鄧凱歌 王立芳 葛宇峰 呂艷偉 段芳芳

作者單位： 100035 北京積水潭醫(yī)院創(chuàng)傷骨科(鄧凱歌、葛宇峰);臨床流行病學(xué)研究室(王立芳、呂艷偉、段芳芳)

中國(guó)65歲以上老年人口在2018年占比達(dá)到11.93%，并預(yù)計(jì)在2025年達(dá)到14%[1]。老年髖部骨折由于其高致死率[2]、致殘率、高經(jīng)濟(jì)負(fù)擔(dān)成為當(dāng)今一大嚴(yán)重的公共衛(wèi)生問題。2016年中國(guó)55歲及以上髖部骨折的發(fā)病率為136.65/10萬，近些年發(fā)病率保持穩(wěn)定，但隨著人口老齡化的進(jìn)展，發(fā)病人數(shù)仍在迅速上升[3]。對(duì)患者手術(shù)風(fēng)險(xiǎn)，尤其是死亡風(fēng)險(xiǎn)的評(píng)估對(duì)于臨床實(shí)踐有重要意義。相較于獨(dú)立的危險(xiǎn)因素，基于多因素的評(píng)分模型具有更佳的客觀性、準(zhǔn)確性和在地區(qū)、國(guó)家層面的可普及性[4]。術(shù)后風(fēng)險(xiǎn)預(yù)測(cè)模型的功能主要集中于兩點(diǎn)：一是進(jìn)行危險(xiǎn)分層，即通過評(píng)分和截?cái)嘀?，篩選出高危人群；二是進(jìn)行病死率的預(yù)測(cè)，即提供測(cè)算公式對(duì)每個(gè)患者進(jìn)行個(gè)體化的評(píng)估。大多數(shù)模型往往兼有兩種功能。通過危險(xiǎn)分層功能，往往可以經(jīng)由簡(jiǎn)單便捷的術(shù)前因素評(píng)分，快速篩選出需要進(jìn)行術(shù)前內(nèi)科學(xué)、麻醉學(xué)調(diào)整的患者群體，并指導(dǎo)護(hù)理措施、圍術(shù)期管理，以使患者能夠耐受手術(shù)，改善預(yù)后。而通過預(yù)測(cè)死亡風(fēng)險(xiǎn)可以指導(dǎo)知情同意和治療決策。結(jié)合實(shí)際病死率的統(tǒng)計(jì)觀察，還可以指導(dǎo)臨床研究，包括對(duì)治療效果進(jìn)行評(píng)價(jià)、便于醫(yī)院、團(tuán)隊(duì)、不同治療技術(shù)之間的比較。以下對(duì)幾種常見的、具備以上所述功能的患者中有較多驗(yàn)證性研究的模型進(jìn)行概述[5]。

一、模型的效能評(píng)價(jià)

主要評(píng)價(jià)的模型包括生理-手術(shù)評(píng)分和術(shù)前評(píng)分，其中生理-手術(shù)評(píng)分包括：骨科手術(shù)的死亡和并發(fā)癥的生理和手術(shù)嚴(yán)重度評(píng)分(orthopaedic physiological and operative severity score for the enumeration of mortality and morbidity，O-POSSUM)和生理能力與手術(shù)應(yīng)激度評(píng)分(estimation of physiologic ability and surgical stress，E-PASS)；術(shù)前評(píng)分包括：Charlson合并癥指數(shù)(Charlson comorbidity index，CCI)、諾丁漢髖部骨折評(píng)分(Nottingham hip fracture score，NHFS)和Sernbo評(píng)分，其中最后兩種是專門為老年髖部骨折患者設(shè)計(jì)的模型。對(duì)于模型預(yù)測(cè)效能的評(píng)價(jià)主要采取以下幾種方式：(1)預(yù)測(cè)值/實(shí)際值比例(observed/expected，O/E)：可以評(píng)價(jià)模型整體上以及在某個(gè)風(fēng)險(xiǎn)區(qū)間內(nèi)的預(yù)測(cè)準(zhǔn)確度；(2)Hosmer-Lemeshow檢驗(yàn)(H-L檢驗(yàn))：檢驗(yàn)?zāi)Ｐ驮谡麄€(gè)工作區(qū)間內(nèi)的擬合優(yōu)度，即預(yù)測(cè)死亡率精確度；(3)Kaplan-Meier生存曲線的時(shí)序檢驗(yàn)：評(píng)價(jià)模型通過不同截?cái)嘀颠M(jìn)行危險(xiǎn)分層的能力；(4)受試者工作特征曲線下面積(area under receiver operating characteristic curve，AUROC)：評(píng)價(jià)模型對(duì)于死亡風(fēng)險(xiǎn)的區(qū)分能力。值得說明的是，在不同隊(duì)列研究的結(jié)局之間，院內(nèi)/30 d死亡風(fēng)險(xiǎn)的預(yù)測(cè)，對(duì)于需要短期內(nèi)接受手術(shù)的髖部骨折而言有更大的指導(dǎo)意義。

