首页 > 论文范文 > 医药卫生论文 > 骨科疾病论文 > 骨折论文 > 下肢骨折术后DVT风险预测模型构建及预防方案和效果探讨

下肢骨折术后DVT风险预测模型构建及预防方案和效果探讨

2024-12-23 222 上传者：管理员

摘要：目的探讨下肢骨折术后深静脉血栓形成(DVT)风险预测模型构建及流程系统化干预下被动运动方案的预防效果。方法随机选取我院2022年01月至2024年01月因下肢骨折就诊的患者共234例作为研究对象，按随机数字表法将全部病人分成对照组(n=117)和研究组(n=117),对照组予以常规护理，研究组在对照组护理基础上实施Logistics回归分析相关预测模型的流程系统化干预下被动运动方案，收集所有患者性别、年龄、伴有糖尿病、高血压、心脑血管疾病、骨折侧、美国麻醉医师协会(ASA)分级、AO分型、受伤至手术的时间、静脉发生血栓的栓塞史、术后是否使用抗凝药物、术后感染、长时间的卧床情况，检测术后5d的D-二聚体(D-D)水平，采用Logistic回归以及受试者工作特性曲线(ROC)评估该方法的预测价值。记录术后两组病人发生DVT的时间及发生率。结果 234例下肢骨折患者中，术后发生DVT共99例，发生率为42.31%。Logistic回归结果表明外伤术前时间、手术后D-D水平是出现DVT的独立影响因素；预测模型在DVT出现风险预测方面的AUC是0.974(95%CI:0.952～0.996),敏感度为92.90%,特异度为94.80%;研究组术后DVT发生时间明显长于对照组(P<0.05),DVT出现的概率较对照组低(P<0.05)。结论基于Logistics回归分析相关预测模型的流程系统化干预情况下的被动运动方案可指导临床护理，并减少术后DVT的发生。

关键词：
下肢骨折
术后DVT风险
流程系统化干预
被动运动方案
预测模型
预防效果
加入收藏

深静脉血栓(deep vein thrombosis, DVT)是指大、深静脉内血液呈高度易凝状态，进而形成相应症候群的临床综合征。如果发生血栓脱落入肺动脉，即肺栓塞，危及患者的生命安全[1]。DVT是外科手术的常见并发症。下肢骨折加之骨折容易损伤血管内壁从而启动凝血过程，加上术后患者制动，从而导致DVT的发生可能性增加。对下肢骨折病人术后实施预防性干预，可降低术后DVT的发生率。对DVT形成进行早期干预和预防对阻止DVT的发生有重要作用[2]。目前相关的术后DVT风险预测模型尚未见报道，国外对于下肢骨折术后DVT风险的预测模型研究相较于国内发展较早，但到目前为止发展尚不完善[3]。因此，有必要进一步分析术后出现DVT的危险因素，并建立一个预测模型，预防和减少DVT的发生[4]。本研究旨在构建下肢骨折术后DVT风险预测模型，科学预测出下肢骨折术后DVT发生的概率，为医护人员及时为患者采取流程系统化干预下被动运动方案提供理论依据，从而预防和减少患者DVT的发生，保障患者治疗顺利进行。

1、资料和方法

1.1一般资料

选取2022年01月～2024年01月期间于我院就诊的234例下肢骨折患者作为研究对象。纳入标准：①新鲜股骨颈、胫骨平台、股骨干、胫腓骨、足骨折；②入组前静脉加压超声(compression venous ultrasonography, CUS)检查显示无DVT;③均遵循知情同意原则；④单侧骨折；⑤年龄≥18岁；⑥拟于本院施行手术治疗。排除标准：①合并下肢动脉粥样硬化、下肢深静脉血栓，糖尿病、高血压等疾病；③严重的肝肾功能衰竭；④服用影响凝血功能的药物；⑤认知或精神障碍；⑥既往存在栓塞病史，或存在如心房颤动(atrial fibrillation, AF)易发生血栓栓塞的疾病。按随机数字表法将全部病人分成对照组(n=117)和研究组(n=117)。两组患者年龄、性别、骨折类型比较无显著差异(P>0.05),见表1。

