Nomogram模型在国内静脉血栓栓塞症中的应用研究进展

项晓婷,张 会

1.安徽医科大学护理学院,安徽 230601;2.安徽医科大学第一附属医院;3.安徽省公共卫生临床中心

静脉血栓栓塞症(VTE)是指血液在静脉中的不正常凝结,使静脉管腔阻塞,导致静脉回流障碍,包括肺栓塞(PT)和深静脉血栓栓塞(DVT),是继脑卒中和心肌梗死后第三大常见的心脑血管疾病[1-2]。血栓形成后极少数能自行消融,大多数会逐渐演变为血栓形成后遗症,已经极大地威胁到病人的生命健康[3]。此类疾病重在预防,所以有效的、方便临床使用的风险评估工具显得尤为重要。本研究旨在对Nomogram模型在VTE中的应用研究进展进行综述。

1 Nomogram模型概述

预测模型是指使用历史数据建立模型,将最新数据作为输入值,得到将来的变化趋势或对应值的范围。近年来,预测模型在肿瘤预后、转移预测领域较为成熟。在肿瘤学研究中,关于复发、转移的预测比较多,比较成熟,其中比较常见的预测模型是Nomogram模型。Nomogram模型也称为列线图,是基于多因素分析绘制而成,通过综合多个预测因子,对某个结局事件的发生概率进行预测,其预测方法是将列线图前端的分数线上的不同预测因子的对应值做成垂直线,而后将各预测因子的得分进行汇总,最后将总分与底部的预测线对应得到预测风险值。最终,预测模型以图形形式显示。Nomogram模型将复杂的回归方程绘制为可直接评分的图形,医务人员可以简单地根据图形计算疾病发生概率,判断病人的预后[4]。该模型目前已广泛用于多种肿瘤疾病[5-7]。在VTE风险评估领域,大多数评估工具是评分模型,以风险分层的形式粗略地确定病人VTE的发生概率。VTE的多发性促进了风险预测模型在临床的应用与完善,与临床传统的血栓风险评分工具相比,Nomogram模型目前在国内外被学者广泛关注,主要应用于骨科手术、肿瘤、急危重症等易并发VTE人群的风险评估。随着医务人员对Nomogram模型的深入了解,通过分析病人不同预后的独立危险因素,得到个体化发生未知临床事件的概率,Nomogram模型极大地满足了医务人员对预测模型的需要和对个体化医疗的追求,这种界面友好的模型可为临床医务人员作出决策。

2 Nomogram模型在国内VTE中的应用

2.1 Nomogram模型与其他VTE风险评估模型的比较

目前,临床使用的量表主要有Caprini血栓风险评估量表(Caprini RAM)、Padua风险评分、Autar血栓风险评估量表、Khorana评分等。国内有研究分析了列线图与其他模型的对比研究,Cheng等[8]在2022年用Nomogram模型验证前列腺切除术后病人发生VTE风险与Caprini RAM进行比较,结果显示Nomogram模型的预测能力优于Caprini RAM。郭一峰等[9]采用病例对照研究使用Caprini RAM预测全膝关节置换术病人VTE发生风险得到模型受试者工作特征(ROC)曲线下面积(AUC)术前为0.663,术后为0.680。沈瑞[10]在全膝关节置换病人血栓风险Nomogram模型研究中得出模型AUC为0.757,对比发现Nomogram模型显示较好的预测效能。Wang等[11]采用Caprini RAM、Autar评分、Padua评分、Khorana评分对实体瘤病人发生VTE的风险进行评估,4种风险评估模型在实体瘤病人VTE风险预测中均提示有一定的预测价值,但每个模型也有其局限性,如不能同时实现特异性与敏感性均高。综上所述,Nomogram模型与各种风险评估模型比较具有较好的预测效能,相同情况下,Nomogram模型更加直观、方便以及个体化。

