护理研究

作者	发表年份	国家	研究类型	研究对象	结局定义	结局事件发生率（%）
Wang等^[17]	2025年	中国	回顾性队列研究	接受连续性肾脏替代治疗的急性肾损伤ICU病人	连续性肾脏替代治疗因凝血导致治疗中断	11.90
何淑雅等^[18]	2025年	中国	前瞻性队列研究	接受连续性肾脏替代治疗的急性心力衰竭ICU病人	连续性肾脏替代治疗非计划下机	22.58
刘倩等^[19]	2025年	中国	回顾性队列研究	接受连续性肾脏替代治疗的成年ICU病人	连续性肾脏替代治疗因凝血导致治疗中断	29.76
全梓林等^[20]	2025年	中国	回顾性队列研究	接受连续性肾脏替代治疗的儿童ICU病人	连续性肾脏替代治疗因凝血导致治疗中断	58.90
李林莉等^[21]	2025年	中国	回顾性队列研究	接受连续性肾脏替代治疗的胰腺炎ICU病人	连续性肾脏替代治疗非计划下机	37.65
蒋丽丽等^[22]	2025年	中国	回顾性队列研究	接受连续性肾脏替代治疗的成年ICU病人	连续性肾脏替代治疗非计划下机	8.46
孙媛等^[23]	2025年	中国	回顾性队列研究	接受连续性肾脏替代治疗的尿毒症ICU病人	连续性肾脏替代治疗非计划下机	25.24
Chen等^[24]	2025年	中国	前瞻性队列研究	接受连续性肾脏替代治疗的急性肾损伤ICU病人	连续性肾脏替代治疗因凝血导致治疗中断	23.76
贾燕等^[25]	2024年	中国	回顾性队列研究	接受连续性肾脏替代治疗的成年ICU病人	连续性肾脏替代治疗因凝血导致治疗中断	19.46
Yang等^[26]	2024年	中国	回顾性队列研究	接受连续性肾脏替代治疗的成年ICU病人	连续性肾脏替代治疗因凝血导致治疗中断	31.85
许红妍等^[27]	2024年	中国	回顾性队列研究	接受连续性肾脏替代治疗的成年ICU病人	连续性肾脏替代治疗非计划下机	28.10
Liu等^[28]	2024年	中国	回顾性队列研究	接受无抗凝剂连续性肾脏替代治疗的ICU病人	连续性肾脏替代治疗因凝血导致治疗中断	41.51
胡璐璐等^[29]	2023年	中国	回顾性队列研究	接受连续性肾脏替代治疗的成年ICU病人	连续性肾脏替代治疗因凝血导致治疗中断	30.60
吴玲玲^[30]	2023年	中国	回顾性队列研究	接受连续性肾脏替代治疗的成年ICU病人	连续性肾脏替代治疗非计划下机	59.66
万娜等^[31]	2022年	中国	回顾性队列研究	接受体外膜肺氧合（ECMO）联合连续性肾脏替代治疗的ICU病人	连续性肾脏替代治疗非计划下机	61.80
常蓉等^[32]	2022年	中国	回顾性队列研究	接受连续性肾脏替代治疗的成年ICU病人	连续性肾脏替代治疗非计划下机	17.90
Zhang等^[33]	2022年	中国	回顾性队列研究	接受无抗凝连续性肾脏替代治疗的ICU病人	连续性肾脏替代治疗因凝血导致治疗中断	47.00
Kakajiwala等^[34]	2017年	美国	回顾性队列研究	接受连续性肾脏替代治疗的ICU儿童病人	连续性肾脏替代治疗非计划下机	64.60
Fu等^[35]	2014年	中国	前瞻性队列研究	接受连续性肾脏替代治疗的成年ICU病人	连续性肾脏替代治疗因凝血导致治疗中断	66.60

