髋部骨折后早期小腿肌肉静脉血栓形成的列线图开发与内部验证

摘要

本项回顾性研究建立并进行了内部验证，开发了一个包含六个变量的列线图，用于估算髋部骨折后48小时内发生小腿肌肉静脉血栓的风险。该模型考虑了甘油三酯的非线性效应，在外部验证完成前，可能有助于提高风险认知。

摘要

伤后48小时内发现的早期小腿肌肉静脉血栓（MCVT）可能影响髋部骨折患者的围手术期管理。本研究旨在开发并内部验证用于评估该人群早期MCVT风险的列线图模型。研究回顾性筛选了2021年至2024年期间收治的髋部骨折患者，根据伤后48小时内完成的入院超声检查结果，将患者分为MCVT组与非MCVT组。采用最小绝对收缩与选择算子（LASSO）回归进行特征筛选，使用限制性立方样条（RCS）分析评估非线性关联。构建多变量逻辑回归模型，并以列线图形式呈现。模型性能通过区分度（受试者工作特征曲线下面积，AUC）、校准度（Brier评分）和临床实用性（决策曲线分析，DCA）进行评估，并采用1000次自助法重抽样进行内部验证，遵循个体预后或诊断多变量预测模型透明报告标准加人工智能指南（TRIPOD + AI）。共纳入665例患者，其中44例（6.6%）发生早期MCVT。最终预测模型保留了六个变量：伤后至入院时间（TFIA）、甘油三酯（TG）、总胆固醇（TC）、活化部分凝血活酶时间（APTT）、中性粒细胞与淋巴细胞比值（NLR）和血小板与淋巴细胞比值（PLR）。RCS分析显示TG与MCVT风险之间存在显著的非线性关联。p-值 用于 非线性 <0.001）。该模型具有良好的区分能力（AUC：0.894；95% CI：0.829–0.941）和可接受的校准度（Brier评分：0.041）。经乐观偏倚校正后的C指数为0.884。决策曲线分析（DCA）显示在相关阈值概率范围内具有潜在的临床净获益。综上所述，所开发的列线图可能有助于早期风险分层，但在临床应用前仍需在独立队列中进行外部验证。

引言

老年人髋部骨折是一个重大的全球公共卫生问题，常伴随较高的发病率、死亡率以及巨额的医疗支出¹。目前的临床指南强烈建议尽早实施手术干预，理想情况下应在入院后48小时内进行，以缓解疼痛、促进早期活动，并减少危及生命的并发症^2,3。然而，术前深静脉血栓形成（DVT）仍是及时手术的重要障碍。肌肉性小腿静脉血栓（MCVT）是远端DVT的一种特定亚型，指血栓形成于小腿肌肉静脉丛，主要发生在比目鱼肌和腓肠肌⁴。尽管MCVT常无症状，且传统上被认为比近端DVT的临床意义较小，但越来越多的证据表明，MCVT可向近心方向蔓延至近端静脉，或引发肺栓塞（PE），从而威胁患者安全^5,6。因此，伤后早期通过超声检查发现的MCVT可能导致手术推迟、延长住院时间，并因需要抗凝桥接治疗或下腔静脉滤器置入而使围手术期管理更加复杂。因此，临床上亟需一种可靠的工具，用于识别入院时超声检查中存在早期MCVT高风险的髋部骨折患者，以优化手术路径并改善患者预后。

尽管常规进行超声筛查，髋部骨折患者急性下肢静脉血栓（MCVT）的早期风险分层在临床上仍具挑战性。既往研究曾试图识别围手术期血栓形成的风险因素，但多数研究集中于孤立的人口统计学特征或传统的凝血参数^4,7。这些研究常受限于线性回归模型的固有局限性，可能无法捕捉创伤诱发的血栓-炎症反应中复杂的非线性动态及其多因素交互作用。从病理生理学角度来看，急性骨折会引发大量炎性细胞因子释放，进而激活凝血级联反应^8,9。尽管一些新型复合炎症指数——如中性粒细胞与淋巴细胞比值（NLR）和血小板与淋巴细胞比值（PLR）——在心血管疾病和外科领域已显示出重要的预后价值，但其在预测MCVT早期发生方面的应用仍远未得到充分探索^10,11。

为了弥补这一研究空白，需要一种多维度且个体化的预测工具。本研究旨在探讨在受伤后48小时内入院的髋部骨折患者队列中，早期静脉血栓形成（MCVT）的预测因素。通过采用最小绝对收缩与选择算子（LASSO）回归进行特征筛选，并利用限制性立方样条（RCS）刻画复杂的非线性关联，本研究致力于开发并进行内部验证一个具有临床可解释性的列线图。本研究假设，整合全身性炎症标志物与代谢谱可改善急性期髋部骨折治疗中的早期风险分层，并有助于制定监测计划。

方案

该研究方案已获得医院机构审查委员会（IRB）的批准（[2025B]，IIT 伦理批准号 0407）。

研究设计与参与者

本研究为单中心回顾性队列研究，在浙江大学医学院附属第一医院开展。研究连续筛查了2021年1月至2024年12月期间因髋部骨折住院患者的临床记录。由于本研究为回顾性研究，已申请并获得豁免患者知情同意。根据急诊入院时常规彩色多普勒超声检查结果，将患者分为肌肉静脉血栓（MCVT）组和非MCVT组。