2.2 Nomogram模型在急危重症病人并发VTE中的应用

陈颖等[12]构建并评价了Nomogram模型,验证住院危重症病人VTE风险预测中的有效性,研究纳入了420例重症医学科病人作为研究对象,其中300例作为建模组,120例作为验证组,结果发现建模组和验证组风险预测模型的AUC均达到了0.9以上,同时结果也表现出很高的灵敏度和特异度,提示列线图预测效能良好。Shen等[13]进一步利用重症监护医学信息市场Ⅲ数据库来构建危重症病人并发VTE的Nomogram模型,经过内部验证,模型的曲线下校正面积高于0.8,与陈颖等[12]研究结果一致。危重症病人作为VTE发生的高危人群,Nomogram模型可以在早期有效地实现个体化评估,为提供精准的血栓预防干预措施提供可靠的依据。

2.3 Nomogram模型在肿瘤并发VTE病人中的应用

李静[14]通过Meta分析最终获得乳腺癌病人中VTE发生的8个危险因素,包括年龄、住院时长、体质指数、心血管合并症数量、新辅助化疗、手术方式、同型半胱氨酸、D-二聚体,得到Nomogram模型建模组内部验证,AUC为0.854,验证组内部验证AUC为0.805;梁惠霞等[15]探讨了子宫肌瘤病人并发DVT的危险因素并构建了列线图结果得出模型验证结果,显示一致性指数为0.853,内部验证AUC为0.832,模型及其验证结果呈现高度一致性。Nomogram模型在肿瘤并发VTE病人的应用中同样有很好的使用价值。

2.4 Nomogram模型在创伤及围术期病人中的应用

Nomogram模型在创伤及围术期并发DVT的人群中应用最为广泛。朱晓光等[16]回顾性收集了半年的多发伤病人临床资料,回归分析筛选5个危险因素并构建Nomogram模型,模型AUC提示该模型具有良好的预测准确性,对模型进行重复抽样验证,得到校准曲线,也显示与参考线有良好的拟合度,表明该模型预测多发伤病人VTE发生情况与研究人群实际VTE发生情况具有良好的一致性。Cheng等[17]从骨科手术部位感染数据库获得常规临床数据,构建和验证用于预测孤立性跟骨骨折病人术前DVT风险的Nomogram模型,结果显示其AUC在建模集中为0.870,在验证集中为0.905。经内部验证,校正后的C指数为0.846。校准曲线和决策曲线分析在训练集和验证集中都表现良好,更加验证了其准确性和临床实用性。王干梅等[18]探讨妇科腹腔镜术后并发DVT的危险因素并构建了Nomogram模型,该模型预测妇科腹腔镜术后DVT发生的AUC为0.859,灵敏度为85%,特异度为79%,其良好的预测效能也为未来临床设计个体化干预方案提供了有力的参考。刘苗苗等[19]在构建妇科腹腔镜术后DVT列线图后采用随机对照试验研究方法纳入了100例拟行妇科腹腔镜手术的病人,随机分为干预组50例和对照组50例,对照组术后实施常规护理,干预组在对照组基础上实施基于DVT风险Nomogram模型的护理方案,比较干预前、干预后第3天、第5天两组病人血浆D-二聚体水平和术后第3天、第5天DVT发生率,基于Nomogram模型的护理干预后,干预组术后第3天、第5天血浆D-二聚体含量均低于对照组;术后第5天,干预组DVT发生率为2%,远低于对照组的14%,提示基于Nomogram模型的护理干预措施可以有效降低妇科腹腔镜术后DVT发生率。李荣会等[20]也采用随机对照试验将剖宫产分娩的产妇作为研究对象,随机分为对照组和干预组,对照组行常规护理,干预组在此基础上实施护理干预,而干预措施则来自发生风险Nomogram模型中的各预测因素,比较两组DVT发生情况以及护理满意度,结果干预组DVT发生率低于对照组,护理满意度高于对照组,表明基于发生风险Nomogram模型的护理干预,可以降低剖宫产产妇DVT的发生率,并且能够获得产妇认可。综上所述,Nomogram模型在围术期的应用已从构建模型转变为基于模型制定个体化的护理干预方案,并且效果良好。

