多发伤导致的病死率逐年升高,较其他疾病而言,多发伤患者的伤情较重、合并症多、致残率极高、病情进展迅速、病死率又高,需要多科室相互合作,一同救治,这也成为医务工作者面临的挑战之一[1]。并且已成为世界性的公共卫生问题[2-3]。多数研究显示,我国多发伤患者病情危重复杂,人数极多,每年因多发伤导致的死亡约(70~80)万人,这其中45岁以下人群居多[4-5]。这导致了很大的社会劳动力的丢失[6-7]。因此早期对多发伤患者的预后进行准确评估,并采取及时有效的治疗措施,对急诊医师的诊治和多发伤患者的预后具有极其重要的意义。,了解多发伤患者的危险因素,能为急诊医生的治疗提供帮助并减少多发伤患者病死率,提高多发伤患者诊治水平[8]。基于此,本研究对入住本院EICU的291例多发伤患者进行统计分析,预测其独立危险因素,并建立列线图,快速准确的对多发伤患者预后进行评估,为临床合理干预提供依据。
1 资料与方法 1.1 病例选择采用回顾性研究方法,选取2021年1月至2022年4月入住本院EICU的符合纳入标准的多发伤患者291例,研究纳入标准:①符合多发伤的诊断标准:同一致伤因素作用下致两处或两处以上的损伤,其中一处损伤可致命[9];②伤后到入院时间≤24 h;③年龄>18岁;④所有检查或抢救措施均获得患者或患者家属同意;⑤患者临床资料完整(包括姓名、年龄、性别,相关检验指标,既往病史,最终结局等)。研究排除标准:①有心脏窦房结功能性疾病、先天性心脏病、房室传导异常疾病,例如心房颤动,病态窦房结综合征等;②临床资料不全者。(包括患者的姓名、年龄、性别,既往史,相关检验检查结果,伤害发生到医院时间、距离,最终结局,少其中任何一条临床资料,则列为临床资料不全者)。③恶性肿瘤病史患者;④长期口服免疫抑制剂患者;⑤血液系统疾病患者;⑥孕妇。不符合要求的多发伤患者不进入本项研究。
1.2 研究分组根据收治EICU的多发伤患者住院治疗期间病情是否恶化为观察节点,分为恶化组(包括因病情恶化自动出院的患者或因病情恶化院内死亡的患者,自动出院患者电话随访均在当日院外死亡。其中自动出院患者排除掉因经济方面原因自动出院的患者)和好转组(包括治愈出院和病情好转后转至普通病房继续治疗后治愈出院患者)。
1.3 伦理学本研究经本院伦理委员会批准,且所有临床检测指标均获得患者同意或其直系亲属的授权同意(伦理审批号:KYLL-2022-0602)。
1.4 研究方法记录患者的一般资料,包括性别,年龄,既往疾病(高血压、糖尿病、吸烟史),是否开放伤,是否应用去甲肾上腺素药物,是否接受了机械通气治疗、伤后到医院的时间,伤后到医院的距离,入院后根据病情需要连续测得的5次淋巴细胞相对值、血小板计数、乳酸的平均值,入院24 h内的ISS评分、APACHE Ⅱ评分、GCS评分,住院期间的输血次数,手术次数。其中所有抽血化验均在本院检验科完成,指标正常参考值范围如下:淋巴细胞相对值LYM%:20%~50%,血小板计数PLT:(125~350)×109/L,乳酸Lac: 0.20~1.80 mmol/L。
1.5 统计学方法采用软件SPSS26.0对数据进行统计分析,计量资料不服从正态分布以[M(Q1, Q3)]来表示,两组间比较采用两独立Mann-Whitney U秩和检验来比较组间差异;计数资料以(n, %)来表示,采用χ2检验来比较组间差异,对于因变量结局恶化发生,单因素有意义的因素再次进行二元Logistic回归模型(Enter法)得出独立影响因素,模型拟合时以α入=0.05、α出=0.10对变量进行纳入和剔除标准;采用Medcalc软件对年龄、淋巴细胞相对值、乳酸、APACEⅡ、GCS、手术次数预测预后进行ROC曲线分析,得出各个指标诊断效能与截断值;采用R软件对二元Logistic回归模型中的影响因素预测病情预后,并建立列线图预测模型;均为双侧检验,以P < 0.05代表差异具有统计学意义。