髋部骨折定义为股骨近端骨折，包括股骨颈、转子间和转子下区域的骨折，但不包括骨盆骨折。为确保研究人群的同质性，纳入标准严格定义如下：（1）经X线或计算机断层扫描（CT）确诊的原发性闭合性髋部骨折；（2）受伤至入院时间（TFIA）在48小时以内；（3）入院时完成双下肢深静脉彩色多普勒超声检查（通常在影像学确诊髋部骨折后2小时内、启动抗凝治疗前完成）；（4）计划接受手术治疗。排除标准如下：（1）多发伤（如同时存在颅脑、胸部或腹部损伤）；（2）病理性骨折（如骨转移瘤所致）；（3）既往有深静脉血栓（DVT）或肺栓塞（PE）病史，或入院前30天以上持续接受抗凝或抗血小板治疗；（4）严重肝肾功能障碍，显著影响凝血因子的合成或代谢；（5）合并恶性肿瘤；（6）主要临床或实验室变量存在大量缺失数据；（7）入院超声检查发现近端深静脉血栓（如累及腘静脉、股静脉、股总静脉或髂静脉的血栓）。

数据收集与候选预测因子

所有候选预测因子均从机构的电子病历（EMR）系统中回顾性提取。为确保数据的准确性和完整性，提取过程由两名研究人员独立完成，任何差异均通过共识或咨询高级医师解决。所收集的数据被分为以下几类：（1）人口统计学特征：包括年龄、性别和体重指数（BMI）。（2）临床及损伤相关变量：创伤至首次干预时间（TFIA，以小时为单位）被精确记录。此外，使用查尔森合并症指数（CCI）对基线合并症进行量化。（3）实验室生物标志物：实验室参数来源于入院后24小时内采集的首次静脉血样本，包括全血细胞计数（CBC）、肝肾功能检测和凝血功能谱。此外，根据入院时的全血细胞计数结果计算了复合性全身炎症指数，特别是中性粒细胞与淋巴细胞比值（NLR）和血小板与淋巴细胞比值（PLR）。

结局定义与诊断标准

本研究的主要终点是早期小腿肌肉静脉血栓形成（MCVT）的发生，定义为入院初始评估期间检测到的血栓。所有纳入的患者在开始任何抗凝治疗前，均于入院时接受双侧下肢多普勒超声检查。检查使用EPIQ-5超声仪配备eL18-4探头进行。患者根据耐受情况取仰卧位和/或侧卧位。诊断依据常规双侧下肢彩色多普勒超声检查结果。根据已确立的急性期超声诊断标准，符合以下表现之一即可确诊为MCVT¹²：（1）小腿肌肉静脉管腔明显扩张和扭曲；（2）管腔内存在絮状或均匀低回声信号，在横切面上表现为多个圆形或椭圆形团块；（3）在探头加压下静脉完全不可压缩；（4）缺乏自发性或时相性血流信号，即使在远端肢体增强（手动加压）时亦无法检测到血流；（5）血栓段与邻近肌肉组织之间有清晰分界。双侧下肢多普勒超声检查由认证的超声医师按照标准化的机构方案在入院时执行。疑难病例由高级超声医师复核。

统计分析

所有统计分析均使用 R 软件（版本 4.5.2）进行。连续变量的正态性通过 Shapiro-Wilk 检验进行评估。连续数据根据情况以均值 ± 标准差（SD）或中位数与四分位间距（IQR）表示。分类变量以频数和百分比表示。

在单变量分析中 p 值 < 0.01 的变量以及被认为具有临床重要性的变量被纳入LASSO回归。候选预测因子的选择基于临床相关性及入院时的可获得性。在进行LASSO回归前，连续性变量已进行标准化处理。LASSO分析共评估了11个候选特征，包括9个连续变量和2个骨折类型的虚拟变量（dummy variables）。采用10折交叉验证的LASSO逻辑回归方法降低维度，并筛选最终多变量模型的变量。通过考察lambda.min和lambda.1se值，结合惩罚项选择、临床相关性以及后续的限制性立方样条（RCS）评估，确定最终保留的变量。预测因子与MCVT之间的关联通过比值比（OR）及其相应的95%置信区间（CI）进行量化。

根据多变量逻辑回归中确定的预测因子，构建了一个临床列线图，以辅助个体化评估早期颅内静脉窦血栓形成（MCVT）的风险。从区分度、校准度和临床实用性三个维度全面评价了该列线图的预测性能。区分度通过受试者工作特征曲线下面积（AUC）进行量化。校准度通过校准图评估，采用1,000次自助法抽样来检验预测概率与实际观察结果之间的一致性；同时计算Brier评分以衡量整体预测准确性。最后，采用决策曲线分析（DCA）评估模型在一系列阈值概率范围内的临床净获益。所有统计分析均为双侧检验，p值< 0.05被认为具有统计学显著性。

