临床预测模型在慢性硬膜下血肿术后复发风险预测中的研究进展

Research Progress of Clinical Prediction Models in Predicting Postoperative Recurrence Risk in Chronic Subdural Hematoma

摘要: 慢性硬膜下血肿(Chronic Subdural Hematoma, CSDH)是一种常见的神经外科疾病，其治疗和管理一直是神经外科医生和研究人员关注的焦点。近年来，针对CSDH患者术后复发的影响因素研究逐渐成为热点。随着科学技术的发展，对于CSDH患者术后复发的风险预测模型研究逐渐成为热点。这一研究方向可以通过系统整合患者的临床和影像学资料，致力于更准确地评估患者术后复发的风险，为医生制定个体化治疗方案提供一定的科学依据。首先，术后复发风险预测模型通过收集入院时的基本信息、临床特征和影像学资料，建立了对CSDH患者术后复发的风险的预测模型，能够更全面地评估患者的临床特征，为术后复发的风险评估提供更为精准的数据。为医生提供了更详尽的信息，有助于全面了解患者的病情，从而更好地制定治疗计划。其次，风险预测模型在CSDH患者术后复发的临床诊疗中为临床医生提供了一定的决策支持。通过分析患者的临床特点和影像学表现，模型能够辅助医生判断患者术后复发的风险，为患者家属和医生选择不同的治疗策略提供科学依据。这种个性化的决策支持有助于医生更加精准地制定治疗方案，提高治疗效果和患者的康复率。我们通过对风险预测模型在CSDH患者术后复发临床诊疗中的应用的综述，旨在加深其理解并促进相关风险预测模型在今后临床实际应用中的可能。

Abstract: Chronic Subdural Hematoma (CSDH) is a common neurosurgical condition, and its treatment and management have been a focus for neurosurgeons and researchers. In recent years, the study of factors influencing postoperative recurrence in CSDH patients has gradually become a hotspot. With the advancement of science and technology, research on risk prediction models for postoperative recurrence in CSDH patients has gained increasing attention. This research direction aims to systematically integrate clinical and imaging data of patients to more accurately assess the risk of postoperative recurrence, providing certain scientific basis for doctors to develop individualized treatment plans. Firstly, the postoperative recurrence risk prediction model collects basic information, clinical characteristics, and imaging data at admission to establish a predictive model for the risk of recurrence in CSDH patients, allowing for a more comprehensive assessment of patients’ clinical features and providing more precise data for postoperative recurrence risk evaluation. This offers doctors more detailed information, helping them to fully understand the patient’s condition and better formulate treatment plans. Secondly, risk prediction models provide certain decision support for clinicians in the clinical diagnosis and treatment of postoperative recurrence in CSDH patients. By analyzing patients’ clinical characteristics and imaging findings, the model can assist doctors in assessing the risk of postoperative recurrence, providing a scientific basis for families and doctors to choose different treatment strategies. This personalized decision support helps doctors formulate treatment plans more accurately, improving treatment outcomes and patient recovery rates. Through a review of the application of risk prediction models in the clinical management of postoperative recurrence in CSDH patients, we aim to deepen understanding and promote the potential future clinical application of relevant risk prediction models.

1. 慢性硬膜下血肿的流行病学特征

慢性硬膜下血肿(CSDH)是一种常见于老年人的神经外科疾病，随着全球人口老龄化的趋势，其发病率逐渐升高，每年可达到8.2~48/100,000 [1]。CSDH患者可表现为头痛、癫痫、肢体乏力、尿失禁或认知功能障碍等，甚至诱发脑疝[2]。目前，手术是治疗CSDH的首选方案，主要包括钻孔引流、神经内镜清除血肿和脑膜中动脉栓塞术等，其目的在于缓解血肿对脑组织的压迫，但各种手术方式并未针对性消除CSDH病因，术后复发率仍高达10%~20% [3]，给患者带来更大的痛苦和医疗负担。因此，了解术后复发的影响因素及其机制至关重要。本研究旨在深入探讨CSDH术后复发的临床特征及相关机制，并评估现有的临床预测模型。通过系统分析这些因素，我们希望为临床医生提供有效的指导，帮助制定个体化的治疗方案，降低复发风险，提高患者的生活质量。

