦脑干受损则脑血管收缩功能异常，通透性改变，对应中枢无法有效调节血流动力学，进而导致PADBS。吴思荣等［18］研究指出，大脑血管紧张性调节中枢广泛存在于下丘脑、中脑和延髓，其结构和功能破坏是PADBS形成的基础。因此，如TBI患者存在原发性脑干损伤，则建议及时予以妥善干预（如纠正呼吸系统紊乱），以尽可能减轻脑干损伤程度。（4）GCS评分≤8分是TBI患者发生PADBS的危险因素，在列线图预测模型中的评分为64.60分。BRENNAN等［19］研究表明，GCS评分是TBI患者严重程度的关键性指标，GCS评分低表明TBI患者整体状况欠佳，需警惕其发生PADBS。

本研究进一步对构建的列线图预测模型进行验证，结果显示，该列线图预测模型预测TBI患者发生PADBS的曲线下面积为0.831〔95%CI（0.765，0.897）〕，该列线图预测模型预测TBI患者发生PADBS的校准曲线与实际曲线基本吻合，Hosmer-Lemeshow拟合优度检验结果显示，该列线图拟合效果良好，表明基于上述危险因素构建的TBI患者发生PADBS的列线图预测模型具有良好的区分度及准确性。但本研究未对构建的列线图预测模型进行外部验证，使其外推性受限。

综上所述，TBI至治疗时间＞3 h、误吸、原发性脑干损伤、GCS评分≤8分是TBI患者发生PADBS的危险因素，基于上述危险因素构建的TBI患者发生PADBS的列线图预测模型具有良好的区分度及准确性。

作者贡献：孙夕峰进行文章的构思与设计，研究的实施与可行性分析，结果分析与解释，负责撰写、修订论文，负责文章的质量控制及审校，对文章整体负责、监督管理；唐勇、樊永忠、严朝俊进行数据收集、整理、分析。

本文无利益冲突。