由于采用回顾性研究设计，样本量由为期四年的研究期间内连续患者数据的可获得性决定，而非基于先验的统计效能计算。鉴于正性 MCVT 事件的发生率相对较低（n = 44），为保持统计效能，未将数据集划分为独立的训练集和验证集，而是使用全部数据集进行模型构建。为降低与此事件率相关的过拟合风险，采用 LASSO 回归进行特征选择及收缩正则化。最终模型包含六个预测变量，但有七个回归参数（不含截距项），因为 TG 被表示为两个样条项；因此，基于参数的每事件变量数（EPV）约为 6.3。该模型未达到传统的每候选变量事件数（EPV）≥10 的经验法则，但该法则目前被视为粗略指导而非绝对标准。因此，本研究还通过自助法校正的性能估计值和校准斜率进一步评估过拟合情况。采用 1,000 次自助法重抽样进行内部验证，以估计并校正乐观偏倚。本研究遵循 TRIPOD+AI 报告指南¹³开展。

为便于独立验证和应用，表1中提供了完整的模型方程，包括截距、回归系数、甘油三酯（TG）样条系数以及RCS结点位置。早期MCVT的预测概率计算公式为 P = 1 / [1 + exp(-LP)]，其中 LP 为线性预测值。

结果

人口统计学数据

共有665例符合纳入标准的髋部骨折患者被纳入本研究（图1）。其中，44例患者（6.6%）在受伤后48小时内通过入院超声检查被诊断为早期肌肉静脉血栓形成（MCVT）。MCVT组与非MCVT组在人口统计学和临床特征方面的详细比较见表2。

LASSO 回归与 RCS 结果

在单变量分析中被识别为具有统计学显著性（p 值 < 0.01）的候选变量，以及具有临床相关性的参数，进一步通过LASSO回归进行筛选（图2）。共评估了11个候选特征，包括9个连续变量和2个骨折类型虚拟变量。最终预测模型保留了TFIA、总胆固醇（TC）、活化部分凝血活酶时间（APTT）、中性粒细胞与淋巴细胞比值（NLR）、血小板与淋巴细胞比值（PLR）和甘油三酯（TG）。在多变量模型中，PLR的统计学意义接近临界水平（p 值 = 0.068），但基于LASSO筛选结果及临床合理性仍予以保留。为放宽线性假设，对6个连续预测因子进行了限制性立方样条（RCS）分析，并对其他已识别变量进行调整（Table 3）。观察到TG与MCVT风险之间存在显著的非线性剂量-反应关系（总体 p 值 < 0.001）。如 图3 所示，MCVT风险在较低至中等TG水平范围内急剧上升，随后增长趋于平缓，在较高TG水平时不确定性范围更宽。RCS分析采用3个节点。对于TG，节点设置在TG分布的第10、50和90百分位数，即0.62 mmol/L、1.03 mmol/L和1.64 mmol/L。约1.03–1.04 mmol/L处的明显参考点应视为探索性结果，而非经验证的临床截断值。

多变量逻辑回归分析

结合LASSO和RCS分析所确定的变量，构建了最终的多变量逻辑回归模型。在该模型中，TFIA、TC、APTT、NLR和PLR作为线性项纳入，而TG则以限制性立方样条形式纳入，以考虑其非线性效应表4）。最终预测模型保留了六个变量：TFIA（OR = 1.026，95% CI：1.004–1.049， p-值 = 0.021），TC（OR = 0.244，95% CI：0.146–0.406， p-值 < 0.001），APTT（OR = 0.856，95% CI：0.764–0.959， p-值 = 0.007），NLR（OR = 1.189，95% CI：1.103–1.280， p值 <0.001），PLR（OR = 1.004，95% CI：1.000–1.008， p-值 = 0.068），以及采用RCS建模的TG。TG在模型中的总体效应具有高度显著性（p值 < 0.001）。基于这些变量，建立了一个临床列线图，以辅助个体化风险评估（图4）。完整的回归系数、模型截距、TG样条系数及结点位置见于 表1预测因子的定义总结见于 表5.

模型性能

采用受试者工作特征（ROC）分析评估模型的区分性能（图5），得到的AUC为0.894（95% CI：0.829–0.941）。校准曲线显示预测概率与实际观察结果总体一致（图6），Brier得分为0.041（自助法95% CI：0.031–0.053），支持这一结果。决策曲线分析（DCA）表明，在一系列阈值概率范围内，使用该模型相比“全部治疗”和“全部不治疗”策略均可提供更高的净获益（图7）。此外还计算了其他校准指标：模型的表观校准截距约为0，表观校准斜率为1.000，整体校准度（calibration-in-the-large）也约为0。经自助法校正后的校准斜率为0.896，提示内部验证后存在轻微的乐观偏倚。通过1,000次自助法重采样进行的内部验证显示乐观偏倚有限，C指数经乐观偏倚校正后为0.884（自助法95% CI：0.837–0.946），相较于表观AUC（0.894）略有下降。经偏倚校正的校准曲线接近理想直线，平均绝对误差为0.013。决策曲线分析中净获益估计值的自助法95%置信区间见于图7。Hosmer-Lemeshow拟合优度检验结果显示χ² = 21.77，df = 8，p值 = 0.005，提示在不同风险十分位组间，预测概率与观察概率存在一定差异。因此，校准性能应谨慎解读，并需在外部队列中重新评估。

