《Frontiers in Aging Neuroscience》：Risk factors and development of a prediction model for hematoma expansion in elderly patients with spontaneous intracerebral hemorrhage
编辑推荐：
背景：血肿扩大（HE）是老年患者自发性脑出血（sICH）后早期神经功能恶化的主要决定因素。研究人员旨在识别老年sICH患者发生HE的独立危险因素，并建立一个预测模型。方法：本回顾性观察研究连续纳入2023年5月至2024年5月期间住院的年龄≥60岁的sICH患
背景：血肿扩大（HE）是老年患者自发性脑出血（sICH）后早期神经功能恶化的主要决定因素。研究人员旨在识别老年sICH患者发生HE的独立危险因素，并建立一个预测模型。方法：本回顾性观察研究连续纳入2023年5月至2024年5月期间住院的年龄≥60岁的sICH患者。要求具备基线非增强计算机断层扫描（NCCT）及48小时内的随访NCCT。HE定义为血肿体积绝对增加>6?mL或相对增加≥33%，体积量化采用ABC/2法。候选的临床、实验室及NCCT变量通过单因素逻辑回归进行筛选，随后纳入多因素逻辑回归模型，并评估方差膨胀因子（VIF）。内部验证采用1000次自助抽样重抽样法完成。结果：在194例患者中，56例（28.9%）发生了HE。HE的独立预测因素包括年龄（校正比值比[aOR] 1.13，每增加1岁；95%置信区间[CI] 1.02–1.26；p = 0.025）、美国国立卫生研究院卒中量表（NIHSS）评分（aOR 1.21，每增加1分；95% CI 1.08–1.35；p < 0.001）、中性粒细胞计数（aOR 1.91，每增加1 × 109/L；95% CI 1.34–2.73；p < 0.001）、国际标准化比值（INR；aOR 1.70，每增加0.1；95% CI 1.08–2.69；p = 0.023）、基线血肿体积（aOR 2.01，每增加10?mL；95% CI 1.34–3.02；p < 0.001）、黑洞征（aOR 7.34；95% CI 1.87–28.77；p = 0.004）和形状不规则（aOR 5.57；95% CI 1.67–18.63；p = 0.005），而较高的血清钠水平则具有保护作用（aOR 0.76，每增加1 mmol/L；95% CI 0.64–0.91；p = 0.003）。该模型显示校正前的受试者工作特征（ROC）曲线下面积（AUC）为0.916，经校正后的AUC为0.891。结论：在老年sICH患者中，HE可能与神经功能缺损严重程度、炎症负荷、凝血状态、基线血肿体积及不良NCCT标志物相关。所提出的模型显示出强大的判别性能，可能有助于早期风险分层。
**老年自发性脑出血血肿扩大的风险预测模型构建与临床解读**
自发性脑出血（Spontaneous Intracerebral Hemorrhage, sICH）是导致卒中相关死亡和长期残疾的主要原因之一，在老年群体中尤为突出。老年患者常合并多种基础疾病，出血前抗血栓药物暴露更为频繁，且生理储备功能较低，这使得他们的临床管理更具挑战性。尽管标准化急性期脑出血（Intracerebral Hemorrhage, ICH）护理有所进步，但临床结局仍存在高度异质性，凸显了开发实用的早期床旁风险分层工具的迫切需求。在sICH后的早期事件中，血肿扩大（Hematoma Expansion, HE）因其与神经功能恶化及不良功能预后的强关联性而备受关注。由于HE常发生在发病早期数小时内，及时识别高危患者可能有助于指导监测强度、复查神经影像、止血治疗以及神经重症监护资源的分配。
然而，目前关于HE预测的研究多使用混合年龄队列，且日益依赖深度学习、影像组学等相对复杂的多模态方法。针对老年患者的研究则更常关注整体预后而非早期HE。鉴于老年患者独特的共病特征、更高的抗血栓药物使用率和减弱的生理储备，一个仅基于入院时常规可获得的临床、实验室及标准NCCT变量构建的简约模型，是否能为老年sICH患者提供实用的早期HE风险分层，目前尚不明确。为填补这一空白，本研究旨在识别老年sICH患者发生HE的独立危险因素，并开发一个专为该临床脆弱人群量身定制的实用预测模型。该研究发表于《衰老神经科学前沿》（*Frontiers in Aging Neuroscience*）。