二、不同模型的特點(diǎn)

1.O-POSSUM：O-POSSUM最初由英國(guó)的Copeland等[6]提出，旨在對(duì)所有外科手術(shù)患者預(yù)測(cè)圍術(shù)期病死率/并發(fā)癥率以評(píng)估治療質(zhì)量。由于包括14個(gè)術(shù)前變量(年齡、心功能、肺功能、胸片心影、胸片肺野、收縮壓、脈搏、昏迷評(píng)分、血尿素、血鈉、血鉀、血紅素、白細(xì)胞計(jì)數(shù)、心電圖)和6個(gè)術(shù)中參數(shù)(手術(shù)嚴(yán)重度、30 d內(nèi)多次手術(shù)、失血量、污染、組織學(xué)惡性發(fā)現(xiàn)、手術(shù)時(shí)機(jī))，其完整評(píng)估必須在手術(shù)后才能完成，所以不能指導(dǎo)手術(shù)策略。該模型在全球不同地區(qū)應(yīng)用廣泛，對(duì)于其效能的研究很多。Mohamed等[7]通過修正POSSUM手術(shù)評(píng)分部分而發(fā)展出用于骨科手術(shù)的O-POSSUM評(píng)分，預(yù)測(cè)30 d病死率的指數(shù)方程為：LogeR/ (1-R) =-7.04+(0.13×生理評(píng)分)+(0.16×手術(shù)評(píng)分)，30 d觀測(cè)病死率和預(yù)計(jì)病死率的相關(guān)性良好(O/E=0.96)，并且對(duì)于死亡風(fēng)險(xiǎn)有良好的區(qū)分能力(AUROC>0.85)。

但這一模型在老年髖部骨折患者中的應(yīng)用價(jià)值尚存在爭(zhēng)議。就預(yù)測(cè)病死率的精確度而言，Wright等[8]在230例股骨頸骨折患者中得到了O/E=1.19的良好符合度；而Ramanathan等[9]的結(jié)果顯示O-POSSUM對(duì)于30 d病死率預(yù)測(cè)的擬合優(yōu)度不佳(H-L檢驗(yàn)P=0.00015)，該模型高估了病死率(O/E=0.66)。高估病死率的問題在國(guó)內(nèi)研究中也有報(bào)道。Wang等[10]發(fā)現(xiàn)在O-POSSUM預(yù)測(cè)風(fēng)險(xiǎn)<10%的低風(fēng)險(xiǎn)患者中明顯高估死亡風(fēng)險(xiǎn)(O/E=0/11=0)。劉等[11]報(bào)道O/E=0.27，H-L檢驗(yàn)P<0.05。這種誤差部分源于該模型本身的特點(diǎn)為，當(dāng)評(píng)分取最低時(shí)，仍然會(huì)得出1.1%的死亡風(fēng)險(xiǎn)[12]。就危險(xiǎn)分層作用來說，Ramanathan等[9]報(bào)道其預(yù)測(cè)個(gè)體死亡風(fēng)險(xiǎn)的能力不佳，AUROC=0.62。近期的文獻(xiàn)報(bào)道也表明，O-POSSUM危險(xiǎn)分層價(jià)值不高，AUROC<0.70[13-14]。

