留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

恶性肿瘤合并静脉血栓栓塞症临床特征分析及预测模型的评估

姚宇婷 许启霞 庞颖颖 周月 王悦悦

姚宇婷, 许启霞, 庞颖颖, 周月, 王悦悦. 恶性肿瘤合并静脉血栓栓塞症临床特征分析及预测模型的评估[J]. 中华全科医学, 2021, 19(5): 723-726, 808. doi: 10.16766/j.cnki.issn.1674-4152.001901
引用本文: 姚宇婷, 许启霞, 庞颖颖, 周月, 王悦悦. 恶性肿瘤合并静脉血栓栓塞症临床特征分析及预测模型的评估[J]. 中华全科医学, 2021, 19(5): 723-726, 808. doi: 10.16766/j.cnki.issn.1674-4152.001901
YAO Yu-ting, XU Qi-xia, PANG Ying-ying, ZHOU Yue, WANG Yue-yue. Analysis of clinical characteristics of malignant tumors complicated with venous thromboembolism and evaluation of predictive models[J]. Chinese Journal of General Practice, 2021, 19(5): 723-726, 808. doi: 10.16766/j.cnki.issn.1674-4152.001901
Citation: YAO Yu-ting, XU Qi-xia, PANG Ying-ying, ZHOU Yue, WANG Yue-yue. Analysis of clinical characteristics of malignant tumors complicated with venous thromboembolism and evaluation of predictive models[J]. Chinese Journal of General Practice, 2021, 19(5): 723-726, 808. doi: 10.16766/j.cnki.issn.1674-4152.001901

恶性肿瘤合并静脉血栓栓塞症临床特征分析及预测模型的评估

doi: 10.16766/j.cnki.issn.1674-4152.001901
基金项目: 

国家“十三五”重点研发计划精准医学专项 2016YFC0905600

详细信息
    通讯作者:

    许启霞,E-mail:xuqixia11@sina.com

  • 中图分类号: R730.231  R543.6

Analysis of clinical characteristics of malignant tumors complicated with venous thromboembolism and evaluation of predictive models

  • 摘要:   目的  探讨恶性肿瘤并发静脉血栓栓塞症(VTE)的临床特征, 验证COMPASS-CAT及Khorana评分的预测价值。   方法  收集2016年1月—2020年1月在蚌埠医学院第一附属医院住院确诊恶性肿瘤合并VTE的患者128例为VTE组,以同期年龄、性别及肿瘤类型相匹配的恶性肿瘤未合并VTE的患者256例为对照组。采用logistic回归模型分析发生VTE的风险因素。比较COMPASS-CAT及Khorana评分的预测价值,并尝试构建一种更为有效的预测模型来指导肿瘤患者的血栓预防。   结果  (1) D-二聚体>0.55 mg/L、中心静脉导管、心血管危险因素是肿瘤发生VTE的高风险因素(均P < 0.05)。(2)COMPASS-CAT评分≥7分在VTE组与对照组中的占比差异有统计学意义(P < 0.001)。COMPASS-CAT评分为高风险患者发生VTE的几率是低风险患者的4.051倍。Khorana评分≥3分在VTE组与对照组中的占比差异无统计学意义(P>0.05)。COMPASS-CAT评分的ROC曲线下面积(AUC)高于Khorana评分(AUC:0.670 vs. 0.583,P < 0.05)。(3)在COMPASS-CAT评分的基础上纳入D-二聚体>3.83 mg/L构建联合预测模型,其AUC为0.879,与COMPASS-CAT评分相比,联合预测模型的AUC增加了0.209,差异有统计学意义(P < 0.001)。   结论  COMPASS-CAT评分能较好地预测肿瘤患者发生VTE的风险,而Khorana评分预测价值有限。将COMPASS-CAT评分和D-二聚体>3.83 mg/L联合构建新预测模型可提高肿瘤相关VTE的预测效能。

     

