压力性损伤（pressure injury，PI）是指发生在皮肤和（或）潜在皮下软组织的局限性损伤，通常发生在骨隆突处或皮肤与医疗设备接触处^［1］。防范与减少院内PI的发生被中国医院协会列入患者《十大安全目标》之一^［2］。手术患者由于术中血流动力学的改变及受长时间的制动、麻醉等多种因素的影响，成为PI的高发人群，发生率2.47%~56.47%^［3］，PI发生率是手术室质量控制重要指标之一^［4］。术中获得性压力性损伤（intraoperative acquired pressure injury，IAPI）也称为手术患者压力性损伤、围术期压力性损伤。2016 年美国国家压力性损伤咨询委员会（National Pressure Injury Advisory Panel，NPIAP）明确IAPI是一种与术中体位有关，发生在术后72h内的组织损伤^［1］。研究显示，IAPI的发生时间跨度较长，甚至可能发生在术后第6天^［5］。心血管疾病是国民疾病死亡首因^［6］，区别于一般的手术类型，心血管手术通常需要在低体温、体外循环下进行，IAPI的发生率（19.86%~50%）显著高于其他外科手术^{［3，7, 8, 9］}，尤其是大血管手术患者IAPI的发生率高达50%^［10］，心血管手术患者是IAPI管理的重点关注人群。IAPI的发生会给患者带来疼痛、感染、延长住院时间、增加医疗费用等负面影响，甚至导致患者死亡^［11］。研究显示，预防IAPI发生的成本只需治疗成本的三分之一^［12］，而预防IAPI的关键在于准确的风险预测。IAPI风险预测工具可以帮助医护人员评估心血管手术患者IAPI的发生风险，为实施针对性预防干预措施提供参考，改善患者的预后。目前部分学者已经开展心血管手术患者IAPI风险预测模型构建或筛查量表效能验证等研究，但类型多样且文献质量不一。因此，本研究对其进行分析、总结及评价，以期为临床实践和未来预测工具的优化和开发提供参考。

本研究依据系统评价和荟萃分析优先报告的条目范围综述报告规范（PRISMA extension for Scoping Reviews，PRISMA-ScR）进行报告呈现^{［13, 14］}。

1. 检索策略。检索PubMed、Embase、Cochrane Library、Web of Science核心合集、中国知网、万方数据服务平台、维普中文科技期刊数据库、中国生物医学文献数据库。采用主题词与自由词结合进行检索。中文检索词主要包括：“心脏手术/心脏外科手术/心血管手术/心胸外科手术/心内直视手术/主动脉/大血管”“术中获得性压力性损伤/手术患者压力性损伤/围术期压力性损伤/术中皮肤压力性损伤/压疮/褥疮/压力性溃疡”“预测/筛查/评估/识别”；主要包括：“Thoracic Surgery/Cardiac Surgery/Cardiovascular Surgery/Cardiothoracic Surgery/Heart Surgery/Heart/Aorta/great vessels”“Intraoperative acquired pressure injury/Surgery-related pressure ulcers/Perioperative pressure injury/Surgical pressure injury/Skin pressure injury/Pressure ulcer/Bedsore/Pressure sore/Decubitus ulcer”、“Forecasting/prediction/Projections/screen/identify/assess/detect/recognize”。检索时限为建库至2023年12月1日，并通过人工检索纳入文献中关联程度较高的参考文献作为补充。

2. 文献筛选与数据提取。将检索到的文献导入到文献管理软件Note Express中进行去重后，由2名研究者根据纳入、排除标准独立筛选文献，进行资料提取与整合。如意见不统一，与第3名研究者讨论解决。文献纳入标准：①研究对象年龄≥18岁；②研究内容为开发、验证或更新心血管手术患者IAPI风险预测工具；③研究类型包括横断面研究、纵向研究、队列研究、病例对照研究等。排除标准：①非中、英文文献；②研究类型为综述、系统评价、研究方案、信件及会议论文；③重复发表；④无法获取全文。资料提取内容：作者、发表年份、国家、样本来源、样本量/阳性结局、研究类型、研究对象、研究目的；工具名称、预测因子/评估内容、建模方法、特异度、灵敏度、区分度、校准度/准确率、模型呈现/评估方法、验证方法。

