一项回顾性队列研究：老年髋部骨折患者的红细胞体积大小的变异系数(RDW-CV)与全因死亡率之间的关系
A Retrospective Cohort Study: The Relationship between the Coefficient of Variation of Red Blood Cell Volume Size (RDW-CV) and All-Cause Mortality in Elderly Patients with Hip Fracture
摘要: 介绍：本研究旨在评估红细胞体积大小的变异系数(RDW-CV)与老年人髋部骨折全因死亡率之间的关系。方法：对2015年1月至2019年9月期间在西安市红会医院接受治疗的老年髋部骨折患者进行筛选。收集患者的年龄、性别等人群特征，以及损伤机制、入院基础疾病、骨折分类、从入院时间到手术、RDW-CV、手术时间、失血量、输液量、输血量、治疗策略、住院时间，随访时间等临床特征。使用多因素Cox回归模型来确定这些患者的RDW-CV和死亡率之间的关系。所有分析均使用EmpowerStats和R软件进行。结果：本回顾性队列研究共纳入2303例患者，并根据其RDW-CV水平分为三组。平均随访时间为39.23个月。RDW-CV的平均值为13.24 ± 0.48。患者一年后的全因死亡数为707例(30.69%)。多因素Cox回归模型显示，在排除了其他影响因素后，RDW-CV与老年髋部骨折患者的死亡率(风险比 = 1.13，95%置信区间：1.07~1.18，P < 0.0001)相关。当RDW-CV每增加1%时，患者的死亡风险增加了13%。结论：红细胞体积大小的变异系数(RDW-CV)与老年髋部骨折患者的全因死亡率相关，而RDW-CV可被认为是死亡风险的预测因子。
Abstract: Introduction: The purpose of our study was to evaluate the relationship between the coefficient of variation of red blood cell volume (RDW-CV) and the all-cause mortality of hip fracture in the elderly. Methods: The elderly patients with hip fracture who were treated in Xi’an Honghui Hospital from January 2015 to September 2019 were screened. The age, gender and other population characteristics of the patients were collected, as well as the injury mechanism, basic diseases at admission, fracture classification, RDW-CV, operation time, blood loss, infusion volume, blood transfusion volume, treatment strategy, hospitalization time, follow-up time and other clinical characteristics from admission time to operation. Multivariate Cox regression models were used to determine the relationship between RDW-CV and mortality in these patients. All analyses were performed using EmpowerStats and R software. Results: A total of 2303 patients were included in this retrospective cohort study and divided into three groups according to their RDW-CV levels. The average follow-up time was 39.23 months. The mean value of RDW-CV was 13.24 ± 0.48. The number of all-cause deaths after 1 year was 707 (30.69%). Multivariate Cox regression model showed that after excluding other influencing factors, RDW-CV was associated with mortality in elderly patients with hip fracture (hazard ratio = 1.13, 95% confidence interval: 1.07~1.18, P < 0.0001). When RDW-CV increased by 1%, the risk of death increased by 13%. Conclusion: The coefficient of variation of red blood cell volume size (RDW-CV) is associated with all-cause mortality in elderly patients with hip fracture, and RDW-CV can be considered as a predictor of death risk.
文章引用：徐帅亮, 张育民, 张斌飞, 陈少华, 任尚博. 一项回顾性队列研究：老年髋部骨折患者的红细胞体积大小的变异系数(RDW-CV)与全因死亡率之间的关系[J]. 临床医学进展, 2024, 14(10): 462-470. https://doi.org/10.12677/acm.2024.14102680

1. 介绍

髋部骨折是老年人群中最常见的骨折类型之一。随着全球社会人口老龄化问题的日益发展，全球髋部骨折的数量预计将从1990年的126万增加到2050年的625万[1]。据报道，老年人髋部骨折1年的累积死亡率累计在20%~40%之间[2]-[5]。同时，髋部骨折不仅给患者带来生理和心理问题，而且增加了医疗系统和社会的负担[6] [7]。

血常规是临床上常用的检测方法之一，其中红细胞分布宽度(RDW-CV)是血常规检查的经典项目之一，主要反映红细胞体积和大小的均匀性[8]。过去，RDW主要用于诊断不同类型的贫血、造血障碍、先天性红细胞异常和其他血液系统疾病[9]-[11]。同时，近年来它逐渐在包括乙型病毒性肝炎，急性心肌梗死和结直肠癌等疾病的相关领域得到研究[12]-[14]。