  • 静脉血栓栓塞症(venous thromboembolism,VTE) 包括肺血栓栓塞症(pulmonary thromboembolism,PTE)和深静脉血栓形成(deep venous thrombosis,DVT),肿瘤的存在使VTE的风险增加了4~7倍[1],VTE的发生使肿瘤患者死亡的风险增加了2~6倍[2-3],严重影响生存。因此建立适合肿瘤患者的VTE风险预测模型,对血栓高风险患者进行预防至关重要。目前国内外在肿瘤相关VTE风险评估工具方面仍处于探索阶段,Khorana评分在门诊化疗患者中应用较为广泛,但尚存在争议[4-7]。最近GEROTZIAFAS G T等[8]建立了COMPASS-CAT评分,包括癌症相关风险状态、诱发风险因素以及生物标志物等三方面因素。目前该评分系统在乳腺癌、结肠癌、肺癌和卵巢癌中进行了初步测试,尚未在其他肿瘤类型中临床推广与验证。本研究通过回顾性病例对照方式,分析恶性肿瘤相关VTE的风险因素,验证COMPASS-CAT及Khorana评分对肿瘤相关VTE的预测价值,并尝试构建一个更为有效的风险评估模型,为肿瘤患者早期进行VTE预防提供临床依据。

    收集2016年1月—2020年1月在蚌埠医学院第一附属医院住院的恶性肿瘤合并VTE患者128例为VTE组,男性64例,女性64例;年龄27~86岁,平均(59.27±11.88)岁;其中肺癌45例、食管癌1例、胃癌6例、十二指肠癌1例、结直肠癌9例、肝癌5例、胆囊癌1例、胰腺癌6例、宫颈癌7例、卵巢癌6例、子宫内膜癌7例、子宫肉瘤1例、乳腺癌14例、恶性淋巴瘤8例、白血病2例、多发性骨髓瘤3例、脑瘤2例、前列腺癌3例、牙龈癌1例。按1∶ 2的比例收集同期性别、年龄、肿瘤类型相匹配的恶性肿瘤患者,且不合并VTE 256例为对照组。纳入标准: 肿瘤均经组织病理学或细胞学检查证实诊断;PTE符合中华医学会呼吸病学分会《肺血栓栓塞症诊治与预防指南》的诊断标准[9];DVT符合中华医学会外科学分会《深静脉血栓形成的诊断和治疗指南(第三版)》的诊断标准[10]。排除标准: 临床资料不完整;住院时间未超过24 h;有多个原发性恶性肿瘤。

    回顾性收集性别、年龄、合并症、肿瘤部位、分期、VTE部位、PTE危险分层、VTE距离恶性肿瘤确诊时间、VTE史、血红蛋白、白细胞、血小板、D-二聚体等临床资料;计算COMPASS-CAT评分,≥7分为VTE发生高风险[8];计算Khorana评分,≥3分为VTE发生高风险[11]

    使用SPSS 25.0统计学软件进行统计学处理。正态分布的计量资料用x ±s表示,组间比较使用独立样本t检验。计数资料以率(%)表示,组间比较使用χ2检验或Fisher精确检验。使用多因素logistic回归分析筛选VTE的高风险因素。COMPASS-CAT评分与VTE发生风险比较采用单因素logistic回归模型。绘制受试者工作特征(receiver operating characteristic,ROC)曲线,计算ROC曲线下面积(area under curve,AUC),应用Medcalc软件比较不同评分模型的AUC。Youden指数最大时对应的分界点作为最佳诊断临界值。P<0.05为差异具有统计学意义。

    本研究有128例恶性肿瘤患者合并VTE,其中以肺癌最为常见(45/128,35.2%)。VTE包括单纯DVT 100例,单纯PTE 20例,PTE合并DVT 8例。有99例(占77.3%)患者在肿瘤确诊后6个月内发生了VTE,7~12个月发生VTE 13例(10.2%),13~24个月发生VTE 13例(10.2%),24个月以后发生VTE 3例(2.3%)。PTE危险分层:低危占67.9%(19/28)、中危占32.1%(9/28), 无高危PTE患者。