研究人员开展了一项回顾性观察研究，连续纳入2023年5月至2024年5月在本机构住院并接受治疗的老年sICH患者。研究的核心方法包括：首先，采用标准化的ABC/2法对基线和随访NCCT上的血肿体积进行定量评估，以定义HE（绝对体积增加>6?mL或相对增加≥33%）。其次，系统收集了患者的人口学特征、临床资料、实验室检查指标（包括血常规、凝血功能、生化指标及炎症标志物等）以及基线NCCT的影像学特征（如血肿形态、密度标志等）。最后，运用统计学方法进行建模，通过单因素逻辑回归筛选候选变量，随后纳入多因素逻辑回归模型以确定独立预测因素，并通过1000次自助抽样法进行内部验证，评估模型的判别能力、校准度和临床效用。样本队列来自上述单中心研究期间连续入院的194例符合条件的老年sICH患者。
研究结果清晰地揭示了老年sICH患者中HE的发生率及其多维度的关联因素。在最终纳入分析的194例患者中，56例（28.9%）发生了HE。通过单因素分析筛选后，多因素逻辑回归模型确定了八个独立预测HE的因素。具体而言，患者年龄（aOR 1.13）、更高的NIHSS评分（aOR 1.21）、升高的中性粒细胞计数（aOR 1.91）、升高的INR（aOR 1.70）、更大的基线血肿体积（aOR 2.01）、存在黑洞征（aOR 7.34）以及血肿形状不规则（aOR 5.57）均与HE风险增加显著相关。相反，较高的血清钠水平则显示出保护效应（aOR 0.76）。基于这些独立预测因素，研究人员构建了一个逻辑回归预测模型。该模型在开发队列中显示出极高的判别能力，校正前的AUC达到0.916，经1000次自助抽样内部验证后，校正乐观度的AUC为0.891，表明模型性能稳定且具有良好的区分度。在选择的最佳概率截断值（p=0.405）下，模型预测HE的敏感性为89.3%，特异性为93.5%。
在亚组分析中，该模型在不同出血部位（脑叶、深部、脑干、小脑）、不同出血前抗血栓药物使用情况（抗凝药、抗血小板药）以及不同随访CT时间窗（≤6h， 6-24h， 24-48h）的亚组中均表现出强大的判别性能（AUC值均大于0.86），且交互作用检验未发现统计学显著的效应修饰，提示模型的预测信号具有较好的普遍性。敏感性分析进一步证实了模型的稳健性，无论采用不同的HE定义（如仅使用绝对体积标准，或采用更严格的复合标准），还是排除血肿体积或增长量的极端值，模型的AUC均保持稳定（0.879-0.954），表明其预测效能受这些因素影响较小。
讨论部分指出，本研究构建的HE预测模型融合了反映临床神经功能严重程度（NIHSS评分）、生物学脆弱性（中性粒细胞计数、INR、血钠水平）、以及基线血肿结构不稳定性（体积、黑洞征、不规则形态）的多维度信息。与既往研究相比，本研究的创新点不在于发现了全新的独立预测因子，而在于聚焦于老年这一特定脆弱群体，并构建了一个完全基于入院时常规可获得变量、可解释性强、易于床旁快速应用的实用模型。研究强调，老年患者的HE风险是多种因素共同作用的结果，不能仅依赖传统的临床观察或孤立的实验室异常，而应基于整合神经功能评估、凝血与炎症指标及早期影像特征的多维框架进行风险识别。黑洞征和形状不规则等NCCT标志物的强预测价值，再次印证了标准NCCT在提供血肿稳定性信息方面超越单纯确认出血的重要作用。该模型为老年sICH患者的早期风险分层提供了实用工具，可能有助于指导临床医生进行更严密的监测、优化复查影像时机，并识别可能需要更积极止血或神经重症监护策略的患者。当然，研究也存在局限性，如回顾性设计可能带来的选择偏倚、缺乏外部验证、模型未纳入更高级的影像学特征等。因此，该模型仍需在独立的前瞻性外部队列中进行确认。
结论部分总结道：在老年sICH患者中，HE可能与年龄较大、NIHSS评分较高、中性粒细胞计数升高、INR升高、血清钠水平降低、基线血肿体积较大以及不良的非增强CT形态（尤其是黑洞征和形状不规则）相关。整合这些预测因素的多元逻辑回归模型在识别HE高风险患者方面可能具有较高的判别性能。