3. 偏倚风险和适用性评价。由2名研究者采用预测模型偏倚风险评价工具（Prediction Model Risk of BiasAssessment Tool，PROBAST）^［15］对预测模型构建、更新或验证的研究进行偏倚风险和适用性评价。PROBAST包含研究对象、预测因子、结果和统计分析4个领域，共20个问题，本研究对所有领域均进行偏倚风险评价，同时对前3个领域进行适用性评价。每个偏倚风险评价领域的评估结果采用低偏倚风险、高偏倚风险或不清楚进行评价，评价问题均以“是/可能是”“否/可能否”“无信息”回答；适用性评价问题采用“低适用性风险”“高适用性风险”“不清楚”进行评价。采用诊断准确性研究质量评价工具2（Quality Assessment of DiagnosticAccuracy Studies-2，QUADAS-2）^［16］对筛查量表的开发、效能验证研究进行偏倚风险评价和适用性评价。QUADAS-2包含4个领域，即病例选择、待评价试验、金标准、病例流程和进展状况，均以“是”“否”“不确定”回答，可对应将偏倚风险等级判定为“低”“高”或“不确定”；临床适用性评价则对前3个领域进行。评价过程中若2名研究者的意见有分歧，与第3名研究者讨论解决。

1. 文献检索及筛选结果。全面检索数据库后获得文献1 699篇。通过去重、题目及摘要阅读、全文阅读后，最终纳入16篇文献^{［8，17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31］}，其中英文文献5篇，中文文献11篇。文献筛选流程见图1。

点击查看大图

图1

文献筛选流程图

点击查看大图

图1

文献筛选流程图

2. 纳入文献的基本特征。本研究纳入的16篇文献^{［8，17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31］}主要为前瞻性研究，发表时间主要集中在2016年之后（12篇）。有9项研究构建了11个心血管手术患者IAPI风险预测模型，有2项研究开发、验证了1种体外循环下心脏手术患者急性压疮危险因素评估量表，其余5项研究验证了6种PI风险筛查量表在心血管手术患者中的预测效能。样本量（53~1 606例）和IAPI发生率（4.70%~59.52%）在各个研究中差异较大。纳入文献的基本特征见表1。