2. 慢性硬膜下血肿术后复发的危险因素

慢性硬膜下血肿(CSDH)是一种常见的神经系统疾病，其复发风险受到多种因素的影响。全面的风险评估和相应的干预措施对于预防和管理CSDH至关重要。年龄是CSDH复发的主要危险因素之一。年长患者因脑萎缩和脑部退行性变化，复发风险显著增加[4]。此外，抗凝药物的使用被认为是独立的风险因素，这些药物可能导致凝血功能障碍，从而增加复发的可能性[5]。慢性疾病史，如高血压和糖尿病，也会影响血管健康和脑组织的修复能力，进而提升复发风险[6]。影像学特征在CSDH复发中同样起着重要作用。脑中线移位被视为复发的重要预测因子，反映了脑组织的位移和压迫情况[7]。血肿的密度、厚度和体积与复发风险密切相关，高密度和较大体积的血肿更易复发[8]。术前因素如血肿类型和脑萎缩程度也会影响复发风险，严重的脑萎缩与复发的可能性呈正相关[9]。术中因素，如手术技术和操作细节，可能对血肿的复发产生影响，而术后管理措施(如引流方式和抗炎处理)同样对复发风险有显著影响[10]。

综上所述，CSDH的复发是多种因素交互作用的结果，包括临床因素、影像学特征、术前状态、术中技术及术后管理等。综合考虑这些危险因素将有助于制定更有效的预防和管理策略，提高对CSDH的干预和治疗效果。

3. 临床预测模型及分类

临床预测模型是通过统计学和机器学习等方法，利用患者的临床资料，预测疾病的发展、治疗效果及患者预后的工具[11]。这些模型在医学领域中广泛应用，帮助医生更准确地评估患者的风险并制定个体化的治疗计划，减少疾病致残致死率。现有的临床预测模型包括：逻辑回归模型、线性回归模型、决策树模型、支持向量机(SVM)、神经网络模型(ANN)、深度学习模型、生存分析模型、贝叶斯网络。

这些临床预测模型的选择取决于具体问题及可用的数据。综合使用不同类型的模型，我们可以更全面、准确地预测患者的疾病发生风险和预后。在本综述中，我们主要针对使用逻辑回归分析开发的脑出血患者预后预测模型进行讨论。这种基于逻辑回归的预测模型不仅可以帮助医生评估患者的病情严重程度和预后风险，还可以为患者制定个性化的治疗方案提供重要参考。通过分析大量的临床数据，这些模型能够识别出与脑出血预后密切相关的因素，并将其整合成预测模型，来为医生提供及时且准确的决策支持。

4. 现有慢性硬膜下血肿术后复发预测模型的研究进展

近年来，随着对慢性硬膜下血肿(CSDH)术后复发机制的深入研究，多个临床预测模型相继被提出。这些模型旨在通过分析患者的临床特征和术后表现，帮助医生评估复发风险并制定相应的管理策略。

2009年，Abouzari等研究人员探讨了人工神经网络(ANN)与逻辑回归模型在预测CSDH术后预后的效果[12]。研究纳入了300名患者(213名男性和87名女性)，平均年龄为56.5 ± 18.1岁。研究选取了多个预测变量，包括年龄、性别、中线偏移、颅内气体、血肿密度、血肿厚度、大脑萎缩及格拉斯哥昏迷量表(GCS)评分。结果显示，228名患者(76.0%)预后良好，脑萎缩、颅内气体、中线偏移、低GCS、血肿厚度及高密度血肿的发生率分别为47.3%、52.0%、59.0%、27.3%、45.0%和17.3%。逻辑回归模型的受试者工作曲线(ROC曲线)曲线下面积(AUC)值用于评估其预测性能，而ANN模型在预测CSDH预后方面的表现显著优于逻辑回归模型，61项相关研究中，ANN在18个案例中表现更佳。结论指出，ANN模型在处理复杂非线性关系方面的优势使其在CSDH术后预后的预测中表现出更高的准确性，建议在更大规模样本中进行验证，并考虑纳入更多变量及交互项以进一步提升预测性能。

