针对急性缺血性中风中预后不良的高风险患者的特定治疗风险评分：来自中国国家神经医学中心的一项队列研究

《CNS Neuroscience & Therapeutics》：Treatment-Specific Risk Scales for Identifying High-Risk Patients With Poor Prognosis in Acute Ischemic Stroke: A Cohort Study From the National Neurological Medical Center of China

急性缺血性脑卒中（AIS）急性期预后预测工具开发及验证。基于治疗分层构建PAIST量表，纳入1971例患者，分为溶栓组（437例）和非溶栓组（1534例），通过多变量分析和外部验证（AUC 0.759-0.850）证实PAIST能有效识别高风险患者，显著优于基准模型（NIHSS评分）。核心预测因子包括基线NIHSS、深静脉血栓、神经元特异性烯醇酶、中性粒细胞百分比及血糖/钾水平，分溶栓和非溶栓亚组优化权重。研究显示PAIST在临床决策支持中具有实用性和优越性。

　　在急性缺血性卒中（AIS）的临床管理中，准确预测患者的短期不良预后具有重要的意义。目前，虽然已有多种风险评估工具被开发和应用，但这些工具在临床适用性、预测精度以及是否能够考虑治疗差异方面仍存在不足。针对这一问题，本研究提出了一种新的预测工具——基于治疗分层的急性期AIS预后评估量表（PAIST Scale），旨在通过整合多个临床指标，提供一个更科学、更实用的预后风险分层方案，从而支持个体化的治疗决策。

### 一、研究背景与目标

急性期卒中的治疗策略多种多样，其中静脉溶栓是常见的干预手段之一。然而，由于治疗方式的差异，患者的预后表现也存在显著的不同。例如，接受溶栓治疗的患者与未接受溶栓治疗的患者在病理生理机制、并发症风险以及预后模式上可能有所区别。因此，传统的统一预测模型可能无法充分反映不同治疗策略下患者的实际情况，导致预测效果不佳。

本研究的目的是开发和验证一种适用于急性期AIS的、基于治疗分层的预后预测量表，以提高对患者不良预后的识别能力。该量表将通过整合多种临床变量，以出院时的改良Rankin量表（mRS）作为主要预后指标，从而实现对患者风险的精准评估。同时，研究还对所开发的量表进行了外部验证，以确保其在不同人群中的适用性和预测效能。

### 二、研究方法与设计

本研究采用回顾性分析方法，纳入了2015年至2021年间在中国国家神经医学中心出院的AIS患者。研究排除了接受血管内取栓治疗的患者，以确保研究对象仅限于接受静脉溶栓或未接受溶栓治疗的患者。研究将患者分为两个组：接受溶栓治疗组（437例）和未接受溶栓治疗组（1534例），分别构建了两个针对不同治疗策略的预后模型，并对这些模型进行了外部验证。

研究团队对每个组的训练数据集进行了三阶段的特征选择过程。首先，通过单变量分析筛选出具有统计学意义的变量；然后，采用多变量逻辑回归分析，结合逐步选择方法，进一步确定显著的预测变量；最后，使用受限立方样条（RCS）方法对连续变量进行建模，以评估其与不良预后之间的关系。通过这种方式，研究团队构建了两个独立的模型，并进一步简化为可操作的评分量表，即PAIST量表。

### 三、研究结果与发现

研究共纳入1971例AIS患者，其中437例接受了溶栓治疗。在两个治疗组中，核心预测因子均包括基线美国国立卫生研究院卒中量表（NIHSS）评分、深静脉血栓（DVT）、神经元特异性烯醇化酶（NSE）以及中性粒细胞百分比（NEUT%）。然而，两组在阈值和权重方面存在差异。此外，未接受溶栓治疗组还包含了三个额外的预测变量：年龄、空腹血糖（FBG）和血清钾（K+）。这些变量在预后预测中表现出重要的临床意义。

外部验证结果显示，PAIST量表在预测不良预后方面优于基准模型（AUC分别为0.850和0.759，均显著高于基准模型的0.801和0.698）。具体而言，在未接受溶栓治疗组中，PAIST量表识别出76.92%的高风险患者；而在接受溶栓治疗组中，该比例为61.11%。这表明PAIST量表在识别高风险患者方面具有较高的准确性。