不同研究之間結(jié)果的不同有幾點(diǎn)原因：醫(yī)療系統(tǒng)因素、種族、經(jīng)濟(jì)等因素造成混雜；模型的應(yīng)用方式和數(shù)學(xué)計(jì)算存在差異。但總體來說，該模型對(duì)于老年髖部骨折患者評(píng)估存在較大的局限性，主要在于：(1)模型的項(xiàng)目和評(píng)分范圍決定了其異質(zhì)性，而這一患者群體具備相當(dāng)?shù)耐|(zhì)性，手術(shù)評(píng)分接近、術(shù)前評(píng)分大多集中于較高風(fēng)險(xiǎn)區(qū)域，導(dǎo)致對(duì)該患者群體的危險(xiǎn)分層效能不足以及對(duì)于病死率的高估；(2)該模型中的危險(xiǎn)因素和權(quán)重對(duì)于老年髖部骨折患者并不都合適，導(dǎo)致了病死率預(yù)測(cè)不夠準(zhǔn)確；(3)該模型需要在即將手術(shù)前進(jìn)行生理評(píng)分，而不是入院時(shí)評(píng)估，導(dǎo)致模型分流患者、指導(dǎo)手術(shù)決策的價(jià)值有限；(4)項(xiàng)目多、收集信息耗費(fèi)時(shí)間成本高。

2.E-PASS：E-PASS最早由日本的Haga等[15]在擇期胃腸道手術(shù)患者時(shí)為了評(píng)估生理代償能力與預(yù)計(jì)手術(shù)應(yīng)激之間的平衡，從而預(yù)測(cè)術(shù)后風(fēng)險(xiǎn)、指導(dǎo)治療。模型包括6個(gè)術(shù)前變量(年齡、嚴(yán)重心臟疾病、嚴(yán)重肺部疾病、糖尿病、功能狀態(tài)評(píng)分、ASA評(píng)分)和3個(gè)手術(shù)變量(失血量/體重、手術(shù)時(shí)長(zhǎng)、切口大小)。Hirose等[16]首次將其應(yīng)用于評(píng)估老年髖部骨折患者，結(jié)果表明術(shù)前風(fēng)險(xiǎn)評(píng)分(preoperative risk score，PRS)和綜合風(fēng)險(xiǎn)評(píng)分(comprehensive risk score，CRS)與院內(nèi)病死率正相關(guān)(P<0.001)，CRS達(dá)到0.5分以上，病死率>20%;但手術(shù)應(yīng)激評(píng)分(surgical stress score，SSS)則對(duì)病死率沒有顯著影響。后續(xù)的多中心研究也重復(fù)了這一結(jié)果[17-18]，并得到院內(nèi)病死率=13.362(PRS)2-11.277PRS+1.969的預(yù)測(cè)公式；驗(yàn)證得到其預(yù)測(cè)精度O/E=0.71。Karres等[14]的對(duì)比性研究肯定了E-PASS的危險(xiǎn)分層價(jià)值(AUROC=0.702)和預(yù)測(cè)30 d內(nèi)死亡風(fēng)險(xiǎn)的擬合優(yōu)度(H-L檢驗(yàn)P=0.102)。國(guó)內(nèi)的多項(xiàng)研究也驗(yàn)證了該模型的應(yīng)用價(jià)值，駱等[19]得到院內(nèi)預(yù)計(jì)死亡數(shù)和實(shí)際死亡數(shù)差異無統(tǒng)計(jì)學(xué)意義(O/E=0.67，P>0.05)。而王等[20]得到30 d內(nèi)預(yù)計(jì)死亡數(shù)和實(shí)際死亡數(shù)高度符合(O/E=1.04，P=0.5)。

以上研究結(jié)果表明，E-PASS模型具備較好的危險(xiǎn)分層和死亡預(yù)測(cè)能力；尤其是驗(yàn)證了在老年髖部骨折患者中，僅采取術(shù)前風(fēng)險(xiǎn)評(píng)分即可以預(yù)測(cè)術(shù)后院內(nèi)死亡風(fēng)險(xiǎn)。術(shù)前參數(shù)僅有6項(xiàng)，且通過常規(guī)檢查進(jìn)行評(píng)估、計(jì)算機(jī)自動(dòng)化處理進(jìn)行運(yùn)算，可行性較好[17]。然而，目前E-PASS也存在一定的局限性：(1)原本是為胃腸道手術(shù)患者設(shè)計(jì)的.一些老年髖部骨折患者的特征性預(yù)后因素如神經(jīng)精神系統(tǒng)疾病、骨密度等并沒有被納入[19]。(2)手術(shù)評(píng)分在老年髖部骨折患者中差異極小，尤其是切口大小在該群體中并沒有實(shí)際意義。這提示該模型還有修正的空間[16]。(3)該評(píng)分對(duì)于長(zhǎng)期預(yù)后的預(yù)測(cè)意義還需要更多驗(yàn)證。