点击查看表格

表1

纳入文献的基本特征（n=16）

表1

纳入文献的基本特征（n=16）

纳入文献	国家	样本来源	样本量/ 阳性结局	研究设计	研究对象	研究目的
Lu，等，2017	中国	单中心	149/37	前瞻性队列	纳入任何年龄接受心血管手术和主动脉手术的患者，排除未行CPB的心血管手术患者。	建立一个新的预测心血管手术患者的手术相关压疮的列线图评分
Chen，等，2018	中国	单中心	建模109/26 验证40/11	前瞻性队列	任何年龄的接受心血管手术和主动脉手术的患者，排除无CPB的心血管手术患者和任何在医院发生压力损伤前死亡的患者。	建立一个人工神经网络模型，预测心血管手术患者的SRPI
陈沅，等，2019	中国	单中心	建模1163/231 验证443/67	回顾性建模 前瞻性验证	纳入年龄≥18周岁；接受心血管外科手术；采用全身麻醉且手术时间>1h的患者，排除入手术室前已发生压力性损伤；存在影响皮肤观察的疾病，如银屑病等的患者	建立成人心血管手术患者压疮高危预测模型，并验证模型的应用效果
Cai，等，2020	中国	单中心	149/37	前瞻性队列	任何年龄的接受心血管手术和主动脉手术的患者，排除所有入院时和术前有压力损伤的患者。	使用XGBoost算法开发了机器学习模型，基于主要的潜在危险因素来预测心血管手术患者的SRPI。
陈慧慧，等，2021	中国	单中心	建模175/46 验证175/41	前瞻性研究	纳入年龄≥18岁，符合心脏瓣膜置换手术指征，临床资料完整。排除术前存在皮肤破损者；心绞痛无法缓解者；有心脏手术史者；有精神病史、阿尔茨海默病者；合并皮肤病、恶性肿瘤、心力衰竭、严重肝肾功能不全、感染及免疫系统疾病者；合并严重心、肝、肾功能不全者	构建个体化预测心脏瓣膜置换术后压力性损伤发生风险的列线图模型。
曲超然，2021	中国	多中心	418/83	前瞻性研究	纳入心血管疾病外科手术；年龄≥18周岁；全身麻醉；手术时间：≥2h的患者，排除入手术室前已发生压力性损伤、存在影响观察皮肤疾病的患者。	描述心血管疾病患者术中压力性损伤的现状并分析危险因素；利用机器学习算法构建心血管疾病患者术中压力性损伤预测模型，比较各预测模型的准确率、交叉验证结果，选择最适合建模算法。
董瑶，等，2021	中国	单中心	400/167	前瞻性研究	纳入年龄≥18周岁；主动脉手术；术后生命体征平稳，转入监护室；签署知情同意书，自愿参加。排除存在不易观察皮肤完整性的严重皮肤疾病或皮肤损伤；存在术前压力性损伤；术后遵医嘱禁止翻身，无法观察皮肤情况的患者。	建立成人主动脉手术患者术中压力性损伤的Nomogram预测模型，并检验模型的有效性。
叶和青，2022	中国	单中心	建模758/117 内验证310/55 外验证253/40	回顾性建模 前瞻性验证	纳入年龄≥18周岁；全身麻醉，需要CPB的心血管手术患者，排除入手术室前已有压力性损伤；存在影响皮肤观察的疾病的患者。	分析成人心血管手术相关压力性损伤的现状及危险因素，建立成人心血管手术相关压力性损伤列线图预测模型并进行内、外部验证
樊小倩，等，2022	中国	单中心	543/164	前瞻性研究	年龄≥18岁，首次行CPB下心脏外科术，术后顺利入ICU；临床资料完整。排除合并智力、行为或情感障碍等精神类疾病、术前已存在局部皮肤组织破损或影响皮肤观察的疾病；合并肝、肾功能不全、免疫系统、血液系统等疾病	在筛选CPB心脏术后72h并发压力性损伤的影响因素的基础上，构建列线图预测模型。
吴勤，等，1999	中国	单中心	94/12	前瞻性研究	体外循环下心脏直视手术后入ICU的患者。	自制急性压疮相关因素评估标准，对体外循环下心脏直视手术后病人进行压疮预测调查。
吴勤，等，2009	中国	单中心	110/19	横断面研究	体外循环下心脏手术的患者，手术时间≥2.5h，术前无压疮存在，无影响皮肤观察的皮肤病。	探讨急性压疮危险因素评估量表在心脏直视手术患者的应用价值
Lewicki，等，2000	美国	单中心	337/16	纵向研究	年龄在21岁或以上，手术包括初始冠状动脉旁路移植（CABG）、心脏瓣膜修复或置换、重复CABG、CABG和瓣膜修复或置换、重复瓣膜修复或置换、先天性房室间隔缺损修复，以及CABG合并动脉瘤修复。在入组筛查时出现压疮的患者被排除在研究之外。	采用描述性研究方法，探讨Braden量表预测心脏手术人群中压力溃疡风险的敏感性和特异性。
Feuchtinger，等，2007	德国	单中心	53/26	前瞻性研究	心脏手术患者，住院时间≥24h	采用标准化工具Braden量表，改良的Norton量表和4因素模型，评估患者在术后早期区分心脏手术ICU患者有风险和“无风险”患者的能力
王亚婷，等，2019	中国	单中心	322/108	回顾性 病例对照	行低温CPB心脏外科全麻手术（胸骨正中切口）并转入ICU的成人患者，排除伴有精神疾病、痴呆、ICU 入住时间<8h、术前出现压力性损伤或术后出现静脉血栓、有糖尿病病史者	分析 Norton 量表对ICU低温体外循环心脏外科术后患者压力性损伤的预测价值及护理策略
王亚婷，2019	中国	单中心	252/150	前瞻性研究	经诊断为心脏瓣膜疾病并行低温CPB心脏外科全麻手术（胸骨正中切口）于术后转往ICU的成人患者	了解ICU心脏外科低温CPB 术患者压力性损伤发生的影响因素；比较Braden量表、中文COMHON量表及汉化版Cubbin&Jackson量表在ICU心脏外科低温CPB术患者中的应用效果及最佳临界值
李振刚，等，2022	中国	单中心	252/150	前瞻性研究	诊断为心脏疾病并在全身麻醉、体外循环下行心脏外科直视手术；预期停留 ICU时间超过24小时；年龄≥18岁的患者。排除缺少基本信息；转入ICU 时已存在压力性损伤；存在皮肤疾患影响压力性损伤的判别；生命体征不稳定，无法翻身进行皮肤检查	通过对比Braden、COMHON、Cubbin＆Jackson三种量表对ICU体外循环术后患者7日内压力性损伤的预测效果，筛选此类患者压力性损伤风险最佳预测工具