作者	发表年份	国家	研究类型	研究对象	结局定义	结局事件发生率（%）
Wang等^[17]	2025年	中国	回顾性队列研究	接受连续性肾脏替代治疗的急性肾损伤ICU病人	连续性肾脏替代治疗因凝血导致治疗中断	11.90
何淑雅等^[18]	2025年	中国	前瞻性队列研究	接受连续性肾脏替代治疗的急性心力衰竭ICU病人	连续性肾脏替代治疗非计划下机	22.58
刘倩等^[19]	2025年	中国	回顾性队列研究	接受连续性肾脏替代治疗的成年ICU病人	连续性肾脏替代治疗因凝血导致治疗中断	29.76
全梓林等^[20]	2025年	中国	回顾性队列研究	接受连续性肾脏替代治疗的儿童ICU病人	连续性肾脏替代治疗因凝血导致治疗中断	58.90
李林莉等^[21]	2025年	中国	回顾性队列研究	接受连续性肾脏替代治疗的胰腺炎ICU病人	连续性肾脏替代治疗非计划下机	37.65
蒋丽丽等^[22]	2025年	中国	回顾性队列研究	接受连续性肾脏替代治疗的成年ICU病人	连续性肾脏替代治疗非计划下机	8.46
孙媛等^[23]	2025年	中国	回顾性队列研究	接受连续性肾脏替代治疗的尿毒症ICU病人	连续性肾脏替代治疗非计划下机	25.24
Chen等^[24]	2025年	中国	前瞻性队列研究	接受连续性肾脏替代治疗的急性肾损伤ICU病人	连续性肾脏替代治疗因凝血导致治疗中断	23.76
贾燕等^[25]	2024年	中国	回顾性队列研究	接受连续性肾脏替代治疗的成年ICU病人	连续性肾脏替代治疗因凝血导致治疗中断	19.46
Yang等^[26]	2024年	中国	回顾性队列研究	接受连续性肾脏替代治疗的成年ICU病人	连续性肾脏替代治疗因凝血导致治疗中断	31.85
许红妍等^[27]	2024年	中国	回顾性队列研究	接受连续性肾脏替代治疗的成年ICU病人	连续性肾脏替代治疗非计划下机	28.10
Liu等^[28]	2024年	中国	回顾性队列研究	接受无抗凝剂连续性肾脏替代治疗的ICU病人	连续性肾脏替代治疗因凝血导致治疗中断	41.51
胡璐璐等^[29]	2023年	中国	回顾性队列研究	接受连续性肾脏替代治疗的成年ICU病人	连续性肾脏替代治疗因凝血导致治疗中断	30.60
吴玲玲^[30]	2023年	中国	回顾性队列研究	接受连续性肾脏替代治疗的成年ICU病人	连续性肾脏替代治疗非计划下机	59.66
万娜等^[31]	2022年	中国	回顾性队列研究	接受体外膜肺氧合（ECMO）联合连续性肾脏替代治疗的ICU病人	连续性肾脏替代治疗非计划下机	61.80
常蓉等^[32]	2022年	中国	回顾性队列研究	接受连续性肾脏替代治疗的成年ICU病人	连续性肾脏替代治疗非计划下机	17.90
Zhang等^[33]	2022年	中国	回顾性队列研究	接受无抗凝连续性肾脏替代治疗的ICU病人	连续性肾脏替代治疗因凝血导致治疗中断	47.00
Kakajiwala等^[34]	2017年	美国	回顾性队列研究	接受连续性肾脏替代治疗的ICU儿童病人	连续性肾脏替代治疗非计划下机	64.60
Fu等^[35]	2014年	中国	前瞻性队列研究	接受连续性肾脏替代治疗的成年ICU病人	连续性肾脏替代治疗因凝血导致治疗中断	66.60