关于老年人髋部骨折的危险因素目前已经有了大量的报道，根据相关的文献内容，年龄较大、入院到手术时间(>2天/<2天)、认知障碍、谵妄、痴呆和抑郁等疾病增加了患者髋部骨折术后的死亡风险[15]。Zhang等人的文章指出，通过改善可以预防的死亡危险因素，从而降低患者手术后的死亡风险[16]。血常规由于易于获取血液样本、创伤小、长期监测和全身状态评估等优点，越来越受到重视。研究表明，RDW与髋部骨折后死亡率风险的增加独立相关。Yin等人发现，在住院过程中RDW波动较大的髋部骨折患者，2年全因死亡的风险较高[17]。另一项纳入了698例老年髋部骨折患者的研究中发现，RDW较大的患者有较高的死亡率，这表明RDW与髋部骨折患者的短期(4个月)和长期(1年)死亡率之间存在关联[18]。

然而，RDW-CV与老年髋部骨折患者预后之间的关系尚不清楚。因此，我们旨在通过本回顾性研究探讨老年髋部骨折患者入院时RDW-CV与术后长期全因死亡率之间的关系。我们假设RDW-CV与患者术后死亡率之间可能存在关联。这样有助于外科医生确保手术安全，降低死亡率，个体化风险评估，以及预防不良结局，帮助患者更快地恢复。

2. 资料和方法

2.1. 临床资料

这项回顾性队列研究纳入了2015年1月1日至2019年9月30日在西安红会医院患有髋部骨折的老年人。患者的人口统计学和临床数据来源于他们的原始病历。纳入标准为：1) 年龄 ≥ 65岁；2) 股骨转子间骨折与股骨颈骨折的x线或计算机断层扫描诊断；3) 在医院接受手术或保守治疗的参与者；4) 可在医院提供临床资料；5) 通过电话联系到的患者或其家属，无法联系到的患者被排除在外。本研究回顾性研究获西安交通大学红会医院伦理委员会批准(编号202201009)。所有与人有关的程序都遵循1964年的《赫尔辛基宣言》及其后来的修正案。该研究已根据sstrocss2021指南进行了报道。所有受试者或其法定监护人均获得口头知情同意。

2.2. 方法

入院时的RDW定义为入院时验血的结果。因变量为全因死亡率，自变量为入院时的RDW-CV。其他变量被归类为潜在的混杂因素：年龄、性别、损伤机制、骨折分类、高血压、糖尿病、冠心病(CHD)、心律失常、缺血性发作、癌症、相关损伤、痴呆、慢性阻塞性肺疾病(COPD)、肝炎、胃炎、治疗策略、入院时间、手术时间、操作时间、失血量、连续输血、输液、住院时间和随访。

患者在术前接受了血液检查，股骨转子间骨折常采用股骨近端钉闭/切开复位内固定(ORIF)，股骨颈骨折通常根据患者的年龄采用半关节置换术(HA)或全髋关节置换术(THA)进行治疗。

出院后，通过电话联系患者家属，记录生存和生存时间数据。由两名医疗专业人员进行了电话随访，对于第一次尝试时无法联系到的患者，我们再尝试了两次。当患者家属没有反应时，我们停止并记录患者为失随访。

2.3. 统计分析

对于连续变量，数据用平均值(标准偏差) (高斯分布)或中位数(最小值、最大值) (偏态分布)表示，对于分类变量，数据用数字和百分比表示。采用χ2 (分类变量)、单因素方差分析检验(正态分布)或Kruskal-Wallis H检验(偏态分布)来检测不同的RDW (三分位数)之间的差异。检查RDW和死亡率之间的关系，我们构建了三个不同的模型使用单变量和多变量Cox比例风险回归模型，包括未调整模型(没有协变量调整)，最低限度调整模型(只有社会人口变量调整)，和一个完全调整模型(研究中提出的所有协变量调整)。记录了具有95%置信区间(CI)的风险比(HR)。所有分析均采用统计软件包R进行，P值 < 0.05被认为有统计学意义。

3. 结果

3.1. 病人特征

在2015年1月至2019年9月期间发生髋部骨折的参与者中，共有2303人符合研究标准，并被纳入了我们的研究中。平均随访时间为39.23个月。RDW-CV的平均值为13.24 ± 0.48。我们根据患者的RDW-CV将患者分为三组，表1列出了所有2303例患者的人口统计学和临床特征，包括共病、损伤机制和治疗策略等因素。

