开发并验证了一种新型骨科血液使用预测模型，该模型结合了实验室检测和血栓弹性成像技术

《Transfusion and Apheresis Science》：Development and Validation of a Novel Orthopedic Blood Use Prediction Model Incorporating Lab Tests and Thromboelastography

本研究回顾性纳入250例骨科手术患者，整合实验室指标（Hb、PLT）及TEG参数（R、K、MA等），通过LASSO回归筛选变量并构建随机森林、KNN、GBM预测模型，结果显示随机森林模型AUC最高（0.931），证实Hb、PLT、TEG-MA为独立保护因素，而TEG-R、K、LY30及PT为风险因素，为个体化输血策略提供依据。

　　

陈阿琴|崔冰|徐成成|徐远

江苏省人民医院输血科

摘要

目的

开发并验证一个整合实验室参数和血栓弹性图（TEG）的预测模型，用于预测骨科手术中的输血需求。

方法

这项回顾性研究纳入了250名接受关节置换、脊柱融合或骨折固定手术的患者。参与者被随机分为训练组（n=175）和验证组（n=75）。收集了术前人口统计学资料、实验室指标和TEG参数。通过单变量分析和最小绝对值收缩选择算法（LASSO）回归确定了潜在的预测因子。将显著变量纳入多变量逻辑回归中，以识别独立因素。构建了多种机器学习模型——随机森林（RF）、k最近邻（KNN）和梯度提升机（GBM），并使用接收者操作特征曲线下面积（AUC）进行评估。

结果

训练组和验证组之间的基线特征没有显著差异（P>＞0.05）。单变量分析显示，在训练组中，非输血组和输血组在术前Hb、PLT、TEG-R、TEG-K、TEG-MA、TEG-LY30、凝血酶原时间和D-二聚体水平方面存在统计学上的显著差异（所有P<0.05）。多变量逻辑回归分析表明，术前Hb、术前PLT和TEG-MA是预防术后输血的独立保护因素（所有P<0.05），而TEG-R、TEG-K、TEG-LY30和术前凝血酶原时间是独立的风险因素（所有P<0.05）。随机森林模型获得了最高的AUC（0.931），显著优于KNN（0.894）和GBM（0.813）模型，因此被选为最佳预测模型。

结论

基于实验室参数和TEG参数的随机森林模型能够有效预测骨科手术患者的术后输血需求，为术前血液风险评估和个性化输血策略提供了客观依据。

引言

术中和术后出血是骨科手术中的常见挑战，合理的输血是维持血流动力学稳定、确保手术安全和促进术后恢复的关键措施[1]。然而，临床实践中的输血决策往往依赖于经验判断，导致输血不足或输血过多。前者可能导致组织缺氧和器官功能障碍，而后者则增加感染和血栓等并发症的风险，同时还会造成不必要的医疗资源浪费[2],[3]。因此，准确预测术前输血需求对于优化血液管理和改善患者预后至关重要。

目前的临床评估主要依赖于常规实验室指标，如血红蛋白（Hb）和血小板（PLT）水平，这些指标仅能反映静态的血液状况，无法全面评估凝血功能和出血倾向[4]。血栓弹性图（TEG）作为一种动态监测工具，通过反应时间（R）、凝血时间（K）和最大振幅（MA）等参数，提供了对凝血因子活性、血小板功能和纤维蛋白溶解的全面评估，从而更全面地了解出血风险[5]。然而，单个参数的预测效果有限，实验室指标与TEG参数之间的协同效应尚未得到充分探索，这阻碍了精确预测。

机器学习算法凭借其整合和分析多维数据的能力，在构建医学预测模型方面具有独特优势，能够揭示变量之间的潜在关系，提高预测准确性[6]。因此，本研究旨在结合常规实验室指标和TEG参数，通过单变量分析和LASSO回归筛选变量，并利用机器学习算法开发一种新的骨科手术患者输血需求预测模型。该模型将识别关键影响因素，为临床血液管理和优化输血策略及患者护理提供客观准确的工具。

研究对象

2020年1月至2024年12月期间，在我们医院接受骨科手术（包括关节置换、脊柱融合和骨折内固定）的250名患者被纳入回顾性研究。纳入标准：（1）符合骨科手术指征且首次接受上述手术；（2）已完成全血细胞计数、凝血测试（凝血酶原时间、活化部分凝血活酶时间、纤维蛋白原、D-二聚体）等检查。

训练组和验证组的基线特征

在训练组（n=175）中，102名患者（58.29%）未接受输血，73名患者（41.71%）接受了输血。验证组（n=75）中，44名患者（58.67%）未接受输血，31名患者（41.33%）接受了输血。两组之间的基线特征没有显著差异（P>0.05）（表1）。

影响骨科手术患者输血因素的单变量分析

单变量分析显示，在训练组中，输血组与非输血组之间存在显著差异：输血组的术前Hb水平较低（102.3±15.6 vs. 125.8±12.4 g/L）

讨论

准确评估骨科手术患者的术后出血和输血需求是临床血液管理中的关键问题。输血过多可能增加感染和血栓的风险，而输血不足可能导致组织缺氧和器官功能障碍[8]。本研究结合了常规实验室指标和血栓弹性图（TEG）参数，利用随机森林算法构建了输血预测模型，获得了较高的AUC

资助

本研究得到了镇江市社会发展指导性科技计划项目（FZ2024053）的支持。

CRediT作者贡献声明

徐远：撰写——审稿与编辑、可视化、验证、监督、软件、资源准备。徐成成：撰写——审稿与编辑、可视化、验证、监督、软件、资源准备、方法学、数据管理。崔冰：撰写——审稿与编辑、监督、资源准备、项目管理、方法学、调查、概念构思。陈阿琴：撰写——初稿撰写、可视化、验证、软件使用、资金筹集、数据分析