纳入文献	模型构建	预测变量
Wang等^[17]	1	卡尔曼滤波			405	长短期记忆神经网络（LSTM）	跨膜压
何淑雅等^[18]	21	原值输入			217	Logistic回归	活化部分凝血活酶时间(APTT)、血细胞比容、导管功能、治疗剂量
刘倩等^[19]	21	原值输入		直接排除	168	Logistic回归	血小板计数、APTT、血流速度、跨膜压、血细胞比容、血泵停泵
全梓林等^[20]	25	原值输入			370	Logistic回归	乳酸、血流量不足、超滤速度、体重
李林莉等^[21]	14	原值输入			85	Logistic回归	血流速度、血细胞比容、抗凝方式、机械通气、凝血酶原时间/活动度、导管功能
蒋丽丽等^[22]	12	转为二分类变量		直接排除	532	Logistic回归	APTT、血流速度、机械通气、凝血酶原时间/活动度、输血/血制品、年龄
孙媛等^[23]	18	原值输入			300	Logistic回归	血小板计数、跨膜压、血流量不足、年龄、躁动
Chen等^[24]	24	原值输入		多重插补	404	COX比例风险回归模型	乳酸、平均动脉压、输血/血制品、血红蛋白、序贯器官衰竭评估（SOFA）评分
贾燕等^[25]	10	原值输入			369	Logistic回归	血管活性药物使用、血流量不足、超滤速度
Yang等^[26]	48	原值输入		多重插补	2 531	Logistic回归	跨膜压、血管活性药物使用、抗凝方式、体温、平均动脉压
许红妍等^[27]	12	原值输入			441	Logistic回归	血流速度、血泵停泵、导管功能、合并慢性病
Liu等^[28]	48	原值输入	11	多重插补	212	Logistic回归、决策树、支持向量机、随机森林、极端梯度提升、梯度提升决策树、分类提升、集成学习	血小板计数、滤过分数、三酰甘油
胡璐璐等^[29]	20	原值输入		直接排除	480	Logistic回归	血小板计数、APTT、血泵停泵、抗凝方式、血流量不足、治疗模式
吴玲玲^[30]	32	转为二分类变量		多重插补	295	Logistic回归	性别、体位、凝血酶原时间/活动度、纤维蛋白原、滤器类型
万娜等^[31]	15	原值输入			343	Logistic回归	血流速度、治疗模式、ECMO相关
常蓉等^[32]	15	转为二分类变量			484	Logistic回归	血小板计数血流速度、凝血酶原时间/活动度、治疗剂量、护士工作年限
Zhang等^[33]	37	原值输入		均值填补	214	Logistic回归	血小板计数、APTT、血管活性药物使用、体温、平均动脉压、直接胆红素、碱性磷酸酶、血尿素氮、D-二聚体、pH值、白细胞计数、体重指数、尿酸
Kakajiwala等^[34]	102	原值输入	20~100	时序样条插补	79	COX比例风险回归模型、Logistic回归、梯度提升机	跨膜压、活化凝血时间、过滤器压力(FP)
Fu等^[35]	30	转为二分类变量	196	直接排除	425	COX比例风险回归模型	APTT、血细胞比容、抗凝方式、乳酸、血流量不足