Table 1. The Demographic and clinical characteristics (N = 2303)

表1. 人口统计学和临床特征(N = 2303)

入院红细胞分布宽度CV指标

低

中

高

P值

P值*

数量

355

990

958

年龄(岁)

77.25 ± 6.45

79.14 ± 6.81

80.52 ± 6.54

<0.001

<0.001

入院时间(小时)

71.33 ± 167.07

69.15 ± 246.15

91.63 ± 253.16

0.094

<0.001

入院到手术(天)

4.13 ± 2.32

4.21 ± 2.54

4.42 ± 2.66

0.09

0.122

住院时间(天)

8.35 ± 3.13

8.46 ± 3.35

9.02 ± 3.46

<0.001

<0.001

手术时长(分)

93.15 ± 35.37

92.85 ± 36.24

92.92 ± 35.72

0.991

0.999

失血量(毫升)

239.58 ± 158.81

234.23 ± 148.14

249.47 ± 156.21

0.095

0.185

输液量(毫升)

1621.55 ± 381.49

1564.81 ± 390.40

1521.37 ± 376.79

<0.001

<0.001

输血量(单位)

0.81 ± 1.17

1.05 ± 1.24

1.31 ± 1.22

<0.001

<0.001

入院红细胞分布宽度CV连续变量

11.98 ± 0.15

13.00 ± 0.00

14.73 ± 1.30

<0.001

<0.001

随访时间(月)

36.90 ± 14.22

40.75 ± 18.44

40.05 ± 20.93

0.004

0.005

性别

0.211

-

男性

99 (27.89%)

313 (31.62%)

316 (32.99%)

女性

256 (72.11%)

677 (68.38%)

642 (67.01%)

损伤机制

0.339

-

跌倒

339 (95.49%)

965 (97.47%)

925 (96.56%)

意外

14 (3.94%)

19 (1.92%)

27 (2.82%)

其他

2 (0.56%)

6 (0.61%)

6 (0.63%)

骨折类型

<0.001

-

转子间骨折

208 (58.59%)

710 (71.72%)

781 (81.52%)

股骨颈骨折

147 (41.41%)

280 (28.28%)

177 (18.48%)

高血压

206 (58.03%)

464 (46.87%)

453 (47.29%)

<0.001

-

糖尿病

97 (27.32%)

207 (20.91%)

143 (14.93%)

<0.001

-

冠心病

167 (47.04%)

511 (51.62%)

510 (53.24%)

0.137

-

心律失常

107 (30.14%)

311 (31.41%)

323 (33.72%)

0.372

-

出血性脑卒中

7 (1.97%)

16 (1.62%)

24 (2.51%)

0.38

-

缺血性脑卒中

109 (30.70%)

299 (30.20%)

243 (25.37%)

0.033

-

癌症

6 (1.69%)

21 (2.12%)

35 (3.65%)

0.05

-

合并损伤

25 (7.04%)

62 (6.26%)

67 (6.99%)

0.778

-

痴呆

8 (2.25%)

35 (3.54%)

42 (4.38%)

0.18

-

慢性阻塞性肺病

15 (4.23%)

58 (5.86%)

61 (6.37%)

0.337

-

肝炎

9 (2.54%)

28 (2.83%)

32 (3.34%)

0.689

-

胃炎

5 (1.41%)

14 (1.41%)

23 (2.40%)

0.217

-

治疗方法

<0.001

-

切开复位内固定

210 (59.15%)

708 (71.52%)

764 (79.75%)

人工半髋关节置换术

129 (36.34%)

268 (27.07%)

189 (19.73%)

人工全髋关节置换术

16 (4.51%)

14 (1.41%)

5 (0.52%)

死亡率

68 (19.15%)

264 (26.67%)

375 (39.14%)

<0.001

-

3.2. 入院RDW与死亡率之间的单因素分析

我们进行了单因素分析，以确定潜在的混杂因素以及变量与患者死亡率之间的关系(表2)。根据P < 0.1的标准，我们发现了多个混杂因素：年龄，性别、损伤机制、冠状动脉粥样硬化性心脏病、心律失常、缺血性脑卒中、癌症、痴呆、COPD、肝炎、入院时间、入院到手术时间，住院时间等。