2015年，Jack等研究人员提出了一个针对个体患者复发风险的分层评分系统[13]。研究对331例接受手术治疗的CSDH患者进行了回顾性分析，采用单变量和多变量分析方法，探讨术后血肿量增加及需重复引流的复发危险因素。结果显示，再手术率为12%。CSDH间隔(通过计算机断层扫描可见)被确认为需要再次手术的独立危险因素(p = 0.04)，而较大的术后硬膜下血肿量与第二次引流手术显著相关(p < 0.001)。此外，术后血肿量较大的独立危险因素包括CSDH内的分隔(p < 0.01)、术前血肿量增加(p < 0.01)和显著的实质萎缩(p = 0.04)。基于患者年龄(<或≥80岁)、血肿体积(<或≥160 cc)及硬膜下积液中分隔的存在(是或否)，研究者创建并验证了一个简单的评分系统，以量化复发风险。结论表明，CSDH内的分隔与需重复引流的较大术后残余血肿积聚相关。当CSDH内的分隔明显时，开颅手术可能更适合作为主要的手术方式，以更有效地处理分隔的硬膜下集合。研究提出的评分系统结合了血肿体积、年龄和分隔的存在，有助于识别复发风险较高的患者，为临床决策提供了重要依据。

2017年，Stanišic等研究人员开发了一个CSDH分级系统，旨在根据首次就诊和初次手术时可客观评估的预测特征来有效预测术后复发[14]。研究团队对107名连续手术的CSDH患者进行了前瞻性数据收集，并对术后复发的预测因子进行了回顾性分析。通过逻辑回归和套索回归分析，确定了影响术后复发的关键因素，并根据其关联强度为预测因子赋予权重，从而构建了预后CSDH分级系统。随后，该评分系统在同一组患者中进行了内部验证。结果显示，术后复发的最强预测因子包括等密度或高密度病灶、层状或分离病灶，以及术后CSDH腔体积大于200 mL。中度预测因素则为术后CSDH腔体积在80至200 mL之间及术前CSDH体积大于130 mL。根据预后CSDH分级系统，评分为0分的患者未观察到术后复发，而评分为1至2分的患者中有6%出现术后复发，评分为3至4分的患者为30%，评分为5分(最高分)的患者则为63%。术后复发率随着预后CSDH分级评分的增加而显著上升(p < 0.001)。该分级系统为CSDH患者的术后复发风险分层提供了有效的工具，具有重要的临床应用价值。

2018年，Yan等研究人员建立了一种可靠的列线图模型，以预测钻孔手术后CSDH的复发风险[15]。研究团队通过对514例患者进行回顾性分析，采用单变量和二元逻辑回归分析，识别出与CSDH复发显著相关的预测因子。结果显示，术前血肿量(大于121 mL)、术后残腔体积(大于72 mL)、CT扫描成像类型(高密度和混合密度型)以及年龄(大于65岁)均与复发风险显著相关。在模型验证中，研究者使用50%的复发率作为分类截止值，得出对应点为252。二元Logistic回归模型的预测准确率高达91.7%，而列线图模型的敏感性和特异性分别为87.88%和84.85%。这些结果表明，该列线图模型在预测CSDH复发方面具有较高的准确性和实用性。未来的研究应着重于进行更多的外部和前瞻性验证，以进一步巩固该模型的临床应用价值。