注：CABG为冠状动脉旁路移植术；CPB为体外循环；ICU为重症监护室；SRPI为手术相关压力性损伤

3. 心血管手术患者术中获得性PI风险预测模型的构建及验证。（1）模型的构建情况。11个心血管手术患者IAPI风险预测模型，涉及9项研究，其中1项为多中心研究^［21］，其余均为单中心研究。其中2项研究仅针对心脏瓣膜置换手术^［20］和主动脉手术^［22］患者，其余研究均纳入多种心血管手术患者。模型构建的方法可归为3类：①Logistic回归（6个）；②深度学习算法（1个）；③机器学习算法（4个，分别为梯度提升树、随机森林、朴素贝叶斯和决策树模型）。详见表2。（2）模型的预测因子。11个预测模型最终纳入的预测因子存在较大差异，包含4~13个预测因子，其中出现频次较高的预测因子分别是手术时间（9次）、体外循环时间（7次）、年龄（5次）、术中体温（4次）、糖尿病史（4次）。每个模型的预测因子详见表2。（3）模型的性能。11个模型中，6个模型有具体呈现方式，主要为加和评分和列线图，其赋分依据为各模型内各预测因子的β系数。超过一半的模型未进行验证，有1项研究进行了内、外部验证^［23］，有1项研究进行了交叉验证^［21］。模型性能主要通过区分度和校准度来评价，区分度多采用受试者工作特征曲线下面积（area under the curve，AUC）大小或C-index来评价，校准度多采用Hosmer-Lemeshow 检验（H-L 检验）或绘制校准曲线来评价。模型AUC的范围在0. 702~0. 840之间，预测性能总体较好；除2项未报告校准度评价的研究外^［8，19］，其余模型均提示其预测值与实际观测值没有显著差异，具有较好的校准能力。Chen等^［18］、Cai等^［19］、曲超然^［21］采用机器学习和深度学习算法构建的预测模型则显示出更好的预测性能，准确率均在80%以上。详见表2。