Table 2. Results of single factor analysis (N = 2303)

表2. 单因素分析的结果(N = 2303)

统计

死亡率

P值

年龄(岁)

79.42 ± 6.74

1.07 (1.06, 1.09) < 0.0001

性别

男

728 (31.61%)

1

女

1575 (68.39%)

0.74 (0.63, 0.86) < 0.0001

损伤机制

摔倒

2229 (96.79%)

1

意外

60 (2.61%)

0.32 (0.15, 0.67) 0.0024

其他

14 (0.61%)

1.51 (0.67, 3.36) 0.3187

骨折分型

粗隆间骨折

1699 (73.77%)

1

股骨颈骨折

604 (26.23%)

0.98 (0.82, 1.18) 0.8538

高血压

1123 (48.76%)

1.12 (0.96, 1.30) 0.1375

糖尿病

447 (19.41%)

1.04 (0.87, 1.26) 0.6538

冠心病

心律失常

741 (32.18%)

1.21 (1.04, 1.41) 0.0135

出血性脑卒中

缺血性脑卒中

651 (28.27%)

1.35 (1.15, 1.58) 0.0002

癌症

62 (2.69%)

1.65 (1.13, 2.41) 0.0095

合并损伤

154 (6.69%)

0.92 (0.67, 1.25) 0.5874

痴呆

85 (3.69%)

2.55 (1.91, 3.42) < 0.0001

慢性阻塞性肺病

134 (5.82%)

1.47 (1.12, 1.95) 0.0061

肝炎

69 (3.00%)

1.54 (1.07, 2.22) 0.0201

胃炎

42 (1.82%)

0.83 (0.47, 1.48) 0.5351

入院时间(小时)

78.83 ± 238.92

1.00 (1.00, 1.00) 0.0194

入院到手术(天)

4.29 ± 2.56

1.02 (1.00, 1.05) 0.0882

住院时间(天)

8.67 ± 3.37

1.02 (1.00, 1.04) 0.0802

治疗方法

切开复位内固定

1682 (73.04%)

1

人工半髋关节置换术

586 (25.45%)

1.06 (0.88, 1.27) 0.5383

人工全髋关节置换术

35 (1.52%)

0.20 (0.05, 0.82) 0.0251

手术时长(分)

92.93 ± 35.87

1.00 (1.00, 1.00) 0.1142

失血量(毫升)

241.43 ± 153.29

1.00 (1.00, 1.00) 0.6460

输液量(毫升)

1555.57 ± 384.78

1.00 (1.00, 1.00) 0.0003

输血量(单位)

1.12 ± 1.24

1.06 (1.00, 1.12) 0.0559

入院红细胞分布宽度CV连续变量

13.56 ± 1.34

1.16 (1.11, 1.22) < 0.0001

3.3. 入院RDW与死亡率之间的多因素分析

我们使用二元逻辑回归模型来评估RDW-CV与术后死亡率之间的相关性。在表3中展示了未调整模型、最小调整模型和完全调整模型。在未经调整的模型中，RDW-CV与患者术后死亡率相关(HR: 1.16; 95% CI: 1.11~1.22; P < 0.0001)。在最小调整模型中，结果呈正相关(HR: 1.14; 95% CI: 1.09~1.20; P < 0.0001)。完全调整后的模型显示，在控制了混杂因素后，当RDW增加了1%时，患者死亡风险增加了13% (HR = 1.13, 95% CI: 1.07~1.18; P < 0.0001)。当将RDW-CV作为分类变量时，我们发现三种模型之间的RDW-CV差异有统计学意义(P < 0.0001)。此外，三种模型(P < 0.0001)中的趋势P呈线性相关。

Table 3. Multivariate results from Cox regression (N = 2303)

表3. 通过Cox回归得出的多变量结果(N = 2303)

