构建小儿心脏手术围术期输血风险预测模型：优化用血管理的关键突破

为解决小儿心脏手术围术期红细胞输血（PRT）风险缺乏有效预测模型的问题，研究人员开展了构建预测 PRT 风险模型的研究。他们分析 19155 例小儿患者数据，得出包含 8 个变量的模型。该模型能分层评估风险，为临床用血管理提供重要参考1211。

　　在医疗领域，小儿心脏手术是一个极具挑战的领域，尤其是在需要心肺转流（Cardiopulmonary Bypass，CPB）的手术中，围术期红细胞输血（Perioperative Red Blood Cell Transfusion，PRT）问题突出。与成人手术不同，小儿心脏手术面临着诸多困难。手术操作复杂，小儿的心肺功能发育尚未完全，心肺动力学复杂，术后出血风险高，而且小儿体型小，总血容量少，但代谢和氧气需求却很大。这使得避免输血在小儿心脏手术中困难重重。同时，全球血液资源短缺，输血不仅存在成本问题，还可能带来感染、过敏等风险。并且，目前缺乏基于大样本数据的临床预测模型来评估小儿心脏手术 PRT 风险。因此，开展相关研究来预测 PRT 风险，优化输血管理迫在眉睫。

中国医学科学院阜外医院的研究人员针对此问题展开了深入研究。他们回顾性分析了 2014 年 9 月至 2021 年 12 月期间，19155 例年龄小于 14 岁、接受 CPB 心脏手术的小儿患者的数据，旨在构建 PRT 风险预测模型。最终，研究人员成功构建并验证了一个有效的临床预测模型，为评估小儿心脏手术 PRT 风险提供了有力工具，对优化临床输血管理具有重要意义。该研究成果发表在《BMC Anesthesiology》杂志上。

研究人员开展此项研究用到的主要关键技术方法如下：

1. 数据收集：收集患者的人口统计学特征、术前变量、术前实验室检查结果、手术类型和手术切口方法、术中变量等多方面临床信息，数据均来自医院电子病历系统。
2. 模型构建：将患者随机分为训练队列（70%）和测试队列（30%）。首先通过单因素逻辑回归初步筛选与 PRT 相关的变量，接着利用最小绝对收缩和选择算子（Least Absolute Shrinkage and Selection Operator，LASSO）回归进一步筛选变量，最后通过多因素逻辑回归确定最终的预测因子，构建预测模型和列线图。
3. 模型评估：采用受试者工作特征曲线下面积（Area Under the Receiver Operating Characteristic Curve，ROC-AUC）评估模型的区分能力，通过校准曲线评估校准度，利用决策曲线分析（Decision Curve Analysis，DCA）评估临床实用性和净获益。

研究结果如下：

1. 患者基本特征：共纳入 19155 例患者（9999 名男性和 9156 名女性），随机分为训练队列（n = 13408）和测试队列（n = 5747）。其中，11782 例（61.5%）患者需要 PRT，训练队列和测试队列中分别有 8290 例（61.8%）和 3492 例（60.8%）。
2. PRT 相关临床结局：研究发现，围术期红细胞输血与多项不良临床结局相关，如胸腔引流量增加、机械通气时间延长、入住儿科重症监护病房（Pediatric Intensive Care Unit，PICU）超过 5 天、术后住院时间超过 7 天、肝损伤、急性肾损伤（Acute Kidney Injury，AKI）、术后胸腔引流量超过 1000 mL 以及机械通气时间超过 72 小时等3。
3. 预测因素筛选：经过单因素逻辑回归、LASSO 回归和多因素逻辑回归分析，确定了 8 个 PRT 风险的预测因素，分别为年龄、体重、术前血红蛋白水平、紫绀型先天性心脏病（Cyanotic Congenital Heart Disease，CCHD）、CPB 持续时间、CPB 期间最低直肠温度、CPB 预充量和小切口45。
4. 风险预测模型构建：根据上述 8 个预测因素构建列线图。通过计算每个患者各参数对应的得分总和来预测 PRT 风险，总分越高，风险越大。例如，某 5 岁患儿，患有 CCHD 和心内膜炎，体重 20 kg，术前血红蛋白 110 g/L，CPB 持续时间 100 分钟，CPB 期间最低直肠温度 30°C，CPB 预充量 60 mL/kg，采用正中胸骨切开术，其总得分约 82.5 分，对应的 PRT 风险预测值为 90%6。
5. 模型性能评估：列线图在训练队列和测试队列中均表现出良好的预测性能。训练队列中，ROC-AUC 为 0.886（95% CI：0.880 - 0.891），灵敏度、特异性、准确性、阳性预测值和阴性预测值分别为 80.4%、83.9%、82.2%、89.0% 和 72.5%；测试队列中，ROC-AUC 为 0.883（95% CI：0.875 - 0.892），上述指标分别为 84.2%、80.0%、82.1%、87.0% 和 78.6%。校准曲线与理想对角线接近，表明预测值与实际观察值一致性良好。DCA 分析显示，该模型具有临床实用性，相比 “全部输血” 或 “全部不输血” 策略，具有更高的净获益78。
6. 风险分层：根据列线图预测值将患者分为低风险（PRT 风险 <30%，对应得分 < 68 分）、中风险（PRT 风险 30 - 70%，对应得分 68 - 76 分）和高风险（PRT 风险> 70%，对应得分 > 76 分）三组。在训练集中，低、中、高风险组的实际输血率分别为 13.0%、45.4% 和 91.6%9。

研究结论和讨论部分强调了该研究的重要意义。本研究构建的预测模型能有效评估小儿心脏手术 PRT 风险，将患者分为不同风险组，有助于临床医生在术前对患者进行分层管理。对于中高风险患者，可提前实施血液保护策略，减少不必要的输血，优化用血管理，提高医疗质量。同时，该模型基于大样本数据构建，具有一定的代表性，但研究也存在局限性，如单中心研究可能影响结果的普适性，回顾性研究可能存在数据缺失等问题。未来还需进一步开展多中心研究进行外部验证，并探索预测输血数量的模型。总体而言，该研究为小儿心脏手术围术期输血管理提供了重要的参考依据，推动了患者血液管理（Patient Blood Management，PBM）在小儿心脏手术领域的发展1011。