点击查看表格

表2

心血管手术患者术中获得性压力性损伤风险预测工具（n=21）

表2

心血管手术患者术中获得性压力性损伤风险预测工具（n=21）

工具名称	预测因子/评估内容	建模方法	特异度	灵敏度	区分度	校准度/ 准确率	模型呈现/评估方法	验证方法
Lu模型，2017	4个预测因子：疾病类别、体质量、手术时间、围手术期给予糖皮质类固醇	Logistic回归	NR	NR	C-Index 0.725	H-L P 0.217	加和评分列线图，当概率大于0.25（总分12分）时，考虑为高危患者	未验证
Chen模型，2018	4个预测因子：疾病类别、围手术期使用皮质类固醇治疗、年龄和手术时间	深度学习： 人工神经网络	NR	NR	AUC 0.815	准确率： 建模81.7% 验证77.5%	模型程序，预测发病率范围为6.4%~67.7%。 轻度风险6.4%~26.8% 中度风险26.8%~47.2% 高风险47.2%~67.7%	内部验证：数据随机拆分
陈沅模型，2019	9个预测因子：术前血红蛋白、前白蛋白、血钠、血钾，术中平均体温、最低平均动脉压，以及患者吸烟频率、高血压史、年龄≥70周岁	Logistic回归	建模0.747 验证0.793	建模0.648验证0.657	AUC 建模0.751	NR	模型方程：LogitP值≥-1.259患者属于压疮高危人群，且发生概率随LogitP值的增大而增加	外部验证：时段验证
Cai模型，2020	5个大预测因子：手术时间、患者体重、体外循环手术时间、患者年龄和疾病类别	机器学习：梯度提升树模型	1	0.081	AUC 0.806	NR	模型程序	未验证
陈慧慧模型，2021	6个预测因子：糖尿病、术前血清Alb、体外循环时间、手术时间、术中输血量及术中使用血管活性药物	Logistic回归	NR	NR	AUC 建模0.840 验证0.751	校准曲线趋近于理想曲线	加和评分列线图	未验证
曲超然模型2021	13个预测因子：吸烟史、INR、PT、术前空腹血糖、CPB前肛温、肌酸激酶、心肌阻断总时间、糖尿病史、CPB总时间、术中最低肛温、手术总时间、CPB最低收缩压、CPB最低有创平均压	机器学习： 随机森林模型、朴素贝叶斯模型、决策树模型	NR	NR	NR	准确率： 随机森林90.91% 决策树89.0% 贝叶斯88.52%	模型程序	交叉验证
董瑶模型2021	6个预测因子：术中受压部位浸湿、术中使用去甲肾上腺素、术中使用多巴胺、术中使用肾上腺素、术前绝对卧床、术中深低温停循环	Logistic回归	NR	NR	AUC 0.785 C-Index 0.786	Bootstrap0.029	加和评分列线图	内部验证
叶和青模型2022	5个预测因子：年龄、糖尿病病史、手术时间、ASA评分、手术温差	Logistic回归	NR	NR	AUC： 建模0.731 内验0.781 外验0.715	H-L P： 建模0.97 内验0.96 外验0.98	加和评分列线图	内部验证：随机拆分 外部验证：时段验证
樊小倩模型2022	6个预测因子：年龄、贫血、前白蛋白水平、术中最低体温、体外循环时间、手术时间	Logistic回归	NR	NR	AUC：0.702C-index：0.714	校准曲线趋近于理想曲线	加和评分列线图	未验证
急性压疮相关因素评估标准1999、2009	11项指标：年龄、意识、营养、体型，术中对肛温、心率、呼吸、平均动脉压、动脉氧分压和红细胞压积、血管活性药物的剂量	—	0.880	1	NR	—	每项指标0~4分，分值累计越高，急性压疮发生危险越大，分值累计≥14分时，该患者视为急性压疮发生的高危人群	时段验证
Braden量表，2000	6个维度：感觉、潮湿、营养、活动、移动及摩擦力和剪切力	—	术前0.786 1d 0.296 3d 0.920 5d 0.709	术前0.50 1d 0.667 3d 0.571 5d 0.50	NR	—	每个维度1~4分，总分24分。总分越低，压力性损伤风险越高，术前和术后1d、3d、5d最佳分界值分别为22、13、14、20分	—
改良Norton量表，2007	6个维度：身体状况、精神状况、活动能力、移动能力、失禁情况、年龄	—	0.470	0.580	NR	—	采用Likert4级评分法，最佳临界值为25分	—
Braden量表，2007	6个维度：感觉、潮湿、营养、活动、移动及摩擦力和剪切力	—	0.050	0.970	NR	—	每个维度最低分为1分，最高分为4分，总分为24分。总分越低，发生压力性损伤的风险就越高，最佳临界值为20分	—
4-factor model，2007	4个因素：感觉、潮湿、摩擦力和剪切力、年龄	—	0.310	0.850	NR	—	每项1分，总分4分，最佳临界值为2分	—
Norton量表，2019	5个维度：身体状况、精神状况、活动能力、移动能力、失禁情况	—	0.248	0.694	AUC 0.413	—	采用Likert4级评分法，总分 5~20分；≤12分为高危，12~14分为中危，>14分为低危，最佳临界值为15.5分	—
Braden量表，2019	6个维度：感觉、潮湿、营养、活动、移动及摩擦力和剪切力	—	0.235	0.747	AUC 0.512	—	总分 6~23分，得分越低，发生压力性损伤的风险越高，15~18分提示轻度危险，13~14分提示中度危险，10~12分提示高度危险，≤9分提示极高度危险，最佳临界值11分	—
COMHON量表，2019	5个维度：意识水平、移动度、血流动力学、氧气需求、营养	—	0.020	0.92	AUC 0.523	—	总分为5~20分，5~9 分低风险，10~13分中等风险，14~20分高风险，最佳临界值16分	—
Cubbin &Jackson量表，2019	10 个维度：年龄、体重、皮肤情况、意识状况、活动、血流动力学情况、呼吸、营养、大小便失禁、个人卫生	—	0.304	0.933	AUC 0.687	—	总分40分，低于29分为高危患者，低于24分提示不可避免的压力性损伤，最佳临界值25分	—
Braden量表，2022	6个维度：感觉、潮湿、营养、活动、移动及摩擦力和剪切力	—	0.745	0.293	AUC 0.512	—	每个维度最低分为1分，最高分为4分，总分为24分。总分越低，发生压力性损伤的风险就越高，最佳临界值10分	—
COMHON量表，2022	5个维度：意识水平、移动度、血流动力学、氧气需求、营养	—	0.804	0.307	AUC 0.523	—	每个维度最低为1分，最高为4分，总分为20分。总分越高，则发生压力性损伤的风险越高，最佳临界值17分	—
Cubbin &Jackson量表，2022	10 个维度：年龄、体重、一般皮肤情况、意识状况、活动、血流动力学情况、呼吸、营养、大小便失禁、个人卫生	—	0.647	0.647	AUC 0.687	—	每个维度最低1分，最高4分，总分为40分。总分越低，发生压力性损伤的风险越高，最佳临界值25分	—

