Helsinki CT 评分和CONUT 评分预测重度颅脑损伤患者28 d预后情况的价值

张军 张红伟 朱艺 范承启 韩瑞璋

目前全球范围内每年发生颅脑损伤（traumatic brain injury，TBI）例数近5 000 万，其中重度颅脑损伤（severe traumatic brain injury，sTBI）约占TBI 患者总数的23%，其预后不良率达53%[1-2]。有研究表明，基于影像学特征建立的CT 评分不受外界因素影响，能够客观评估TBI 严重程度及预后[3]。较其他CT 评分，赫尔辛基（Helsinki）CT 评分更侧重统计TBI 类型，纳入分析的头颅影像学特征更为全面、详细，且操作简单，易获取。Thelin 等[4]研究显示，Helsinki CT 评分是影响TBI患者预后的独立预测因素，用于判断患者预后的能力优于Marshall 评分、Rotterdam 评分。但国内外此类研究较少，其结论的可靠性尚需验证。控制营养状况（controlling nutritional status，CONUT）评分是一种基于白蛋白、TC、淋巴细胞计数3 项指标构成的营养评分系统，有研究发现，早期营养状况也是影响TBI 患者预后的重要因素[5]，但CONUT 评分与TBI 关系的研究鲜有报道。鉴于此，本研究回顾sTBI 患者的临床资料，同时计算Helsinki CT 评分、CONUT 评分，并通过倾向性评分匹配（propensity score matching，PSM），分析Helsinki CT评分、CONUT 评分以及两种评分联合使用与sTBI 患者28 d预后的相关性，旨在为改善sTBI预后提供参考。

1 对象和方法

1.1 对象选取2018 年1 月1 日 至2021 年12 月31 日中国人民解放军陆军第七十二集团军医院收治的sTBI 患者196 例，其中男123 例，女73 例，年龄39～73（52.97±7.66）岁；合并多发伤56 例，糖尿病32 例，高血压50 例，肺部疾病19 例，低氧血症41 例，低血压37例；受伤至入院时间1～9（4.63±1.83）h。纳入标准：（1）有明确颅脑外伤史，头颅CT 检查异常；（2）年龄≥18 岁；（3）受伤至入院时间≤12 h；（4）入院格拉斯哥昏迷评分（Glasgow coma scale，GCS）≤8 分。排除标准：（1）既往患有脑部疾病；（2）合并严重的肝、肾等重要器官疾病；（3）基线资料缺失。本研究经本院医学伦理委员会审查通过（批准文号：2022020）。

1.2 方法

1.2.1 资料收集 收集患者入院基线资料，主要包括性别、年龄、受伤至入院时间、有无多发伤、有无基础疾病（糖尿病、高血压、肺部疾病）、有无低氧血症、有无低血压、GCS 评分、CT 检查结果以及血乳酸、D-二聚体、白蛋白、TC、淋巴细胞计数检测水平。根据患者28 d 预后情况分为死亡组和存活组。

1.2.2 Helsinki CT 评分 采用2014 年Raj 等[6]制定的Helsinki CT 评分系统对患者头颅CT 检查结果进行评分。评分标准如下：硬膜下血肿（2 分）、颅内血肿（2分）、硬膜外血肿（-3 分）、出血体积超过25 cm3（2 分）、脑室出血（3 分）、鞍上池正常/受压/消失（0、1、5 分），总分-3～14 分。由2 位中级职称及以上的放射科医师独立计算，当分数不一致时，由第3 位副主任医师指导并协商确定。

1.2.3 CONUT 评分 该评分系统由血清白蛋白、TC、淋巴细胞计数3项指标组成[7]。评分标准为：血清白蛋白≥35.0、30.0～34.9、25.0～29.9、＜25 g/L 分别记0、2、4、6分；TC＞1 800、1 400～1 800、1 000～1 390、＜1 000 mg/L分别记0、1、2、3 分。淋巴细胞计数＞1 600、1 200～1 599、800～1 199、＜800 个/mL 分别记0、1、2、3 分。总分0～12 分，评分越高，提示患者营养状态越差。