纳入文献	模型构建	预测变量
Wang等^[17]	1	卡尔曼滤波			405	长短期记忆神经网络（LSTM）	跨膜压
何淑雅等^[18]	21	原值输入			217	Logistic回归	活化部分凝血活酶时间(APTT)、血细胞比容、导管功能、治疗剂量
刘倩等^[19]	21	原值输入		直接排除	168	Logistic回归	血小板计数、APTT、血流速度、跨膜压、血细胞比容、血泵停泵
全梓林等^[20]	25	原值输入			370	Logistic回归	乳酸、血流量不足、超滤速度、体重
李林莉等^[21]	14	原值输入			85	Logistic回归	血流速度、血细胞比容、抗凝方式、机械通气、凝血酶原时间/活动度、导管功能
蒋丽丽等^[22]	12	转为二分类变量		直接排除	532	Logistic回归	APTT、血流速度、机械通气、凝血酶原时间/活动度、输血/血制品、年龄
孙媛等^[23]	18	原值输入			300	Logistic回归	血小板计数、跨膜压、血流量不足、年龄、躁动
Chen等^[24]	24	原值输入		多重插补	404	COX比例风险回归模型	乳酸、平均动脉压、输血/血制品、血红蛋白、序贯器官衰竭评估（SOFA）评分
贾燕等^[25]	10	原值输入			369	Logistic回归	血管活性药物使用、血流量不足、超滤速度
Yang等^[26]	48	原值输入		多重插补	2 531	Logistic回归	跨膜压、血管活性药物使用、抗凝方式、体温、平均动脉压
许红妍等^[27]	12	原值输入			441	Logistic回归	血流速度、血泵停泵、导管功能、合并慢性病
Liu等^[28]	48	原值输入	11	多重插补	212	Logistic回归、决策树、支持向量机、随机森林、极端梯度提升、梯度提升决策树、分类提升、集成学习	血小板计数、滤过分数、三酰甘油
胡璐璐等^[29]	20	原值输入		直接排除	480	Logistic回归	血小板计数、APTT、血泵停泵、抗凝方式、血流量不足、治疗模式
吴玲玲^[30]	32	转为二分类变量		多重插补	295	Logistic回归	性别、体位、凝血酶原时间/活动度、纤维蛋白原、滤器类型
万娜等^[31]	15	原值输入			343	Logistic回归	血流速度、治疗模式、ECMO相关
常蓉等^[32]	15	转为二分类变量			484	Logistic回归	血小板计数血流速度、凝血酶原时间/活动度、治疗剂量、护士工作年限
Zhang等^[33]	37	原值输入		均值填补	214	Logistic回归	血小板计数、APTT、血管活性药物使用、体温、平均动脉压、直接胆红素、碱性磷酸酶、血尿素氮、D-二聚体、pH值、白细胞计数、体重指数、尿酸
Kakajiwala等^[34]	102	原值输入	20~100	时序样条插补	79	COX比例风险回归模型、Logistic回归、梯度提升机	跨膜压、活化凝血时间、过滤器压力(FP)
Fu等^[35]	30	转为二分类变量	196	直接排除	425	COX比例风险回归模型	APTT、血细胞比容、抗凝方式、乳酸、血流量不足

