编辑推荐：
目前缺乏针对脓毒症危重症患者深静脉血栓（DVT）的风险评估工具。研究人员开展回顾性分析，确定了 DVT 的风险因素并开发列线图。结果显示年龄、用药等是风险因素，物理预防是保护因素。该研究为临床防治提供依据。
在医院的重症监护室（ICU）里，常常能看到这样的场景：医护人员们忙碌地穿梭在病床之间，密切关注着患者的各项生命体征。而在这些看似平静的背后，却隐藏着许多潜在的危险。深静脉血栓（DVT）就是其中之一，它如同一个隐匿的杀手，悄悄地威胁着患者的健康。对于普通患者来说，DVT 都可能引发严重后果，而对于脓毒症危重症患者而言，情况更是雪上加霜。
脓毒症是一种严重的感染性疾病，它会引发全身炎症反应，导致多个器官功能障碍。已有研究表明，脓毒症是 DVT 的重要风险因素之一。然而，目前针对脓毒症危重症患者 DVT 风险因素的研究却十分有限，而且缺乏专门适用于这一特殊人群的 DVT 风险评估工具。现有的风险评估工具，如 Caprini 量表主要用于外科患者，Wells 评分主要用于门诊患者，它们都无法准确评估脓毒症患者的 DVT 风险，这使得临床医生在预防和治疗脓毒症患者的 DVT 时面临着很大的挑战。因此，开展针对脓毒症危重症患者 DVT 风险因素的研究，并开发出有效的风险评估工具，成为了医学领域亟待解决的问题。
为了解决这些问题，四川大学华西医院的研究人员开展了一项回顾性观察研究。研究人员收集了 2015 年 1 月至 2022 年 5 月期间，四川大学华西医院 ICU 收治的符合 Sepsis - 3 标准的脓毒症患者的临床数据。他们严格筛选患者，排除了存在超声信息不全、入院前已患有 DVT、患有恶性肿瘤、长期使用糖皮质激素、创伤、手术时间≥45 分钟以及妊娠等情况的患者。最终，1057 名患者纳入了分析。
研究人员采用了多种技术方法来深入探究。首先，通过回顾电子病历数据库收集患者的各类临床数据，涵盖人口统计学特征、医疗数据、诊断信息、实验室检查结果等多方面内容。对于缺失数据，运用 R 语言中的多重填补链式方程（MICE）技术进行处理。在统计分析阶段，运用多种统计方法，像 Shapiro - Wilk 检验和直方图来检验连续变量的正态性，利用χ2检验或 Fisher 精确概率法比较分类变量，使用 Wilcoxon 秩和检验或 t 检验比较连续变量等，还通过多变量逻辑回归分析确定 DVT 的独立风险因素，并绘制受试者工作特征曲线（ROC）计算连续变量的截断值，将其转换为二进制数据，进而生成森林图和列线图。
在研究结果方面，研究人员发现了一系列与 DVT 相关的因素。在患者特征上，DVT 组患者的年龄中位数为 58 岁，非 DVT 组为 51 岁，且 DVT 组患者机械通气时间、使用血管活性药物时间、ICU 住院时间和总住院时间均显著长于非 DVT 组。通过多变量逻辑回归分析，确定了 DVT 的独立风险因素，包括年龄≥48 岁、使用血管活性药物≥336 小时、PaO2/FiO2≤275、发生呼吸道感染、D - dimer 水平≥3.6、纤维蛋白原水平≤3.9 ，而物理预防（如间歇性气动压缩）是 DVT 的独立保护因素。此外，研究还发现，在接受化学预防的患者亚组中，DVT 患者和非 DVT 患者在抗凝持续时间和剂量上没有显著差异。
从研究结论和讨论来看，该研究意义重大。研究首次明确了脓毒症危重症患者 DVT 的多个独立风险因素和保护因素，为临床医生早期识别高风险患者提供了重要依据。开发的列线图模型有助于更精准地预测 DVT 发生风险，从而指导临床制定个性化的预防和治疗方案。然而，研究也存在一定局限性，比如单中心研究样本量有限，可能影响结果的普遍性；未区分近端和远端血栓；列线图需要外部验证等。尽管如此，该研究为后续进一步研究指明了方向，未来需要开展多中心、大样本的前瞻性研究，以完善脓毒症患者 DVT 的风险评估和防治策略。该研究成果发表在《Scientific Reports》上，为脓毒症危重症患者 DVT 的防治研究提供了新的思路和重要参考，有望推动临床实践的进步，更好地保障患者的健康。
