脾脏硬度无法预测门脉高压儿童的食管静脉曲张情况

《Journal of Pediatric Gastroenterology and Nutrition》：Splenic stiffness does not predict esophageal varices in children with portal hypertension

超声弹性成像参数预测儿童食管静脉曲张的验证研究。采用推导队列（80例）和验证队列（58例）评估脾脏硬度（SSM）、肝硬度（LSM）及临床预测规则（CPR）的诊断价值。推导队列中SSM的AUC为0.83，但验证队列中其敏感性降至0.26，特异性为0.93，提示SSM不稳定。LSM和CPR在两队列中AUC分别为0.70和0.78，表现更一致。结论：SSM无法单独预测食管静脉曲张，LSM和CPR更可靠。

　　这项研究探讨了超声参数，特别是脾脏硬度，作为预测儿童食管静脉曲张的潜在指标。尽管超声检查是一种非侵入性的诊断工具，且在临床实践中已被广泛应用，但其在预测食管静脉曲张方面的准确性和可靠性仍存在争议。研究团队利用两个独立的队列（衍生队列和验证队列）进行分析，以评估脾脏硬度测量（SSM）和其他超声参数以及临床预测规则（CPR）在预测食管静脉曲张方面的价值。

儿童门脉高压（PH）是导致上消化道出血的重要原因之一，尤其是在食管静脉曲张的情况下。传统的诊断方法依赖于内镜检查（EGD），这是一项需要镇静的侵入性操作，可能给患儿带来不适和风险。因此，寻找非侵入性的替代方法具有重要的临床意义。超声技术，尤其是弹性成像，为评估肝脏和脾脏的纤维化程度提供了新的可能性。然而，已有研究表明，脾脏硬度在预测食管静脉曲张方面可能并不总是可靠，尤其是在不同人群和不同疾病背景下。

研究中，衍生队列包括80名儿童，而验证队列包括58名儿童。这些儿童均接受了内镜检查和腹部超声检查，其中部分患者还进行了脾脏弹性成像测量。研究团队收集了包括血清参数（如血小板计数、白蛋白水平）在内的临床数据，以构建和评估CPR。结果显示，在衍生队列中，脾脏硬度是预测食管静脉曲张的最佳独立指标，其曲线下面积（AUC）达到0.83，敏感性为0.90，特异性为0.73，使用22 kPa作为最佳阈值。然而，在验证队列中，脾脏硬度的预测能力显著下降，AUC仅为0.57，敏感性降低至0.26，而特异性则升高至0.93。这表明，虽然在某些情况下脾脏硬度可能是一个有用的指标，但其在实际应用中可能并不稳定，尤其是在不同的患者群体中。

此外，研究还发现，肝脏硬度测量（LSM）和CPR在两个队列中的表现相对一致，尽管其AUC值低于脾脏硬度。LSM在衍生队列中的AUC为0.70，而在验证队列中则为0.64。CPR在衍生队列中的AUC为0.78，而在验证队列中为0.71。这表明，尽管脾脏硬度在某些情况下表现优异，但其在实际应用中可能受到多种因素的影响，包括技术差异、患者个体差异以及疾病进展的不同阶段。

研究还探讨了脾脏硬度在预测食管静脉曲张时的局限性。例如，某些患者即使存在食管静脉曲张，其脾脏硬度值也可能在正常范围内，尤其是在那些已经接受过手术治疗（如门静脉分流术或肝移植）的患者中。这可能是因为手术改变了脾脏的结构和功能，从而影响了弹性成像的测量结果。同样，自发性门静脉-体循环分流的存在也可能降低脾脏硬度，即使患者存在静脉曲张。

另一个重要的发现是，脾脏硬度的预测能力可能受到时间因素的影响。在验证队列中，当排除了那些在内镜检查和超声检查之间间隔超过三个月的患者后，脾脏硬度的预测性能并未显著改善。这表明，脾脏硬度的变化可能与疾病的自然进程相关，而不是单一时间点的测量值。因此，未来的临床研究可能需要关注脾脏硬度随时间的变化趋势，而非仅依赖于固定阈值。

研究还指出，尽管脾脏硬度在某些情况下表现良好，但其在不同患者群体中的表现存在较大差异。例如，在衍生队列中，脾脏硬度的敏感性较高，而在验证队列中则明显下降。这可能与患者群体的多样性有关，包括不同的病因（如胆道闭锁、自身免疫性肝炎等）以及不同的疾病阶段。因此，脾脏硬度可能不是一种普遍适用的预测指标，而需要结合其他临床参数进行综合评估。

此外，研究强调了在儿童群体中，使用单一的超声参数或CPR进行预测可能并不足够。尽管某些参数如脾脏硬度在特定情况下表现优异，但在实际应用中，它们的预测能力可能受到多种因素的影响，包括技术操作、设备差异、患者个体差异以及疾病本身的复杂性。因此，需要进一步研究，以确定哪些参数组合能够更准确地预测食管静脉曲张的风险。

总的来说，这项研究提供了重要的证据，表明脾脏硬度测量不能单独作为预测儿童食管静脉曲张的可靠工具。相反，肝脏硬度测量和临床预测规则在两个队列中表现更为稳定和一致。这提示临床医生在评估食管静脉曲张风险时，应考虑使用这些更为稳健的指标，而非依赖脾脏硬度。未来的研究应进一步探索脾脏硬度在疾病监测中的潜在价值，尤其是在动态评估中，可能通过观察其随时间的变化趋势来提高预测准确性。