Establishment of a clinical prediction model for death in early stage in patients with severe traumatic brain injury based on emergency laboratory indexes
-
摘要:目的
基于急诊实验室指标建立重型颅脑损伤(sTBI)患者早期死亡的个体化预警模型。
方法回顾性分析2020年1月—2022年6月苏北人民医院急诊路径收治的249例sTBI患者的临床资料。基于患者急诊实验室指标，采用最小绝对收缩和选择算子(LASSO)算法，筛选sTBI早期死亡的最大相关特征，并进一步使用二元Logistic回归模型建立个体化急诊指标列线图。采用决策曲线分析，判断急诊实验室指标及其所构建的列线图的临床价值。
结果LASSO算法所保留的急诊实验室预测指标的预测价值为: 碱剩余的曲线下面积(AUC)为0.711, 血红蛋白的AUC为0.718, 凝血酶原时间的AUC为0.754, 活化凝血酶原时间的AUC为0.804, 纤维蛋白原的AUC为0.656, D-二聚体的AUC为0.804, 输注浓缩红细胞的AUC为0.796。由上述7个实验室指标构建的列线图的预测能力高(AUC为0.975)。
结论传统急诊实验室指标可实现对sTBI患者死亡的早期预测，由7个急诊实验室指标构建的列线图预测sTBI患者早期死亡的准确性较高。
Abstract:ObjectiveTo establish an individualized warning model for predicting death in early stage in patients with severe traumatic brain injury (sTBI) based on emergency laboratory indicators.
MethodsClinical materials of 249 sTBI patients treated through emergency pathway in Northern Jiangsu People′s Hospital from January 2020 to June 2022 were retrospectively analyzed. Based on the emergency laboratory indicators of the patients, the least absolute shrinkage and selection operator (LASSO) algorithm was used to screen the maximum correlation features of death in early stage of sTBI, and a binary Logistic regression model was furtherly used to establish an individualized emergency indicator line nomogram. The clinical values of the emergency laboratory indicators and the established line nomogram were evaluated by decision curve analysis.
ResultsThe predictive values of the emergency laboratory indicators retained by the LASSO algorithm were as follows: the area under the curve (AUC) for base excess was 0.711, AUC for hemoglobin was 0.718, AUC for prothrombin time was 0.754, AUC for activated partial thromboplastin time was 0.804, AUC for fibrinogen was 0.656, AUC for D-dimer was 0.804, and AUC for transfusion of concentrated red blood cells was 0.796. The predictive ability of the nomogram established by the above seven laboratory indicators was higher (AUC of 0.975).