为了进一步评估PAIST量表的风险分层能力，研究团队将患者分为三个风险等级：低风险（预测不良预后概率≤10%）、中等风险（预测不良预后概率10%~50%）和高风险（预测不良预后概率>50%）。在验证队列中，这三个风险等级的实际不良预后发生率分别为5%、30%和70%，与预测结果高度吻合，说明该量表具有良好的临床适用性。

### 四、量表的构建与应用

PAIST量表的构建基于两个独立的评分系统，分别为非溶栓治疗组（PAIST Scale 1）和溶栓治疗组（PAIST Scale 2）。对于每个组，量表的评分系统根据不同的临床变量进行了调整。例如，在非溶栓治疗组中，基线NIHSS评分≤4的患者被赋予4分，而基线NIHSS评分≥16的患者被赋予20分；在溶栓治疗组中，基线NIHSS评分5~15的患者被赋予11分，而基线NIHSS评分≥16的患者被赋予20分。此外，其他变量如DVT、NSE、NEUT%、年龄、FBG和K+也被纳入评分系统，但其赋分标准在两组之间存在差异。

研究发现，某些指标在不同治疗组中的最佳阈值有所不同。例如，在非溶栓治疗组中，NSE的临界值为12.5 ng/mL，而溶栓治疗组中为13 ng/mL。同样，中性粒细胞百分比的临界值在非溶栓组中为66%，而在溶栓组中为70%。这些差异可能反映了不同治疗策略对病理生理过程的影响，也可能与不同组别中实验室检查时间点的差异有关。

此外，非溶栓治疗组中还包含了三个额外的预测变量：年龄、空腹血糖和血清钾。这些变量在预测不良预后方面表现出独立的临床价值。例如，年龄大于64岁的患者不良预后发生率显著升高；空腹血糖高于5.8 mmol/L与不良预后相关；而血清钾低于3.8 mmol/L则与不良预后密切相关。这些变量的纳入进一步提高了PAIST量表的预测能力。

### 五、研究的临床意义与创新点

PAIST量表的提出，填补了当前急性期AIS预后预测工具在治疗分层方面的空白。传统模型往往忽略了治疗策略对预后的影响，导致预测结果不够精准。而PAIST量表通过将患者按治疗分层进行建模，能够更准确地识别不同治疗策略下的高风险患者，从而支持个体化的治疗决策。

此外，PAIST量表在设计上兼顾了科学性和实用性。它基于标准化的临床数据，如NIHSS评分、DVT、NSE、NEUT%、年龄、FBG和K+等，这些指标在临床中均较为常见，无需依赖复杂的影像学检查或专业评估。这使得该量表能够在资源有限的医疗环境中广泛应用，提高急性期卒中管理的效率。

与现有的预后预测模型相比，PAIST量表在多个方面具有显著优势。例如，SPAN-100仅依赖于年龄和NIHSS评分，虽然操作简便，但其预测精度较低；而DRAGON评分虽然基于证据，但其应用受限于对综合生物标志物和合并症数据的获取，以及影像学解读的一致性。相比之下，PAIST量表不仅考虑了多种临床变量，还通过治疗分层策略提高了预测的针对性和准确性。

### 六、研究的局限性与未来方向

尽管PAIST量表在多个方面表现出色，但该研究仍存在一些局限性。首先，作为一项单中心回顾性研究，其样本量相对较小，特别是在外部验证阶段，溶栓治疗组仅有80例患者，这可能影响统计效力。其次，研究使用出院时的mRS作为主要预后指标，虽然便于评估，但相较于3个月后的mRS，可能无法全面反映长期功能状态的变化。此外，基线NIHSS评分被分为三个等级（轻度、中度和重度），这种分类可能损失部分连续变量的信息，但同时也符合临床实践中的常见分类标准。

未来的研究应进一步验证PAIST量表在多中心前瞻性研究中的表现，以提高其在不同人群中的适用性。同时，将该量表嵌入电子病历系统，实现自动化数据提取和实时风险评估，有助于提升临床决策的效率和精准度。此外，研究团队还建议，可以进一步探索PAIST量表与其他临床指标的整合，以提高其预测能力。

### 七、结论

综上所述，PAIST量表是一种有效的、适用于急性期AIS的预后风险评估工具。通过将患者按治疗策略进行分层，并整合多个临床变量，该量表不仅提高了对不良预后的识别能力，还为临床医生提供了科学、实用的风险分层依据。PAIST量表的引入，有望改善急性期卒中的管理策略，提高患者治疗的个体化水平，从而改善预后。其在预测精度和临床适用性方面的优势，使其成为未来急性期卒中管理的重要工具之一。