    将VTE组和对照组的临床资料相比较,可以发现:肿瘤分期、心血管危险因素、冠状动脉疾病、高血压、感染、VTE史、中心静脉导管、血小板≥350×109/L、血红蛋白 < 100 g/L、白细胞>11×109/L、D-二聚体>0.55 mg/L(该值为本院实验室正常高值)11个变量差异存在统计学意义(均P < 0.05),见表 1。将上述有意义的变量纳入多因素logistic回归分析,结果示D-二聚体>0.55 mg/L、中心静脉导管、心血管危险因素是VTE发生的高风险因素(均P < 0.05),见表 2

    表  1  VTE组和对照组恶性肿瘤患者的临床资料比较[例(%)]
    组别 例数 晚期癌症 癌症确诊时间(≤6个月) 因急性内科疾病住院 心血管危险因素 缺血性脑卒中 冠状动脉疾病 高血压 高脂血症
    VTE组 128 100(78.1) 99(77.3) 6(4.7) 44(34.4) 11(8.6) 9(7.0) 38(29.7) 60(46.9)
    对照组 256 148(57.8) 216(84.4) 6(2.3) 35(13.7) 18(7.0) 4(1.6) 45(17.6) 131(51.2)
    χ2 15.393 2.862 0.871 22.383 0.298 6.220 7.386 0.630
    P < 0.001 0.091 0.351 < 0.001 0.585 0.013 0.007 0.427
    组别 例数 感染 糖尿病 VTE史 中心静脉导管 血小板≥350×109/L 白细胞>11×109/L 血红蛋白 < 100 g/L D-二聚体>0.55 mg/L
    VTE组 128 19(14.8) 15(11.7) 13(10.2) 23(18.0) 25(19.5) 29(22.7) 38(29.7) 122(95.3)
    对照组 256 19(7.4) 21(8.2) 0(0.0) 24(9.4) 21(8.2) 37(14.5) 41(16.0) 160(62.5)
    χ2 5.272 1.241 23.896 5.867 10.385 4.034 9.761 47.099
    P 0.022 0.265 < 0.001 0.015 0.001 0.045 0.002 < 0.001
    注:心血管危险因素是指由以下至少2项预测因素组成,缺血性脑卒中、冠状动脉疾病、高血压、高脂血症、糖尿病、肥胖症的个人病史。
    下载: 导出CSV 
    | 显示表格
    表  2  VTE危险因素的多因素logistic回归分析
    项目 B SE Wald χ2 P OR(95% CI)
    D-二聚体>0.55 mg/L 2.299 0.497 21.414 < 0.001 9.966(3.764~26.391)
    中心静脉导管 0.772 0.370 4.358 0.037 2.164(1.048~4.469)
    心血管危险因素 1.267 0.395 10.272 0.001 3.552(1.636~7.710)
    注:以晚期癌症、存在心血管危险因素、冠状动脉疾病、高血压、感染、VTE史、中心静脉导管、血小板≥350×109/L、血红蛋白 < 100 g/L、白细胞>11×109/L、D-二聚体>0.55 mg/L为自变量,当上述某个自变量存在时,则该自变量赋值为1,若不存在,则赋值为0;以是否发生VTE为因变量,其中发生VTE赋值为1,未发生VTE赋值为0。
    下载: 导出CSV 
    | 显示表格

    COMPASS-CAT评分≥7分在VTE组与对照组中的占比差异有统计学意义(P < 0.001),见表 3。COMPASS-CAT评分高风险患者发生VTE的几率是低风险者的4.051倍(OR=4.051,95% CI:2.585~6.349,P < 0.001)。COMPASS-CAT评分的灵敏度、特异度和Youden指数分别为65.6%、68.0%和33.6%。而Khorana评分≥3分在VTE组与对照组中的占比差异无统计学意义(P>0.05),见表 3。Khorana评分的灵敏度、特异度和Youden指数分别为16.4%、90.2%和6.6%。COMPASS-CAT评分的AUC高于Khorana评分[AUC: 0.670 vs.0.583; 95%CI: 0.614~0.727 vs. 0.522~0.644 (Z=2.203,P < 0.05)],见图 1

