综述：Predictive Models for Identifying Adult Patients at High Risk of Developing Opioid-Related Harms: a Systematic Review

本综述系统评估了预测成人阿片类药物相关危害（ORHs）模型的方法学质量，发现多数模型具备中高区分度（AUC > 0.70），但需在多场景验证后转化应用。

　　

阿片类药物（Opioids）作为中重度疼痛管理的核心药物，其潜在危害（Opioid-Related Harms, ORHs）引发广泛关注。本研究通过系统综述（Systematic Review）方法，基于PRISMA指南筛选了Scopus、PubMed等数据库中的36项研究，评估预测成人高风险ORHs模型的开发与验证进展。

研究背景与目的
阿片类药物滥用导致（Opioid Use Disorder, OUD）、（Opioid Overdose, OD）及（Opioid-Induced Respiratory Depression, OIRD）等严重后果。现有模型旨在识别高风险患者，但其预测效能与临床适用性尚未明确。本研究通过分析模型构建方法、预测指标及影响因素，为优化临床决策提供依据。

方法学评估
研究遵循PRISMA指南，采用Prediction model Risk Of Bias ASsessment Tool（PROBAST）评估偏倚风险。纳入标准包括：①研究对象≥18岁；②模型目标为预测ORHs；③报告验证结果。最终纳入36项研究，涵盖12种OUD、8种OD、6种OIRD及4类药物不良事件（Adverse Drug Events, ADEs）。

模型性能分析
多数研究采用受试者工作特征曲线下面积（Area Under the Curve, AUC）评估区分度，其中29/31项研究（93.5%）的AUC > 0.70，表明中高预测能力。部分研究单独报告敏感性（Sensitivity, 14项）、特异性（Specificity, 11项）或准确率（Accuracy, 4项）。值得注意的是，仅16项（44.4%）研究同时完成模型开发与验证。

关键预测因子
高频使用的预测变量包括：阿片类药物使用史（66.7%）、年龄（58.3%）、共病（Comorbidities, 41.7%）、性别（41.7%）及药物滥用/精神疾病史（36.1%）。这些因子与ORHs风险显著相关，提示多维度评估的重要性。

临床转化挑战
尽管现有模型具备一定效能，但其普适性受限：①多数研究局限于特定人群（如单一国家或医疗机构）；②验证数据集多样性不足；③外部环境因素（如医疗资源差异）未充分纳入。未来需通过多中心协作与动态更新机制提升模型实用性。

综上，当前预测模型为识别高风险患者提供了有效工具，但需进一步优化算法并验证跨场景适用性，以推动精准医疗实践。