数据可用性：

去标识化的个体参与者数据集、完成的TRIPOD+AI核对清单，以及用于数据处理、模型开发、验证和性能评估的完整R统计分析代码作为补充文件1–3提供。这些材料包含重现本研究中报告结果所需的所有数据和分析资源。

图1：参与者流程图。该流程图总结了患者的筛选过程、纳入与排除标准，以及用于模型开发的最终研究队列。请点击此处查看该图的放大版本。

图2： 用于预测因子筛选的LASSO回归。 该图显示了在10折交叉验证中，二项偏差随log(lambda)变化的情况。共评估了11个候选特征，包括9个连续变量和2个骨折类型虚拟变量。顶部数字表示在每个lambda值下非零系数的数量。误差线表示标准误。垂直虚线表示lambda.min（0.00526）和lambda.1se（0.02558）。缩写：CCI = Charlson合并症指数；TFIA = 受伤至入院时间；WBC = 白细胞；N = 中性粒细胞；L = 淋巴细胞；M = 单核细胞；HB = 血红蛋白；HCT = 红细胞压积；PLT = 血小板；NLR = 中性粒细胞与淋巴细胞比值；PLR = 血小板与淋巴细胞比值；TP = 总蛋白；Alb = 白蛋白；Tbil = 总胆红素；Crea = 肌酐；TC = 总胆固醇；GFR = 肾小球滤过率；IP = 无机磷酸盐；INR = 国际标准化比值；Fbg = 纤维蛋白原；APTT = 活化部分凝血活酶时间；TT = 凝血酶时间；PT = 凝血酶原时间。 请点击此处查看此图的放大版本。

图3：TG与早期MCVT的RCS分析。该曲线显示根据TG水平（mmol/L）调整后的早期MCVT的校正比值比（OR）。模型已对TC、NLR、TFIA、APTT和PLR进行校正，并使用了位于0.62 mmol/L、1.03 mmol/L和1.64 mmol/L的3个节点。参考值为TG的中位水平（1.03 mmol/L）。阴影区域代表95%置信区间（CI）。TG被建模为连续非线性预测因子，该曲线不应被解释为定义经过验证的临床截断值。请点击此处查看此图的放大版本。

图4：预测伤后48小时内早期MCVT的列线图。该列线图利用TFIA（h）、TG（mmol/L）、TC（mmol/L）、APTT（秒）、NLR和PLR来估算早期MCVT的发生概率。各预测因子的定义及测量单位见表5。请点击此处查看该图的放大版本。

图 5： 最终预测模型的 ROC 曲线。该 ROC 曲线展示了预测模型对早期 MCVT 的区分能力。AUC 为 0.894（95% CI：0.829–0.941）。请点击此处查看此图的放大版本。

图6：最终预测模型的校准曲线。该校准图比较了早期脑静脉血栓（MCVT）的预测概率与观测概率。理想线代表完全校准状态；实际曲线表示模型在开发数据集上的表现；偏差校正曲线表示经过1,000次重采样后的自助法校正校准结果。Brier得分为0.041，实际校准截距约为0，实际校准斜率为1.000，自助法校正后的校准斜率为0.896。请点击此处查看该图的放大版本。

图7：最终预测模型的决策曲线分析（DCA）。 DCA展示了列线图在不同阈值概率下的净获益情况。模型曲线表示使用列线图所带来的净获益；“全部治疗”线假设所有患者均会发生颅内静脉窦血栓（MCVT）；“不治疗”线假设无患者会发生MCVT。由于尚未建立经过验证的治疗阈值，该曲线仅在内部验证期间可作为潜在临床效用的参考依据。请点击此处查看该图的放大版本。

预测因子/术语	转换/定义	系数 beta
截距	模型截距	-1.621145541
TFIA	线性；从受伤到入院的时间（小时）	0.025977241
NLR	线性；中性粒细胞与淋巴细胞比值	0.172703853
PLR	线性；血小板与淋巴细胞比值	0.004034446
TG_linear	RCS 线性项；TG（mmol/L）	6.24150855
TG_rcs1	RCS 非线性项；结点位于 0.62、1.03、1.64 mmol/L	-4.814103739
TC	线性；总胆固醇（mmol/L）	-1.411933879
APTT	线性；秒	-0.155260603
TG RCS 结点	0.62, 1.03, 1.64 mmol/L
预测概率	P = 1 / (1 + exp(-LP))