    表  3  COMPASS-CAT及Khorana评分的比较[例(%)]
    组别 例数 COMPASS-CAT评分 Khorana评分
    高风险(≥7分) 低风险(<7分) 高风险(≥3分) 低风险(<3分)
    VTE组 128 84(65.6) 44(34.4) 21(16.4) 107(83.6)
    对照组 256 82(32.0) 174(68.0) 25(9.8) 231(90.2)
    χ2 39.240 3.569
    P < 0.001 0.059
    下载: 导出CSV 
    | 显示表格
    图  1  COMPASS-CAT、Khorana评分和联合预测模型预测VTE的ROC曲线

    根据不同水平D-二聚体预测肿瘤相关VTE的ROC曲线分析显示,其AUC为0.864,以Youden指数最大值(0.637)所对应的分界点3.83 mg/L为最佳诊断临界值。将COMPASS-CAT评分和D-二聚体>3.83 mg/L联合构建新的预测模型。联合预测模型的灵敏度、特异度和Youden指数分别为75.8%、90.6%和66.4%,均高于COMPASS-CAT评分。联合预测模型的AUC为0.879(95% CI:0.840~0.918,P < 0.001)。与COMPASS-CAT评分相比,其AUC增加0.209,差异有统计学意义(Z=7.876,P < 0.001),见图 1

    肿瘤本身的高凝状态、术后卧床以及肿块压迫周围血管导致血流缓慢、抗肿瘤治疗对血管内皮的直接损伤导致凝血系统的激活是肿瘤患者发生VTE的主要原因。凝血系统的激活促进了肿瘤的生长和转移,表明血栓形成与肿瘤预后不良之间存在关联[12]。因此,分析肿瘤相关VTE的临床特征可以提高临床医师早期识别VTE的能力,有助于早诊断、早治疗。本研究中大部分肿瘤相关肺血栓栓塞症患者的PTE危险分层为低危,与既往研究相符[13]。值得注意的是,本研究并未涉及高危PTE患者,可能是因为高危PTE发病迅速,病情危重,无法耐受CTPA检查,部分患者可能因为预后差而放弃治疗,临床没有及时确诊。尸检证明高达50%的肿瘤患者死于VTE[12]。VTE与癌症之间存在时间依赖关系[14],本研究中77.3%的VTE发生于癌症确诊后的前6个月内,强调临床医护人员需要在癌症发生后的半年内密切评估血栓风险。

    本研究发现中心静脉导管、心血管危险因素、D-二聚体升高是肿瘤相关VTE的高风险因素。目前中心静脉导管广泛地应用于肿瘤患者的治疗中,导管相关性血栓的发病率可达9%[15]。本研究显示中心静脉导管使肿瘤患者发生VTE的风险增加2.164倍。肿瘤患者常合并多种心血管危险因素,一项多中心研究表明,无合并症的癌症患者VTE发生率为2.3%,合并多种心血管危险因素的癌症患者VTE发生率增加到11%以上[16]。D-二聚体反映凝血或纤维蛋白溶解激活[17],本研究显示D-二聚体是一个与肿瘤患者的VTE风险关联性非常强的预测因子,且D-二聚体检测在临床上较为常用,是预测VTE风险的理想指标。可以考虑将其纳入现有的评分模型中,构建一个更为高效的VTE风险预测工具。

    最近开发的COMPASS-CAT评分可以全面评估VTE的风险,表现出良好的预测性能。但COMPASS-CAT评分只在特定类型的肿瘤患者中经过验证,缺乏对包含各种类型的恶性肿瘤的综合分析研究。并且是利用西方国家癌症患者的临床数据创建的,而非亚洲人群[8]。本研究显示COMPASS-CAT评分高风险患者发生VTE的几率是低风险者的4.051倍,说明COMPASS-CAT评分能较好地预测VTE的风险。这是由于该评分模型纳入了更为重要和全面的预测因子,在识别血栓高风险患者方面更加灵敏。本研究中COMPASS-CAT评分的AUC为0.670,虽然显示其预测效能有待进一步提升,但是同其他VTE风险评估模型的表现相一致[18],具有一定的临床应用价值。在一项关于3 814名肺癌、乳腺癌、卵巢癌或结肠癌患者的回顾性验证研究中,COMPASS-CAT评分的AUC为0.62[19],与本研究结果类似。