注：AUC为曲线下面积；CPB为体外循环；INR为国际标准化比值；NR为未报道；PT为凝血酶原时间

4. 心血管手术患者IAPI风险筛查工具的预测效能及内容。吴勤等^{［25, 26］}开发、验证了1种体外循环下心脏直视手术患者急性压疮危险因素评估量表，该量表包括11项指标，其中血管活性药物、动脉氧分压、脉搏三个因素是最重要的危险因素。Lewicki等^［27］、Feuchtinger等^［28］、王亚婷等^{［29, 30］}、李振刚等^［31］分别验证了Braden量表、改良Norton量表、4-factor模型、Norton量表、COMHON量表、Cubbin &Jackson量表6种PI筛查量表在心血管手术患者IAPI风险预测中的预测效能。各量表涉及4~10个维度，AUC的范围在0. 413~0. 687之间，均在0.7以下，预测性能较差。Lewicki等^［27］采用纵向研究设计发现Braden量表的最佳分界值应随住院天数而变，从而提高Braden量表在心血管手术患者群体中正确分类PI阳性患者的能力。详见表2。

5. 纳入文献的偏倚风险和适用性评价。根据PROBAST对9项^{［8，17, 18, 19, 20, 21, 22, 23, 24］}预测模型构建研究进行评价，总体偏倚风险较高，仅有1项研究^［21］总体偏倚为低风险。其中7项研究^{［8，17, 18, 19, 20，22，24］}在统计分析领域存在高偏倚风险，2项研究^［8，23］在研究对象领域存在不清楚的风险，4项研究^{［17, 18, 19, 20］}在结局领域存在不清楚的风险。在适用性评价方面，9项研究各领域和总体适用性均较好。采用QUADAS-2对7项^{［25, 26, 27, 28, 29, 30, 31］}筛查量表效能验证研究进行评价，结果显示有1项研究^［25］总体偏倚高风险，其中待评价试验和金标准领域存在高偏倚风险；4项研究^{［27, 28, 29，31］}总体存在不清楚的偏倚风险，其中2项研究^{［29，31］}在病例选择领域存在不清楚的风险，2项研究^{［27, 28］}在待评价试验领域存在不清楚的风险，2项研究^{［28, 29］}在病例流程和进展状况领域均存在不清楚的风险。在适用性评价方面，除吴勤等^［25］研究在金标准领域存在不清楚的风险外，其余6项研究各领域和总体适用性均较好。

心血管手术患者IAPI风险预测工具是帮助医护人员识别高危人群，减少患者IAPI发生率的有效工具。本研究系统检索了国内外心血管手术患者IAPI风险预测工具的相关研究，经筛选最终纳入16篇文献，涉及11个风险预测模型和7种筛查量表。