表1：预测模型的完整说明。 本表列出了完整的预测模型，包括截距、回归系数、甘油三酯（TG）的限制性三次样条系数以及模型实现和独立验证所需的结点位置。

变量	MCVT组	非MCVT组	p值
均值 ± 标准差 或 n (%)	(n = 44)	(n = 621)
性别（男/女）	15/29 (34.1/65.9)	224/397 (36.1/63.9)	0.872a
年龄	79.68 ± 12.03	75.66 ± 15.65	0.041b
BMI	22.05 ± 2.74	21.94 ± 3.12	0.796b
高血压（是/否）	15/29 (34.1/65.9)	196/425 (31.6/68.4)	0.739a
糖尿病（是/否）	6/38 (13.6/86.4)	91/530 (14.7/85.3)	1.000a
冠心病（是/否）	1/43 (2.3/97.3)	29/592 (4.7/95.3)	0.713a
骨折类型（股骨颈/转子间/转子下）	22/19/3 (50.0/43.2/6.8)	462/153/6 (74.4/24.6/1.0)	<0.001c
CCI	2.55 ± 2.12	2.31 ± 2.09	0.472b
TFIA（小时）	25.58 ± 18.89	16.22 ± 14.60	0.002b
白细胞计数 (x 10⁹/L)	9.19 ± 2.92	8.90 ± 3.18	0.529b
中性粒细胞计数 (*10⁹/L)	7.48 ± 2.99	4.20 ± 3.11	<0.001b
淋巴细胞计数 (x 10⁹/L)	0.99 (0.78-1.21)	1.15 (0.92-1.52)	0.003d
单核细胞计数 (*10⁹/L)	0.57 (0.44-0.71)	0.59 (0.43-0.75)	0.941d
血红蛋白计数 (g/L)	105.13 ± 22.33	110.02 ± 21.16	0.165b
HCT	32.07 ± 6.46	33.62 ± 6.09	0.127b
血小板计数 (x 10⁹/L)	195.06 ± 69.21	165.82 ± 65.07	0.009b
NLR	6.16 (4.30-12.05)	3.21 (1.56-5.20)	<0.001d
PLR	181.51 (126.19-260.71)	131.76 (96.00-176.23)	<0.001d
总蛋白 (g/L)	61.79 ± 7.25	62.33 ± 7.31	0.637b
白蛋白 (g/L)	35.77 ± 5.90	36.58 ± 4.91	0.381b
总胆红素 (μmol/L)	11.20 (9.23-14.38)	12.70 (9.00-16.70)	0.117d
肌酐 (μmol/L)	70.50 (58.80-89.50)	67.00 (57.47-82.00)	0.280d
尿素 (mmol/L)	6.57 (5.28-9.15)	6.18 (4.92-8.14)	0.121d
甘油三酯 (mmol/L)	1.24 (1.03-1.62)	1.01 (0.77-1.27)	<0.001d
总胆固醇 (mmol/L)	3.11 ± 0.76	3.84 ± 0.95	<0.001b
肾小球滤过率 (ml/min)	70.1 ± 25.32	78.04 ± 24.45	0.050b
无机磷 (mmol/L)	1.04 ± 0.24	1.06 ± 0.24	0.787b
INR	1.04 (0.99-1.07)	1.05 (1.01-1.10)	0.094d
纤维蛋白原 (g/L)	3.7 ± 1.01	4.04 ± 1.06	0.034b
活化部分凝血活酶时间 (秒)	28.16 ± 3.23	29.48 ± 3.88	0.012b
凝血酶时间 (秒)	15.95 (15.30-16.95)	16.10 (15.60-16.80)	0.533d
凝血酶原时间 (秒)	11.90 (11.40-12.50)	12.27 (11.70-12.80)	0.064d
D-二聚体 (μg/L)	7186.00 (4,447.25-17,346.75)	4780.90 (1,980.00-12,140.00)	0.017d
数据以均值 ± 标准差、中位数（四分位距）或 n (%) 表示，视情况而定。aWelch t检验；bWilcoxon秩和检验；c卡方检验；dFisher精确检验（当预期频数较小时，对多分类变量采用Fisher-Freeman-Halton精确检验）。

表2：伴有和不伴有颅内静脉窦血栓形成（MCVT）患者的基线特征。 连续变量根据情况以均值±标准差或中位数与四分位间距表示。分类变量以数量和百分比表示。最终分析队列中，候选预测因子和结局变量均无缺失值；因关键临床或实验室数据缺失，初筛阶段排除了12例患者。

变量	结点（第10、50、90百分位）	非线性 p 值	总体 p 值
TC	2.61, 3.77, 4.92	0.369	<0.001
NLR	0.708, 3.35, 8.68	0.058	<0.001
TG	0.62, 1.03, 1.64	<0.001	<0.001
TFIA	2, 12, 48	0.327	0.072
APTT	25.5, 28.9, 33.9	0.554	0.003
PLR	74, 134, 250	0.923	0.163

表3：通过RCS分析评估的非线性关联。 该表格列出了所选预测因子的节点位置、总体p值以及非线性p值。RCS模型采用3个节点，分别位于各预测因子分布的第10、第50和第90百分位数处。

变量	OR	CI-下限	CI-上限	p 值
TFIA	1.026	1.004	1.049	0.021
TC	0.244	0.146	0.406	<0.001
APTT	0.856	0.764	0.959	0.007
NLR	1.189	1.103	1.28	<0.001
PLR	1.004	1	1.008	0.068
TG（采用RCS建模）	-	-	-	<0.001

表4：早期脑静脉窦血栓形成的多变量逻辑回归模型。线性项的比值比（OR）、95% 置信区间（CI）和p值均已列出。由于甘油三酯（TG）采用限制性立方样条（RCS）建模，因此未报告单一的OR和95% CI。校正后的剂量-反应关系见图3，样条系数与结点位置列于表1中。