    Khorana评分是目前较为常用的针对门诊化疗患者的VTE风险评估工具,已得到广泛的研究与验证[11]。然而,近年来多项报道显示该评分在很多肿瘤类型中的预测效能较差[4-7]。本研究显示COMPASS-CAT评分的AUC高于Khorana评分(P < 0.05),可认为COMPASS-CAT评分对肿瘤患者VTE的诊断效能优于Khorana评分。Khorana评分诊断效能的限制可能来自于其没有充分考虑影响VTE发生的治疗方式、临床特征以及合并症等危险因素。因此,相较于传统的Khorana评分,新近提出的COMPASS-CAT评分充分整合了多种变量对VTE发生的影响,能更好地预测肿瘤患者VTE的发生风险。

    虽然多项研究显示D-二聚体升高与肿瘤患者VTE的发生显著相关[20-21],但是肿瘤患者的D-二聚体普遍较高,D-二聚体预测肿瘤相关VTE风险的临界值尚未达成一致意见。本研究根据D-二聚体预测肿瘤相关VTE的ROC曲线分析可以得到,D-二聚体的最佳诊断临界值为3.83 mg/L。因此,本研究在预测性能更好的COMPASS-CAT评分的基础上,纳入D-二聚体>3.83 mg/L构建联合预测模型。联合预测模型的AUC、灵敏度、特异度及Youden指数均大于COMPASS-CAT评分,提示加入D-二聚体后的预测模型的诊断性能显著提升。根据临床实践,通过充分整合多种影响VTE发生的变量,可以尝试构建一个更加适合肿瘤患者的简单易行有效的VTE风险预测模型。

    综上所述,COMPASS-CAT评分能较好地预测肿瘤患者发生VTE的风险,其预测价值优于Khorana评分。在COMPASS-CAT评分的基础上,纳入D-二聚体>3.83 mg/L构建新的预测模型,显著提升了对肿瘤相关VTE的诊断效能。然而,本研究为小样本、单中心回顾性研究,可能存在各种偏倚。并且本研究纳入的是各种类型的肿瘤患者,不同肿瘤类型凝血激活的潜力不同、所具备的风险因素不同及其各自治疗错综复杂。因此,未来需要进一步完善针对不同肿瘤类型的个体化风险评估模型,并在大样本、多中心研究中进行前瞻性验证。

  • 图  1  COMPASS-CAT、Khorana评分和联合预测模型预测VTE的ROC曲线

    表  1  VTE组和对照组恶性肿瘤患者的临床资料比较[例(%)]

    组别 例数 晚期癌症 癌症确诊时间(≤6个月) 因急性内科疾病住院 心血管危险因素 缺血性脑卒中 冠状动脉疾病 高血压 高脂血症
    VTE组 128 100(78.1) 99(77.3) 6(4.7) 44(34.4) 11(8.6) 9(7.0) 38(29.7) 60(46.9)
    对照组 256 148(57.8) 216(84.4) 6(2.3) 35(13.7) 18(7.0) 4(1.6) 45(17.6) 131(51.2)
    χ2 15.393 2.862 0.871 22.383 0.298 6.220 7.386 0.630
    P < 0.001 0.091 0.351 < 0.001 0.585 0.013 0.007 0.427
    组别 例数 感染 糖尿病 VTE史 中心静脉导管 血小板≥350×109/L 白细胞>11×109/L 血红蛋白 < 100 g/L D-二聚体>0.55 mg/L
    VTE组 128 19(14.8) 15(11.7) 13(10.2) 23(18.0) 25(19.5) 29(22.7) 38(29.7) 122(95.3)
    对照组 256 19(7.4) 21(8.2) 0(0.0) 24(9.4) 21(8.2) 37(14.5) 41(16.0) 160(62.5)
    χ2 5.272 1.241 23.896 5.867 10.385 4.034 9.761 47.099
    P 0.022 0.265 < 0.001 0.015 0.001 0.045 0.002 < 0.001
    注:心血管危险因素是指由以下至少2项预测因素组成,缺血性脑卒中、冠状动脉疾病、高血压、高脂血症、糖尿病、肥胖症的个人病史。
    下载: 导出CSV