ConclusionThe traditional emergency laboratory indicators can be used for early prediction of death in sTBI patients, and the accuracy of predicting death in early stage in sTBI patients by the nomogram established with the seven emergency laboratory indicators is high.
-
近年来，鉴于急诊实验室指标在重型颅脑损伤(sTBI)患者的早期预后评估中具有便于获取的特点，有关凝血功能、血气指标、葡萄糖和血红蛋白等血常规类指标的预测作用受到更多的重视[1]。然而，sTBI患者病情具有危重、复杂的临床特点，仅通过单一的独立预测因子获得的预测模型容易受到衡量角度、异质性及截取值等影响，因此亟需不断改进预测模型及扩展新的生物标志物[2]。一个理想的临床预测模型应具备准确、便捷、可操作性强、重复度高等特点[3]。基于sTBI常规急诊诊疗过程中开展的生物化学实验室指标，筛选与预后显著相关的指标并进行优化组合，建立复合型预测模型，值得临床深入研究。本研究纳入sTBI常规诊疗过程中的急诊实验室指标，通过最小绝对收缩和选择算子(LASSO)回归算法筛选最佳预测效应指标，进一步通过多因素二元Logistic回归建立个体化列线图预测模型，以实现对sTBI患者早期死亡(1周内)的临床预测，现将结果报告如下。
1. 资料与方法
1.1 一般资料
回顾性分析2020年1月—2022年6月江苏省苏北人民医院急诊路径收治的sTBI患者的临床资料。纳入标准: ① 头颅CT证实的颅内脑损伤放射学征象(硬膜外或硬膜下血肿、脑实质内出血、挫伤或蛛网膜下腔出血)的sTBI患者[格拉斯哥昏迷评分(GCS)≤ 8分]; ② 年龄≥ 18岁者; ③ 伤后24 h内入院者。排除标准: ① 多发伤损伤严重程度评分≥ 3分者; ② 穿透性脑损伤者; ③ 休克和(或)缺氧发作患者; ④ 预防凝血或同时使用抗凝剂或抗血小板药物者。所有患者均根据sTBI管理指南进行评估和治疗，即按照《严重创伤性脑损伤的处理指南(第4版)》中的诊治标准进行管理。
1.2 急诊指标获取
获取并记录入组患者的急诊指标，包括年龄、性别、损伤机制、入院时GCS、从损伤到入院的时间、急诊查体数据、实验室指标、首次头部CT显示的颅内病变类型、24 h输血情况等。采用R软件(版本3.5.0)分别将输血量与病死率进行3次样条拟合，在拟合曲线中截取潜在的拐点，即红细胞≥5单位，血浆≥800 mL, 血小板≥5治疗量。
1.3 统计学分析
采用SPSS软件(版本22.0)和R软件(版本3.5.0)进行统计分析, P < 0.05定义为差异有统计学意义。在本研究中，纳入急诊实验室检测的差异性指标(包括血常规、血生化和血气分析)，采取LASSO用于数据降维和从准入指标中获取死亡患者的最佳预测特征。基于R软件建立预测模型公式及列线图，进一步采用Hosmer-Lemeshow拟合优度检验来评价预测模型的校准能力，以确定列线图的临床实用性。使用SPSS软件进行受试者工作特征(ROC)曲线分析, ROC曲线的曲线下面积(AUC)范围为0~1。ROC曲线用于评估筛选的独立预测因子和列线图预测模型的预测价值。
2. 结果
2.1 患者临床资料
本研究共入组249例sTBI患者，依据病史中记录的患者1周生存情况分为存活组215例和死亡组34例。存活组男148例，女67例，平均年龄为(51.3±28.2)岁; 死亡组男22例，女12例，平均年龄为(63.5±31.9)岁。存活组与死亡组患者在年龄、入院GCS、碱剩余、血红蛋白、凝血酶原时间、活化部分凝血活酶时间、纤维蛋白原、D-二聚体、24 h输血情况方面比较，差异有统计学意义(P < 0.05或P < 0.01)。见表 1。
