中华急诊医学杂志  2025, Vol. 34 Issue (1): 95-98   DOI: 10.3760/cma.j.issn.1671-0282.2025.01.015
针对1岁以内儿童头部外伤后是否需行头颅CT检查的评分模型
盛寅瑜 , 池一杰 , 秦超锦 , 陈海琼     
浙江大学医学院附属儿童医院急诊创伤外科,杭州 310005
摘要: 目的 本文旨在探索一种新的评分模型,用于评估1岁以内儿童头部外伤后是否需行头颅CT检查。方法 回顾性分析浙江大学医学院附属儿童医院急诊外科2023年1~12月期间收治的1岁以下头部外伤病例的临床资料,根据CT检查结果判断颅内损伤情况,通过数据分析,最终建立HTIC(Head trauma in children)评分模型。后续收集2024年1~11月期间收治的1岁以下儿童头部外伤病例的临床资料验证模型。结果 2023年1~12月期间共纳入970例患儿建立模型,评分模型包括5个症状,分别为肿胀、头皮血肿、抽搐病史、昏迷病史及嗜睡病史。评分规则为肿胀(有:1分,无:0分),抽搐病史(有:1分,无:0分),昏迷病史(有:2分,无:0分),头皮血肿(根据血肿直径大小,0~2 cm:0分,3~5 cm:3分,6~8 cm:6分,9~11 cm:9分,12~15 cm:12分,> 15 cm:14分),嗜睡病史(有:1分,无:0分),5项症状评分相加,总分分值0~19分,总分值≥3分的颅内损伤风险为63.39%,建议完善头颅CT评估颅内损伤情况。2024年1~11月的734例患儿临床资料验证得出,评分模型准确率为94.55%,误诊率为0.54%,漏诊率为4.90%。结论 该模型具有较高的准确率,可以较好的用于评估1岁内儿童头部外伤后是否需要完善头颅CT检查评估颅内损伤的必要性,可以降低CT使用率、减免不必要的CT辐射。
关键词: 头部外伤    1岁    儿童    头颅CT    评分模型    

儿童头部外伤是儿童急诊外科就诊的常见原因,尤其是1岁以内的低龄儿童,好奇心强、自我保护意识弱[1],尽管颅内损伤概率较小,但实际临床工作中进行的头颅CT并不少,这样的CT扫描几乎没有诊断益处,并且使儿童暴露于不必要的辐射,CT带来的电离辐射所致患癌风险与接受扫描次数、累积辐射剂量成正相关[2-3]。但是CT的使用率逐年上升,美国2001—2010年急诊室处置儿童坠落伤情况,结果显示CT使用增加了两倍[4],CT检查使用率逐年上升[5-6]。1岁内儿童头部外伤CT检查必要性的依据性文献很少,且本文拟通过分析过往行CT检查的患儿资料,来建立一项评分模型,用于评估是否存在完善头颅CT检查的必要性,进而降低CT使用率、减免不必要的CT辐射。

1 资料与方法 1.1 研究对象

选取浙江大学医学院附属儿童医院急诊外科2023年1~12月期间收治的1岁以下因部外伤就诊并行头颅CT检查的儿童建立研究模型。后续收集2024年1~11月期间收治的1岁以下儿童头部外伤病例的临床资料验证模型。

病例纳入标准:(1)受伤时间小于72 h;(2)格拉斯哥昏迷评分(Glasgow coma scale, GCS)≥13分,就诊时意识清晰的轻症头部外伤;(3)无明显可触及的头部凹陷;(4)无开放性颅脑损伤。排除标准:(1)受伤时间大于72 h;(2)GCS评分 < 13分,意识不清晰;(3)可触及明显的头部颅骨凹陷;(4)车祸造成患儿挥鞭样损伤、锐器伤、开放性等特殊类型的颅脑损伤。

本研究已获浙江大学医学院附属儿童医院医学伦理委员会审批(伦理审批编号:2024-IRB-0165-P-01)。

1.2 统计学方法

通过相关性分析、方差分析、逻辑回归模型等分析方法来选取评分模型中的症状。建立逻辑回归模型、随机森林模型、支持向量机模型及KNN模型4种模型,通过比较4种模型的准确率和AUC数值来选取表现最好的模型作为评分模型建立的依据。构建模型来确定各项症状的评分数值以及总分对应的颅内损伤风险。后续收集的病例资料使用建立的评分模型进行评分,与实际的CT结果比较,获得准确率、误诊率和漏诊率。以P < 0.05为差异具有统计学意义。

