meld评分系统的应用及不足

《meld评分系统的应用及不足 》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、MELD评分系统的应用及不足【摘要】终末期肝病模型(modelforend-stageliverdisease，MELD)是主要应用血清胆红素、凝血酶原时间国际标准化比值和血清肌酐指标来评价终末期肝病的系统。其在预测终末期肝病死亡率及肝移植中的应用已渐趋成熟，应用范围也开始扩大到重型肝炎、肝癌中。文中对MELD作了回顾，并对最新进展进行阐述。　　【关键词】肝硬化；终末期肝病模型；移植；人工肝　　Modelforend-stageliverdiseaseanditsapplicationsinliverdisease　　【Abstract】MELDscoreincludesto

2、talofserumbilirubin，internationalnormalizedratio(INR)，creatinine.Thescoresystemisexacttopredictthemortalityofchronichepatitisanda.Manystudiesarestillgoingonandmaybethescoresystemoreefficientemodifications.　　【Keyodelforend-stageliverdisease;transplantation;artificialliver　　终末期肝病一直以来都没有一个较完善的

3、评分指标来评价其严重程度。自终末期肝病模型(Modelforend-stageliverdisease，MELD)标准制定以来，因其可对终末期肝病短期、中期死亡率进行有效的预测，并因其评价指标获得简单、客观、易于计算而在肝病诊治中广为应用。　　1MELD由来及计算公式　　2000年Malinchoc等〔1〕首先应用MELD来预测终末期肝病行经颈静脉肝内门-体分流术后患者的死亡率，并证实MELD可以预测终末期肝病的死亡率及术后的生存时间。其计算公式为：R=0.378ln〔胆红素(mg/dl)〕+1.12ln(INR)+0.95ln〔肌酐(mg/dl)〕+0.64(病因：胆汁性或

4、酒精性0，其他1)。其R值越高，其风险越大，生存率越低。后为计算方便，Kamath等〔2〕将公式改良为R=3.8ln〔胆红素(mg/dl)〕+11.2ln(INR)+9.6ln〔肌酐(mg/dl)〕+6.4(病因：胆汁性或酒精性0，其他1)。　　2MELD的应用　　2.1在非移植患者预测肝病死亡率中的应用　　因MELD对终末期肝病患者在TIPS中的良好预测能力，Kamath〔2〕等对不同病因、不同病情的肝硬化患者3个月、半年、1年的生存率进行了大规模的统计分析，证实MELD对终末期肝病生存率的预测是有效的。2004年，Said等〔3〕在对1611例不同类型的慢性肝病患者研究中

5、，MELD的一年生存率预测C统计值达0.75以上，3个月和6个月的更高。证实MELD也可应用慢性肝病的范畴。国内资料也得出了类似结果〔4〕。　　2.2在肝移植中的应用　　因MELD可有效评价移植前患者等待供肝期间的死亡率及预测患者移植术后的死亡率，在2002年2月，美国开始用MELD分配肝源〔5，6〕。经有关专家2年多的临床证实，MELD是一个客观、有效评价移植前患者严重程度的系统，对慢性肝病3个月生存率的预测C统计值达0.894〔7〕。但对移植后死亡率的评估，Broath〔9〕指出，为了避免肝外因素造成的血清肌酐波动影响MELD分级的准确性，在利用MELD分级判断病情时，应

6、在病人血流动力学稳定和充分补液的基础上使用。如使用血清肌酐清除率代替血清肌酐，将能使MELD分级更准确地反映肝功能变化；凝血酶原活性(PTA)较INR变化更小，如使用PTA代替INR，可能使MELD分级具有更好的统一性。MELD评分尚须纳入更多的观察指标，诸如腹水、出血、肝性脑病等肝硬化门脉高压的并发症可以直接危及患者生命，虽然有资料〔2〕显示其对MELD分级的判断功能无明显影响，但这与临床实际明显不符。病人的实际预后是否与理论上的统计学分析相吻合，尚需进一步观察和验证。　　从统计学上来看，MELD评分公式是将TBiL、Cr、INR等指标分别取自然对数进行正态化，然后进行Co

7、x比例风险回归或单因素分析，筛选出影响力较大的因子引入多元线性回归分析，最终构建出线性回归方程。但人的疾病是错综复杂的，大多数情况下简单的线性回归并不能满足要求。疾病的各观察指标之间常常会有相关性，这就造成了变量间的共线性问题。在构建线性回归方程时，一般需要把两个相关性较大的变量人为剔除一个，以免相互影响。但这样同时也丢失了此变量的其他重要信息。所以线性回归方程在解决多因素的复杂问题上总是不能尽如人意。解决方法可以采用更为复杂的数学模型，也可以将待评价的目标群进一步分层，分别构建不同的回归方程来适用于不