2.5 Nomogram模型在老年病人VTE研究中的应用

部分学者将Nomogram模型应用于老年病人中,Zhang等[21]回顾性分析了老年髋部骨折病人的入院数据,建立了DVT的Nomogram模型,结果显示C指数为0.808,实际概率与预测概率高度一致,表明在并发DVT的老年髋部骨折人群中应用具有较高的预测价值。胡钢等[22]分析了老年髋部骨折病人DVT形成风险的独立危险因素,构建了预测老年髋部骨折病人DVT形成风险的Nomogram模型,得出糖尿病、卧床时间、D-二聚体是老年髋部骨折病人DVT形成的独立危险因素,这与Zhang等[21]的研究结果呈现部分一致,以此构建的Nomogram模型ROC曲线图显示该评估模型AUC为0.920,具有良好的诊断性能及准确度。李海燕等[23]为了解老年病人院内发生VTE的危险因素,按1∶2配比选取病人进行病历回顾,并进行Nomogram模型的构建,通过外部验证,结果显示该模型可以对中老年病人院内发生VTE起到一定的辅助预测作用。老年病人因其身体机能的衰退容易出现血管内皮损伤,血液更易凝固,更易形成血栓,加之出现骨折等相关情况,使得血栓发生风险更高。精准的Nomogram模型可以实现精准的早期预测,对于老年病人来说,早期的风险预测对治疗、护理以及预后都起到举足轻重的作用。

3 Nomogram模型在VTE应用中的优势及不足

3.1 优势

Nomogram模型是一种可视化模型,根据多因素分析结果,将具体指标图形化、可视化和量化,相较于传统的模型,该模型的应用价值更高[24-28]。也有学者针对Nomogram模型预测恶性肿瘤病人PICC导管相关血栓风险,结果显示效果良好,可为临床导管相关血栓的风险评估提供参考[29-30]。结合以上人群的血栓风险预测结果分析发现,Nomogram模型在各类人群中基本展现较高的预测效能,这对有效识别高风险人群,制订个体化的干预策略具有指导意义。国内的研究已将 Nomogram模型应用于临床多科室、多类型病人研究,与其他模型相比,亦表现出高敏感性[12-13],其自身也在不断地完善,以适用于更广泛的病人。由于其可视化、量化的特点,不仅可用于医务人员进行风险预测,还可以用于病人本人,如延续护理方面,实现不间断的动态评估,为动态调整干预策略提供快速、准确的参考。

3.2 不足

Nomogram模型在临床应用不断扩大,但仍有许多需要改进的地方。首先,Nomogram在模型构建上有一定的局限性,嵌入的变量存在一定的主观性,嵌入变量的过程中可能会缺少一些相关变量。另外,Nomogram模型的研究数据具有多样性,一部分来源于研究者工作场所收集的数据,另一部分则来自一些公共数据库[13,17]。目前,越来越多模型的建立是基于公共数据库,而各种公共数据库中的数据收集标准并不相同,如研究对象的遗传背景、居住地区以及医疗卫生水平不同,往往导致模型验证效果不理想。另外,并不是纳入模型的变量越多,模型的预测准确性越高,在变量评定存在差异的情况下,模型的预测准确性与变量的数量成反比[31]。其次,Nomogram模型的应用也存在一定的不足,在建模中预测效果好的模型在临床实用性方面可能未必好。因此,模型的实际使用性能需要拿到临床中进行外部验证。另外,部分模型基于不适合于较低医疗水平的医院或临床上难以接受通常检查的项目的预测因子而构建的,因为在较低医疗水平的医院中,可能无法提供检测这些变量的设备或专家。因此,为了克服Nomogram模型的局限性,研究者在研究设计过程中应保证其严谨性,同时构建模型使用的数据应统一收集标准。

4 展望

Nomogram模型的应用能否在临床实践中为病人带来益处,有待进一步验证。如果模型内置的预测指标不同,则预测指标本身的测量精度直接影响预测的精度。随着对各种人群血栓发生风险研究的深入,一些新的相关变量正在逐步更新。因此,用于预测血栓风险的Nomogram模型也需要更新,以获得更准确的预测效果。综上所述,Nomogram模型在血栓风险预测、评估中的应用越来越广泛,对病人和医务人员都有重要价值,有望成为临床诊疗中的重要组成部分。但在临床应用前,必须对其预测能力、适用性和局限性等进行严格的评估和验证,才能对临床结局作出正确的预测。