表 1 存活组与死亡组患者的临床资料比较(x±s)[n(%)]临床资料 分类 存活组(n=215) 死亡组(n=34) 性别 男 148(68.8) 22(64.7) 女 67(31.2) 12(35.3) 年龄/岁 51.3±28.2* 63.5±31.9 多发性损伤 101(47.0) 20(58.8) sTBI原因 车祸 154(71.6) 25(73.5) 高处坠落 28(13.0) 3(8.8) 跌倒 33(15.3) 5(14.7) 急诊指标 心率/(次/min) 89.5±19.3 99.0±34.1 呼吸频率/(次/min) 23.4±6.7 21.6±10.4 体温/℃ 36.4±0.6 36.1±1.0 收缩压/mmHg 132.8±27.4 134.0±41.5 入院格拉斯哥昏迷评分/分 4.6±3.7* 3.6±2.2 碱剩余/(mmol/L) 2.7±1.7** 3.9±2.5 血红蛋白/(g/dL) 13.2±1.8** 11.2±2.8 血小板/(×109/L) 165.3±55.7 158.4±61.2 凝血酶原时间/s 15.6±1.4** 20.2±6.8 活化部分凝血活酶时间/s 28.9±5.1** 33.4±9.7 纤维蛋白原/(g/L) 2.7±1.2** 4.2±1.3 D-二聚体/(μg/L) 191.0±58.9** 253.2±52.1 24 h输血 浓缩红细胞≥5单位 25(11.6)** 18(52.9) 新鲜冰冻血浆≥800 mL 35(16.3)** 15(44.1) 单采血小板≥5治疗量 28(13.0)** 10(29.4) sTBI: 重型颅脑损伤。与死亡组比较, * P < 0.05, ** P < 0.01。 2.2 最佳死亡特征筛选
采用LASSO算法将存活组与死亡组的差异性指标进一步过滤不稳定特征、最小冗余，获得最大相关性，最终入选7个因素用于列线图开发(按照顺序依次为: 碱剩余、血红蛋白、凝血酶原时间、活化部分凝血酶原时间、纤维蛋白原、D-二聚体、浓缩红细胞≥ 5单位)。见图 1。
![]()
图 1 使用LASSO回归模型进行最佳特征选择A: LASSO系数剖面，显示11个数据特征，根据对数(λ)序列绘制系数剖面图，每条彩色线表示单个特征的系数; B: LASSO模型中的调谐参数(对数λ)选择通过最低标准进行交叉验证，在选定的λ值处绘制垂直虚线。2.3 独立因素检验
采用二元Logistic回归模型检验LASSO回归筛选出的7个保护因素或危险因素，其中血红蛋白为独立保护因素(P < 0.05), 而碱剩余、凝血酶原时间、活化部分凝血活酶时间、D-二聚体、纤维蛋白原及输注浓缩红细胞≥ 5单位为独立危险因素(P < 0.05)。见表 2。
表 2 影响sTBI患者1周内死亡的独立保护因素或独立危险因素因素 B SE Wald P OR 95%CI 碱剩余 0.34 0.20 2.92 0.04 1.41 0.95~2.09 血红蛋白 -0.46 0.22 4.65 0.03 0.63 0.41~0.96 凝血酶原时间 0.42 0.11 14.22 < 0.01 1.53 1.23~1.90 活化部分凝血活酶时间 0.12 0.05 6.01 0.01 1.13 1.02~1.24 D-二聚体 0.68 0.01 8.05 < 0.01 1.02 1.01~1.03 纤维蛋白原 0.02 0.27 6.58 0.01 1.97 1.17~3.31 输注浓缩红细胞≥5单位 2.91 0.73 15.96 < 0.01 18.26 4.39~75.95 2.4 预测模型开发
选取影响sTBI患者1周内死亡的7个独立保护因素及独立危险因素，根据表 2中对应指标的权重将个体预测因子的概率转换并构建列线图，采用校准曲线评价列线图的可用性。结果显示，模型预测死亡与实际死亡分组之间无显著性差异，表明列线图模型具有相对较好的预测能力。见图 2。
![]()
图 2 7个急诊实验室指标组成的预测sTBI患者早期死亡的列线图及其临床应用评价A: 列线图(使用方法为找到每个变量在相应轴上的位置，并在点轴上标记以记录分数，之后添加所有变量的点，并从总点轴上标记分数，以确定列线图下sTBI患者1周内死亡的概率); B: 校准曲线的有效性检测。2.5 临床价值
采用ROC曲线衡量了7个急诊实验室独立预测指标与建立的早期死亡预测列线图的实际预测价值, AUC区间为0.656~0.975, 见图 3。