1.2.4 PSM 采用SPSS 26.0 统计软件中的PSM 扩展程序实现，采用1∶1 匹配法，以纳入单因素分析的指标作为协变量，卡钳值取0.02，如果有多个个体在卡钳值0.02 范围内，则采用随机抽样法，选取一个样本作为匹配，基于PSM 原则，本研究共计匹配成功48 对。

1.3 统计学处理 采用SPSS 26.0 统计软件。正态分布的计量资料以表示，组间比较采用两独立样本t检验；非正态分布的计量资料以M（P25，P75）表示，组间比较采用非参数检验；计数资料以例（%）表示，组间比较采用χ2检验。采用多因素logistic 回归分析影响sTBI患者预后的危险因素。利用MedCalc 软件绘制ROC 曲线，基于logistic 回归分析建立回归方程，采用Z检验比较两种评分单独及联合使用预测sTBI 患者预后不良的AUC。P＜0.05 为差异有统计学意义。

2 结果

2.1 PSM 前两组患者基线资料比较 死亡68 例，存活128 例。PSM 前，死亡组年龄、乳酸水平高于存活组，GCS 评分低于存活组，合并多发伤、蛛网膜下腔出血、糖尿病的比例高于存活组，差异均有统计学意义（均P＜0.05），其余指标两组间比较差异均无统计学意义（均P＞0.05），见表1。

表1 PSM 前两组患者基线资料比较

2.2 PSM 后两组患者基线资料比较 经1∶1 PSM 后，两组患者共48 对匹配成功。两组患者基线资料比较差异均无统计学意义（均P＞0.05），见表2。

表2 PSM 后两组患者基线资料比较

2.3 影响sTBI 患者预后的危险因素分析 经PSM 后，死亡组患者Helsinki CT 评分为7.00（6.00，8.00）分，CONUT 评分为5.00（4.00，6.00）分，均明显高于存活组的5.00（4.00，6.00）分、4.00（3.00，5.00）分，差异均有统计学意义（Z=1.837、1.633，均P＜0.05）。多因素logistic回归分析显示，Helsinki CT评分升高（OR=1.930，95%CI：1.355～2.750，P＜0.01）和CONUT 评分升高（OR=1.781，95%CI：1.287～2.464，P＜0.01）是影响sTBI 患者预后的独立危险因素。设X1=Helsinki CT 评分，X2=CONUT评分，计算两种评分联合使用回归方程：Y=1/[1+EXP（0.658X1+0.577X2-6.595）]。

2.4 两种评分预测sTBI 患者预后不良的效能分析ROC 曲线分析显示，Helsinki CT 评分判断预后不良的AUC为0.735（95%CI：0.636～0.820），最佳截断值为7分，灵敏度、特异度分别为0.604、0.771，约登指数为0.375；CONUT 评分判断预后不良的AUC 为0.721（95%CI：0.621～0.808），最佳截断值为5 分，灵敏度、特异度分别为0.688、0.646，约登指数为0.333。两种评分联合使用判断预后不良的AUC 为0.814（0.721～0.886），最佳截断值为0.523，灵敏度、特异度均为0.750，约登指数为0.500。两种评分联合使用预测sTBI 患者预后不良的AUC 大于Helsinki CT 评分和CONUT 评分（Z=2.152、2.087，均P＜0.05），而Helsinki CT 评分与CONUT 评分比较差异无统计学意义（Z=0.190，P＞0.05）。见图1。

图1 Helsinki CT 评分、CONUT 评分及其联合使用判断预后不良的ROC 曲线

3 讨论

每年我国约60 万人发生TBI，病死率约为13/10万，造成的经济损失超过5 亿美元[8]。sTBI 患者病情危急、进展迅速，预后更差，病死率高达30%～50%。目前临床评估TBI 预后主要使用GCS 评分、颅内压监测等，但GCS 评分易受外界因素干扰；颅内压监测属于有创操作，易增加患者感染风险，且入院早期无法直接使用[9-10]。因此，寻找适合早期判断sTBI 患者预后不良的预测指标，对于改善患者临床结局至关重要。

