《Frontiers in Neurology》：Risk factors for postoperative recurrence of chronic subdural hematoma and construction and validation of an online dynamic nomogram prediction model
编辑推荐：
目的：探讨慢性硬膜下血肿（chronic subdural hematoma, CSDH）患者术后复发的相关因素，并构建及内部验证一种用于个体化复发风险评估的在线动态列线图（nomogram）。
方法：本回顾性单中心研究纳入了2018年1月至2025年5月期间
目的：探讨慢性硬膜下血肿（chronic subdural hematoma, CSDH）患者术后复发的相关因素，并构建及内部验证一种用于个体化复发风险评估的在线动态列线图（nomogram）。
方法：本回顾性单中心研究纳入了2018年1月至2025年5月期间284例接受手术治疗的CSDH患者。在模型开发前，将队列按7:3比例分为训练队列（n=198）和验证队列（n=86）。仅在训练队列中进行单变量分析、多变量逻辑回归（logistic regression）、预测因子筛选及列线图构建，而验证队列则保留用于模型性能评估。复发定义为术后6个月内CT显示血肿再积聚或增大，伴有复发或加重的神经症状，无论后续是否再次手术。
结果：284例患者中共54例（19.01%）出现复发；训练队列中发生33例复发事件，验证队列中21例。在多变量分析中，吸烟史、侧别、血肿密度、最大血肿厚度、大脑中线移位≥10 mm及术后气颅具有统计学显著性。训练队列的曲线下面积（area under the curve, AUC）为0.89（95%置信区间CI, 0.82–0.95，敏感性0.82，特异性0.85），验证队列的AUC为0.74（95% CI, 0.59–0.88，敏感性0.52，特异性0.85）。Bootstrap乐观校正后，表观AUC为0.892，平均乐观度为0.021，乐观校正后AUC为0.871。在训练队列中，Hosmer-Lemeshow检验未显示拟合不良的统计学显著证据（χ2=9.96，df=8，p=0.268）。
结论：该在线列线图为个体化复发风险评估提供了一个便捷框架。有必要进行进一步的外部多中心验证以评估其普适性和临床适用性。
研究背景与问题
慢性硬膜下血肿（chronic subdural hematoma, CSDH）是血液及其分解产物在硬脑膜下的异常聚集，好发于老年人群，常继发于轻微头部外伤。计算机断层扫描（CT）是主要影像学检查手段，磁共振成像（MRI）可用于特定病例的辅助诊断。CSDH可通过占位效应、脑室受压及中线移位导致进行性神经功能恶化，严重时可引发脑疝。术后复发仍是重要的临床难题，通常在术后数月内进行评估。复发机制是多因素的，包括持续存在的血管化血肿包膜、持续的炎症与纤溶活性、脑组织复张障碍及残余硬膜下腔隙、术后气颅以及引流相关因素。影像学特征如血肿厚度、密度模式及中线移位亦被认为与复发风险相关。尽管已有多个复发风险模型被提出，但尚无单一模型获得广泛外部验证或临床应用。因此，研究人员回顾性评估了与CSDH术后复发相关的临床、放射学及围手术期因素，并开发了一种旨在提供个体化风险估计的在线动态列线图（nomogram）。
研究方法与技术
本研究为回顾性单中心研究，数据来源于某医院2018年1月至2025年5月间接受手术治疗的CSDH病例。最终队列纳入284例患者，所有患者均完成了术后6个月的随访。研究人员将完整队列按7:3比例随机划分为训练队列（n=198）和验证队列（n=86）。仅在训练队列中进行单变量分析及多变量逻辑回归（logistic regression）建模。采用受试者工作特征（receiver operating characteristic, ROC）曲线及曲线下面积（area under the curve, AUC）评估模型区分度，校准曲线及Hosmer-Lemeshow拟合优度检验评估校准度。通过1000次Bootstrap重抽样进行内部验证，计算乐观校正后AUC。决策曲线分析（decision curve analysis, DCA）及临床影响曲线（clinical impact curve, CIC）用于评估潜在临床效用。基于Shiny框架开发在线动态列线图并部署于shinyapps.io平台。
研究结果
基线特征与单变量分析
在训练队列的单变量分析中，凝血酶原时间国际标准化比值（PT-INR）、吸烟史、阿司匹林用药史、血肿侧别、血肿密度、最大血肿厚度、大脑中线移位≥10 mm、术前低白蛋白血症、引流管深度及术后气颅共10个变量与术后复发显著相关（p<0.05），被纳入后续多变量分析。
多变量分析与列线图构建
多变量逻辑回归结果显示，吸烟史（优势比OR=2.81，p=0.049）、血肿侧别（单侧 vs. 双侧，OR=0.22，p=0.019）、血肿密度（混合密度 vs. 低密度，OR=3.96，p=0.010）、最大血肿厚度（OR=1.09，p=0.030）、大脑中线移位≥10 mm（OR=3.41，p=0.022）及术后气颅（OR=3.00，p=0.038）是术后复发的独立预测因子。基于这6个变量的回归系数构建了静态及在线动态列线图。
模型验证与性能评估
在训练队列中，模型AUC为0.89（95%置信区间CI, 0.82–0.95），敏感性0.82，特异性0.85。在验证队列中，AUC降至0.74（95% CI, 0.59–0.88），敏感性0.52，特异性保持0.85。Bootstrap内部验证显示表观AUC为0.892，平均乐观度为0.021，乐观校正后AUC为0.871。Hosmer-Lemeshow检验无显著差异（p=0.268），表明模型拟合良好。校准曲线在训练队列中显示预测概率与实际观察概率一致性较好，验证队列中偏差较大。DCA显示模型在训练队列阈值概率约0.04–0.93范围及验证队列约0.13–0.69范围内相对于“全治疗”或“不治疗”策略具有正向净获益。
讨论与结论
研究人员在本单中心回顾性研究中，基于284例手术治疗的CSDH患者数据，评估了与复发相关的临床、放射学及围手术期因素，并开发了可在线访问的列线图。该模型的主要价值在于利用常规可得的临床及影像学变量提供易于获取的个体化风险估计。吸烟史在多变量分析中具有统计学显著性，而阿司匹林用药史仅呈边缘关联。放射学特征如混合密度、更大血肿厚度及中线移位≥10 mm被证实为独立危险因素。术后气颅同样具有显著性，可能既是预后标志物也是潜在可干预的围手术期因素。双侧CSDH与更高复发概率相关。与既往发表的预测模型相比，本模型的主要优势在于其简便性与易用性，而非更优的区分效能。
研究局限性包括：回顾性单中心设计带来的选择偏倚与混杂；复发事件数较少（训练队列33例），导致事件数与预测因子之比偏低，存在过拟合风险；手术细节未完全标准化；验证队列仅为内部且规模较小；术后气颅仅作为二分类变量分析；模型尚未经外部多中心验证。
研究结论：研究人员开发并内部验证了一种基于常规临床及影像学变量的列线图，用于CSDH钻孔引流术后复发的个体化预测。该模型在训练队列中表现出良好的区分度，并在内部验证队列中维持了可接受的性能，支持其在复发风险分层中的潜在应用价值。有必要在更大的多中心队列中进行进一步外部验证，以评估其普适性并促进未来临床应用。