![]()
图 3 ROC曲线分析独立预测因子和预测模型对sTBI患者1周死亡的临床实际预测能力A: 碱剩余(AUC=0.711); B: 血红蛋白(AUC=0.718); C: 凝血酶原时间(AUC=0.754); D: 活化凝血酶原时间(AUC=0.804); E: 纤维蛋白原(AUC=0.656); F: D-二聚体(AUC=0.804); G: 输注浓缩红细胞(AUC=0.796); H: 列线图(AUC=0.975)。3. 讨论
实现sTBI后的客观快速评估至关重要，因为其可以帮助指导临床决策和远期治疗方案的确立，以合理分配医疗资源，降低医患纠纷发生率[4]。目前，已有许多临床参数可用于sTBI患者结局的预测，例如患者的神经影像学特征(中线移位、CT评分系统)[5]、临床表征[格拉斯哥昏迷评分(GCS)、瞳孔反应性]、继发性损伤(缺氧、低血压)、国际上开发的预测模型[严重头部损伤后皮质类固醇随机分组(CRASH)评分模型和国际临床试验预后和分析任务(IMPACT)评分模型][2]。鉴于sTBI患者的病情危重、病死率极高[6], 目前尚无被广泛接受且达成共识的模型能够在急诊环境中快速、准确地评估sTBI患者的早期预后。
本研究探讨了sTBI患者急诊传统生物化学指标对早期(1周内)住院死亡的预测价值，并获得了较好的死亡风险预测模型。多因素二元Logistic回归分析显示，在传统的实验室指标中，碱剩余、血红蛋白、凝血酶原时间、活化部分凝血酶原时间、纤维蛋白原、D-二聚体、浓缩红细胞≥5单位与住院病死率独立相关，这些独立变量在进入急诊路径时很容易获得，并且与既往的预后预测因素研究[7]结果一致。本研究建立的sTBI早期死亡预测模型，在实际存活与死亡之间具有出色的辨别能力和校准能力；进一步联合使用上述标准预测因子构建列线图模型，也较单独使用标准预测因子的模型具有更好和更精确的预测价值。
血液中的碳酸氢根离子浓度是衡量酸碱平衡状态的重要指标之一。通常情况下，血液中的碳酸氢根离子浓度在22~27 mmol/L, 如果碳酸氢根离子浓度低于正常范围，称为代谢性酸中毒；如果碳酸氢根离子浓度高于正常范围，则称为代谢性碱中毒。脑外伤急性期的过度通气及大剂量渗透性利尿剂脱水治疗(甘露醇和呋塞米等)是造成碱剩余过度的主要原因。一旦患者碱剩余超额，机体内环境紊乱愈发严重，如容量欠缺、低血钾、低氯血症等，往往伴随着死亡风险的增高。
本研究发现LASSO回归筛选出的7种指标中，大多数与sTBI患者的凝血功能相关，这一点在既往的研究[7]中也得到了证实。既往研究[8]发现, TBI相关凝血病的总发病率约为35.0%。本研究结果还证实了TBI后凝血酶原时间(AUC=0.754)的预测作用。关于TBI(IMPACT)临床试验预后和分析的国际研究[9]发现, 850例患者中，有221例(26%)患者在入院时出现凝血时间延长，并且与病死率增加64%相关。本研究还发现，活化凝血酶原时间(AUC=0.804)与其他凝血标志物相比，具有较高的独立预测死亡的作用，活化凝血酶原时间与不良预后和病死率的相关性更高[10]。尽管与标准入院变量相比，凝血可以提供更多关于TBI后病死率的有用信息，但是纳入多维度数据的整合建模，将会是实现更高预测率的解决途径(AUC=0.975)。最近的研究证据[7]表明，外伤后72 h内出现凝血异常的患者的病死率为无凝血异常者的10倍。
在急诊的情况下，早期提供sTBI患者的有效、客观信息对后续治疗决策至关重要[11]。早期的急诊预测信息可提供一种评估方法来保证医疗质量，该方法可用于在机构之间或机构内部进行比较[12]。预后预测模型中预测因子的临床价值取决于其评估的可靠性、异常的发生率和预后效应的强度(优势比)[2]。本研究中，选取的指标在临床中均为标准化常规开展，避免了不同医疗机构的异常值的发生率[13]。本研究结果是基于急诊实验室指标的组合，在sTBI患者早期死亡的预测模型中发挥了重要作用，但在解释数据时仍应谨慎: ① sTBI本身的高致死率可能放大了本研究模型的预测能力[14-18]; ② 尽管证明了入院时传统实验室指标相结合的潜在预后评估能力，但不能忽视新兴手段及标志物如外泌体等的应用与价值[19-21]。
综上所述，本研究证明了一种涵盖多种独立预测因子的优化预测模型对sTBI早期死亡风险具有较好的区分度，可为一线医护人员对sTBI患者的危险分级提供重要信息，同样也为急诊护理、监护与决策提供了潜在的参考模式与方案。