预测因子	定义	单位	检测时机
TFIA	从受伤到入院的时间	小时	入院时血液检测
TG	甘油三酯	mmol/L	入院时血液检测
TC	总胆固醇	mmol/L	入院时血液检测
APTT	活化部分凝血活酶时间	秒	入院时血液检测
NLR	中性粒细胞计数 / 淋巴细胞计数	比值	入院时血液检测
PLR	血小板计数 / 淋巴细胞计数	比值	入院时血液检测

表5：预测模型变量的定义。 本表总结了最终模型中包含的预测因子，及其定义、测量单位和适用的临床解释。

补充文件1：已完成的TRIPOD+AI报告清单。 本文件包含已填写完整的个体预后或诊断多变量预测模型透明报告标准加人工智能（Transparent Reporting of a Multivariable Prediction Model for Individual Prognosis or Diagnosis Plus Artificial Intelligence, TRIPOD+AI）清单，用于记录预测模型研究对报告规范建议的遵循情况。请点击此处下载该文件。

补充文件 2：预测模型构建与验证的统计分析结果。该工作簿包含模型构建和验证过程中生成的统计分析结果，包括单变量分析、LASSO 回归结果、限制性三次样条分析、多变量逻辑回归系数、模型性能指标、校准分析、Hosmer-Lemeshow 拟合优度检验结果、决策曲线分析以及相关汇总表格。请点击此处下载该文件。

补充文件 3：用于数据处理和统计分析的 R 脚本。 该文件包含本研究中用于数据预处理、变量筛选、模型构建、内部验证、校准、区分度分析、决策曲线分析以及生成所报告统计结果的完整 R 脚本。请点击此处下载该文件。

讨论

髋部骨折后，下肢活动受限可降低腓肠肌泵功能和静脉血流速度。由于小腿肌肉静脉直径相对较小且瓣膜稀少，容易发生血液淤滞，可能成为血栓早期检测的部位。赵等人先前的一项研究报道，髋部骨折患者术前小腿肌肉静脉血栓（MCVT）的发生率为23.5%¹⁴。相比之下，本队列研究的发生率较低，为6.6%。这种差异可能归因于严格设定的纳入和排除标准，旨在聚焦创伤后的急性期。具体而言，本研究排除了存在混杂性创伤前因素的患者，例如既往有静脉血栓栓塞病史或长期使用抗凝和抗血小板药物者，从而更集中地评估了损伤后早期检测到的MCVT。

本研究发现，TFIA、全身性炎症指数（NLR、PLR）与脂质代谢（TG、TC）在预测早期 MCVT 方面存在显著的协同作用。延长的 TFIA 不仅因制动而加剧静脉淤滞的生理风险，还延长了创伤后关键阶段的急性应激窗口^15,16。单因素分析显示，MCVT 组中性粒细胞（N）计数升高而淋巴细胞（L）计数降低，呈现双向性改变，共同导致 NLR 显著升高。中性粒细胞计数的增加反映了创伤后急性炎症级联反应的激活；特别是中性粒细胞胞外诱捕网（NETs）的释放已被证实可提供促血栓形成的支架，直接促进纤维蛋白沉积和血栓形成¹⁷。相反，在持续创伤应激下观察到的淋巴细胞减少，凸显了全身性炎症反应综合征（SIRS）与代偿性抗炎反应综合征（CARS）之间复杂的相互作用。这一现象主要由创伤诱导的下丘脑-垂体-肾上腺（HPA）轴激活所驱动，内源性糖皮质激素的激增加速了淋巴细胞的凋亡。通过整合"炎症强度"与"免疫功能障碍"，NLR 被 LASSO 回归稳健地选为强有力的独立预测因子（OR = 1.189，p-值 < 0.001）。此外，模型中纳入 PLR 反映了在应激状态下血小板高反应性与淋巴细胞减少之间的协同失衡。尽管 PLR 在多变量模型中未达到常规统计学显著性，但由于其被 LASSO 回归选中且反映了血小板相关的炎症活性，仍被保留为潜在的预测变量。因此，PLR 应被视为预测模型中的组成部分，而非独立的显著危险因素。