有研究发现，头颅CT 影像学异常表现与TBI 发生呈正相关，其阳性预测率可达70%，且基于异常影像学特征建立的CT 评分与TBI 发生、脑组织损伤程度存在相关性[6]。对比GCS 评分，CT 评分不受患者镇静、插管等因素影响；对比颅内压监测，CT 评分属于无创评估，对患者无潜在危害。Helsinki CT 评分是基于Marshall CT 评分和Rotterdam CT 评分的进一步完善，更侧重观察TBI 类型，包括硬膜下/外血肿、脑内血肿、血肿体积、脑室内出血以及鞍上池状态。Raj 等[6]研究显示，Helsinki CT 评分预测TBI 患者6 个月预后的价值优于Marshall CT 评分和Rotterdam CT 评分。范国锋等[11]调查显示，Helsinki CT 评分纳入的6 项影像学特征均与TBI 患者6 个月病死率存在关联性，其中鞍上池消失与预后的关联性最强。本研究基于PSM 法，将年龄、蛛网膜下腔出血等可能影响预后的因素量化为倾向性评分，降低组间混杂偏倚和选择偏倚[12]，客观评价Helsinki CT 评分与sTBI 患者预后的关系。结果显示，死亡组患者Helsinki CT 评分明显高于存活组，Helsinki CT 评分是影响sTBI 患者预后的独立预测因素。ROC 曲线分析显示，Helsinki CT 评分判断预后不良的AUC 为0.735，最佳截断值为7 分，灵敏度为0.604，特异度为0.771，提示Helsinki CT 评分判断sTBI 患者预后不良的准确度较高，但该方法灵敏度相对较低，临床运用时应注意假阴性问题。

目前临床上常用BMI、白蛋白评估患者营养状况，但危重症患者营养状态异常并不会即刻引起BMI 变化，单一的白蛋白水平易受其他因素影响，波动较大。CONUT 评分是国外常用的复合型营养评估工具，该评分通过检测患者血清白蛋白、TC 及淋巴细胞计数水平，将其量化为免疫营养评分，从而客观、准确的反映机体免疫营养状态。有研究显示，术前CONUT 评分是髋部骨折患者术后1 个月、1 年预后不良的独立预测指标[13-14]。此外，CONUT 评分与肿瘤、心肌梗死患者预后也存在相关性[15-16]。目前国内CONUT 评分与TBI患者预后研究鲜有报道。有调查发现，CONUT 评分纳入分析的白蛋白、TC 及淋巴细胞计数均与TBI 患者预后存在关联性。Brenard 等[17]研究发现，sTBI 患者极早期白蛋白水平低于正常值，低蛋白血症是影响预后的独立危险因素。此外，有研究发现，血清TC 水平下降、T 淋巴细胞亚群线粒体损伤程度可作为判断TBI严重程度及预后的预测指标[18-19]。以此推测，CONUT评分可能对sTBI 患者预后具备一定的预测价值。本研究结果显示，经PSM 后，死亡组患者CONUT 评分明显高于存活组，CONUT 评分是影响预后的独立危险因素。ROC 曲线分析显示，CONUT 评分判断sTBI 患者预后不良的AUC 为0.721，最佳截断值为5 分，灵敏度为0.688，特异度为0.646，提示CONUT 评分判断sTBI 患者预后不良准确度较高。

临床上认为，当AUC 高于0.700 时，提示筛选试验预测准确度较好。近年来，研究发现多指标联合使用能够明显改善筛选试验预测效能。本研究利用logistic模型构建联合使用回归方程，分析两种评分联合使用判断预后不良的预测效能。结果显示，两种评分联合使用判断sTBI 患者预后不良的AUC 为0.814，灵敏度、特异度均为0.750。联合使用判断sTBI 患者预后不良的AUC 大于Helsinki CT 评分、CONUT 评分，Helsinki CT评分与CONUT 评分AUC 的差异无统计学意义，提示联合使用的预测效能优于单独评分。此外，与单独评分比较，两种评分联合使用将灵敏度提升至0.750，特异度与Helsinki CT 评分接近，联合使用灵敏度、特异度均处于较高水平。

综上所述，Helsinki CT 评分和CONUT 评分是影响sTBI 患者28 d 预后的独立危险因素，两种评分系统联合使用预测效能更高。但本研究属于单中心、小样本、回顾性研究，今后需要进一步开展多中心、大样本、队列研究来验证本研究结论的可靠性。