-
![]()
图 1 使用LASSO回归模型进行最佳特征选择
A: LASSO系数剖面，显示11个数据特征，根据对数(λ)序列绘制系数剖面图，每条彩色线表示单个特征的系数; B: LASSO模型中的调谐参数(对数λ)选择通过最低标准进行交叉验证，在选定的λ值处绘制垂直虚线。
![]()
图 2 7个急诊实验室指标组成的预测sTBI患者早期死亡的列线图及其临床应用评价
A: 列线图(使用方法为找到每个变量在相应轴上的位置，并在点轴上标记以记录分数，之后添加所有变量的点，并从总点轴上标记分数，以确定列线图下sTBI患者1周内死亡的概率); B: 校准曲线的有效性检测。
![]()
图 3 ROC曲线分析独立预测因子和预测模型对sTBI患者1周死亡的临床实际预测能力
A: 碱剩余(AUC=0.711); B: 血红蛋白(AUC=0.718); C: 凝血酶原时间(AUC=0.754); D: 活化凝血酶原时间(AUC=0.804); E: 纤维蛋白原(AUC=0.656); F: D-二聚体(AUC=0.804); G: 输注浓缩红细胞(AUC=0.796); H: 列线图(AUC=0.975)。
表 1 存活组与死亡组患者的临床资料比较(x±s)[n(%)]
临床资料 分类 存活组(n=215) 死亡组(n=34) 性别 男 148(68.8) 22(64.7) 女 67(31.2) 12(35.3) 年龄/岁 51.3±28.2* 63.5±31.9 多发性损伤 101(47.0) 20(58.8) sTBI原因 车祸 154(71.6) 25(73.5) 高处坠落 28(13.0) 3(8.8) 跌倒 33(15.3) 5(14.7) 急诊指标 心率/(次/min) 89.5±19.3 99.0±34.1 呼吸频率/(次/min) 23.4±6.7 21.6±10.4 体温/℃ 36.4±0.6 36.1±1.0 收缩压/mmHg 132.8±27.4 134.0±41.5 入院格拉斯哥昏迷评分/分 4.6±3.7* 3.6±2.2 碱剩余/(mmol/L) 2.7±1.7** 3.9±2.5 血红蛋白/(g/dL) 13.2±1.8** 11.2±2.8 血小板/(×109/L) 165.3±55.7 158.4±61.2 凝血酶原时间/s 15.6±1.4** 20.2±6.8 活化部分凝血活酶时间/s 28.9±5.1** 33.4±9.7 纤维蛋白原/(g/L) 2.7±1.2** 4.2±1.3 D-二聚体/(μg/L) 191.0±58.9** 253.2±52.1 24 h输血 浓缩红细胞≥5单位 25(11.6)** 18(52.9) 新鲜冰冻血浆≥800 mL 35(16.3)** 15(44.1) 单采血小板≥5治疗量 28(13.0)** 10(29.4) sTBI: 重型颅脑损伤。与死亡组比较, * P < 0.05, ** P < 0.01。 
下载: 导出CSV
表 2 影响sTBI患者1周内死亡的独立保护因素或独立危险因素
因素 B SE Wald P OR 95%CI 碱剩余 0.34 0.20 2.92 0.04 1.41 0.95~2.09 血红蛋白 -0.46 0.22 4.65 0.03 0.63 0.41~0.96 凝血酶原时间 0.42 0.11 14.22 < 0.01 1.53 1.23~1.90 活化部分凝血活酶时间 0.12 0.05 6.01 0.01 1.13 1.02~1.24 D-二聚体 0.68 0.01 8.05 < 0.01 1.02 1.01~1.03 纤维蛋白原 0.02 0.27 6.58 0.01 1.97 1.17~3.31 输注浓缩红细胞≥5单位 2.91 0.73 15.96 < 0.01 18.26 4.39~75.95
下载: 导出CSV
-
[1] LI B, ZHOU X, YI T L, et al. Bloodletting puncture at hand twelve Jing-well points improves neurological recovery by ameliorating acute traumatic brain injury-induced coagulopathy in mice[J]. Front Neurosci, 2020, 14: 403. doi: 10.3389/fnins.2020.00403