2 结果 2.1 建立模型患儿的一般资料

研究共纳入2023年1~12月期间收治的符合纳排标准的970例患儿,月龄为0.3~11个月(平均月龄7.32个月),伤后各症状占比见表 1

表 1 伤后各症状数量及占比
症状 数量 占比(%)
肿胀 266 53.2
头皮血肿 124 24.8
呕吐 111 22.1
皮肤挫伤 29 5.78
鼻血 8 1.6
昏迷 2 0.4
抽搐 11 2.2
嗜睡 6 1.2
2.2 模型的选择

建立逻辑回归模型、随机森林模型、支持向量机模型及KNN模型四种模型,准确率和AUC数值结果比较后表明,支持向量机模型具有最高的准确率(89%)和最高的AUC(0.88)模型评价。由于Logistic回归模型提供了明确的回归系数β和OR值,这使得Logistic回归模型模型的预测结果具有很好的解释性。相比之下,向量机模型作为一个黑箱模型,其内部工作机制和预测结果较难解释,Logistic回归模型的准确率(85%)、模型评价AUC(0.86)与向量机模型相差较小,所以综合考虑后最终选择Logistic回归模型能够更好的推测疾病的关系。

2.3 评分模型建立

通过构建多因素Logistic回归模型,将主要考虑影响因素纳入到模型中,从而估计各个危险因素的回归系数β及其95%CIOR值,见表 2

表 2 Logistic回归模型各个危险因素的回归系数及其95%CIOR
指标 β β置信区间下限 β置信区间上限 OR P
肿胀 0.588 0.179 0.997 1.800 < 0.01
血肿 0.630 0.515 0.745 1.877 < 0.01
抽搐病史 0.635 -0.186 1.455 1.886 0.20
嗜睡病史 0.450 -1.713 2.613 1.568 0.75
昏迷病史 1.371 -0.484 3.227 3.939 0.14

将各个危险因素进行分类,并指定每组的参考值。本研究指标为分类变量,设置参考值见表 3,计算风险因素每一个分类所对应的分值,计算公式为Pointsij = D/B = (Wij-WiREF) × βi /B,最后将计算出来的数值四舍五入取整,即为该组对应的分值。

表 3 各因素参考值确定后对应回归系数及置信区间距离
风险因素 参考值 回归系数 距离 评分
肿胀 0.586
0 0 0
1 0.587 1
血肿 0.630
0~2 cm 1 0 0
3~5 cm 4 1.889 3
6~8 cm 7 3.777 6
9~11 cm 10 5.666 9
12~15 cm 13 7.554 12
> 15 cm 16 9.443 14
抽搐病史 0.656
0 0 0
1 0.656 1
昏迷病史 1.396
0 0 0
1 1.396 2
嗜睡病史 0.490
0 0 0
1 0.490 1
2.4 计算总分与风险预测概率的对应表

根据上述的结果,将每个危险因素的分值相加起来计算总分,理论上每个危险因素取最低值时,可以得到总分最低值为0+0+0+0+0=0,同理可得到总分最高值为1+14+2+1+1=19,因此总分的范围为:0~19分。

然后根据多因素logistic回归模型的方程,来计算每一分值对应的风险预测概率值,计算公式如下:

本文将该模型命名为HTIC(Head trauma in children)评分模型,具体分值对应的风险预测情况见表 4

表 4 每一分值对应的风险预测概率值
总分 风险估计 总分 风险估计
0 0.195 10 0.994
1 0.318 11 0.997
2 0.473 12 0.998
3 0.634 13 0.999
4 0.769 14 1.000
5 0.865 15 1.000
6 0.925 16 1.000
7 0.960 17 1.000
8 0.979 18 1.000
9 0.989 19 1.000
2.5 模型的验证

后续收集2024年1~11月期间734例急诊外科收治的1岁以下儿童头部外伤病例的临床资料,根据HTIC模型对各个病例进行评分,评分结果对比CT结果,准确率为94.55%,误诊率为0.54%,漏诊率为4.90%,见表 5。结果证明HTIC模型在临床中准确率较高,具有一定的应用价值,可以相应的减少临床CT使用,减少CT所附带的辐射伤害。

表 5 2024年1~11月期间患儿数据验证情况
指标 正确诊断 误诊 漏诊 合计
数量 694 4 36 734
占比(%) 94.55 0.54 4.90 100.00
注:正确诊断为评分模型建议行CT检查,实际CT检查阳性,两相符合;误诊为评分模型建议行CT检查,实际CT检查阴性;漏诊为评分模型建议不行CT检查,实际CT检查阳性
3 讨论