2 结果 2.1 患者基本临床资料根据本研究纳入标准,共入选291例多发伤患者,根据预后分为恶化组和好转组,其中好转组235人,男性175人,女性60人,中位年龄50岁,恶化组56人,其中男性46人,女性10人,中位年龄59.5岁。两组患者性别,基础疾病(高血压、糖尿病),是否开放伤,伤后到医院的时间,伤后到医院的距离,入院后根据病情需要连续测得的5次血小板计数平均值,入院24 h的ISS评分,输血次数及吸烟史无统计学意义(均P>0.05),两组患者年龄、是否应用去甲肾上腺素药物,是否接受了机械通气治疗,入院后根据病情需要连续测得的5次淋巴细胞相对值、乳酸的平均值,入院24 h的APACHE Ⅱ评分、GCS评分及住院期间手术次数差异有统计学意义(P<0.05),见表 1。
影响因素 | 预后 | χ2/Z值 | P值 | |
恶化(n=56) | 好转(n=235) | |||
性别(n, %) | 1.458 | 0.227 | ||
男 | 46(82.1) | 175(74.5) | ||
女 | 10(17.9) | 60(25.5) | ||
开放伤(n, %) | 0.403 | 0.525 | ||
否 | 25(44.6) | 94(40) | ||
是 | 31(55.4) | 141(60) | ||
机械通气(n, %) | 26.130 | < 0.001 | ||
否 | 6(10.7) | 113(48.1) | ||
是 | 50(89.3) | 122(51.9) | ||
去甲肾上腺素药物(n, %) | 26.328 | < 0.001 | ||
否 | 17(30.4) | 159(67.7) | ||
是 | 39(69.6) | 76(32.3) | ||
糖尿病(n, %) | 0.000 | > 0.999 | ||
否 | 52(92.9) | 220(93.6) | ||
是 | 4(7.1) | 15(6.4) | ||
高血压(n, %) | 0.481 | 0.488 | ||
否 | 44(78.6) | 194(82.6) | ||
是 | 12(21.4) | 41(17.4) | ||
吸烟(n, %) | 0.001 | 0.974 | ||
否 | 38(67.9) | 160(68.1) | ||
是 | 18(32.1) | 75(31.9) | ||
年龄a | 59.50 (44.50, 68) | 50 (39, 60) | -2.521 | 0.012 |
受伤距离(km)a | 126.95 (57.90, 183.80) | 135.30 (57.90, 190.30) | -0.691 | 0.490 |
伤后时间(h)a | 24.00 (10.00, 24.00) | 24.00 (12.00, 24.00) | -0.364 | 0.716 |
淋巴细胞相对值(%)a | 7.73 (5.61, 11.02) | 9.76 (7.12, 12.80) | -2.644 | 0.008 |
血小板计数(×109/L)a | 142.50 (97.95, 170.40) | 144.60 (105.80, 195.20) | -1.352 | 0.176 |
乳酸(mmol/L)a | 1.95 (1.63, 2.61) | 1.46 (1.01, 2.05) | -4.806 | < 0.001 |
ISS评分a | 25.00 (18.00, 27.00) | 22.00 (18.00, 27.00) | -1.241 | 0.214 |
APACHE Ⅱ评分a | 20.00 (17.00, 24.00) | 12.00 (8.00, 17.00) | -7.438 | < 0.001 |
GCS评分a | 4.00 (2.00, 6.00) | 10.00 (5.00, 15.00) | -6.857 | < 0.001 |
输血次数a | 1.50 (0.00, 3.75) | 1.00 (0.00, 3.00) | -0.725 | 0.468 |
手术次数a | 0.00 (0.00, 0.00) | 1.00 (0.00, 2.00) | -6.577 | < 0.001 |
注:a为M(Q1, Q3) |