预测因子	次数（次）	预测因子	次数（次）
血小板计数	6	血管活性药物使用	3
APTT	6	血泵停泵	3
血流速度	6	乳酸	3
跨膜压	5	平均动脉压	3
血流量不足	5	年龄	3
血细胞比容	4	导管功能	3
抗凝方式	4	治疗模式	3
凝血酶原时间/活动度	4

预测因子	次数（次）	预测因子	次数（次）
血小板计数	6	血管活性药物使用	3
APTT	6	血泵停泵	3
血流速度	6	乳酸	3
跨膜压	5	平均动脉压	3
血流量不足	5	年龄	3
血细胞比容	4	导管功能	3
抗凝方式	4	治疗模式	3
凝血酶原时间/活动度	4

作者	模型评价	变量筛选方法	校准方法		模型验证		模型呈现形式
Wang等^[17]	AUC=0.920，灵敏度=0.974，特异度=0.798	全部纳入	校准曲线	滚动预测和在线学习		算法框架
何淑雅等^[18]	AUC=0.936，灵敏度=0.800，特异度=1.000	单因素分析差异有统计学意义的变量(P<0.05)进行多因素Logistic回归	校准曲线	Bootstrap法 (1 000次抽样)	31	列线图
刘倩等^[19]	AUC=0.978(0.958，0.997)	LASSO回归	H-L检验(P=0.939)；校准曲线	Bootstrap法 (1 000次抽样)		列线图
全梓林等^[20]	AUC=0.891(0.856，0.925)	LASSO回归	校准曲线	Bootstrap法 (1 000次抽样)；10 折交叉验证		列线图
李林莉等^[21]	AUC=0.968(0.937，0.999)，灵敏度=0.969，特异度=0.906，Youden指数=0.875	单因素分析差异有统计学意义的变量(P<0.05)进行多因素Logistic回归	校准曲线	Bootstrap法 (1 000次抽样)		列线图
蒋丽丽等^[22]	AUC=0.852(0.811，0.904)，灵敏度=0.826，特异度=0.914	单因素分析差异有统计学意义的变量(P<0.05)进行多因素Logistic回归	H-L检验 (P=0.718)	Bootstrap法 (1 000次抽样)		公式
孙媛等^[23]	AUC=0.956(0.926，0.985)，灵敏度=0.864，特异度=0.838	单因素分析差异有统计学意义的变量(P<0.05)进行多因素Logistic回归	H-L检验(P=0.340)	自身数据分割	90	公式
Chen等^[24]	AUC：12 h为0.816,24 h为0.786,36 h为0.759,48 h为0.744,60 h为0.705	单因素分析差异有统计学意义的变量(P<0.05)进行多因素Logistic回归、LASSO回归	校准曲线; H-L检验	Bootstrap法 (1 000次抽样)	92	列线图
贾燕等^[25]	AUC=0.973(0.956，0.990)，灵敏度=0.900，特异度=0.932	单因素分析差异有统计学意义的变量(P<0.05)进行多因素Logistic回归	H-L检验 (P=0.988)		112	列线图
Yang等^[26]	AUC=0.897(0.879，0.915)，灵敏度=0.915，特异度=0.746	单因素分析差异有统计学意义的变量(P<0.05)进行多因素Logistic回归、LASSO回归	Brier评分; 校准曲线	Bootstrap法 (500次抽样)	779	列线图
许红妍等^[27]	AUC=0.952(0.930，0.973)，灵敏度=0.882，特异度=0.899	单因素分析差异有统计学意义的变量(P<0.05)进行多因素Logistic回归	H-L检验 (P=0.856)		110	公式
Liu等^[28]	AUC=0.863(0.860，0.868)，灵敏度=0.8125，特异度=0.852，准确度=0.810	全部纳入		Hold-out验证；5折交叉验证		机器学习算法的黑箱形式
胡璐璐等^[29]	AUC=0.865(0.823，0.907)，灵敏度=0.755，特异度=0.829，Youden指数=0.584	前向逐步回归法	H-L检验 (P=0.954)		160	公式
吴玲玲^[30]	AUC=0.877(0.837，0.918)，灵敏度=0.858,特异度=0.773	单因素分析差异有统计学意义的变量(P<0.05)进行多因素Logistic回归	H-L检验 (P=0.522); 校准曲线	Bootstrap法 (1 000次抽样)		列线图
万娜等^[31]	AUC=0.812(0.754，0.869)，灵敏度=0.825，特异度=0.696	单因素分析差异有统计学意义的变量(P<0.05)进行多因素Logistic回归	H-L检验 (P=0.257)			公式
常蓉等^[32]	AUC=0.732(0.702，0.765)	单因素分析差异有统计学意义的变量(P<0.05)进行多因素Logistic回归	校准曲线	Bootstrap法 (1 000次抽样)	71	列线图
Zhang等^[33]	AUC=0.820(0.760，0.880)，灵敏度=0.76，特异度=0.80	逐步回归法（前向-后向）	校准曲线	Bootstrap法 (1 000次抽样)	44	列线图
Kakajiwala等^[34]	梯度提升机模型AUC=0.860，灵敏度=0.918，特异度=0.922；仅跨膜压的模型AUC=0.857；仅过滤器压力的模型AUC=0.714	单变量COX回归		5折交叉验证		COX模型
Fu等^[35]	AUC=0.790(0.709，0.871)，灵敏度=0.769，特异度=0.727	前向逐步回归法	H-L检验 (P=0.301)	时间顺序分割	123	风险评分系统