    表  2  VTE危险因素的多因素logistic回归分析

    项目 B SE Wald χ2 P OR(95% CI)
    D-二聚体>0.55 mg/L 2.299 0.497 21.414 < 0.001 9.966(3.764~26.391)
    中心静脉导管 0.772 0.370 4.358 0.037 2.164(1.048~4.469)
    心血管危险因素 1.267 0.395 10.272 0.001 3.552(1.636~7.710)
    注:以晚期癌症、存在心血管危险因素、冠状动脉疾病、高血压、感染、VTE史、中心静脉导管、血小板≥350×109/L、血红蛋白 < 100 g/L、白细胞>11×109/L、D-二聚体>0.55 mg/L为自变量,当上述某个自变量存在时,则该自变量赋值为1,若不存在,则赋值为0;以是否发生VTE为因变量,其中发生VTE赋值为1,未发生VTE赋值为0。
    下载: 导出CSV

    表  3  COMPASS-CAT及Khorana评分的比较[例(%)]

    组别 例数 COMPASS-CAT评分 Khorana评分
    高风险(≥7分) 低风险(<7分) 高风险(≥3分) 低风险(<3分)
    VTE组 128 84(65.6) 44(34.4) 21(16.4) 107(83.6)
    对照组 256 82(32.0) 174(68.0) 25(9.8) 231(90.2)
    χ2 39.240 3.569
    P < 0.001 0.059
    下载: 导出CSV
  • [1] HEIT J A, SILVERSTEIN M D, MOHR D N, et al. Risk factors for deep vein thrombosis and pulmonary embolism: a population-based case-control study[J]. Arch Intern Med, 2000, 160(6): 809-815. doi: 10.1001/archinte.160.6.809
    [2] CHEW H K, WUN T, HARVEY D J, et al. Incidence of venous thromboembolism and the impact on survival in breast cancer patients[J]. J Clin Oncol, 2007, 25(1): 70-76. http://hwmaint.jco.ascopubs.org/cgi/reprint/25/1/70.pdf
    [3] MARTINO M A, WILLIAMSON E, SIEGFRIED S, et al. Diagnosing pulmonary embolism: experience with spiral CT pulmonary angiography in gynecologic oncology[J]. Gynecol Oncol, 2005, 98(2): 289-293. doi: 10.1016/j.ygyno.2005.04.020
    [4] MANSFIELD A S, TAFUR A J, WANG C E, et al. Predictors of active cancer thromboembolic outcomes: validation of the Khorana score among patients with lung cancer[J]. J Thromb Haemost, 2016, 14(9): 1773-1778. doi: 10.1111/jth.13378
    [5] RUPA-MATYSEK J, GIL L, KAZMIERCZAK M, et al. Prediction of venous thromboembolism in newly diagnosed patients treated for lymphoid malignancies: validation of the Khorana Risk Score[J]. Med Oncol, 2017, 35(1): 5. doi: 10.1007%2Fs12032-017-1065-4.pdf
    [6] VAN ES N, DI NISIO M, CESARMAN G, et al. Comparison of risk prediction scores for venous thromboembolism in cancer patients: a prospective cohort study[J]. Haematologica, 2017, 102(9): 1494-1501. doi: 10.3324/haematol.2017.169060
    [7] VAN ES N, FRANKE VF, MIDDELDORP S, et al. The Khorana score for the prediction of venous thromboembolism in patients with pancreatic cancer[J]. Thromb Res, 2017, 150: 30-32. doi: 10.1016/j.thromres.2016.12.013
    [8] GEROTZIAFAS G T, TAHER A, ABDEL-RAZEQ H, et al. A predictive score for thrombosis associated with breast, colorectal, lung, or ovarian cancer: the prospective compass-cancer-associated thrombosis study[J]. Oncologist, 2017, 22: 1222-1231. doi: 10.1634/theoncologist.2016-0414