对于因变量预测病情恶化的发生,单因素有意义的因素:年龄、是否应用去甲肾上腺素药物,是否接受了机械通气治疗,入院后根据病情需要连续测得的5次淋巴细胞相对值、乳酸的平均值,入院24 h的APACHE Ⅱ评分、GCS评分及住院期间手术次数再次进行二元Logistic回归模型(Enter法)得出独立影响因素,模型拟合时以α入=0.05、α出=0.10对变量进行纳入和剔除标准;将单因素进行赋值,以患者救治结局(恶化= 1,好转= 0) 为因变量。
以患者年龄(>58岁= 1,≤58岁= 0),淋巴细胞相对值(≤8.62%=1,>8.62%=0),乳酸(>1.72 mmol/L=1,≤1.72 mmol/L=0),APACHE Ⅱ评分(>16=1,≤16=0),GCS评分(≤6=1,>6=0),手术次数(≤0次=1,>0次=0),机械通气(是=1,否=0),去甲肾上腺素药物应用(是=1,否=0)为自变量进行Logistic回归分析,以P < 0.05代表差异具有统计学意义,其中患者年龄(P=0.016)、乳酸(P < 0.001)、APACHE Ⅱ评分(P=0.014)、手术次数(P < 0.001)为预测多发伤患者预后病情恶化的独立危险因素,年龄(> 58岁)OR值=2.838,乳酸(> 1.72 mmol/L)OR值=5.096,APACHE Ⅱ评分(> 16分)OR值=3.247,手术次数(≤0次)OR值=6.432。并建立森林图。见表 2、表 3及图 1。
变量 | 赋值情况 |
年龄 | > 58=1,≤58=0 |
淋巴细胞相对值 | ≤8.62=1,> 8.62=0 |
乳酸 | > 1.72=1,≤1.72=0 |
APACHE-Ⅱ评分 | > 16=1,≤16=0 |
GCS评分 | ≤6=1,> 6=0 |
手术次数 | ≤0=1,> 0=0 |
机械通气 | 否=0,是=1 |
去甲肾上腺素药物 | 否=0,是=1 |
预后 | 好转=0,恶化=1 |
影响因素 | B | S.E, | Wals | P值 | OR值 | 95%CI |
年龄(> 58) | 1.043 | 0.435 | 5.756 | 0.016 | 2.838 | 1.210~6.654 |
淋巴细胞相对值(≤8.62) | 0.495 | 0.414 | 1.430 | 0.232 | 1.641 | 0.729~3.695 |
乳酸(> 1.72) | 1.628 | 0.438 | 13.833 | < 0.001 | 5.096 | 2.160~12.019 |
APACHE-Ⅱ评分(> 16) | 1.178 | 0.478 | 6.068 | 0.014 | 3.247 | 1.272~8.288 |
GCS评分(≤6) | 0.999 | 0.546 | 3.354 | 0.067 | 2.716 | 0.932~7.916 |
手术次数(≤0) | 1.861 | 0.453 | 16.863 | < 0.001 | 6.432 | 2.646~15.637 |
机械通气(是) | 0.766 | 0.645 | 1.411 | 0.235 | 2.152 | 0.608~7.616 |
去甲肾上腺素药物(是) | 0.713 | 0.462 | 2.386 | 0.122 | 2.040 | 0.826~5.042 |
![]() |
图 1 多发伤患者预后预测的森林图模型 Fig 1 Forest plot model for prognosis prediction of patients with multiple injuries |
|
采用Medcalc软件对年龄、淋巴细胞相对值、乳酸、APACHE Ⅱ、GCS评分、手术次数指标预测病情恶化的发生进行ROC曲线建立,得出各指标诊断效能与截断值。通过对比得出APACHE Ⅱ评分曲线下面积(AUC)最大为0.819, 95%CI为0.770~ 0.862(P<0.001),优于GCS评分(AUC=0.791, 95%CI 0.740~0.836;P<0.001)、手术次数(AUC=0.766, 95%CI 0.714~0.814;P<0.001)、乳酸(AUC=0.707, 95%CI 0.651~0.758;P<0.001)、淋巴细胞相对值(AUC=0.614, 95%CI 0.555~0.670;P<0.001)、年龄(AUC=0.608, 95%CI 0.550~0.665;P<0.001),其中APACHE Ⅱ预测多发伤患者预后病情恶化的最佳截断值为>16分,敏感度80.4%,特异度74.9%。见表 4及图 2。