暴露

未调整

调整I

调整II

入院红细胞分布宽度CV连续变量

1.16 (1.11, 1.22) < 0.0001

1.14 (1.09, 1.20) < 0.0001

1.13 (1.07, 1.18) < 0.0001

入院红细胞分布宽度CV连续变量分组

低

1

1

1

中

1.27 (0.97, 1.65) 0.0843

1.12 (0.86, 1.46) 0.4156

1.07 (0.82, 1.40) 0.6303

高

1.88 (1.45, 2.44) < 0.0001

1.54 (1.18, 1.99) 0.0013

1.42 (1.09, 1.85) 0.0100

入院红细胞分布宽度CV指标

1.41 (1.26, 1.58) < 0.0001

1.29 (1.15, 1.45) < 0.0001

1.24 (1.10, 1.40) 0.0003

4. 讨论

首先，我们回顾性的研究发现，RDW-CV与老年髋部骨折患者术后全因死亡率相关，结果显示，与低RDW-CV组相比，高RDW-CV组增加了42%的死亡风险，而且，在控制了混杂因素后，每当RDW-CV增加了1%时，患者术后死亡率增加了13% (HR = 1.13; 95% CI: 1.07~1.18; P < 0.0001)。因此，入院后的RDW-CV可被认为是老年髋部骨折患者术后全因死亡率的临床预测因子。

先前的研究已经探索了RDW-CV与各种疾病之间的关系，如胆管癌[19]、结直肠癌[13]、慢性乙肝[14]、急性心梗[20]、和脑出血等[21]。Li等人包含168例患者的研究发现：RDW-CV与结直肠癌的病理特征相关，可独立评估结直肠癌患者的预后，高RDW提示肿瘤恶性倾向更严重[13]。Jin等人通过对红细胞相关指标与冠状动脉钙化的关系发现，冠状动脉钙化组RDW-CV高于对照组(P < 0.05),且分组后高钙化组RDW-CV显著升高(P < 0.05)，表明高RDW-CV是冠状动脉钙化存在的独立预测因子[22]。最近，一些研究人员报道了RDW与骨折[23]、骨质疏松[24]、骨折并发症之间的相关性[25]。

安妮等人的研究发现高RDW与老年髋部骨折患者死亡率的相关，是有效预测患者病死率的指标[26]。伊平等人通过一项回顾性研究探讨红细胞分布宽度(RDW)和美国麻醉医师协会(ASA)评分对长期髋部骨折死亡率的预后价值中发现：RDW是2年髋部骨折死亡率的独立风险预测因子，RDW和ASA组合可能为评估髋部骨折患者的全因死亡率提供更强大和有效的策略[27]。在过去的一项回顾性队列研究中，阿拉什等人发现，在翻修关节置换术后，较高的红细胞分布宽度与患者的不良结局相关，包括更高的1年死亡率，并发症发生率，90天再入院率和更长的住院时间[28]。提示骨科医生应了解这一预测因素，并谨慎对待术前RDW值高的全部关节翻修患者，并用于告知患者术后风险。除此之外，在一些小样本量的随访研究中，RDW和病死率之间的相关性也得到了证明。例如，在一项选取698例髋部骨折患者的研究中，Garbharran等人发现RDW与短期住院、120天和1年死亡率显著相关，是独立预测因子[18]。以上的研究结果，和我们的结论一致。同时，本研究进一步评估了大样本人群中入院时RDW与髋部骨折预后之间的关系，并扩展了先前的观察，证明了髋部骨折患者RDW增加的预后意义。

RDW是衡量红细胞大小异质性的指标，来自全血细胞计数测试[29]。RDW以百分比表示，通过将红细胞体积的标准差除以平均红细胞体积来确定。通过全血细胞计数检测获得RDW很简单，且价格非常低廉[30]。RDW增加反映了红细胞稳态的深度失调，涉及红细胞生成受损和红细胞存活异常，文献显示，氧化应激和炎症会显著增加红细胞异质性，从而增加RDW值[31] [32]。同时，相关研究表明RDW会随年龄增长而增加[9]。人体通过触发免疫炎症和氧化应激来对骨折做出反应[33]。骨折后的炎症阶段对愈合过程至关重要。必须适当控制此阶段，以确保骨骼充分愈合。然而，高龄会扰乱这种调节，延长炎症期，对骨愈合和患者恢复产生不利影响[34]。接受髋部骨折手术或出院的患者表现出相对较高的RDW值，与相对较高的死亡风险密切相关。相关研究提供了大量证据，支持骨折患者较高的RDW值与较高的死亡风险之间存在联系[17] [35]。这表明，由于炎症和氧化应激等因素，最初RDW值较高的住院髋部骨折患者可能会随后经历RDW增加。RDW的增加可能是表明这些患者并发症和死亡风险更大的关键因素。炎症、氧化应激和对髋部骨折的生理反应之间的复杂相互作用可能是这种关联的基础。有必要对这些机制进行进一步研究，以更好地了解高RDW值与该人群不良结果之间的关系。

