急性大面积脑梗死院内死亡风险预测模型的构建与验证：一项基于中国人群的动态列线图研究

《European Journal of Medical Research》：Development and validation of a dynamic nomogram for predicting in-hospital mortality in acute massive cerebral infarction: a retrospective study in a Chinese population

本研究针对急性大面积脑梗死(MCI)高死亡率临床预测难题，通过回顾性分析159例患者数据，构建了整合吸烟史、空腹血糖(FBG)、同型半胱氨酸(HCY)、血红蛋白(Hb)和格拉斯哥昏迷评分(GCS)的动态列线图模型。该模型显示优异区分度(AUC=0.943)和校准度(R2M=0.660)，为早期识别高危患者提供可视化工具，对改善MCI临床预后具有重要实践价值。

　　

脑卒中作为全球第二大死亡原因和成人获得性残疾的首要因素，其中缺血性脑卒中占比高达70-80%。急性大面积脑梗死(Massive Cerebral Infarction, MCI)作为最凶险的亚型，具有占位效应明显、病情进展迅速的特点，死亡率可高达53-78%。尽管影像学技术能可靠检测血管闭塞，但院前阶段往往难以实施，使得早期识别高危患者面临巨大挑战。目前临床缺乏整合代谢指标与神经功能评分的个性化预测工具，导致对MCI患者死亡风险的评估存在局限性。

为破解这一临床难题，刘旭辉等人在《European Journal of Medical Research》发表研究，通过回顾性队列分析构建动态列线图预测模型。研究纳入2022年1月至2023年10月期间159例MCI患者，严格遵循诊断标准：梗死范围至少累及大脑中动脉(MCA)供血区三分之二以上，并经临床影像学确认。团队采用多变量逻辑回归(Logistic Regression)筛选独立危险因素，通过受试者工作特征曲线(ROC)、校准曲线和决策曲线分析(DCA)验证模型性能，最终开发出基于网页的动态预测平台。

关键技术方法包括：1）基于NIHSS（美国国立卫生研究院卒中量表）和GCS（格拉斯哥昏迷评分）的神经功能评估体系；2）静脉血样生化指标检测（含FBG、HCY、Hb等）；3）多因素逻辑回归模型优化；4）自助法(Bootstrap)重采样验证（1000次迭代）；5）动态列线图网络部署。所有数据均来源于兰州大学第二医院（国家级三甲医院）的住院患者队列。

基本特征分析

存活组（124例）与死亡组（35例）比较显示，死亡组男性比例(51.43% vs 29.03%)、吸烟史(60.00% vs 8.87%)、年龄(68.91 vs 63.14岁)显著更高（P<0.05）。死亡组FBG(7.54±1.61 mmol/L)、HCY(13.17±2.98 μmol/L)、NIHSS评分(20.69±5.43)均高于存活组，而Hb(28.20±23.29 g/L)和GCS评分更低（P<0.05）。影像学特征显示死亡组脑水肿/脑疝发生率(71.0%)显著高于存活组(6.0%)。

多因素回归模型

优化后的多变量逻辑回归揭示五大独立预测因子：吸烟(OR=10.48, 95%CI 2.85-42.80)、FBG每升高1 mmol/L(OR=1.97, 95%CI 1.45-2.82)、HCY每升高1 μmol/L(OR=8.62, 95%CI 1.29-76.21)、Hb每升高1 g/L(OR=0.96, 95%CI 0.94-0.99)及GCS评分每升高1分(OR=0.67, 95%CI 0.52-0.83)。值得注意的是，治疗策略（静脉溶栓/取栓）与既往抗凝治疗均未显示与死亡率显著相关（P>0.05）。

预测模型验证

列线图模型展现卓越区分能力：ROC曲线下面积(AUC)达0.943（95%CI 0.903-0.982），灵敏度0.914，特异度0.863。校准曲线显示预测概率与实际观测值高度吻合，决策曲线证实模型在广泛阈值范围内具有临床净获益。

动态预测平台创新

研究团队将模型部署为交互式网络应用（https://nomoiuxuhui.shinyapps.io/dynnomapp/），临床医生输入患者Hb、吸烟状态、FBG、HCY和GCS评分即可实时计算死亡风险。当预测概率超过0.75时系统自动触发高危警报，实现精准医疗的临床转化。

本研究突破传统依赖影像学特征的预测模式，首次系统验证Hb与HCY在MCI预后评估中的价值。血红蛋白下降可能通过降低脑组织氧输送加剧缺血半暗带损伤，而高HCY水平则与血管内皮毒性反应及炎症级联放大相关。动态列线图的推出弥补了静态评分体系的不足，为急诊室快速分层诊疗提供决策支持。

研究局限性包括单中心设计和小样本量，特别是死亡病例数较少可能影响模型稳定性。未来需要通过多中心前瞻性队列进一步验证泛化能力，并探索将梗死体积、基因标志物等新型指标纳入模型优化。

该研究通过整合易获取的临床指标构建高精度预测工具，不仅深化对MCI病理生理机制的理解，更推动卒中诊疗向个体化、预防性管理迈进。对吸烟、血糖、贫血等可控因素的强调，为降低MCI死亡率提供具体干预靶点，具有重要的公共卫生意义。