作者	模型评价	变量筛选方法	校准方法		模型验证		模型呈现形式
Wang等^[17]	AUC=0.920，灵敏度=0.974，特异度=0.798	全部纳入	校准曲线	滚动预测和在线学习		算法框架
何淑雅等^[18]	AUC=0.936，灵敏度=0.800，特异度=1.000	单因素分析差异有统计学意义的变量(P<0.05)进行多因素Logistic回归	校准曲线	Bootstrap法 (1 000次抽样)	31	列线图
刘倩等^[19]	AUC=0.978(0.958，0.997)	LASSO回归	H-L检验(P=0.939)；校准曲线	Bootstrap法 (1 000次抽样)		列线图
全梓林等^[20]	AUC=0.891(0.856，0.925)	LASSO回归	校准曲线	Bootstrap法 (1 000次抽样)；10 折交叉验证		列线图
李林莉等^[21]	AUC=0.968(0.937，0.999)，灵敏度=0.969，特异度=0.906，Youden指数=0.875	单因素分析差异有统计学意义的变量(P<0.05)进行多因素Logistic回归	校准曲线	Bootstrap法 (1 000次抽样)		列线图
蒋丽丽等^[22]	AUC=0.852(0.811，0.904)，灵敏度=0.826，特异度=0.914	单因素分析差异有统计学意义的变量(P<0.05)进行多因素Logistic回归	H-L检验 (P=0.718)	Bootstrap法 (1 000次抽样)		公式
孙媛等^[23]	AUC=0.956(0.926，0.985)，灵敏度=0.864，特异度=0.838	单因素分析差异有统计学意义的变量(P<0.05)进行多因素Logistic回归	H-L检验(P=0.340)	自身数据分割	90	公式
Chen等^[24]	AUC：12 h为0.816,24 h为0.786,36 h为0.759,48 h为0.744,60 h为0.705	单因素分析差异有统计学意义的变量(P<0.05)进行多因素Logistic回归、LASSO回归	校准曲线; H-L检验	Bootstrap法 (1 000次抽样)	92	列线图
贾燕等^[25]	AUC=0.973(0.956，0.990)，灵敏度=0.900，特异度=0.932	单因素分析差异有统计学意义的变量(P<0.05)进行多因素Logistic回归	H-L检验 (P=0.988)		112	列线图
Yang等^[26]	AUC=0.897(0.879，0.915)，灵敏度=0.915，特异度=0.746	单因素分析差异有统计学意义的变量(P<0.05)进行多因素Logistic回归、LASSO回归	Brier评分; 校准曲线	Bootstrap法 (500次抽样)	779	列线图
许红妍等^[27]	AUC=0.952(0.930，0.973)，灵敏度=0.882，特异度=0.899	单因素分析差异有统计学意义的变量(P<0.05)进行多因素Logistic回归	H-L检验 (P=0.856)		110	公式
Liu等^[28]	AUC=0.863(0.860，0.868)，灵敏度=0.8125，特异度=0.852，准确度=0.810	全部纳入		Hold-out验证；5折交叉验证		机器学习算法的黑箱形式
胡璐璐等^[29]	AUC=0.865(0.823，0.907)，灵敏度=0.755，特异度=0.829，Youden指数=0.584	前向逐步回归法	H-L检验 (P=0.954)		160	公式
吴玲玲^[30]	AUC=0.877(0.837，0.918)，灵敏度=0.858,特异度=0.773	单因素分析差异有统计学意义的变量(P<0.05)进行多因素Logistic回归	H-L检验 (P=0.522); 校准曲线	Bootstrap法 (1 000次抽样)		列线图
万娜等^[31]	AUC=0.812(0.754，0.869)，灵敏度=0.825，特异度=0.696	单因素分析差异有统计学意义的变量(P<0.05)进行多因素Logistic回归	H-L检验 (P=0.257)			公式
常蓉等^[32]	AUC=0.732(0.702，0.765)	单因素分析差异有统计学意义的变量(P<0.05)进行多因素Logistic回归	校准曲线	Bootstrap法 (1 000次抽样)	71	列线图
Zhang等^[33]	AUC=0.820(0.760，0.880)，灵敏度=0.76，特异度=0.80	逐步回归法（前向-后向）	校准曲线	Bootstrap法 (1 000次抽样)	44	列线图
Kakajiwala等^[34]	梯度提升机模型AUC=0.860，灵敏度=0.918，特异度=0.922；仅跨膜压的模型AUC=0.857；仅过滤器压力的模型AUC=0.714	单变量COX回归		5折交叉验证		COX模型
Fu等^[35]	AUC=0.790(0.709，0.871)，灵敏度=0.769，特异度=0.727	前向逐步回归法	H-L检验 (P=0.301)	时间顺序分割	123	风险评分系统

作者		偏倚风险			适用性			总体
Wang等^[17]	-	+	+	-	？	+	+	-	+
何淑雅等^[18]	？	-	+	+	+	+	+	-	+
刘倩等^[19]	-	？	+	-	？	+	+	-	+
全梓林等^[20]	-	？	+	-	？	+	+	-	+
李林莉等^[21]	-	+	？	-	+	+	+	-	+
蒋丽丽等^[22]	？	-	+	-	+	+	+	-	+
孙媛等^[23]	-	+	？	+	+	+	+	-	+
Chen等^[24]	？	？	+	-	？	+	+	-	+
贾燕等^[25]	-	？	+	+	+	+	+	-	+
Yang等^[26]	？	+	+	+	+	+	+	+	+
许红妍等^[27]	？	？	+	-	+	+	+	-	+
Liu等^[28]	-	？	+	-	+	？	+	-	+
胡璐璐等^[29]	-	-	+	+	+	+	+	-	+
吴玲玲^[30]	-	-	+	？	+	+	+	-	+
万娜等^[31]	？	-	+	-	+	+	+	-	+
常蓉等^[32]	？	？	+	+	+	+	+	-	+
Zhang等^[33]	-	？	+	+	+	+	+	-	+
Kakajiwala等^[34]	-	-	+	？	+	+	+	-	+
Fu等^[35]	-	-	+	+	+	+	+	-	+