3.CCI：CCI最早由美國(guó)的Charlson等[21]提出，是世界范圍內(nèi)最廣泛應(yīng)用的評(píng)估工具之一。CCI共包含19條合并癥項(xiàng)目(心肌梗死、充血性心衰、外周血管疾病、腦血管疾病、癡呆、慢性肺疾病、結(jié)締組織病、潰瘍病、輕度肝疾病、糖尿病、偏癱、中重度腎疾病、糖尿病器官損害、任何腫瘤、白血病、淋巴瘤、中重度肝疾病、轉(zhuǎn)移性實(shí)體瘤、艾滋病)，反映術(shù)前合并癥帶來的整體負(fù)擔(dān)。在得分≥5時(shí)，并發(fā)癥造成的死亡風(fēng)險(xiǎn)尤其高(1年病死率85%)，Charlson等[21]通過10年生存曲線驗(yàn)證得到指數(shù)升高時(shí)生存率隨之顯著下降(時(shí)序檢驗(yàn)P<0.0001)。CCI本身不包括年齡因素，而對(duì)于老年髖部骨折患者，年齡往往是重要的危險(xiǎn)因素[21-22]，年齡>40歲時(shí)每增長(zhǎng)10歲帶來的相對(duì)風(fēng)險(xiǎn)近似于CCI升高1分[23-25]。這種結(jié)合年齡的CCI評(píng)分即ACCI的有效性亦得到了證實(shí)。

該模型用于老年髖部骨折患者的效果得到了不同地區(qū)文獻(xiàn)的支持。Tang等[26]的結(jié)果顯示預(yù)測(cè)院內(nèi)死亡風(fēng)險(xiǎn)的AUROC為0.653。Neuhaus等[25]得出的AUROC=0.67。Kirkland等[22]證明， CCI≥6是預(yù)測(cè)30 d病死率的獨(dú)立危險(xiǎn)因素[OR=2.603(95%CI： 1.2～5.646)]。使用6分作為最佳截?cái)嘀祫澐?中)高?；颊咭驳玫搅薒au等[23]的驗(yàn)證。他們還報(bào)道了ACCI預(yù)測(cè)30 d病死率的AUROC=0.72。還有報(bào)道AUROC=0.71[14]、0.773[27]，均說明其具備可接受的風(fēng)險(xiǎn)分層能力。Souza等[28]報(bào)道CCI≥3分即會(huì)顯著升高90 d死亡風(fēng)險(xiǎn)(OR=6.53，95%CI：2.27～18.77)。此外，CCI和ACCI在預(yù)測(cè)半年(AUROC=0.749)[27]、1年(AUROC=0.75～0.791)和5年(生存曲線的時(shí)序檢驗(yàn)，P<0.05)的有效性也有報(bào)道[23-27]。以上這些結(jié)果證明可以使用CCI進(jìn)行高危患者的區(qū)分。就預(yù)測(cè)病死率的精度而言，Nelson等[27]進(jìn)行了H-L檢驗(yàn)，得到在預(yù)測(cè)30 d、6個(gè)月和1年病死率時(shí)的均P>0.05。Karres等[14]則得到其預(yù)測(cè)30 d病死率的擬合優(yōu)度良好(H-L檢驗(yàn)P=0.291)。

總而言之，CCI在老年髖部骨折患者中具有應(yīng)用價(jià)值，其擬合優(yōu)度良好，也具有可接受的危險(xiǎn)分層能力。CCI在使用時(shí)主要依靠病歷中的第二診斷[28]，而且不需要進(jìn)行MMTS(mini mental test score簡(jiǎn)易精神狀態(tài)檢查得分)的評(píng)估，提高了其可操作性[23]。該模型的局限性主要在于對(duì)于病歷質(zhì)量要求較高。此外，加入一些針對(duì)髖部骨折患者死亡預(yù)后的獨(dú)立危險(xiǎn)因素進(jìn)行修正可以提高模型的預(yù)測(cè)能力[25]，這些進(jìn)一步的修正則需要更多的驗(yàn)證。