1岁以下婴儿在出生后第1年内尝试提高自己的运动技能,如学习翻身、坐起、站立及行走等活动,另外监护人在日常生活中需要怀抱、换尿布及日常出行等,这些因素都存在造成头部外伤的可能性。本文病例中多以高处坠落伤为主,从床上、婴儿车甚至抱人者怀中坠落,与2021年《儿童颅脑创伤诊治中国专家共识》中的报道的受伤类型分布一致[7]。另外一些第一胎监护人由于缺乏经验,上述因素造成头部外伤的可能性会增加,第一胎监护人在患儿受伤后明显的比有经验的监护人更加焦虑,这种焦虑也会影响临床医师,进而使得头颅CT检查概率的上升。

文献报道中对于头部外伤后是否行头颅CT检查仍存在争论,Dayan等[8]对仅表现为呕吐的轻型颅脑损伤患儿常规行头颅CT检查不被推荐,常规观察即可。但Huisman等[9]认为对于存在呕吐的患儿,尽管头颅CT没有发现异常,但并不代表没有脑组织损伤,建议进一步行MRI检查鉴别。Ohbuchi等[10]在文献中提及,所有病例中需要住院治疗或进一步外科手术干预的比例为3%,所以受伤后需要进行头颅CT检查评估颅内损伤情况的病例极少。目前文献中比较明确的CT检查依据为CATCH2、CHALICE及PECARN原则[11-17],包括2 h内GCS分数低于15分、疑似开放性或凹陷性颅骨骨折、头痛加重、持续性烦躁、颅底骨折征象、巨大头皮血肿、反复呕吐和危险的机制。但是由于1岁以下患儿的特殊性,CATCH2、CHALICE及PECARN原则评估颅脑损伤的细则在1岁以下儿童中临床医师很难精准运用[11-17],比如头痛加重原则完全不适用于1岁以下儿童,受伤后的剧烈哭闹与烦躁、正常溢奶或吐奶与受伤后的呕吐有时候难以区分。

目前CT成像对识别颅脑损伤具有高度敏感度,所以CT检查目前仍然是评估头部创伤患者的金标准诊断工具[18],故而部分临床医生倾向于使用头颅CT检查明确颅脑损伤的严重程度,并有部分医师以此降低后续可能发生医疗事故的影响。由于婴儿更高的细胞复制率及更长的预期寿命,相比成人更容易遭受辐射致癌效应,辐射暴露年龄越小诱发癌症的风险越高。鉴于头部外伤患儿CT成像的潜在危害,急诊科医生必须优化其判断CT检查必要性的方法,因为只有少数人有不良结局的风险[19-20],但是大部分接受了不必要的CT检查辐射。所以本文旨在探讨1岁内儿童非交通事故性头部外伤后根据症状来决定头颅CT检查的必要性以减少实际临床工作中不必要的CT检查。

本研究建立的评分模型来看,肿胀、头皮血肿、抽搐病史、昏迷病史及嗜睡病史5项评分总和≥3分时,颅内损伤风险达到63.39%,建议完善头颅CT检查评估颅内损伤情况。但本文建立的HTIC模型存在一定的局限性,首先模型的建立是基于回顾性研究,其次评分项目及评分数值不是十分完美,存在一定的改进空间;但是应用该模型对临床有一定的指导意义,经验证准确率较高,可以一定程度的降低轻症头部外伤患儿的CT检查使用率,减少不必要的辐射伤害。

