队列构建与分组
从国家创伤数据库中筛选老年创伤患者并分为不同FFP:pRBC配比组。
使用2013-2017年TQIP NTDB数据，纳入≥65岁接受MBT的患者，按24小时标准化FFP:pRBC配比分为六个队列（1:1, 1:2, 1:3, 1:4, 1:5, 1:6+）。
关于丁香通
公司信息
个人用户
企业机构
无忧采购 轻松科研
- 移动端
老年创伤后大量输血：血液配比对死亡率的影响
Massive blood transfusion following older adult trauma: The effect of blood ratios on mortality
实验完整度
低本研究为回顾性队列分析，基于TQIP数据库，未涉及干预性实验，主要采用统计建模方法。
主要模型
老年创伤患者队列（≥65岁） 年轻成人创伤患者队列（18-64岁，补充分析）
重点核对
纳入标准：年龄≥65岁且接受MBT，定义24小时内输注≥10单位pRBCs或4小时内输注≥5单位pRBCs FFP:pRBC配比分层：1:1, 1:2, 1:3, 1:4, 1:5, 1:6+ 主要结局：24小时和30天全因死亡率 统计分析：LASSO逻辑回归，1:1组为参考组，调整人口统计学、合并症、损伤特征和医院等级 数据来源：2013-2017年TQIP NTDB数据库
摘要
背景：老年创伤后的大量输血（MBT）面临独特挑战。尽管在年轻成年患者中已有大量关于最佳复苏策略的证据，但在老年人群中的研究有限。方法：我们使用2013年至2017年的创伤质量改进计划（TQIP）数据库，确定了所有接受MBT的65岁以上患者。我们将人群分为六个新鲜冰冻血浆：浓缩红细胞（FFP：pRBC）配比队列（1：1、1：2、1：3、1：4、1：5、1：6+）。我们的主要结局是24小时和30天死亡率。我们构建了以1：1组为基线并调整混杂因素的多变量回归模型，以评估血液配比对死亡率的独立影响。结果：共有3134名患者符合我们的纳入标准（中位年龄73±7.6岁，65%为男性）。在风险调整的多变量分析中，1：1的FFP：pRBC配比与最低的24小时死亡率（1：2比值比[OR] 1.60，95%置信区间[CI] 1.25-2.06，p<0.001）和30天死亡率（1：2 OR 1.44，95% CI 1.15-1.80，p=0.002）独立相关。结论：与所有其他配比相比，1：1的FFP：pRBC配比在老年创伤后24小时和30天死亡率最低，与年轻成年人群中的发现一致。
实验结论
提炼研究问题、关键发现与证据，快速把握文章的核心贡献。
- 研究问题
- 在老年创伤患者中，不同FFP:pRBC配比与24小时和30天死亡率之间是否存在关联？
- 核心机制
- 1:1的FFP:pRBC配比与老年创伤患者大量输血后较低的死亡率相关，其潜在机制可能与早期纠正凝血病有关，但机制在文献中未被明确验证。
- 主要证据
- 基于TQIP数据库3134名老年患者的回顾性队列分析，LASSO多变量回归显示1:1配比组的24小时和30天死亡率最低（1:2 vs 1:1: OR 1.60, p<0.001; 1:2 vs 1:1: OR 1.44, p=0.002）。
- 研究意义
- 研究表明1:1的FFP:pRBC配比在老年创伤患者中可能带来生存获益，支持进一步的临床试验来验证这些发现。
研究路径
按研究推进顺序梳理实验设计、验证步骤与关键观察。
基线特征与混杂因素评估
比较不同配比队列的基线特征，识别潜在的混杂变量。
评估了超过60个变量，包括人口统计学、合并症、损伤特征、生命体征和医院水平，使用单变量分析（ANOVA和Kruskal-Wallis检验）比较队列间差异。
多变量回归模型构建
评估FFP:pRBC配比对24小时和30天死亡率的独立影响。
构建LASSO逻辑回归模型，以1:1组为参考，调整人口统计学、合并症、损伤特征和医院变量，使用多重插补处理缺失数据。
模型验证与敏感性分析
验证模型的预测性能和结果的稳健性。
将数据分为80%训练集和20%测试集，计算ROC AUC。在年轻成人（18-64岁）队列中重复分析以检查外部有效性。
研究方法
按研究目的归类文中使用的方法，便于定位所需技术。
关键环节
汇总复现实验时建议重点确认的条件及原文阅读提示。
| 环节 | 核对要点 |
|---|---|
| 数据来源 | 数据库版本（2013-2017年）和纳入标准（年龄≥65岁、MBT定义） 阅读提示：Methods部分：Data source, Inclusion and exclusion criteria |
| 队列分组 | FFP:pRBC比值的计算和分层方法（24小时标准化，四舍五入至整数） 阅读提示：Methods部分：Inclusion and exclusion criteria |
| 统计建模 | LASSO回归的参数（alpha优化过程）、参考组设置（1:1）、调整的协变量列表 阅读提示：Methods部分：Statistical and machine learning analysis, Table S2 |
| 缺失数据处理 | 缺失变量的列表和缺失率（温度43.28%被排除，其他变量采用多重插补） 阅读提示：Methods部分：Missing data |