4.NHFS：NHFS是由英國(guó)的Maxwell等[29]專為預(yù)測(cè)老年髖部骨折患者術(shù)后死亡風(fēng)險(xiǎn)而建立的模型。模型包括7項(xiàng)(性別、年齡、血色素、MMTS、活動(dòng)能力、合并癥數(shù)目、惡性腫瘤)，提出預(yù)測(cè)30 d病死率的公式為：R=100/[1+e(4.718-(NHFS/2))]，并在一個(gè)獨(dú)立的股骨頸骨折患者隊(duì)列中，驗(yàn)證得到良好的擬合優(yōu)度和危險(xiǎn)分層能力，H-L檢驗(yàn)P=0.79，AUROC=0.719。

該模型在不同國(guó)家的隊(duì)列中已經(jīng)得到了廣泛的驗(yàn)證。該模型用于預(yù)測(cè)30 d病死率的研究較多。Moppett等[30]和Marufu等[31]通過H-L檢驗(yàn)均得到P>0.10。Wiles等[32]以≥5分劃分高危組，通過生存曲線的時(shí)序檢驗(yàn)得到P<0.001。Marufu等[31]報(bào)道AUROC為0.71。Tilkiridis等[33]得到了O/E=1.0的良好符合度，良好的擬合優(yōu)度(H-L檢驗(yàn)P=0.31)以及風(fēng)險(xiǎn)預(yù)測(cè)能力(AUROC=0.83)。前瞻性隊(duì)列研究驗(yàn)證了其在亞洲人群中具有良好的危險(xiǎn)分層能力，AUROC=0.80[34]。國(guó)內(nèi)的研究表明NHFS評(píng)分與術(shù)后并發(fā)癥發(fā)病率相關(guān)[35-36]。該模型用于預(yù)測(cè)其他結(jié)局的研究則較少。Kau等[34]得出其預(yù)測(cè)3個(gè)月和1年病死率的AUROC僅分別為0.60和0.607。而Wiles等[32]則得出結(jié)論，使用NHFS≤4和≥5可以很好地區(qū)分1年死亡風(fēng)險(xiǎn)的高低危人群；低危組生存率84.1%；高危組生存率54.5%；生存曲線的時(shí)序檢驗(yàn)得到P<0.001。比較NHFS與早前開發(fā)的模型如O-POSSUM，CCI、E-PASS等的對(duì)比性研究表明，NHFS危險(xiǎn)分層能力更強(qiáng)[14]，擬合程度優(yōu)良，而且由于項(xiàng)目簡(jiǎn)單、成本低廉而具有優(yōu)勢(shì)[14,27]。

該模型也并非沒有局限性，由于提出的時(shí)間相對(duì)較短，該模型在不同類型的髖部骨折患者中的驗(yàn)證還不充分。de Jong等[37]發(fā)現(xiàn)其在半髖置換術(shù)患者中顯著低估了病死率(χ2=20.83，P=0.022)；且其對(duì)長(zhǎng)期預(yù)后的價(jià)值沒有得到充分驗(yàn)證。但在該模型的應(yīng)用過程中，根據(jù)當(dāng)時(shí)當(dāng)?shù)夭∷缆实那闆r進(jìn)行公式修正，根據(jù)生活習(xí)慣特點(diǎn)進(jìn)行變量的替換被證實(shí)可以提高其風(fēng)險(xiǎn)評(píng)估的效能[30，33]。這使得該模型在其他地區(qū)的應(yīng)用富有前景。