表1两组一般资料比较

1.2方法

1.2.1 logistics回归分析预测模型的建立

(1)记录病人具体年龄、性别、伴有糖尿病、心脑血管疾病、高血压、骨折位置、AO分型、美国麻醉医师协会(american society of anesthesiologists, ASA)分级、受伤至手术时间、静脉血栓栓塞史、术后未使用抗凝药、术后感染、长时间的卧床情况，ELISA法检测术后5 d的D-二聚体(D-dimer, D-D)水平；(2)建立预测模型，绘制ROC曲线。

1.2.2护理干预方法

对照组给予常规护理，主要有健康教育、疾病知识介绍、护理指导和心理干预等，重点开展DVT预防知识的健康教育，包括向病人介绍术后出现DVT的重要诱因、预防和护理计划；抬高下肢，头低脚高；穿弹力袜；指导病人的家属定期实施按摩，被动的帮助病人运动；指导其合理饮食。研究组在对照组的护理基础上，采取基于Logistics回归分析相关预测模型的流程系统化干预下被动运动方案，具体如下：(1)建立预测模型，确认病人术后出现DVT影响因素，进而预测术后是否出现DVT,以指导护士实施科学、合理护理手段。(2)护理干预小组对研究对象进行全面健康教育及风险评估。风险评估由主治医生和质控团队完成。借助Autar DVT风险评估量表进行DVT风险评估和报告监管。DVT评估因素有体重指数、活动能力等，≤10分为低风险、11-14分为中等风险，≥15分为高风险。应分别在入院后24小时内和术后24小时之内进行评估。中等、低风险一周一次评估，高风险患者最多不超过三天进行评估。因情况不同采取不同的应对措施。(1)低风险组防治：血栓抑制的基础防治。(2)中等风险组防治：较上述护理实施更为详细、全面；术后严格卧床，使患肢外展维持中立位，下肢抬高20～30°,膝关节避免较大屈曲；穿着有弹力的衣裤。(3)高风险组：在上述的基础上，术前及术后进行康复训练，拔除引流管后，患肢被动运动。确定运动角度从10～30°开始一日两次，一次30～60分钟，而后增大角度，持续两周时间；术中患肢借助热水袋保温；适当补充液体，避免体内水分过少致血液粘稠；注意保温，防治静脉痉挛发生。

1.3观察指标

病人术后DVT出现的时间和概率。

1.4统计学方法

借助SPSS25.0进行统计分析，计量资料采用均数±标准差表示，统计方法选择用t检验；计数资料采用率(%)表示，统计发放选择χ2检验；采用Logistic回归分析对病人术后DVT出现的诱因进行分析，并根据回归的结果构建风险预测模型，绘制ROC曲线，计算AUC验证这个模型的预测效能，通常AUC>0.7代表这个模型对术后DVT的出现存在比较好的预测效能，若AUC接近1.0,示其预测方面的效能越好，若P<0.05,则示数据有统计学差异。

2、结果

2.1术后出现DVT的单因素分析

234例下肢骨折患者中，术后发生DVT共99例，未发生DVT共135例，DVT发生率为42.31%。单因素分析可以发现，受伤至手术的时间、静脉血栓栓塞史、伴有糖尿病、术后未使用抗凝药、术后感染、术后D-D浓度水平及长时间的卧床与骨折术后出现DVT有关(P<0.05),见表2。