指标 | 敏感度 | 特异度 | 约登指数 | Cutoff值 | AUC面积(95%CI) |
年龄 | 53.6% | 72.3% | 0.259 | > 58 | 0.608(0.550 ~0.665) |
淋巴细胞相对值 | 58.9% | 62.6% | 0.215 | ≤8.62 | 0.614(0.555 ~0.670) |
乳酸 | 73.2% | 64.7% | 0.379 | > 1.72 | 0.707(0.651 ~0.758) |
APACHE Ⅱ评分 | 80.4% | 74.9% | 0.553 | > 16 | 0.819(0.770 ~0.862) |
GCS评分 | 82.1% | 66.4% | 0.485 | ≤6 | 0.791(0.740 ~0.836) |
手术次数 | 82.1% | 67.7% | 0.498 | ≤0 | 0.766(0.714 ~0.814) |
![]() |
图 2 多因素预测多发伤患者预后的ROC曲线 Fig 2 ROC curve for predicting the prognosis of patients with multiple injuries by multiple factors |
|
将二元Logistic回归分析中的影响因素:年龄、是否应用去甲肾上腺素药物,是否接受了机械通气治疗,入院后根据病情需要连续测得的5次淋巴细胞相对值、乳酸的平均值,入院24 h的APACHE Ⅱ评分、GCS评分及住院期间手术次数联合起来再次进行ROC曲线验证,得到AUC=0.912, 95%CI 0.873~0.942;P<0.001),联合起来的ROC曲线下面积大于独立的预后影响因素的ROC曲线下面积,更好的说明这些因素联合后对多发伤患者预后预测病情恶化更有意义。见表 5及图 3。
指标 | 敏感度 | 特异度 | 约登指数 | Cutoff值 | AUC面积(95%CI) |
联合作用 | 85.7% | 86.0% | 0.717 | - | 0.912(0.873~0.942) |
![]() |
图 3 多因素联合预测多发伤患者预后的ROC曲线 Fig 3 ROC curve for predicting prognosis of patients with multiple injuries by multiple factors |
|
采用R软件对二元Logistic回归模型中的影响因素预测病情是否发生恶化进行列线图模型建立,并进行校正,模型具有良好的拟合校准曲线。综合多种因素,计算其总评分,对多发伤患者预后病情恶化的概率进行预测。见图 4,图 5。
![]() |
图 4 多发伤患者预后预测列线图模型 Fig 4 Prognostic nomogram model for patients with multiple injuries |
|
![]() |
图 5 校准曲线图 Fig 5 Calibration curve |
|
多发伤给全世界的医疗带来了巨大的挑战[10],其病情急且危害性极大,病死率可高达20%~70%[11],临床上评价多发伤患者病情时,一般依据患者相关检验检测指标,包括影像学资料、生化指标、血常规、血气分析等[12],最直观的是通过肉眼观察病情,但是多发伤患者大多因为受伤机制及送至医院时间等不同,很容易出现信息遗漏和缺失,而且这些临床检验检查结果并不稳定,随时可能因病情变化而发生变化,患者从发生事故至送至医院的时间不同且在采血前是否接受治疗以及接受何种治疗也无法统一。因此如果单凭一种临床检验指标或单一评分去评估患者病情预后并不是一个最好选择,因此本研究综合多种临床医生常用的指标对多发伤患者病情预后进行预测。并制作列线图能更加直观的观察患者预后情况,从而做出预判,及时采取措施进行积极救治,做到早发现、早预警、早治疗。