此外，创伤引起的脂质代谢失调会加剧这种血栓性炎症过程。总胆固醇（TC）与早期颅内静脉窦血栓（MCVT）之间的负相关关系需要谨慎解读。尽管胆固醇升高传统上与动脉粥样硬化性疾病相关，但急性创伤后的静脉血栓形成涉及不同的机制，包括炎症、静脉淤滞、内皮损伤以及创伤诱导的凝血系统激活。在本队列研究中，MCVT组表现出较低的TC水平但较高的甘油三酯（TG）水平，提示这是一种急性期脂质反应，而非典型的慢性血脂异常模式。既往证据表明，炎症和感染可降低TC、低密度脂蛋白胆固醇（LDL-C）和高密度脂蛋白胆固醇（HDL-C）水平，同时升高TG水平，且这些脂质改变的程度可能与疾病严重程度相关¹⁸。因此，较低的TC水平可能反映老年髋部骨折患者存在更严重的全身性炎症应激、分解代谢状态或虚弱状态，而非直接导致血栓形成。该发现应被视为具有假设生成意义，尚需外部验证。MCVT组中TG升高与TC同时降低的特征，构成了一种独特的"代谢重塑"模式。高甘油三酯血症不仅可触发全身性炎症级联反应和氧化应激，还可刺激内皮细胞分泌促凝因子，从而导致显著的内皮功能障碍¹⁹。相反，TC水平的下降常与白细胞介素-6（Interleukin-6）等促炎细胞因子的激增相关，提示细胞膜稳定性受损及代谢耗竭加速。全身性炎症与代谢紊乱之间的复杂相互作用，驱动血管内皮从"抗血栓表型"向"促凝表型"发生关键性的病理转变。这种内皮表型转换是髋部骨折后早期MCVT形成的基本生物学基础²⁰。对于MCVT组中观察到的TG参考点约1.03 mmol/L，应谨慎解读。由于该数值来源于当前数据集，可能受到样条函数设定、节点位置及TG值分布的影响，因此不应将其视为明确的临床截断值。在推荐任何TG阈值用于临床决策之前，尚需进一步的敏感性分析和外部验证。尽管在单变量分析中MCVT患者的纤维蛋白原（Fibrinogen, Fbg）水平较低，但Fbg未被保留在最终的预测模型中。这表明其与MCVT的关联可能部分由模型中包含的其他炎症、凝血和代谢变量所解释。虽然Fbg水平降低传统上可能被解释为出血倾向，但在急性骨科创伤的临床背景下，更可能提示消耗性凝血病的开始²¹。在髋部骨折后的超急性期，促凝因子的全身释放会触发外源性凝血级联反应。作为纤维蛋白交联的基本底物，Fbg在转化为不溶性纤维蛋白聚合物的过程中被大量消耗，这些聚合物沉积于受损或血流缓慢的静脉管腔内^22,23。这一现象与既往关于创伤性凝血病（TIC）的研究一致，即循环中Fbg的局部减少可作为广泛局灶性血栓活动的替代标志²¹。此外，模型中观察到的活化部分凝血活酶时间（APTT）轻微缩短，进一步证实了内源性凝血途径的预先激活，反映了机体从稳态平衡向促血栓状态的系统性转变。APTT的同步缩短与Fbg的消耗共同构成了一个连贯的“高凝-消耗”机制：内源性通路的激活加速了纤维蛋白的生成，从而导致循环中Fbg储备的代偿性下降。这些发现提示，在创伤后的早期窗口期内，监测凝血参数的动态下降趋势可能比单纯依赖传统的高凝阈值对MCVT具有更高的预测价值。

近年来，针对髋部骨折患者静脉血栓形成的预测模型已得到探索。Jiang 等人利用388例老年患者的数据开发了一种 MCVT 列线图模型，其 AUC 达到 0.805²⁴。类似地，Pan 等人在一项纳入419例患者的研究队列中，确定性别、TFIA、ASA 分级、C反应蛋白和 D-二聚体为预测因子，模型 AUC 为 0.794²⁵。另一项近期的列线图模型试图通过整合静脉淤滞、凝血和免疫-炎症三个领域的五个危险因素来预测术前深静脉血栓形成²⁶。尽管这些模型主要关注凝血参数、人口统计学特征和营养状况，但其预测时间窗通常宽泛地定义为术前阶段。然而在临床实践中，手术可能在创伤后48小时内进行，也可能因合并症而显著延迟。本研究特别聚焦于损伤后48小时内检出的 MCVT，这可能更贴近急性期临床决策的时间窗口。Caprini 风险评估量表广泛用于静脉血栓栓塞症（VTE）筛查²⁷，但在老年髋部骨折患者的急诊环境中应用时存在挑战，因其包含大量依赖详细病史的因素。相比之下，本研究的列线图采用常规可获取的入院变量。然而，该模型应被视为一种经过内部验证的风险估测工具，而非治疗决策的确定性指南。RCS 分析提示甘油三酯（TG）与 MCVT 风险之间存在非线性关联，在 TG 中位水平附近斜率发生变化。此模式应视为探索性发现，因其可能受样条设定、节点位置及本数据集中 TG 值分布的影响。在推荐任何 TG 阈值用于临床决策之前，尚需进行外部验证。

吸烟史未纳入初始数据收集，主要基于数据可靠性及特定人群特征的考虑。鉴于该队列人群以老年女性为主，且当前吸烟率极低，该变量缺乏足够的统计学变异，难以对预测模型产生有意义的贡献。因此，为增强列线图的客观性与临床实用性，本研究优先选用入院时获取的标准实验室生物标志物。与自我报告的慢性生活方式因素相比，这些客观指标可能更准确地反映伤后48小时内向促血栓状态发生的急性病理生理变化。一些临床重要变量，包括年龄、性别、骨折类型、合并症、D-二聚体和纤维蛋白原（Fbg），未被保留在最终模型中。这并不意味着这些因素在临床上无关紧要。相反，在经过惩罚性变量筛选后，这些变量在本数据集中未能为TFIA、TG、TC、APTT、NLR和PLR之外提供足够的独立预测信息。特别是D-二聚体和Fbg可能与其他凝血及炎症相关变量存在部分信息重叠。鉴于MCVT事件数量有限，本研究倾向于采用简洁模型以减少过拟合风险。