5.Sernbo評(píng)分：Sernbo評(píng)分最早是由瑞典的Rogmark等[38]在治療股骨頸骨折患者時(shí)提出的一種工具，包含了年齡、活動(dòng)能力、自理能力和精神狀態(tài)4個(gè)指標(biāo)。最初的目的是指導(dǎo)手術(shù)決策，評(píng)分≥15分的患者適合選擇全髖置換術(shù)；評(píng)分<15分則宜選擇半髖置換術(shù)。該評(píng)分不計(jì)算預(yù)測(cè)病死率的數(shù)值；但一些研究證明了該評(píng)分具有良好的術(shù)后死亡風(fēng)險(xiǎn)分層能力。該模型的評(píng)分范圍并不是連續(xù)的，可以得出8、11、14、17、20分。Dawe等[39]采用了原始報(bào)道中的截?cái)嘀?5劃分高低危組，研究了其對(duì)于30 d、1年和1.5年死亡風(fēng)險(xiǎn)的分層能力。其的結(jié)果提示15分是最佳的截?cái)嘀?，該模型預(yù)測(cè)30 d死亡風(fēng)險(xiǎn)時(shí)的AUROC為0.71；預(yù)測(cè)1年死亡風(fēng)險(xiǎn)時(shí)的AUROC為0.68。此外，在3個(gè)時(shí)間點(diǎn)高低危組的病死率差異均有統(tǒng)計(jì)學(xué)意義，分別為30 d時(shí)的11%和1%，1年時(shí)的35%和8%，1.5年時(shí)的41%和8%；兩組的生存曲線時(shí)序檢驗(yàn)得到P<0.0001。Mellner等[40-41]也證明該模型具有可接受的危險(xiǎn)分層能力，預(yù)測(cè)30 d病死率的AUROC為0.68，預(yù)測(cè)1年病死率的AUROC為0.69～0.79；高危組(得分>15分)的相對(duì)風(fēng)險(xiǎn)為15。目前國(guó)內(nèi)還未見研究驗(yàn)證該模型。

Sernbo評(píng)分設(shè)計(jì)的主要功能在于危險(xiǎn)分層和臨床決策，而非對(duì)于治療的評(píng)價(jià)。近期的大樣本研究發(fā)現(xiàn)其擬合優(yōu)度不佳[41]。這提示該評(píng)分在預(yù)測(cè)病死率方面的應(yīng)用較為局限。該評(píng)分最突出的特點(diǎn)在于極大的簡(jiǎn)便性，可以由非骨科專業(yè)人員在入院時(shí)迅速評(píng)估；而NHFS、CCI、POSSUM都需要評(píng)估具體的合并癥情況或包含一些專業(yè)的量表；而這些在老年髖部骨折患者首次來到急診難以及時(shí)評(píng)估[40]。已有的研究驗(yàn)證了其對(duì)于短期和長(zhǎng)期(1年)死亡風(fēng)險(xiǎn)都有分層效能，未來的應(yīng)用前景廣闊。

6.近年來發(fā)展的其他模型：人工神經(jīng)網(wǎng)絡(luò)(artificial neural network，ANN)相較于產(chǎn)生諸多經(jīng)典模型的logistic回歸具有預(yù)測(cè)準(zhǔn)確率更高、處理混雜因素和缺失數(shù)據(jù)的能力更強(qiáng)、容錯(cuò)性更高、可推廣性更強(qiáng)等優(yōu)勢(shì)。Lin等[42]為老年髖部骨折患者開發(fā)的ANN模型具有95.51%的符合率[(真陽(yáng)性數(shù)+真陰性數(shù))/總受試人數(shù)]，AUROC=0.949，顯著優(yōu)于logistic回歸模型。Shi等[43]和Debaun等[44]建立的ANN模型也重復(fù)了上述的結(jié)論。但ANN算法無法提供每個(gè)單獨(dú)變量的信息而確定獨(dú)立危險(xiǎn)因素,也不能確定常規(guī)數(shù)據(jù)收集的標(biāo)準(zhǔn)以指導(dǎo)臨床應(yīng)用。所以ANN算法的應(yīng)用意義受到局限。除ANN算法以外，也有少數(shù)利用貝葉斯網(wǎng)絡(luò)(Bayesian belief network)、隨機(jī)森林等算法來建立風(fēng)險(xiǎn)預(yù)測(cè)模型的報(bào)道。這些模型也具有優(yōu)良的危險(xiǎn)分層能力(AUROC>0.80)。利用貝葉斯網(wǎng)絡(luò)、隨機(jī)森林算法可以在處理龐大數(shù)據(jù)的同時(shí)對(duì)變量的預(yù)測(cè)效力進(jìn)行分級(jí)，更加直觀形象，便于臨床使用[45-46]。