1. 心血管手术患者IAPI风险预测工具预测效能中等，预测模型优于筛查工具。本研究发现，现有心血管手术患者IAPI风险预测工具的预测效能总体处于中等水平，预测模型优于筛查量表。风险预测模型^［32］是一种根据多个预测因子来估计特定个体当前患有某病或将来发生某一事件的风险概率的预测工具，可以帮助医护人员对PI发生的风险进行准确的预测，同时按照发生风险的大小采取分层次、针对性的干预措施。纳入风险预测模型的AUC均在0.7以上（0. 702~0. 840），而筛查量表的AUC均在0.7以下，这可能与大多数筛查量表并非针对心血管手术患者开发有关。此外量表的评估节点、频次和非个体化也限制了它的预测效能。Braden量表是全球范围内应用最广泛的PI风险评估量表^［33］，但主要适用于骨科、内外科以及长期卧床的老年住院患者。Lewicki等^［27］研究发现Braden量表的最佳预测效能分界值随住院天数变化，<16分的标准分界值在心血管手术患者群体中特异性和敏感性较差。此外，Braden量表缺乏年龄、体温、麻醉方式、手术体位、手术时间、手术方式等手术相关的危险因素，这均会限制Braden量表在心血管手术患者群体中预测效能。Norton量表亦是临床广泛用于评估PI的量表，强调贯穿护理过程的始终，风险越高评估频率越高^［34］。但Norton量表同样缺少手术相关风险因素，即使是增加年龄因素的改良Norton量表，在心血管手术患者群体中特异度和灵敏度仍不佳^{［28, 29］}，应用价值不大。4-factor模型和COMHON量表同样存在以上局限性^{［28，30, 31］}。王亚婷等^［30］、李振刚等^［31］研究发现，Cubbin &Jackson量表预测心血管手术患者IAPI效能优于Braden量表和COMHON量表，AUC 为0.687，是纳入研究中预测效能最好的非心血管专用筛查量表。本研究纳入《急性压疮危险因素评估量表》是在心血管手术患者群体中开发并验证的^{［25, 26］}，研究报告该量表预测效能较好，但风险偏倚高。目前尚无优质的针对心血管手术患者IAPI风险的筛查量表，临床中仍需借助普适性量表进行评估，其预测效能较差，不及风险预测模型。

2. 心血管手术患者IAPI风险预测模型尚处于发展阶段，总体偏倚风险较高。本研究涉及风险预测模型11个，超过三分之二发表在2020年后，文献总体较新，预测性能总体较好，但存在外部验证缺乏、模型性能评价不完整的问题，模型的外部适应性仍有待探讨。本研究发现，心血管手术患者IAPI风险预测模型尚处于发展阶段，总体偏倚风险较高。其中“统计分析”领域高风险偏倚占比达77.8%，应变量事件数<10^{［17, 18, 19，22］}和未正确使用内部验证^{［17, 18，20，22，24］}是导致该领域偏倚的最突出问题，易造成模型的过度拟合风险^［35］。此外，缺乏模型校准度^［8，19］、缺乏模型的外部验证^{［17, 18, 19, 20, 21, 22，24］}等都会导致模型总体偏倚风险增高^［15］。外部验证是衡量模型可移植性和可泛化性的关键^［36］，仅陈沅模型^［8］和叶和青模型^［23］进行了外部时段验证，但建模数据来源均为回顾性，可能存在一定的信息偏倚。11个模型均是基于我国心血管手术患者进行开发，但实际应用局限于建模原始研究，高风险偏倚也局限了模型的推广。提示医护人员未来要注重模型开发和验证的方法学规范，提高模型的可重复性和可推广性。未来研究可验证比较各模型的使用，实现对现有模型的完善、更新，或构建预测性能佳、可操作性强的低偏倚高适用模型，确定与心血管手术患者匹配最佳的高质量模型。

Logistic回归建模仍是现有研究使用最广泛的建模方法，列线图模型是最常见的风险预测模型。但Chen等^［18］、Cai等^［19］、曲超然^［21］采用机器学习和深度学习等人工智能算法构建的预测模型则显示出更好的预测性能，准确率均在80%以上。相较于传统回归建模，人工智能算法具有建模更高效、模型更科学、预测更准确的优势^［37］，但大样本是人工智能类算法建模的基础。本研究发现除曲超然^［21］为多中心研究外，其他研究均为单中心研究，且样本量偏小。因此，为保障心血管手术患者IAPI风险预测模型的临床实用性与建模的严谨性，未来研究应在多中心大样本、前瞻性设计基础上，采用更优的统计建模方法，构建预测结果准确可靠的模型。