[2] 郑锐哲, 赵志杰, 杨西涛, 等. 创伤性脑损伤预后预测研究的临床决策[J]. 中华全科医学, 2021, 19(1): 103-107. https://www.cnki.com.cn/Article/CJFDTOTAL-SYQY202101031.htm [3] HAASKJOLD Y L, BJØRNEKLETT R, BOSTAD L, et al. Utilizing the MEST score for prognostic staging in IgA nephropathy[J]. BMC Nephrol, 2022, 23(1): 26. doi: 10.1186/s12882-021-02653-y
[4] JIANG J Y, GAO G Y, FENG J F, et al. Traumatic brain injury in China[J]. Lancet Neurol, 2019, 18(3): 286-295. doi: 10.1016/S1474-4422(18)30469-1
[5] 赵志杰, 孙兆良, 陈二涛, 等. CT评分系统早期预测创伤性脑损伤患者预后的研究进展[J]. 中华创伤杂志, 2020, 36(10): 956-960. doi: 10.3760/cma.j.cn501098-20200721-00518 [6] 胡锦. 重视重型创伤性脑损伤的早期规范化救治[J]. 中华创伤杂志, 2019, 35(3): 199-203. doi: 10.3760/cma.j.issn.1001-8050.2019.03.002 [7] YUAN Q, YU J, WU X, et al. Prognostic value of coagulation tests for in-hospital mortality in patients with traumatic brain injury[J]. Scand J Trauma Resusc Emerg Med, 2018, 26(1): 3. doi: 10.1186/s13049-017-0471-0
[8] BRADBURY J L, THOMAS S G, SORG N R, et al. Viscoelastic testing and coagulopathy of traumatic brain injury[J]. J Clin Med, 2021, 10(21): 5039. doi: 10.3390/jcm10215039
[9] VAN BEEK J G, MUSHKUDIANI N A, STEYERBERG E W, et al. Prognostic value of admission laboratory parameters in traumatic brain injury: results from the IMPACT study[J]. J Neurotrauma, 2007, 24(2): 315-328. doi: 10.1089/neu.2006.0034
[10] 常盼盼, 刘畅, 崇巍. 严重创伤性脑损伤后凝血功能障碍与预后的关系[J]. 中国医科大学学报, 2019, 48(5): 425-429. https://www.cnki.com.cn/Article/CJFDTOTAL-ZGYK201905011.htm [11] SILVERBERG N D, GARDNER A J, BRUBACHER J R, et al. Systematic review of multivariable prognostic models for mild traumatic brain injury[J]. J Neurotrauma, 2015, 32(8): 517-526. doi: 10.1089/neu.2014.3600
[12] 39th international symposium on intensive care and emergency medicine: Brussels, Belgium, 19-22 March 2019[J]. Crit Care Lond Engl, 2019, 23(Suppl 2): 72.