本文研究结果发现多发伤患者的年龄、治疗期间是否应用去甲肾上腺素药物、是否接受了机械通气治疗、淋巴细胞相对值、乳酸、入院后第一个24 h的APACHE Ⅱ评分、GCS评分及住院期间手术次数均对其预后有预测意义。其中患者年龄、乳酸、APACHE Ⅱ评分、手术次数为预测多发伤患者预后的独立危险因素,年龄>58岁、乳酸指标>1.72 mmol/L、入院24 h的APACHE Ⅱ评分>16分、手术次数≤0的患者后期更容易发生病情恶化,相关研究也证实了乳酸可以作为多发伤患者预后的独立危险因素[13-14]。本研究表明住院期间如果不予手术干预治疗,患者病情恶化的风险将增高6.432倍。更加说明积极的手术干预治疗对多发伤患者预后转归及其重要。根据危险因素对多发伤患者预后预测的ROC曲线,APACHE Ⅱ评分的ROC曲线下面积最大,对于预测多发伤患者预后较其他独立指标的意义更大,更为准确,这和相关研究结果相符合[15-16]。将患者的年龄、治疗期间是否应用去甲肾上腺素药物,是否接受了机械通气治疗,淋巴细胞相对值、乳酸,入院后第一个24小时的APACHE Ⅱ评分、GCS评分及住院期间手术次数联合后制作的ROC曲线下面积为0.912,大于独立的APACHE Ⅱ评分ROC曲线下面积。说明联合多指标对多发伤预后的预测更为准确。该研究最后联合多指标制作了预测多发伤患者预后的列线图模型,更为准确、便捷的对多发伤预后进行预测,为临床合理干预治疗提供依据。
综上所述,年龄>58岁、乳酸指标>1.72 mmol/L、入院24 h的APACHE Ⅱ评分>16分、手术次数≤0是多发伤患者预后恶化的独立危险因素,对多发伤患者的救治,在条件许可的情况下应积极行手术治疗,减少病死率。本文研究表明
综合多种因素制作的列线图模型对多发伤患者预后预测准确度高。能更好的为临床多发伤患者提供救治做参考,值得推广。但本研究为单中心回顾性研究,纳入的样本数仍相对不足,且研究发现ISS评分并没有成为预测多发伤患者预后的危险因素。临床上需进一步研究。
利益冲突 所有作者声明无利益冲突
作者贡献声明 白丽爽:论文撰写、统计学分析;王兴义:数据收集及整理;杨立山:研究设计、论文修改
[1] | 黄彪, 李建国, 黄发贵. 多发伤的诊疗进展[J]. 医学综述, 2019, 25(5): 973-977. DOI:10.3969/j.issn.1006-2084.2019.05.026 |
[2] | Biesterveld BE, Williams AM, Pai MP, et al. Dose optimization of valproic acid in a lethal model of traumatic brain injury, hemorrhage, and multiple trauma in swine[J]. Trauma Acute Care Surg, 2019, 87(5): 1133-1139. DOI:10.1097/TA.0000000000002460 |
[3] | 张鹏, 杜哲, 刘中砥, 等. 我国医生对严重创伤评估能力的多中心调查[J]. 中华急诊医学杂志, 2021, 30(5): 533-536. DOI:10.3760/cma.j.issn.1671-0282.2021.05.004 |
[4] | 谭明东. 多发伤骨盆骨折患者早期急诊救治流程的建立方法及效果[J]. 山西医药杂志, 2020, 49(13): 1690-1692. DOI:10.3969/j.issn.0253-9926.2020.13.020 |
[5] | 周鑫, 徐炎松, 孙远松, 等. HMGB1、suPAR、WBC、PCT在创伤脓毒症中的早期诊断及预后评估价值[J]. 中华急诊医学杂志, 2021, 30(8): 1015-1018. DOI:10.3760/cma.j.issn.1671-0282.2021.08.020 |
[6] | 都定元, 王建柏. 中国创伤外科发展现状与展望[J]. 创伤外科杂志, 2018, 20(3): 161-165. DOI:10.3969/j.issn.1009-4237.2018.03.001 |
[7] | 叶方, 杨志军, 马继民, 等. 以EICU为平台的创伤中心救治严重多发伤患者的临床分析[J]. 临床急诊杂志, 2022, 23(11) 770-773, 780. DOI:10.13201/j.issn.1009-5918.2022.11.006 |