這些新開發(fā)的基于機(jī)器學(xué)習(xí)的預(yù)測(cè)模型目前研究有限，由于不同數(shù)據(jù)庫(kù)之間數(shù)據(jù)收集質(zhì)量、變量編碼不盡相同，導(dǎo)致其在不同醫(yī)療系統(tǒng)之間的廣泛應(yīng)用受到局限。

綜上所述，評(píng)估術(shù)后死亡風(fēng)險(xiǎn)對(duì)于老年髖部骨折患者的治療決策、護(hù)理措施、知情同意都具有重要意義。理想化的預(yù)測(cè)模型需要滿足使用簡(jiǎn)單、預(yù)測(cè)準(zhǔn)確、可重復(fù)性好的要求。這需要模型有較少的項(xiàng)目、最好可以在入院時(shí)迅速完成評(píng)估、采用客觀性指標(biāo)，同時(shí)兼具危險(xiǎn)分層能力和死亡風(fēng)險(xiǎn)預(yù)測(cè)的準(zhǔn)確性。以上對(duì)幾種常用的風(fēng)險(xiǎn)預(yù)測(cè)模型進(jìn)行了以臨床應(yīng)用為導(dǎo)向的效能評(píng)價(jià)：(1)評(píng)估模型的危險(xiǎn)分層能力：CCI評(píng)分采取6分劃分高危人群、NHFS采取5分劃分高危人群以及Sernbo評(píng)分采取15分劃分高危人群，有較好的靈敏度和特異度，可以進(jìn)行患者分類。高危組的患者可以收入專門的單元進(jìn)行水電解質(zhì)紊亂的糾正、鎮(zhèn)痛、糾正心律失常等。(2)評(píng)估模型的預(yù)測(cè)精確性：具有良好擬合優(yōu)度的模型可以根據(jù)不同地區(qū)、不同時(shí)期的情況進(jìn)行校準(zhǔn)[30]，從而為醫(yī)生、患者和家屬的決策提供參考。

通過模型間的對(duì)比可以發(fā)現(xiàn)，傳統(tǒng)的術(shù)中評(píng)分項(xiàng)目對(duì)于老年髖部骨折患者的死亡風(fēng)險(xiǎn)沒有顯著的影響；而術(shù)前的生理能力、合并癥水平評(píng)估具有更重要的意義。這與該群體總體年齡大、合并癥負(fù)擔(dān)重、手術(shù)異質(zhì)性小的特征有關(guān)。所以，專為該群體設(shè)計(jì)的模型NHFS、Sernbo評(píng)分和反映合并癥負(fù)擔(dān)的CCI體現(xiàn)出較好的預(yù)測(cè)效能。CCI和NHFS的危險(xiǎn)分層能力和預(yù)測(cè)準(zhǔn)確度都經(jīng)過了較多的驗(yàn)證，且都可以在術(shù)前完成評(píng)估；其中NHFS更加便于應(yīng)用。Sernbo評(píng)分以極其簡(jiǎn)便為特征，作為危險(xiǎn)分層工具有較大的應(yīng)用價(jià)值。

目前的風(fēng)險(xiǎn)預(yù)測(cè)模型在應(yīng)用中仍存在一些不足。首先，不同地區(qū)之間的醫(yī)療制度、生活習(xí)慣不同可能會(huì)提高信息收集的成本，改變一些預(yù)測(cè)因素的相對(duì)風(fēng)險(xiǎn)和權(quán)重。所以，因地制宜地調(diào)整評(píng)分量表中的某些項(xiàng)目，可以提高模型的效能[33]。其次，利用新的機(jī)器學(xué)習(xí)手段開發(fā)模型，雖然體現(xiàn)出更高的預(yù)測(cè)準(zhǔn)確度，但現(xiàn)有數(shù)據(jù)庫(kù)的信息質(zhì)量有限、數(shù)據(jù)編碼不通用導(dǎo)致無法實(shí)際應(yīng)用[44]。因此，需要建立更大的數(shù)據(jù)庫(kù)并提高數(shù)據(jù)錄入的質(zhì)量，為開發(fā)下一代模型創(chuàng)造條件。