本研究具有以下显著的优势：首先，由于样本量大，我们纳入了2303名符合标准的患者。其次，为了确定我们研究中的混杂因素并得出更可靠的结论，我们首先确定了影响髋部骨折预后的因素和影响RDW的因素。但是，我们的研究也有局限性。首先，我们的数据来自一个地区的一家医院，在研究人群中可能存在选择偏差。因此，这些结果的外推需要在其他人群中得到证实。其次，我们关注的是全因死亡率。尽管全因死亡率的数据很有用，但我们需要更多关于特定原因死亡率的数据来研究RDW与特定原因死亡率之间的关系。因此，未来的研究应侧重于特定原因死亡率，以帮助更好地了解RDW与髋部骨折患者死亡风险之间的关联。

总之，我们的研究发现RDW与老年髋部骨折患者术后全因死亡率相关，RDW可以被认为是患者病死率的一个预测因子。

NOTES

*通讯作者。

参考文献

[1] Mattisson, L., Bojan, A. and Enocson, A. (2018) Epidemiology, Treatment and Mortality of Trochanteric and Subtrochanteric Hip Fractures: Data from the Swedish Fracture Register. BMC Musculoskeletal Disorders, 19, Article No. 369.
https://doi.org/10.1186/s12891-018-2276-3
[2] García-Tercero, E., Belenguer-Varea, Á., Villalon-Ruibio, D., López Gómez, J., Trigo-Suarez, R., Cunha-Pérez, C., et al. (2024) Respiratory Complications Are the Main Predictors of 1-Year Mortality in Patients with Hip Fractures: The Results from the Alzira Retrospective Cohort Study. Geriatrics, 9, Article No. 47.
https://doi.org/10.3390/geriatrics9020047
[3] Center, J.R., Nguyen, T.V., Schneider, D., Sambrook, P.N. and Eisman, J.A. (1999) Mortality after All Major Types of Osteoporotic Fracture in Men and Women: An Observational Study. The Lancet, 353, 878-882.
https://doi.org/10.1016/s0140-6736(98)09075-8
[4] Duque-Sánchez, J., Toro, L., González-Gómez, F., Botero-Baena, S., Duque, G. and Gómez, F. (2022) One-Year Mortality after Hip Fracture Surgery: Urban-Rural Differences in the Colombian Andes. Archives of Osteoporosis, 17, Article No. 111.
https://doi.org/10.1007/s11657-022-01150-5
[5] Wang, N., Zhang, Y. and Zhang, B. (2023) The Association between Red Cell Distribution Width (RDW) and All-Cause Mortality in Elderly Patients with Hip Fractures: A Retrospective Cohort Study. International Journal of General Medicine, 16, 3555-3566.
https://doi.org/10.2147/ijgm.s417079
[6] Adeyemi, A. and Delhougne, G. (2019) Incidence and Economic Burden of Intertrochanteric Fracture: A Medicare Claims Database Analysis. JBJS Open Access, 4, e0045.
https://doi.org/10.2106/jbjs.oa.18.00045
[7] Veronese, N. and Maggi, S. (2018) Epidemiology and Social Costs of Hip Fracture. Injury, 49, 1458-1460.
https://doi.org/10.1016/j.injury.2018.04.015
[8] Li, Y., Xing, C., Wei, M., Wu, H., Hu, X., Li, S., et al. (2019) Combining Red Blood Cell Distribution Width (RDW-CV) and CEA Predict Poor Prognosis for Survival Outcomes in Colorectal Cancer. Journal of Cancer, 10, 1162-1170.
https://doi.org/10.7150/jca.29018
[9] Salvagno, G.L., Sanchis-Gomar, F., Picanza, A. and Lippi, G. (2014) Red Blood Cell Distribution Width: A Simple Parameter with Multiple Clinical Applications. Critical Reviews in Clinical Laboratory Sciences, 52, 86-105.
https://doi.org/10.3109/10408363.2014.992064
[10] Arkew, M., Gemechu, K., Haile, K. and Asmerom, H. (2022) Red Blood Cell Distribution Width as Novel Biomarker in Cardiovascular Diseases: A Literature Review. Journal of Blood Medicine, 13, 413-424.
https://doi.org/10.2147/jbm.s367660
[11] Chen, Y., Hou, X., Zhong, J. and Liu, K. (2024) Association between Red Cell Distribution Width and Hypertension: Results from NHANES 1999-2018. PLOS ONE, 19, e0303279.
https://doi.org/10.1371/journal.pone.0303279