[8] | 冯珂, 陈中伟, 杜武军, 等. 初始凝血指标在多发伤患者病情严重程度评价中的应用[J]. 创伤外科杂志, 2019, 21(12): 948-951. DOI:10.3969/j.issn.1009-4237.2019.12.017 |
[9] | 漆靖, 孙传政, 刘怀政, 等. 肾灌注压估算值对严重多发伤患者发生急性肾损伤的预测价值[J]. 中华急诊医学杂志, 2021, 30(8): 968-972. DOI:10.3760/cma.j.issn.1671-0282.2021.08.010 |
[10] | 周礼鹏, 江甜甜, 王婧斐. 急诊一体化模式在创伤救治中的临床分析[J]. 中国急救医学, 2023, 43(2): 109-112. DOI:10.3969/j.issn.1002-1949.2023.02.006 |
[11] | 白恒, 梁祎鑫, 刘思扬, 等. 多发伤合并休克患者临床治疗标准化措施的研究进展分析[J]. 中国标准化, 2022(18): 241-244. DOI:10.3969/j.issn.1002-5944.2022.18.055 |
[12] | Seliverstov PA, Shapkin YG. Assessment of severity and prognosis of polytrauma outcome: the current state of the problem (review)[J]. Sovremennye Tehnologii V Med, 2017, 9(2): 207. DOI:10.17691/stm2017.9.2.25 |
[13] | Moon J, Hwang K, Yoon D, et al. Inclusion of lactate level measured upon emergency room arrival in trauma outcome prediction models improves mortality prediction: a retrospective, single-center study[J]. Acute Crit Care, 2020, 35(2): 102-109. DOI:10.4266/acc.2019.00780 |
[14] | 任杰, 朱飞奇. 重型颅脑损伤合并多发伤患者早期死亡的决策树模型研究[J]. 中国急救医学, 2022, 42(4): 343-346. DOI:10.3969/j.issn.1002-1949.2022.04.013. |
[15] | Javali RH, Krishnamoorthy, Patil A, et al. Comparison of injury severity score, new injury severity score, revised trauma score and trauma and injury severity score for mortality prediction in elderly trauma patients[J]. Indian J Crit Care Med, 2019, 23(2): 73-77. DOI:10.5005/jp-journals-10071-23120 |
[16] | Dehghani Tafti A, Nasiriani K, Hajimaghsoudi M, et al. The most common tools to measure trauma severity: a review study[J]. J Disaster Emerg Res, 2019, 2: 115-123. DOI:10.18502/jder.v2i2.1517 |
[17] | 王雄伟, 郁毅刚, 姚猛飞, 等. 创伤评分在危重症创伤患者评估中的应用[J]. 赣南医学院学报, 2022, 42(2) 204-208, 214. DOI:10.3969/j.issn.1001-5779.2022.02.021 |