2019年，Shen等研究人员利用单变量和多变量逻辑回归模型识别单侧CSDH (uCSDH)复发的预测因子。基于多变量逻辑回归和ROC分析的结果，开发了针对uCSDH复发的分级系统[16]。研究共纳入342名uCSDH患者，所有患者根据该分级系统进行评分，并重新分析复发率的差异。研究发现，年龄、抗血小板或抗凝药物的使用、中线移位、严重脑萎缩、引流量以及术后脑积气体积(PostPV)与术后血肿腔体积(PostHCV)的比值被确定为uCSDH复发的独立危险因素。具体而言，年龄、引流量、中线移位和PostPV与PostHCV比率的截止值分别为67岁、101 mL、11.2 mm和31.61%。根据评分系统，复发率在0~1分、2分、3分、4分和5~6分组中分别为1.7%、12.4%、19.4%、53.3%和58.3%，且随着分值的增加显著上升(p < 0.001)。研究表明，基于多变量逻辑回归和ROC分析的uCSDH预后分级系统具有良好的适用性和可靠性，为临床提供了有效的复发风险评估工具。

2021年，Won等研究人员将奥斯陆分级系统(OGS)引入用于预测CSDH的复发[17]。研究团队前瞻性地收集了272名单侧和177名双侧CSDH患者。通过逻辑回归分析，验证了OGS的有效性，并整合了其他预测因子以构建改进的OGS (mOGS)。结果显示，OGS在单侧CSDH的复发预测中具有显著的预测价值(p = 0.002)，而在双侧CSDH中未能显示显著性(p = 0.921)。通过单变量和多变量分析，研究者识别了单侧和双侧CSDH复发的其他预测因素，并将其纳入评分系统中。单侧CSDH的mOGS包含四个组成部分：既往OGS的三个组成部分(OR 1.6)和癫痫发作(OR 2.5)，其复发率随评分的增加而显著变化(0分，0%；1~2分，17.4%；3~4分，30.6%；≥5分，80%)。双侧CSDH的mOGS同样由四个组成部分构成：低密度/分级亚型(OR 3.3)、术后单侧体积 > 80 mL (OR 7.4)、术后单侧空气滞留 > 80 mL (OR 15.3)和癫痫发作(OR 5.5)，其复发率也随评分的增加而显著变化(0分，3.6%；1分，30.6%；2分，53.5%；3分，58.3%；≥4分，100%)。经过内部验证，mOGS在单侧(p = 0.004)和双侧CSDH (p < 0.001)复发预测中均显示出高度显著的预测能力。尽管OGS在单侧CSDH复发的风险分层中表现良好，但在双侧CSDH的验证中未能成功。因此，mOGS的开发旨在增强其临床实用性和适用性，为CSDH患者的管理提供更为精准的工具。

2022年，Han等研究人员通过筛选与围手术期血肿复发相关的主要因素，特别关注脑再扩张作为复发的核心因素，并提出了相应的临床预后评分系统[18]。研究选取295例单侧CSDH患者作为建模训练组。通过单变量和多变量回归分析，确定预测术后复发需要再次手术的关键因素，并利用双变量Pearson相关系数分析排除相关因素。采用ROC分析评估主要因素预测术后复发需要再次手术的能力，并确定脑再扩张率的临界值。最终，研究者开发了预后评分系统并进行了初步验证，使用119名单侧CSDH患者组成的验证组对评分系统进行验证。研究结果显示，预测单侧CSDH复发的关键因素包括术后7~9天的脑再扩张率(≤40%) (OR 25.91, p < 0.001)和术前CT密度分类(等密度或高密度，或分离或层状类型) (OR 8.19, p = 0.007)。此外，脑萎缩在脑再扩张中发挥了重要作用(OR 2.36, p = 0.002)。CSDH预后分级系统的评分范围为0~3，分数的增加与术后复发需要再次手术率的逐步上升显著相关(AUC = 0.856)。该预后分级系统能够有效筛选出临床高危的术后复发需要再次手术单侧CSDH患者。然而，术后脑再扩张率在CSDH患者的管理中应引起更多关注，以提高临床预后评估的准确性。