[12] Shen, T., Yang, X. and Zhang, Z. (2022) Positive Relationship of RDW with NT-proBNP and cTnI in Acute Myocardial Infarction Patients. Clinical Laboratory, 68, 1.
https://doi.org/10.7754/clin.lab.2021.210808
[13] Li, Y., Xing, C., Wei, M., Wu, H., Hu, X., Li, S., et al. (2019) Combining Red Blood Cell Distribution Width (RDW-CV) and CEA Predict Poor Prognosis for Survival Outcomes in Colorectal Cancer. Journal of Cancer, 10, 1162-1170.
https://doi.org/10.7150/jca.29018
[14] Yang, K., Sun, B., Zhang, S., Pan, Y. and Fang, J. (2023) RDW-SD Is Superior to RDW-CV in Reflecting Liver Fibrosis Stage in Patients with Chronic Hepatitis B. Infection and Drug Resistance, 16, 6881-6891.
https://doi.org/10.2147/idr.s427047
[15] Liu, Y., Wang, Z. and Xiao, W. (2017) Risk Factors for Mortality in Elderly Patients with Hip Fractures: A Meta-Analysis of 18 Studies. Aging Clinical and Experimental Research, 30, 323-330.
https://doi.org/10.1007/s40520-017-0789-5
[16] Chang, W., Lv, H., Feng, C., Yuwen, P., Wei, N., Chen, W., et al. (2018) Preventable Risk Factors of Mortality after Hip Fracture Surgery: Systematic Review and Meta-Analysis. International Journal of Surgery, 52, 320-328.
https://doi.org/10.1016/j.ijsu.2018.02.061
[17] Yin, P., Lv, H., Li, Y., Meng, Y., Zhang, L., Zhang, L., et al. (2018) Hip Fracture Patients Who Experience a Greater Fluctuation in RDW during Hospital Course Are at Heightened Risk for All-Cause Mortality: A Prospective Study with 2-Year Follow-Up. Osteoporosis International, 29, 1559-1567.
https://doi.org/10.1007/s00198-018-4516-7
[18] Garbharran, U., Chinthapalli, S., Hopper, I., George, M., Back, D.L. and Dockery, F. (2012) Red Cell Distribution Width Is an Independent Predictor of Mortality in Hip Fracture. Age and Ageing, 42, 258-261.
https://doi.org/10.1093/ageing/afs176
[19] Li, X., Chen, Q., Bi, X., Zhao, J., Li, Z., Zhou, J., et al. (2021) Preoperatively Elevated RDW-SD and RDW-CV Predict Favorable Survival in Intrahepatic Cholangiocarcinoma Patients after Curative Resection. BMC Surgery, 21, Article No. 105.
https://doi.org/10.1186/s12893-021-01094-6
[20] Ertekin, B. and Acar, T. (2022) The Relationship between Prognosis and Red Cell Distribution Width (RDW) and RDW-Albumin Ratio (RAR) in Patients with Severe COVID-19 Disease. International Journal of General Medicine, 15, 8637-8645.
https://doi.org/10.2147/ijgm.s392453
[21] He, J., Zhang, Y., Hao, P., Li, T., Xiao, Y., Peng, L., et al. (2023) Association between Red Blood Cell Distribution Width and Long-Term Mortality in Patients with Intracerebral Hemorrhage. Neurocritical Care, 40, 1059-1069.
https://doi.org/10.1007/s12028-023-01875-2
[22] Jin, F., Chang, X., Wang, X., Xiong, H., Wang, L., Zhang, B., et al. (2023) Relationship between Red Blood Cell-Related Indices and Coronary Artery Calcification. Postgraduate Medical Journal, 99, 4-10.
https://doi.org/10.1093/postmj/qgac003
[23] Özel, M., Altıntaş, M. and Tatlıparmak, A.C. (2023) Predictors of One-Year Mortality Following Hip Fracture Surgery in Elderly. PeerJ, 11, e16008.
https://doi.org/10.7717/peerj.16008
[24] Sakai, Y., Wakao, N., Matsui, H., Watanabe, T., Iida, H. and Katsumi, A. (2021) Elevated Red Blood Cell Distribution Width Is Associated with Poor Outcome in Osteoporotic Vertebral Fracture. Journal of Bone and Mineral Metabolism, 39, 1048-1057.
