老年髋部骨折患者术后急性心力衰竭的风险因素及预测模型的构建

《Clinical Interventions in Aging》：Risk Factors for Acute Heart Failure in Older Adults with Hip Fractures After Surgery and Construction of a Nomogram Predictive Model

急性心力衰竭风险预测模型在老年髋骨折术后应用研究。通过回顾性分析2022-2023年成都第五人民医院313例老年髋骨折患者，发现年龄、脑血管疾病、肝硬化、营养不良、术中出血量及低蛋白血症为独立风险因素。构建的列线图模型在训练集（AUC=0.861）和验证集（AUC=0.819）均显示良好预测性能，经校准曲线和决策曲线分析验证其临床适用性。本研究为老年髋骨折术后急性心衰的精准风险评估提供了新工具。

　　急性心力衰竭（AHF）在老年髋部骨折手术患者中具有较高的发生率，这已经成为临床医学领域的重要问题之一。随着全球人口老龄化的加速，髋部骨折作为一种常见且严重的创伤，尤其在65岁以上的老年人中，其发病率逐年上升，给患者的生命安全和医疗资源带来巨大挑战。髋部骨折不仅会导致身体功能的损害，还可能引发一系列严重的术后并发症，其中心力衰竭尤为突出。研究表明，髋部骨折术后心力衰竭的发生率在5.5%至21.3%之间，且其30天死亡率高达65%，术后一年的全因死亡率显著升高。因此，识别和评估AHF的潜在风险因素，建立有效的预测模型，对于改善老年髋部骨折患者的预后、优化医疗资源利用具有重要意义。

本研究通过回顾性分析，选取了成都中医药大学附属第五人民医院2022年1月至2023年12月期间接受髋部骨折手术的826例老年患者，最终纳入313例符合标准的病例。这些患者被随机分为训练组（220例）和验证组（93例），比例为7:3。通过单变量分析和多变量逻辑回归分析，研究团队识别出年龄、脑血管疾病、肝硬化、营养不良、术中失血量以及低蛋白血症等六个显著的AHF独立风险因素。基于这些关键变量，研究团队构建了一个预测模型，并通过接收者操作特征曲线（ROC曲线）的曲线下面积（AUC）来评估模型的预测性能。在训练组中，该模型的AUC值为0.861（95%置信区间为0.796–0.925），而在验证组中为0.819（95%置信区间为0.692–0.946），表明该模型在预测术后AHF方面具有较高的准确性。此外，通过校准曲线和决策曲线分析（DCA），进一步验证了模型的拟合度和临床实用性。校准曲线结果显示，模型的预测值与实际数据高度吻合，而DCA则表明该模型在广泛的阈值概率范围内具有积极的净效益，优于“全部治疗”和“不治疗”的策略。

在术后AHF的分类中，研究发现大多数患者属于心力衰竭伴射血分数保留（HFpEF）类型，占比高达75.0%。这提示我们，在老年髋部骨折患者中，心力衰竭的表现可能与传统的类型有所不同，尤其是HFpEF的高发生率可能与患者的基础疾病、年龄和术后生理变化密切相关。研究还指出，AHF的发生与多种病理生理机制相关，包括手术创伤、麻醉反应、失血、贫血、低氧血症以及术前存在的心脏疾病等。这些因素会显著增加心肌的氧耗量，导致心肌供氧与需氧之间的失衡，进而引发心肌损伤和心力衰竭。

在风险因素的分析中，年龄被证实为术后AHF的重要预测指标。研究结果显示，年龄每增加一岁，AHF的发生风险就增加11.5%。这一发现表明，随着年龄的增长，老年患者的生理功能逐渐衰退，心肌的储备能力降低，因此更容易受到手术相关应激的冲击。同时，脑血管疾病、肝硬化、营养不良和术中失血也被确认为关键风险因素。其中，脑血管疾病患者的AHF风险是未患脑血管疾病的患者的4.887倍，肝硬化患者的AHF风险更是高达27.199倍。这些结果提示我们，对于有脑血管疾病或肝硬化的老年患者，术前应更加重视心血管评估和营养支持，以降低术后AHF的发生率。

营养不良和低蛋白血症在术后AHF的发生中同样扮演了重要角色。研究发现，营养不良患者的AHF风险是正常患者的4.096倍，而低蛋白血症的患者风险为3.026倍。这些结果表明，营养不良不仅是术后并发症的一个标志，更可能是心力衰竭进展的驱动因素。低蛋白血症与肺部充血、心肌水肿和功能障碍密切相关，还可能影响利尿剂的疗效和抗炎能力。因此，在术前和术中应重视患者的营养状态，通过合理的饮食干预和营养支持，降低术后AHF的风险。

此外，研究还指出，术中失血量与术后AHF的发生率呈正相关。失血量越大，AHF的风险越高，这可能与失血导致的有效循环血容量减少、心输出量下降以及心脏负荷增加有关。失血还可能引发炎症反应和心肌缺血，进一步加重心脏负担，导致术后心力衰竭的发生。因此，术中应严格控制失血量，采取有效的止血措施，以降低术后AHF的风险。

本研究构建的预测模型不仅能够有效识别术后AHF的风险因素，还能够为临床医生提供直观的工具，帮助其进行风险评估和决策。通过将这些关键变量整合到一个可视化工具中，即“列线图”（nomogram），研究团队使预测模型更加易于理解和应用。列线图可以直观地展示各变量对AHF发生风险的贡献程度，使临床医生能够快速判断患者的风险等级，并据此制定个性化的治疗方案。

尽管该模型在训练组和验证组中均表现出良好的预测性能和临床实用性，但研究也指出了其存在的局限性。首先，该研究采用的是单中心回顾性设计，这可能导致选择偏倚和数据收集不全的问题。其次，由于样本量较小，某些罕见变量的统计效应可能无法充分反映。此外，虽然内部验证显示模型具有较强的区分能力，但其在实际临床环境中的效果仍需进一步验证。未来的研究应更多地关注多中心前瞻性研究，以扩大样本量、提高研究的代表性，并进一步探索更细致的风险因素，如麻醉技术细节、BNP/NT-proBNP等生物标志物以及液体管理等。通过多中心合作，可以更好地评估模型的泛化能力和临床适用性，为更广泛的患者群体提供有效的风险预测工具。

综上所述，本研究通过系统的回顾性分析和多变量逻辑回归，揭示了老年髋部骨折术后AHF的主要风险因素，并构建了一个具有较高预测准确性的列线图模型。这一模型不仅能够帮助临床医生更准确地评估术后AHF的风险，还能为制定个性化的围术期管理策略提供科学依据。然而，由于研究方法和样本量的限制，该模型的实际应用效果仍需在未来的前瞻性研究中进一步验证。通过多中心研究和更全面的数据收集，有望进一步优化该模型，提高其在临床实践中的价值，为老年髋部骨折患者提供更精准的风险预测和干预方案。