表2术后出现DVT的单因素分析

2.2影响术后出现DVT因素的Logistic回归分析

将下肢骨折病人术后出现DVT为因变量(未出现DVT=0,出现DVT=1),将单因素结果存在差异的变量为自变量，对筛选的自变量赋值，受伤至手术的时间：≥5天=1,<5天=0;伴有糖尿病：是=1,否=0;术后未使用抗凝药：是=1,否=0;静脉血栓栓塞史：是=1,否=0;术后D-D水平：<0.5 mg/L=0,≥0.5 mg/L=1;术后感染：是=1,否=0;长时间的卧床：是=1,否=0,Logistic回归表明受伤术前时间、术后D-二聚体水平是发生DVT的独立危险因素，见表3。

表3影响术后出现DVT因素的Logistic回归分析

2.3 Logistic回归模型的预测效能

ROC曲线结果可以发现，模型预测DVT出现风险的AUC为0.974(95%CI:0.952～0.996),特异度是94.80%,敏感度是92.90%,见图1。

图1 Logistic回归模型的预测效能ROC曲线

2.4不同护理方案对术后DVT出现的时长及出现概率的影响

研究组术后DVT出现的时长较对照组长(P<0.05),DVT出现概率较对照组低(P<0.05),见表4。

表4不同护理方案对术后DVT出现的时长及出现概率的影响

3、讨论

下肢骨折患者术后需长时间的卧床，一些患者因害怕疼痛、固定器松动等原因不愿下床，致下肢肌力减弱，静脉血推进力下降[5]。护理程序以患者的生理和心理需求为基础，以促进患者健康为第一目标，系统地开展有计划、持续和全面的综合护理。术后借助持续被动运动，可有助于下肢肌肉运动，帮助肌肉泵恢复功能，加速血液回流及炎症因子代谢，减少炎症因子对静脉的损伤，从而减少血小板聚集[6]。本研究显示，下肢骨折病人术后DVT出现概率为42.31%。与国内报道的基本一致[7]。故筛选影响术后DVT出现的因素，采取有效的护理干预措施，加强术后护理，结合临床用药，以降低DVT出现概率，成为临床关注的重点[8]。

本研究进一步的对影响术后DVT出现的因素进行分析，研究表明受伤术前时间、术后D-二聚体浓度是下肢骨折术后DVT发生的独立危险因素。研究表明，伤至入院时间(OR=2.114)、D-D(OR=14.432)与骨关节术后下肢DVT关系密切(P<0.05),发病至入院时间延长、高D-D为骨关节术后下肢DVT的危险因素[9]。原因可能是骨折后患肢长期活动受限，引发血液高凝。有研究进行二项Logistic回归分析，结果可以观察到，静脉血栓的栓塞症病史是髋部骨折病人术前出现DVT的主要危险因素(OR值为31.107,P<0.05)[10]。梁明等[11]报道，术后应用低分子肝素钙抗凝药物可减少腹腔镜子宫全切术患者下肢DVT的发生。对于术后出现DVT的病人，应给予相应的抗凝治疗，监测其凝血功能。D-D作为体内反映血栓事件的相应指标。D-D浓度水平上升影响血栓产生。监测D-D水平可早期预测血栓形成。蔡金玉等[12]研究显示，D-D水平的检测有助于了解血液凝固情况并预测DVT的发生率，是骨折病人重要的检测指标。此次研究结果发现，该模型预测DVT风险的AUC为0.974,95%CI为0.952～0.996,敏感度和特异度依次是92.90%和94.80%,故这个模型对预测术后DVT的出现具有较好效能。

应根据上述影响因素制定护理干预，以提高护理质量。基于Autar量表，本次实验通过统计的方法构建了DVT风险评估量表以及报告监督量表。在传统护理干预的同时，对DVT的预防采用了系统的计划。借助DVT风险评估量表进行综合评估，并与分级管理结合应用，使DVT的预防更加系统、客观、准确[13]。而被动运动促进血液循环后，可减少血瘀，防止血小板聚集，改善凝血功能[14]。本研究可以观察到，研究组术后DVT出现的时长明显较对照组长，DVT出现的概率较对照组低，表明基于此护理方案能够有效预防术后DVT的发生。本研究通过成立干预小组，进行风险评估、全面健康教育和特殊护理措施的质控等，综合评估患者的病情，从而确定影响术后DVT出现因素达到筛选高危人群的目的，并针对风险级别不同的病人实施个体化护理，对高风险人群重点干预，从而针对性的预防病人术后DVT的出现，有助于提高患者的护理依从性，最终实现提高护理质量的目的[15]。

