基于临床与炎症标志物的列线图模型预测动脉瘤性蛛网膜下腔出血术后患者短期预后

本研究针对动脉瘤性蛛网膜下腔出血(aSAH)术后患者预后预测难题，通过双中心回顾性分析构建了整合动脉瘤位置、侧别、脑积水状态、Hunt-Hess分级、GCS评分、高血压史、WBC及MLR等指标的列线图模型。结果显示该模型具有优异预测效能（AUC=0.95），为早期识别高风险患者及优化干预策略提供了可视化工具，对改善神经重症资源分配具有重要临床价值。

　　

动脉瘤性蛛网膜下腔出血(aSAH)是神经外科最凶险的急症之一，具有"三高"特征——高死亡率、高致残率和高治疗成本。尽管近年来诊疗技术不断进步，但术后患者的预后预测仍是临床面临的重大挑战。传统依赖Hunt-Hess量表等临床评分的方法存在主观性强、指标单一等局限，而新兴的炎症标志物研究又缺乏整合多参数的实用工具。这种现状导致临床医生难以及时准确识别高风险患者，错失干预黄金窗口期。

广东医科大学联合高州市人民医院和惠州市中心人民医院的科研团队开展了一项开创性研究，通过双中心回顾性分析构建了全球首个整合临床特征与炎症标志物的aSAH预后预测列线图。这项发表在《Scientific Reports》的研究纳入了600例接受手术治疗的aSAH患者，创新性地将动脉瘤解剖特征（位置、侧别）、并发症（脑积水）、临床评分（Hunt-Hess、GCS）与实验室指标（WBC、MLR）进行多维度整合。

研究采用病例-对照设计，通过随机抽样将患者分为训练集（420例）和验证集（180例）。关键技术包括：1）双中心电子病历系统数据采集；2）28项炎症比值计算如MLR（单核细胞/淋巴细胞比值）、SIRI（系统性炎症反应指数）等；3）多因素logistic回归筛选独立预测因子；4）R Studio构建可视化列线图；5）ROC曲线、校准曲线和决策曲线分析三重验证模型效能。

预后关系分析
研究发现脑积水（OR=0.03）、Hunt-Hess 3-5级（OR=4.13）、GCS 3-8分（OR=4.08）是强预测因子。值得注意的是，左侧动脉瘤（OR=3.77）和颈内动脉段动脉瘤（OR=3.35）预后更差，揭示了解剖定位的临床价值。

模型构建与验证

该列线图在训练组和验证组分别达到0.95和0.901的AUC值，校准误差低至0.018-0.052。决策曲线分析显示当阈值概率在4%-91%范围内时，模型能提供显著临床净获益。

敏感性分析
针对预后良好患者占比84.3%的样本不平衡问题，研究通过随机欠采样和机器学习（随机森林、梯度提升）进行验证。结果显示GCS评分和脑积水在各类模型中均保持前两位预测权重，证实结果的稳健性。

这项研究首次系统论证了MLR（单核细胞/淋巴细胞比值）在aSAH预后中的独立预测价值，其机制可能与单核细胞介导的神经炎症反应相关。临床意义在于：1）为急诊分诊提供客观工具，帮助识别需要优先干预的高危患者；2）指导抗炎治疗时机选择，如MLR>0.61提示需加强炎症调控；3）优化医疗资源配置，降低重症监护成本。该模型已实现"临床指标+常规血检"的便捷组合，适合各级医院推广应用。未来研究可进一步探索炎症标志物与迟发性脑缺血等并发症的分子关联，为精准医疗提供新靶点。