作者		偏倚风险			适用性			总体
Wang等^[17]	-	+	+	-	？	+	+	-	+
何淑雅等^[18]	？	-	+	+	+	+	+	-	+
刘倩等^[19]	-	？	+	-	？	+	+	-	+
全梓林等^[20]	-	？	+	-	？	+	+	-	+
李林莉等^[21]	-	+	？	-	+	+	+	-	+
蒋丽丽等^[22]	？	-	+	-	+	+	+	-	+
孙媛等^[23]	-	+	？	+	+	+	+	-	+
Chen等^[24]	？	？	+	-	？	+	+	-	+
贾燕等^[25]	-	？	+	+	+	+	+	-	+
Yang等^[26]	？	+	+	+	+	+	+	+	+
许红妍等^[27]	？	？	+	-	+	+	+	-	+
Liu等^[28]	-	？	+	-	+	？	+	-	+
胡璐璐等^[29]	-	-	+	+	+	+	+	-	+
吴玲玲^[30]	-	-	+	？	+	+	+	-	+
万娜等^[31]	？	-	+	-	+	+	+	-	+
常蓉等^[32]	？	？	+	+	+	+	+	-	+
Zhang等^[33]	-	？	+	+	+	+	+	-	+
Kakajiwala等^[34]	-	-	+	？	+	+	+	-	+
Fu等^[35]	-	-	+	+	+	+	+	-	+

ICU病人连续性肾脏替代治疗非计划下机风险预测模型的范围综述

王梦倩 , 刘秀梅 , 丛珊珊 , 贾云艳 , 唐妍 , 康艳楠 ^*^,^*

护理研究 | 科研综述 2026,40(16): 2925-2934

收起

护理研究 |科研综述 2026 , 40 (16) : 2925 -2934

ICU病人连续性肾脏替代治疗非计划下机风险预测模型的范围综述

全屏

王梦倩, 刘秀梅, 丛珊珊, 贾云艳, 唐妍, 康艳楠^*^,^*

作者信息

¹大连医科大学附属第一医院，辽宁 116011

通讯作者:

康艳楠，E-mail：15165067126@163.com

KANG Yannan, E-mail： 15165067126@163.com

作者简介:

王梦倩，硕士研究生

Risk predictive models of unplanned discontinuation of continuous renal replacement therapy in ICU patients：a scoping review

Mengqian WANG, Xiumei LIU, Shanshan CONG, Yunyan JIA, Yan TANG, Yannan KANG

Affiliations

¹The First Affiliated Hospital of Dalian Medical University, Liaoning 116011 China

出版时间: 2026-08-25 doi: 10.12102/j.issn.1009-6493.2026.16.023

文章导航

摘要

收起

目的

综述ICU病人连续性肾脏替代治疗（CRRT）非计划下机风险预测模型，为医护人员选择或开发合适的风险预测模型提供循证依据。

方法

系统检索OVID、CINAHL、PubMed、Web of Science、Cochrane Library、EMbase、中国知网、维普数据库、万方数据库、中国生物医学文献数据库等中英文数据库中的相关研究，检索时限为建库至2025年8月12日。

结果

共纳入19项研究，涉及28个模型，样本量为79~2 531例。28个模型的受试者工作特征曲线下面积为0.705~0.978，17项研究报告了模型校准方法。19项研究总体适用性较好，但仍存在较高的偏倚风险，主要集中在数据分析领域。

结论

ICU病人CRRT非计划下机风险预测模型尚处在发展阶段，未来应进一步提高相关模型研究的质量，尤其是在预测因子选择、模型评价等方面应更加规范，以期为临床制定个体化干预策略提供有效工具。

关键词

重症监护室 / 连续性肾脏替代治疗 / 非计划下机 / 预测模型 / 范围综述 / 循证护理

Abstract

收起

Objective

To review the risk prediction models of unplanned discontinuation of continuous renal replacement therapy(CRRT) in ICU patients,and to provide evidence-based guidance for healthcare providers in selecting or developing appropriate risk prediction models.