关于模型构建，由于事件数量有限（n = 44），当将TG样条项分别计算时，基于预测因子的传统EPV约为7.3，基于参数的EPV约为6.3。尽管最终模型未达到传统的EPV ≥10的经验法则，但该规则并非绝对标准。因此，本研究采用Bootstrap内部验证来评估模型的乐观偏倚和校准情况。然而，事件数量有限仍可能增加过拟合风险，需进行外部验证。首先，本研究未仅依赖传统的逐步筛选方法，而是采用LASSO回归辅助变量筛选并降低模型复杂度。其次，既往方法学研究表明，在预测模型构建中，只要对模型性能和校准情况进行仔细评估，有时可适当放宽“十倍事件规则”²⁸。第三，经1,000次重复的Bootstrap内部验证显示，模型在区分度方面的乐观偏倚较小，总体校准指标可接受；但Hosmer-Lemeshow检验显著，提示校准结果应谨慎解读，并需在外部队列中重新评估。

该模型适用于参与急性髋部骨折治疗的医师和护理专业人员。使用者应以正确单位输入六项常规可获得的入院变量；一旦列线图或计算器投入使用，无需具备统计学专业知识，但临床解读应由受过培训的临床医生完成。应用该模型时，临床医生应在入院时采集TFIA、TG、TC、APTT、NLR和PLR。线性预测值（LP）通过完整的回归方程计算，预测概率通过公式 P = 1/[1+exp(-LP)] 获得。完整的模型设定，包括截距、回归系数、TG样条系数以及RCS结点位置，详见表1。各预测变量的详细定义见表5。预测概率应仅被解释为风险估计值。目前尚无经过验证的干预阈值。对于预测为高风险的患者，该模型可能有助于提高临床警惕性，而非直接指导治疗决策。潜在的管理策略包括在临床指征下进行早期或重复的多普勒超声评估、仔细重新评估血栓和出血风险、避免手术不必要的延迟、早期活动、充分水化，以及在无禁忌证时及时启动基于指南的静脉血栓栓塞（VTE）预防措施。由于本研究尚未建立经过验证的风险分层或治疗阈值，该模型应被视为一种用于提高风险意识和规划监测的工具，而非抗凝治疗决策的独立依据。尽管校准曲线和Brier评分提示整体校准性尚可，Hosmer-Lemeshow检验在统计学上具有显著性。该结果可能部分反映了该检验对分组的敏感性以及事件发生率较低，但也表明校准性应谨慎解读，并需进行外部验证。

应承认本研究存在若干局限性。首先，本研究为单中心回顾性研究，仅采用自助法进行内部验证；因此，列线图的普适性和临床适用性需通过前瞻性多中心外部验证加以确认。由于门静脉系统血栓（MCVT）事件数量有限，无法对不同亚组的性能和公平性进行正式评估。第二，由于缺乏伤前超声数据，该结果应解释为伤后48小时内检测到的MCVT，而非明确的新发血栓形成。第三，尚未建立经过验证的风险分级标准或干预阈值；因此，该列线图应作为提高风险意识、加强监测和及时进行超声评估的辅助工具，而不应作为抗凝治疗决策的独立依据。第四，未对超声诊断的观察者间可靠性进行正式评估，这可能引入了诊断变异性。最后，在模型构建前采用单变量筛选可能排除了一些具有临床意义的变量，例如年龄、D-二聚体、纤维蛋白原（Fbg）、骨折类型及合并症。未来应开展更大规模、经过外部验证的研究以解决这些局限性。

结论：

本研究开发并进行了内部验证，建立了一个包含六种易于获取的生物标志物的列线图，用于早期评估髋部骨折患者发生静脉血栓栓塞（MCVT）的风险。该模型在内部验证中表现出良好的区分能力、可接受的整体校准度，以及在内部自助法验证中具有潜在的临床净收益。此外，甘油三酯（TG）水平与MCVT风险之间的非线性关系为该人群的风险建模提供了新的见解。这一经过内部验证的模型可能有助于对髋部骨折患者进行早期风险分层。然而，由于研究为回顾性单中心设计，且缺乏外部验证，研究结果应视为探索性结论。未来还需开展多中心、前瞻性研究，以评估该模型的普适性，并确定其在临床应用前的潜在临床价值。

材料

本文使用的材料清单

姓名	公司	目录编号	评论
彩色多普勒超声系统	飞利浦	EPIQ-5 配备 eL18-4	MCVT 的检测与诊断
凝血分析仪	Stago	STAR MAX（https://www.stago-cn.com）	APTT 测定
血液分析仪	Cobas	8000 (https://www.cobase.com/)	血细胞计数，中性粒细胞与淋巴细胞比值，血小板与淋巴细胞比值
实验室生化分析仪	希森美康	BC7500（https://www.sysmex.com.cn/）	TG 和 TC 测定
Microsoft Excel	微软	2023 (https://www.microsoft.com)	数据组织
R 软件	R 基金会	https://www.r-project.org/	统计分析
R 包 glmnet	CRAN	https://cran.r-project.orge/web/packages/glmnet/index.html	LASSO 回归
R 包 rms	CRAN	https://cran.r-project.org/web/packages/rms/index.html	RCS，列线图，校准
R 包 pROC	CRAN	https://cran.r-project.org/web/packages/pROC/index.html	ROC分析
R 包 rmda / dcurves	CRAN	https://cran.r-project.org/web/packages/dcurves/index.html	决策曲线分析