2022年，Mignucci-Jiménez等研究人员在之前开发的波多黎各复发量表(PRRS) (CSDH复发的10分分级量表，由四个部分组成：术前中线移位(≤1和>1 cm)、偏侧性(双侧、单侧右侧和单侧左侧)、术后硬膜下间隙大小(≤1.6和>1.6厘米)，以及气头(存在或不存在)，分较高的患者复发风险较高[19])的基础上，引入了修改版波多黎各复发量表(mPRRS)，其中纳入了与复发独立相关的脑积气量[20]。研究分析了基于波多黎各人群的CSDH治疗患者的数据。使用单变量和多变量分析来构建复发预测分级量表，并对队列进行了回顾性验证。研究共纳入108名患者，其中42名复发，66名未复发。术后硬膜下间隙、术后中线移位和脑积气量均与复发显著相关(p = 0.002、p = 0.009和p < 0.001)。通过多变量分析，我们构建了一个包含三个变量的六点分级量表，包括颅内积气体积(<10、10~20、21~30和>30 cm³)、术后中线移位(<0.4、0.41~1.0和>1.0 cm)以及偏侧性(单侧和双侧)。从低风险组到高风险组，复发率逐渐增加(2/18 (11%) vs 21/34 (62%); p < 0.003)。mPRRS结合脑积气量的测量显著改善了CSDH复发的预测能力。研究结果表明，评分较高的患者复发风险更高，强调了术后变量测量在预测中的重要性。mPRRS分级标准不仅适用于波多黎各人群，也可能适用于更广泛的普通人群。

2024年，Ni等研究人员开发和验证了一种基于机器学习(ML)的模型，以准确预测术后CSDH复发的风险[21]。研究对447例CSDH患者的数据进行了分析，其中312名患者用于模型开发，135名患者用于测试。采用最小绝对收缩和选择算法(LASSO)方法筛选与复发相关的关键特征，并利用八种机器学习算法构建预测模型，结合人口统计学、实验室和放射学特征。应用边界线合成少数过采样技术(SMOTE)以解决数据不平衡问题，并通过沙普利加性解释(SHAP)分析提高模型的可视化和可解释性。结果显示，优化后的ML模型在验证集中的预测准确率介于61.0%~86.2%之间，其中随机森林(RF)模型表现最佳，准确率达到86.2%。SHAP分析进一步确认了CSDH复发风险的关键临床预测因素，包括年龄、丙氨酸转氨酶水平、纤维蛋白原水平、凝血酶时间和最大血肿直径。在测试数据集中，RF模型的准确率为92.6%，AUC值为0.834。该研究结果强调了机器学习算法，特别是RF模型与SMOTE的结合，在预测术后CSDH复发方面的有效性。基于RF模型，研究者设计了一种在线计算器，旨在为高危患者制定个性化的治疗策略并及时实施预防干预措施。

5. 讨论

慢性硬膜下血肿(CSDH)是一种常见的神经外科疾病，其术后复发率较高，给患者的康复和生活质量带来了显著影响。因此，建立有效的临床预测模型，对于早期识别高风险患者、优化治疗方案以及改善临床结果具有重要意义。

术后复发的临床预测模型不仅能够帮助医生评估患者的复发风险，还能为临床决策提供科学依据。通过对患者的临床特征、影像学表现及其他相关因素进行综合分析，这些模型能够识别出潜在的高风险患者，从而实现个体化管理。例如，某些患者可能因年龄、合并症或术前症状的不同而面临更高的复发风险，预测模型的应用可以帮助医生在术后制定更为精细的随访计划和干预措施。

综上所述，慢性硬膜下血肿术后复发的临床预测模型在提高患者管理水平、优化治疗方案和改善预后方面具有重要意义。未来的研究应继续探索新的预测因素和技术手段，以提高模型的准确性和适用性。通过不断的努力，我们有望为慢性硬膜下血肿患者提供更为有效的预防和治疗策略，从而改善他们的生活质量和整体健康水平。

NOTES

^*通讯作者。