https://doi.org/10.1007/s00774-021-01242-1
[25] Zhou, Y., Wang, J., Wang, X., Song, S., Bai, Y., Li, J., et al. (2023) A Prediction Model of Elderly Hip Fracture Mortality Including Preoperative Red Cell Distribution Width Constructed Based on the Random Survival Forest (RSF) and Cox Risk Ratio Regression. Osteoporosis International, 35, 613-623.
https://doi.org/10.1007/s00198-023-06988-0
[26] Laulund, A.S., Lauritzen, J.B., Duus, B.R., Mosfeldt, M. and Jørgensen, H.L. (2012) Routine Blood Tests as Predictors of Mortality in Hip Fracture Patients. Injury, 43, 1014-1020.
https://doi.org/10.1016/j.injury.2011.12.008
[27] Yin, P., Lv, H., Zhang, L., Long, A., Zhang, L. and Tang, P. (2016) Combination of Red Cell Distribution Width and American Society of Anesthesiologists Score for Hip Fracture Mortality Prediction. Osteoporosis International, 27, 2077-2087.
https://doi.org/10.1007/s00198-015-3357-x
[28] Aali-rezaie, A., Alijanipour, P., Shohat, N., Vahedi, H., Foltz, C. and Parvizi, J. (2018) Red Cell Distribution Width: An Unacknowledged Predictor of Mortality and Adverse Outcomes Following Revision Arthroplasty. The Journal of Arthroplasty, 33, 3514-3519.
https://doi.org/10.1016/j.arth.2018.06.035
[29] Mahmoodpoor, A., Yousefi, B., Ghamari, A.A., Soleimanpour, H. and Karimian, A. (2019) Red Cell Distribution Width as a Novel Prognostic Marker in Multiple Clinical Studies. Indian Journal of Critical Care Medicine, 24, 49-54.
https://doi.org/10.5005/jp-journals-10071-23328
[30] Liu, S., Zhang, H., Zhu, P., Chen, S. and Lan, Z. (2024) Predictive Role of Red Blood Cell Distribution Width and Hemoglobin-to-Red Blood Cell Distribution Width Ratio for Mortality in Patients with COPD: Evidence from NHANES 1999-2018. BMC Pulmonary Medicine, 24, Article No. 413.
https://doi.org/10.1186/s12890-024-03229-w
[31] Osawa, Y., Tanaka, T., Semba, R.D., Fantoni, G., Moaddel, R., Candia, J., et al. (2022) Proteins in the Pathway from High Red Blood Cell Width Distribution to All-Cause Mortality. eBioMedicine, 76, Article ID: 103816.
https://doi.org/10.1016/j.ebiom.2022.103816
[32] Pepe, J., Colangelo, L., De Martino, V., Occhiuto, M., Iervolino, D., Pasqualetti, P., et al. (2023) Study of the Link between Hemotopoietic and Skeletal Systems in Patients Attending a Referral Center for Osteoporosis. Journal of Endocrinological Investigation, 46, 2391-2397.
https://doi.org/10.1007/s40618-023-02095-3
[33] Thisayakorn, P., Tangwongchai, S., Tantavisut, S., Thipakorn, Y., Sukhanonsawat, S., Wongwarawipat, T., et al. (2021) Immune, Blood Cell, and Blood Gas Biomarkers of Delirium in Elderly Individuals with Hip Fracture Surgery. Dementia and Geriatric Cognitive Disorders, 50, 161-169.
https://doi.org/10.1159/000517510
[34] Clark, D., Nakamura, M., Miclau, T. and Marcucio, R. (2017) Effects of Aging on Fracture Healing. Current Osteoporosis Reports, 15, 601-608.
https://doi.org/10.1007/s11914-017-0413-9
[35] Akcal, M. and Eke, I. (2021) Post-Operative Red Cell Distribution Width Increase May Predict Mortality in Patients Operated for Hip Fracture. Clinical Laboratory, 67, 2568.
https://doi.org/10.7754/clin.lab.2021.210337

为你推荐