利益冲突  所有作者声明无利益冲突

作者贡献声明  盛寅瑜:负责模型设计、数据收集、论文撰写;池一杰、秦超锦:分工整理相关数据、统计学分析、论文大纲构思;陈海琼:论文修改

参考文献
[1] Yengo-Kahn AM, Reynolds RA, Bonfield CM. Mild traumatic brain injury in children[J]. Pediatr Clin North Am, 2021, 68(4): 857-874. DOI:10.1016/j.pcl.2021.04.011
[2] Miglioretti DL, Johnson E, Williams A, et al. The use of computed tomography in pediatrics and the associated radiation exposure and estimated cancer risk[J]. JAMA Pediatr, 2013, 167(8): 700-707. DOI:10.1001/jamapediatrics.2013.311
[3] Meulepas JM, Ronckers CM, Smets AMJB, et al. Radiation exposure from pediatric CT scans and subsequent cancer risk in the Netherlands[J]. J Natl Cancer Inst, 2019, 111(3): 256-263. DOI:10.1093/jnci/djy104
[4] Shahi V, Brinjikji W, Cloft HJ, et al. Trends in CT utilization for pediatric fall patients in US emergency departments[J]. Acad Radiol, 2015, 22(7): 898-903. DOI:10.1016/j.acra.2015.02.016
[5] Osmond MH, Klassen TP, Wells GA, et al. CATCH: a clinical decision rule for the use of computed tomography in children with minor head injury[J]. CMAJ, 2010, 182(4): 341-348. DOI:10.1503/cmaj.091421
[6] Klassen TP, Reed MH, Stiell IG, et al. Variation in utilization of computed tomography scanning for the investigation of minor head trauma in children: a Canadian experience[J]. Acad Emerg Med, 2000, 7(7): 739-744. DOI:10.1111/j.1553-2712.2000.tb02260.x
[7] 中华医学会神经外科学分会颅脑创伤专业组, 中华医学会创伤学分会神经损伤专业组. 儿童颅脑创伤诊治中国专家共识[J]. 中华神经外科杂志, 2021, 37(12): 1200-1208. DOI:10.3760/cma.j.cn112050-20210811-00397
[8] Dayan PS, Holmes JF, Atabaki S, et al. Association of traumatic brain injuries with vomiting in children with blunt head trauma[J]. Ann Emerg Med, 2014, 63(6): 657-665. DOI:10.1016/j.annemergmed.2014.01.009
[9] Huisman TAGM. CT should not be relied on for cases of isolated vomiting in children with blunt head trauma[J]. Evid Based Med, 2015, 20(1): 32. DOI:10.1136/ebmed-2014-110059
[10] Ohbuchi H, Hagiwara S, Hirota K, et al. Clinical predictors of intracranial injuries in infants with minor head trauma[J]. World Neurosurg, 2017, 98: 479-483. DOI:10.1016/j.wneu.2016.11.045
[11] Osmond MH, Klassen TP, Wells GA, et al. Validation and refinement of a clinical decision rule for the use of computed tomography in children with minor head injury in the emergency department[J]. CMAJ, 2018, 190(27). DOI:10.1503/cmaj.170406
[12] Haydel MJ, Shembekar AD. Prediction of intracranial injury in children aged five years and older with loss of consciousness after minor head injury due to nontrivial mechanisms[J]. Ann Emerg Med, 2003, 42(4): 507-514. DOI:10.1067/s0196-0644(03)00512-2
[13] Palchak MJ, Holmes JF, Vance CW, et al. A decision rule for identifying children at low risk for brain injuries after blunt head trauma[J]. Ann Emerg Med, 2003, 42(4): 492-506. DOI:10.1067/s0196-0644(03)00425-6
[14] Oman JA, Cooper RJ, Holmes JF, et al. Performance of a decision rule to predict need for computed tomography among children with blunt head trauma[J]. Pediatrics, 2006, 117(2): e238-e246. DOI:10.1542/peds.2005-1063
[15] Dunning J, Daly JP, Lomas JP, et al. Derivation of the children's head injury algorithm for the prediction of important clinical events decision rule for head injury in children[J]. Arch Dis Child, 2006, 91(11): 885-891. DOI:10.1136/adc.2005.083980
[16] Atabaki SM, Stiell IG, Bazarian JJ, et al. A clinical decision rule for cranial computed tomography in minor pediatric head trauma[J]. Arch Pediatr Adolesc Med, 2008, 162(5): 439-445. DOI:10.1001/archpedi.162.5.439
[17] Kuppermann N, Holmes JF, Dayan PS, et al. Identification of children at very low risk of clinically-important brain injuries after head trauma: a prospective cohort study[J]. Lancet, 2009, 374(9696): 1160-1170. DOI:10.1016/S0140-6736(09)61558-0
[18] Mutch CA, Talbott JF, Gean A. Imaging evaluation of acute traumatic brain injury[J]. Neurosurg Clin N Am, 2016, 27(4): 409-439. DOI:10.1016/j.nec.2016.05.011
[19] Armao D, Smith JK. The health risks of ionizing radiation from computed tomography[J]. N Carol Med J, 2014, 75(2): 126-131. DOI:10.18043/ncm.75.2.126
[20] Miglioretti DL, Johnson E, Williams A, et al. The use of computed tomography in pediatrics and the associated radiation exposure and estimated cancer risk[J]. JAMA Pediatr, 2013, 167(8): 700-707. DOI:10.1001/jamapediatrics.2013.311