编辑推荐：
推荐：为优化动脉瘤性蛛网膜下腔出血（aSAH）患者治疗决策、缓解 ICU 过度拥挤，研究人员回顾性分析 2018-2023 年单中心 274 例患者，验证 SAFIRE、HATCH 等评分效能。发现 SAFIRE、HATCH 对功能预后预测价值优异，或助合理分配医疗资源。
动脉瘤性蛛网膜下腔出血（aneurysmal subarachnoid hemorrhage, aSAH）是一种凶险的脑血管疾病，尽管仅占所有卒中的 5%，却因其高死亡率（可达 40%）和严重的长期功能障碍，成为年轻劳动力人群的重大健康威胁。幸存者中，25% 在 3 个月时仍无法独立生活，超过 30% 报告长期生活质量低下。这类患者不仅面临高昂的医疗成本，也给家庭和社会带来沉重的照护负担。目前，临床缺乏精准的预后评估工具，导致部分患者可能接受不必要的有创治疗，同时也存在重症患者因资源分配不足而影响预后的问题。如何在有限的医疗资源下，准确识别能从积极治疗中获益的患者，减少过度治疗和 ICU 占用，成为亟待解决的临床难题。
意大利都灵大学（University of Turin）"Rita Levi Montalcini" 神经科学系的研究团队针对这一挑战，开展了一项单中心回顾性研究，旨在验证 SAFIRE、HATCH、HAIR 和 Nutshell 等预后评分系统在真实世界中的适用性和预测效能。该研究成果发表在《Neurological Sciences》，为 aSAH 患者的个体化治疗和资源优化提供了重要依据。
研究方法
研究纳入 2018 年 1 月至 2023 年 12 月期间，经影像学证实的 274 例成年 aSAH 患者，排除非动脉瘤性出血及病因不明者。收集患者人口学资料、危险因素、临床分级（GCS、H&H、WFNS）、影像学特征（mFS、BNI 分级、动脉瘤位置 / 大小）及治疗方式（血管内治疗、外科夹闭或未治疗）。通过计算 SAFIRE、HATCH、HAIR 和 Nutshell 评分，运用受试者工作特征曲线（ROC）分析评估各评分对 30 天死亡率、功能预后（GOS、mRS）的预测效能，并通过 Kaplan-Meier 生存分析比较不同评分分组的生存差异。
研究结果
1. 患者基线与治疗情况
- 患者平均年龄 60.1 岁，女性占比约 2/3，48.5% 合并高血压，22.6% 为吸烟者。
- 83.9% 动脉瘤位于前循环，34.3% 存在多发动脉瘤，平均瘤体大小 8.0 mm。
- 72.3% 接受血管内治疗，16.1% 行外科夹闭，11.7% 未治疗。未治疗组多因高龄、后循环动脉瘤、高 mFisher 分级等因素判定为手术禁忌。
2. 死亡率与 ICU 结局
- 30 天死亡率 27.7%，总体死亡率 41.2%；ICU 收治率 74.1%，ICU 内死亡率 38.4%。
- HAIR 评分（AUC=0.812）和 Nutshell 工具（AUC=0.749）对 30 天死亡率预测效能较好，而 SAFIRE（AUC=0.866）和 HATCH（AUC=0.886）在预测出院时及 1 年功能预后（mRS≥3 或 GOS≤3）方面表现优异。
3. SAFIRE 评分的分层分析
- 根据 SAFIRE 评分将患者分为 5 组（1=0-2；2=3-5；3=6-8；4=9-15；5=>15），生存分析显示各组间生存率差异显著（Log-rank p<0.0001）。
- 最高危组（SAFIRE>15）平均年龄 75.2 岁，93.5% 入住 ICU，82.8% 死于 ICU，随访期内死亡率超 89%，且所有幸存者均存在严重功能障碍（mRS 4-5）。
4. 并发症与预后影响
- 69.3% 患者住院期间出现并发症，包括脑血管痉挛（20.4%）、脑积水（19.7%）和迟发性脑缺血（DCI，15.0%）。
- SAFIRE 和 HATCH 评分与不良预后显著相关，评分越高者并发症发生率更高，出院去向（回家、康复中心或转院）与评分分组密切相关。
研究结论与讨论
本研究证实，SAFIRE 和 HATCH 评分系统在真实世界中对 aSAH 患者的短期和长期预后具有可靠的预测价值。SAFIRE 评分因其仅基于入院时的临床和影像学指标（如年龄、GCS、动脉瘤大小、出血厚度等），可在急诊阶段快速评估，尤其适用于早期决策；而 HATCH 评分纳入治疗方式和脑积水等变量，对整体预后判断更全面，但需注意其变量可能不完全局限于入院时。
对于 SAFIRE>15 的极高危患者，尽管早期死亡率未达 100%，但中长期随访显示其几乎无良好预后可能，提示临床可据此避免对这类患者进行徒劳的有创治疗，从而优化 ICU 资源分配，减轻医疗系统负担。此外，评分系统的应用有助于医患沟通，为伦理决策提供客观依据，避免过度治疗带来的身心伤害和经济损失。
尽管研究存在单中心、回顾性设计的局限性，但其结果为多中心前瞻性验证提供了重要基础。未来若能整合更多临床变量和 AI 技术，有望进一步提升预后模型的准确性，推动 aSAH 诊疗向精准医学迈进。