3. 心血管手术患者IAPI风险预测因子差异较大，但存在一定共性。心血管手术患者IAPI受到多种复杂危险因素的影响，风险预测因子存在一定共性，临床应特别关注预测模型中出现频次较高的预测因子，尤其手术相关因素。糖尿病史作为唯一的既往史高频预测因子，可能与糖尿病患者术后较早出现自主神经功能紊乱导致全身血管功能受影响有关^［38］，加重受压部位的缺血缺氧进而增加IAPI风险。多数模型以心血管手术患者整体人群作为研究对象，Lu等^［17］、Chen等^［18］、Cai等^［19］模型针对不同类型的心血管疾病手术患者研究发现，疾病类别亦是心血管手术患者IAPI风险重要的预测因素，可能与不同术式手术时间有关。董瑶等^［22］模型给予主动脉手术患者构建，发现主动脉手术患者IAPI发生率41.75%，是所有预测模型中发生率最高的，这与既往研究一致^［10］，提示临床重点关注大血管手术患者。随着诊疗技术的发展，心血管手术群体高龄患者逐渐增加，高龄患者发生IAPI的风险进一步增加，对于这部分人群，除早期识别外，也要积极采取预防措施，重视围术期评估和预防措施的衔接和动态变化。

根据指南提示，准确、动态、全面的IAPI风险评估，可以指导不同部门临床护理人员协作、共同实现心血管手术患者围手术期连续护理^［39］。术前应评估绝对卧床的患者受压部位皮肤是否存在PI前期表现，根据术式判断手术是否使用深低温停循环技术，了解患者既往病史和生化指标，与麻醉医生沟通了解术中计划使用的血管活性药物种类和剂量，决定是否加强防护措施。术中动态评估有无浸湿、血管活性药物使用和生命体征变化调整预防措施。术后与ICU护士交接术前、术中情况，及时给予高危患者持续预防，避免IAPI发生或加重。

4. 启示。研究结果表明，尚无优质的针对心血管手术患者IAPI风险的筛查量表，风险预测模型预测效能优于筛查工具，但总体偏倚风险较高，未完全满足模型质量和适用性的要求。建议未来我国开发、验证或更新预测模型时，可以遵循个体预后或诊断的多变量预测模型透明报告（Transparent Reporting of a multivariable prediction model for Individual Prognosis or Diagnosis，TRIPOD）规范^［40］、使用 PROBAST工具^［15］和 CHARM 清单^［41］等，提高模型报告的方法学质量和透明度。未来研究应注意全方位评价模型的预测性能（区分度、校准度、分类度、准确率等），使用恰当的形式呈现模型以便于临床应用或更新。此外，基于人工智能算法的机器学习和深度学习模型预测心血管手术患者IAPI效能优于logistic回归模型，建议未来在多中心大样本、前瞻性设计基础上，采用更优的人工智能算法建模，构建预测准确可靠的模型。未来也可考虑将算法纳入电子病历系统以实现数据的实时获取和促发预警系统的应用，提高模型的外推性和可操作性。

5. 小结。本研究通过全面检索和严格筛选纳入11个心血管手术患者IAPI风险预测模型和7种PI筛查量表，系统审查了预测模型和筛查量表多方面特征，但仅纳入中英文文献，且主要研究地点为中国，仍可能存在一定的选择偏倚。心血管手术患者IAPI风险预测模型预测效能优于筛查量表，但目前尚处于发展阶段，偏倚风险较高，限制了其在临床实践中推广的可靠性和适用性。临床护理人员应关注心血管手术患者IAPI的高危因素，选择性能优良的模型指导临床实践。未来研究可完善、更新现有模型的，或借助人工智能构建预测性能佳、可操作性强的低偏倚高适用模型，并进行广泛的外部验证，确定与心血管手术患者匹配最佳的高质量预测工具，为心血管手术患者IAPI的预防提供可靠的依据。