本研究通过结合病人的基本情况、既往史、ASA分级、AO分型、受伤至手术时间、静脉血栓栓塞史、术后相关的临床数据等，建立了术后DVT风险预测模型，国内鲜有下肢骨折患者术后DVT风险的预测模型的构建报道。通过回顾性研究，对DVT出现的可能因素给予分析，结果发现2个与DVT相关的危险因素，其中术后D-D水平可能是术后DVT发生的一个标志性因素。通过ROC曲线分析检验了预测模型判别发生DVT与未发生DVT患者的能力。通过对DVT出现危险的分级，给医务人员提供相应的理论依据。这个模型的操作比较简单，可提高医务人员识别高风险病人的能力。近年来，国内外围绕下肢骨折患者术后DVT做了大量研究，多数围绕在危险因素分析和一般预防措施等[16-18]。针对下肢骨折患者术后DVT风险预测模型构建的研究则较少。综合以上分析，有必要对术后DVT风险做一个系统研究。明确术后DVT发生的因素，准确预测DVT发生概率，从而为医护人员及时采取预防措施提供依据，最终实现减少DVT的发生。但本研究为单中心、小样本研究，导致本研究结果的数据可能存在偏倚，期望日后开展多中心、大样本研究，同时结合临床实际，以不断健全预测模型，使其更好指导护理干预措施的制定。

综上所述，基于Logistic回归分析预测模型的流程系统化干预下被动运动方案可降低下肢骨折患者术后DVT的发生率，有助于指导临床护理。

参考文献:

[4]宋春利.脊柱骨折术后下肢DVT危险因素及针对性预防护理对策探讨[J].中华现代护理杂志,2020,26(25):3534-3538.

[7]李嘉浩,张斌飞,王鹏飞,等.下肢骨折患者健侧肢体深静脉血栓形成的发生率及危险因素分析[J].中华创伤骨科杂志,2018,20(12):1060-1065.

[8]宋春利.脊柱骨折术后下肢DVT危险因素及针对性预防护理对策探讨[J].中华现代护理杂志,2020,26(25):3534-3538.

[9]杨王李,张华.下肢关节内骨折患者围手术期下肢深静脉血栓发生的相关预测因素及其临床诊断价值[J].血栓与止血学,2022,28(3):990-992.

[10]郭一峰,马玉芬,郭爱敏,等.Caprini风险评估模型预测术前髋部骨折患者深静脉血栓形成的有效性[J].中华现代护理杂志,2021,27(35):4818-4823.

[11]梁明,屈晓怡.腹腔镜子宫全切术后不同频次应用抗凝药物预防下肢深静脉血栓形成的效果观察[J].血栓与止血学,2022,28(2):274-275.

[12]蔡金玉,钟海燕,杨璐丹,等.不同部位创伤骨折病人D-二聚体､纤维蛋白原水平的临床意义分析[J].蚌埠医学院学报,2020,45(1):57-60.

[15]吴君豪,陈扬,蒋雪生.老年髋部骨折患者术前DVT风险评估与处理[J].中国骨与关节损伤杂志,2020,35(2):116-119.

[17]王刚,陈文韬,许国强,等.下肢骨折患者术前DVT形成的相关因素分析[J].中国骨与关节损伤杂志,2020,35(10):1108-1109.

文章来源:邱燕青,唐海燕,吴月红.下肢骨折术后DVT风险预测模型构建及预防方案和效果的探讨[J].航空航天医学杂志,2024,35(12):1487-1490.