    [9] 中华医学会呼吸病学分会肺栓塞与肺血管病学组, 中国医师协会呼吸医师分会肺栓塞与肺血管病工作委员会, 全国肺栓塞与肺血管病防治协作组. 肺血栓栓塞症诊治与预防指南[J]. 中华医学杂志, 2018, 98(14): 1060-1087. doi: 10.3760/cma.j.issn.0376-2491.2018.14.007
    [10] 中华医学会外科学分会血管外科学组. 深静脉血栓形成的诊断和治疗指南(第三版)[J]. 中华普通外科杂志, 2017, 32(9): 807-812. doi: 10.3760/cma.j.issn.1007-631X.2017.09.032
    [11] KHORANA A A, KUDERER N M, CULAKOVA E, et al. Development and validation of a predictive model for chemotherapy-associated thrombosis[J]. Blood, 2008, 111: 4902-4907. doi: 10.1182/blood-2007-10-116327
    [12] RUBIO-JURADO B, BALDERAS-PENA L M, GARCIA-LUNA E E, et al. Obesity, thrombotic risk, and inflammation in cancer[J]. Adv Clin Chem, 2018, 85: 71-89. http://www.onacademic.com/detail/journal_1000040809216510_e6e2.html
    [13] KIM M S, CHANG H, LEE S Y, et al. Differential clinical manifestations and clinical outcome of cancer-related pulmonary embolism[J]. Korean J Intern Med, 2020, 35(2): 360-368. doi: 10.3904/kjim.2018.267
    [14] 谭政, 许小毛, 杨菁菁, 等. 消化系统恶性肿瘤合并静脉血栓患者的临床特点及预后分析[J]. 中华老年医学杂志, 2017, 36(10): 1075-1079. doi: 10.3760/cma.j.issn.0254-9026.2017.10.005
    [15] BOERSMA R S, HAMULYAK K, VAN OERLE R, et al. Biomarkers for prediction of central venous catheter related-thrombosis in patients with hematological malignancies[J]. Clin Appl Thromb Hemost, 2016, 22(8): 779-784. doi: 10.1177/1076029615579098
    [16] LYMAN G H, CULAKOVA E, PONIEWIERSKI M S, et al. Morbidity, mortality and costs associated with venous thromboembolism in hospitalized patients with cancer[J]. Thromb Res, 2018, 164 (Suppl 1): S112-s118.
    [17] 洪都, 徐军, 颜勇卿, 等. Wells评分联合D-二聚体对疑似急性肺栓塞患者的诊断价值[J]. 中华全科医学, 2019, 17(4): 538-542, 613. https://www.cnki.com.cn/Article/CJFDTOTAL-SYQY201904005.htm
    [18] ROSENBERG D, EICHORN A, ALARCON M, et al. External validation of the risk assessment model of the international medical prevention registry on venous thromboembolism (IMPROVE) for medical patients in a tertiary health system[J]. J Am Heart Assoc, 2014, 3(6): e001152. http://europepmc.org/abstract/MED/25404191
    [19] SPYROPOULOS A C, ELDREDGE J B, ANAND L N, et al. External validation of a venous thromboembolic risk score for cancer outpatients with solid tumors: the COMPASS-CAT venous thromboembolism risk assessment model[J]. Oncologist, 2020, 25(7): e1083-e1090. doi: 10.1634/theoncologist.2019-0482
    [20] HIRAIDE M, SHIGA T, MINOWA Y, et al. Identification of risk factors for venous thromboembolism and evaluation of Khorana venous thromboembolism risk assessment in Japanese lung cancer patients[J]. J Cardiol, 2020, 75(1): 110-114. doi: 10.1016/j.jjcc.2019.06.013
    [21] AY C, DUNKLER D, MAROSI C, et al. Prediction of venous thromboembolism in cancer patients[J]. Blood, 2010, 116(24): 5377-5382. doi: 10.1182/blood-2010-02-270116
  • 期刊类型引用(16)

