《Injury》：Scapular Fracture and Risk of Great Vessel Injury in Geriatric Blunt Trauma: a TQIP Analysis
编辑推荐：
•单纯的肩胛骨骨折并不能预测大血管损伤。•肩胛骨骨折合并胸骨骨折时，大血管损伤风险最高。•锁骨下动脉表现出最强的血管特异性关联。•大血管损伤组的院内死亡率为25.1%，而无大血管损伤组为4.2%。引言老年患者的创伤性损伤与不成比例的高发病率和死亡率相关，部分原因是尽管初始检查
- •
单纯的肩胛骨骨折并不能预测大血管损伤。
- •
肩胛骨骨折合并胸骨骨折时，大血管损伤风险最高。
- •
锁骨下动脉表现出最强的血管特异性关联。
- •
大血管损伤组的院内死亡率为25.1%，而无大血管损伤组为4.2%。
引言
老年患者的创伤性损伤与不成比例的高发病率和死亡率相关，部分原因是尽管初始检查结果有限，却难以识别出严重的潜在损伤[1]、[2]、[3]。大血管损伤（GVI）是高能量创伤罕见但危及生命的后果，在该人群中可能表现为细微的征象，从而增加延迟诊断和并发症的风险[4]、[5]。
肩胛骨骨折虽然少见，但被视为严重胸部钝性创伤的指标[6]。这些骨折通常由高能量机制引起，并可能提示邻近胸腔内结构存在潜在损伤，包括胸主动脉、锁骨下动脉和颈动脉[7]、[8]、[9]。在老年创伤患者中，肩胛骨骨折的存在应引起特别关注，因为与年龄相关的骨脆性增加以及对血管损伤的生理耐受性下降[10]。此外，肩胛骨骨折常与其他胸部损伤同时发生，如肋骨骨折、胸骨骨折和连枷胸，所有这些都会加重潜在血管损伤的风险[11]、[12]。
尽管肩胛骨骨折具有重要的临床意义，但在初始创伤评估中往往被忽视，部分原因是其相对少见[13]。然而，未能将肩胛骨骨折作为严重胸部创伤和潜在大血管损伤的标志，可能会延迟诊断性影像学检查及适当的外科和血管内治疗，特别是在脆弱的老年人群中，鉴于大血管创伤的高死亡率，这将导致不良预后[14]。先前的研究已提示肩胛骨骨折与严重胸部创伤之间存在关联[11]，但专门研究老年人群中肩胛骨骨折与大血管损伤关联的综合性研究仍然有限。
本研究旨在通过分析一个大型全国老年钝性创伤患者队列来弥补这一空白。我们旨在确定在钝性创伤老年患者中，肩胛骨骨折是否与大血管损伤风险增加独立相关，以及特定的联合骨折模式是否进一步细化了这一风险。我们假设肩胛骨骨折伴随肋骨或胸骨骨折或连枷胸时，与大血管损伤风险增加独立相关。识别这一关联可能有助于在创伤评估期间对高风险老年人群进行更早的风险分层和诊断决策。
各部分摘要
研究设计与数据来源
我们利用美国外科医师学会创伤质量改进项目（ACS-TQIP）数据库的数据开展了一项回顾性队列研究，时间跨度为七年（2017年至2023年）。TQIP是一个成熟的注册系统，旨在通过风险调整基准分析方法提高创伤护理质量，有超过900家医院参与[15]。经过培训的人员负责提取患者和机构变量。由于TQIP仅包含
研究人群
共有677,134名老年钝性创伤患者符合纳入标准并被纳入最终分析（图1）。中位年龄为76岁[70–82]。大多数患者为女性（54.1%）和白人（87.6%）。最常见的损伤机制为跌倒（69.5%），其次是涉及机动车的碰撞（24.0%）。总体死亡率为4.3%。所有变量的缺失数据均小于5%。鉴于缺失数据比例较低，进行了完整病例分析
讨论
在本项针对TQIP数据库中677,134名老年钝性创伤患者的分析中，大血管损伤并不常见（0.7%），但带来了显著的临床后果，包括明显更高的院内死亡率（25.1% vs. 4.2%）以及更长的住院和ICU停留时间。在这种低发病率但高严重性的背景下，我们评估了肩胛骨骨折——历史上与大能量传递相关——能否在受伤生物力学和
结论
在这项回顾性分析中，在校正了损伤严重程度、机制和虚弱程度后，孤立的肩胛骨骨折并非老年钝性创伤患者大血管损伤的独立预测因素，且肩胛骨骨折的位置或移位程度均未改变这一风险。在跌倒后，肩胛骨骨折若不伴有胸骨骨折，本身并不提示存在遗漏的大血管损伤。相比之下，肩胛骨骨折与胸骨骨折的组合是一种高风险模式，
伦理声明
作者未从参与者或其法定代理人处获得知情同意。未获得知情同意是因为这项回顾性研究仅使用了ACS-TQIP数据库中的去标识化数据，该数据库不包含任何患者标识信息。纽约医学院机构审查委员会认定本研究（方案编号29605）不符合45 CFR 46中人体受试者研究的定义，且不需要机构审查委员会审查或监督；因此，知情
伦理说明
本研究使用了美国外科医师学会创伤质量改进项目（ACS-TQIP）的数据，该数据库仅包含去标识化的患者数据。根据机构政策，本研究被认定免予机构审查委员会（IRB）审查，且不需要知情同意。所有数据处理和分析均按照适用的数据使用协议进行。
作者贡献声明
Gabriel Froula：验证、数据整理、概念化。Amanda Carlson：验证、概念化。Matthew Bronstein：可视化、监督、调查。Kartik Prabhakaran：项目管理、数据整理。Harikrishnan Nair：撰写——初稿、资源、调查。Bardiya Zangbar：撰写——审阅与编辑、监督、项目管理、调查。Maral Peisepar：撰写——审阅与编辑、撰写——初稿、方法学、形式分析，
利益冲突声明
作者声明他们没有已知的竞争性经济利益或个人关系，这些可能影响本文所述工作的客观性。
Maral Peisepar|Aryan Rafieezadeh|Kartik Prabhakaran|Harikrishnan Nair|Vishmita Kannichamy|Samyuktha Harikrishnan|Ilya Shnaydman|Jordan Kirsch|Gabriel Froula|Amanda Carlson|Matthew Bronstein|Bardiya Zangbar