[13] LIANG Y, HUAN J J, LI J D, et al. Use of artificial intelligence to recover mandibular morphology after disease[J]. Sci Rep, 2020, 10(1): 16431. doi: 10.1038/s41598-020-73394-5
[14] WU J C, LI H, HE J C, et al. Downregulation of microRNA-9-5p promotes synaptic remodeling in the chronic phase after traumatic brain injury[J]. Cell Death Dis, 2021, 12(1): 9. doi: 10.1038/s41419-020-03329-5
[15] 张颖洁, 王诗波, 诸靖, 等. 重型颅脑损伤患者血浆外泌体微小RNA-202-5p表达水平及其对预后的预测价值[J]. 实用临床医药杂志, 2022, 26(19): 61-65. doi: 10.7619/jcmp.20220746 [16] LIU W H, ZHAO S H, SHI L, et al. Workplace violence, job satisfaction, burnout, perceived organisational support and their effects on turnover intention among Chinese nurses in tertiary hospitals: a cross-sectional study[J]. BMJ Open, 2018, 8(6): e019525. doi: 10.1136/bmjopen-2017-019525
[17] 王小峰, 王琪, 党俊涛, 等. 基于临床数据列线图模型预测重型颅脑损伤昏迷患者近期预后的临床价值和准确性[J]. 临床误诊误治, 2022, 35(9): 102-107. https://www.cnki.com.cn/Article/CJFDTOTAL-LCWZ202209023.htm [18] 何鑫, 贺亚龙, 武秀权, 等. 成年重型颅脑损伤后加重继发性脑损伤的危险因素分析[J]. 中华神经创伤外科电子杂志, 2021, 7(3): 132-136. https://www.cnki.com.cn/Article/CJFDTOTAL-SJCW202103002.htm [19] 余灵芝, 林兴, 朱秀梅, 等. 基于列线图构建重症颅脑损伤患者肠内营养误吸风险预测模型研究[J]. 创伤与急危重病医学, 2022, 10(6): 467-470. https://www.cnki.com.cn/Article/CJFDTOTAL-CSJB202206022.htm [20] FRIESS S H. Pressure reactivity index in children with severe traumatic brain injury: are we getting closer to goldilocks management[J]. Crit Care Med, 2023, 51(5): 680-682.
[21] ÅKERLUND C A I, HOLST A, STOCCHETTI N, et al. Clustering identifies endotypes of traumatic brain injury in an intensive care cohort: a CENTER-TBI study[J]. Crit Care, 2022, 26(1): 228.
-
期刊类型引用(9)
1. 马雪萍，王晓丽，阿里木江·司马义，徐桂萍. 腹股沟上髂筋膜阻滞复合全身麻醉对高龄髋关节置换患者术后谵妄发生的影响. 新疆医学. 2022(02): 131-134 . 
百度学术
2. 张宏，李淑萍. 老年患者髋关节置换术后谵妄的发生现状及其相关影响因素分析. 长春中医药大学学报. 2022(10): 1155-1159 . 百度学术
3. 刘贵政，郑婷婷，杜斌. 老年髋部骨折患者术后谵妄发生现况及危险因素研究. 贵州医药. 2022(09): 1405-1406 . 百度学术
4. 王秀环，鲍乐乐，马漪洁，陈宁宁. 不同麻醉方法对老年髋关节置换患者术后谵妄发生的影响. 广州医科大学学报. 2021(02): 40-44 . 百度学术
5. 刘丹，杨万翔. 人文关怀护理对人工髋关节置换术后谵妄患者临床症状的影响. 中国当代医药. 2021(25): 270-272+276 . 百度学术
6. 陈立红，徐芙蓉，叶洁玉，许华亮. 高龄骨科髋关节置换术后患者发生谵妄的危险因素分析. 现代医学与健康研究电子杂志. 2021(23): 115-118 . 百度学术
7. 毛俊岚. 高龄患者髋关节置换术后谵妄1例的护理. 基层医学论坛. 2020(03): 420-421 . 百度学术
8. 欧玉琼，吴建颖，周嫦娥. 以临床路径为指导的谵妄管理对老年股骨头置换术后患者的影响. 护理实践与研究. 2020(02): 86-88 . 百度学术
9. 姜红卫. 骨科老年患者髋关节术后谵妄发生原因及疼痛干预护理进展. 系统医学. 2020(13): 196-198 . 百度学术
其他类型引用(1)
计量
- 文章访问数: 160
- HTML全文浏览量: 40
- PDF下载量: 13
- 被引次数: 10
苏公网安备 32100302010246号