    1. 熊明秀,张静. 肿瘤驱动基因与静脉血栓栓塞关系研究进展. 实用心脑肺血管病杂志. 2024(03): 123-127 . 百度学术
    2. 刘真真,殷莉. 血浆EPCR、Hcy水平对骨髓增殖性肿瘤患者血栓形成的预测价值分析. 实用癌症杂志. 2024(03): 430-433 . 百度学术
    3. 王献方,陈建英,张红芳. 恶性肿瘤患者中等长度静脉置管相关性血栓形成状况影响因素分析. 河北医药. 2024(23): 3652-3656 . 百度学术
    4. 王雯珺,张先稳,邢恩明. COMPASS-CAT风险评估模型对结直肠癌患者静脉血栓栓塞症的风险预测价值. 胃肠病学和肝病学杂志. 2023(07): 756-759 . 百度学术
    5. 王帝娣,龙玲,周小珍,陈秀雄,吴海珠. 改良Khorana评分结合护理干预对外周置入中心静脉导管相关性血栓的影响. 黑龙江医学. 2023(18): 2289-2292 . 百度学术
    6. 唐敏,毛孝容,李敏,李云鹂,吕琴,陈强,谭详. Caprini与Khorana风险评估量表对恶性肿瘤患者发生静脉血栓栓塞症的预测价值. 实用医院临床杂志. 2023(06): 178-181 . 百度学术
    7. 桂锐,周伟,王孝高,高涌,卢冉,陈世远,官泽宇. 下肢深静脉血栓发生肺栓塞的危险因素分析及Nomogram模型的构建. 国际检验医学杂志. 2023(23): 2897-2901 . 百度学术
    8. 邹海,李方方,张忠伟,朱彪. 肿瘤相关静脉血栓栓塞症的人群特征分析. 临床内科杂志. 2023(12): 819-820 . 百度学术
    9. 储庆云,高艳,刘艳,李承慧. COMPASS-CAT、Khorana评分及D-D、FDP预测肝癌患者静脉血栓发生的价值观察. 肝脏. 2023(11): 1323-1327 . 百度学术
    10. 王莹莹,周硕,袁亚杰,代俊利. 两种模型预测消化系统恶性肿瘤患者静脉血栓栓塞症的比较研究. 重庆医学. 2022(04): 624-629 . 百度学术
    11. 王悦悦,许启霞,姚宇婷,王杭,陈蕾. 3种评分方法对急性肺栓塞诊断的预测价值比较. 中华全科医学. 2022(04): 555-559 . 本站查看
    12. 李明星,陈小彬,郑凡,郭冰泉,黄建强. 根治性胃癌切除术患者术前深静脉血栓形成的影响因素分析. 血管与腔内血管外科杂志. 2022(04): 390-394 . 百度学术
    13. 杨莎,杨晓华,王苏华,薛晓燕,徐俊. 老年肺癌胸腔镜手术后下肢深静脉血栓的危险因素分析及预测模型的建立和验证. 国际肿瘤学杂志. 2022(09): 532-536 . 百度学术
    14. 杨瑞红,王丽敏,赵惠. 上皮性卵巢癌并发深静脉血栓的相关影响因素分析. 实用癌症杂志. 2022(12): 2077-2080 . 百度学术
    15. 李嘉淇,蔡世荣,陈剑辉,翟二涛. 胃癌患者术后静脉血栓栓塞症的防治现状与展望. 消化肿瘤杂志(电子版). 2022(04): 390-393+424 . 百度学术
    16. 李朝阳,吴欣择,冯松林,余皓,施森. 胸部肿瘤术后重症患者DVT发生率及其凝血状态分析. 肿瘤预防与治疗. 2021(09): 805-809 . 百度学术

    其他类型引用(5)

  • 加载中
图(1) / 表(3)
计量
  • 文章访问数:  404
  • HTML全文浏览量:  133
  • PDF下载量:  14
  • 被引次数: 21
出版历程
  • 收稿日期:  2020-11-23
  • 网络出版日期:  2022-02-16

目录

/

返回文章
返回