Methods

This study systematically retrieved relevant studies from Chinese and English databases such as OVID,CINAHL,PubMed,Web of Science,Cochrane Library,EMbase,CNKI,VIP,WanFang,and China Biomedical Literature Database.The search period was from the establishment of the databases to August 12, 2025.

Results

A total of 19 studies were included,involving 28 models.Sample sizes ranged from 79 to 2 531 cases.The area under curve(AUC) for the 28 models ranged from 0.705 to 0.978.Calibration methods were reported in 17 studies.The overall applicability of the 19 studies was good,but there was still a relatively high risk of bias,mainly concentrated in the field of data analysis.

Conclusions

The risk prediction models of unplanned discontinuation of CRRT in ICU patients are still in the development stage.Future research should further improve the quality of related model studies,especially in aspects such as the selection of predictive factors and model evaluation,so as to provide effective tools for clinical practitioners to formulate individualized intervention strategies.

Key words

intensive care unit,ICU / continuous renal replacement therapy / unplanned disconnection / prediction model / scoping review / evidence-based nursing

引用本文

王梦倩, 刘秀梅, 丛珊珊, 贾云艳, 唐妍, 康艳楠. ICU病人连续性肾脏替代治疗非计划下机风险预测模型的范围综述. 护理研究, 2026 , 40 (16) : 2925 -2934 . DOI: 10.12102/j.issn.1009-6493.2026.16.023

Mengqian WANG, Xiumei LIU, Shanshan CONG, Yunyan JIA, Yan TANG, Yannan KANG. Risk predictive models of unplanned discontinuation of continuous renal replacement therapy in ICU patients：a scoping review[J]. Chinese Nursing Research, 2026 , 40 (16) : 2925 -2934 . DOI: 10.12102/j.issn.1009-6493.2026.16.023

正文

收起

连续性肾脏替代治疗（continuous renal replacement therapy，CRRT）是指基于扩散、超滤、对流和吸附的生理学原理模拟肾脏功能，缓慢清除体内水分和内毒素等物质的一种血液净化方式^[1-2]。我国发布的《血液净化标准操作规程》^[3]推荐出现危及生命的并发症时应立即启动连续性肾脏替代治疗，目前连续性肾脏替代治疗的治疗已经成为抢救急危重病人的最有效的方法之一^[4]。ICU病人常合并凝血功能障碍、免疫功能抑制及多器官功能衰竭等严重并发症，致使病人对连续性肾脏替代治疗的治疗耐受性差，是非计划性下机的重要原因之一^[5-6]。连续性肾脏替代治疗非计划下机是指病人在实施连续性肾脏替代治疗过程中因各种原因被迫停止治疗^[7]，治疗时间短于24 h或没有完成连续性肾脏替代治疗目标而提前终止治疗的现象^[8-9]，其发生率较高，为17.9%~74.6%^[10-11]。非计划下机不仅会影响连续性肾脏替代治疗的治疗剂量，还可能导致病人液体超负荷、电解质紊乱和代谢紊乱，增加感染风险和住院时间，最终增加病人的死亡风险^[12-13]。因此，减少连续性肾脏替代治疗非计划下机的发生对改善ICU病人的预后至关重要^[14]。早期识别连续性肾脏替代治疗非计划性下机高风险病人，及时对其采取针对性干预措施具有重要临床意义。近年来，连续性肾脏替代治疗非计划下机相关的风险预测模型研究逐渐增多，但其研究质量参差不齐，高质量循证医学证据的应用受到限制。本研究对ICU病人连续性肾脏替代治疗非计划下机风险预测模型的基本特征、构建方法、预测因子及性能等方面进行范围综述，以期为制定个性化的连续性肾脏替代治疗方案提供参考依据，并为未来连续性肾脏替代治疗非计划下机风险预测模型的研究提供方向。

1　研究方法

收起

1.1　确定研究问题

ICU病人连续性肾脏替代治疗非计划下机的风险预测模型的构建方法有哪些？纳入哪些预测因子？这些模型的性能如何？使用了哪些校准方法？模型是否进行了内外部验证？采用哪种内外部验证方法？

1.2　文献检索策略

系统检索OVID、CINAHL、PubMed、EMbase、Web of Science、Cochrane Library、中国知网、维普数据库、万方数据库、中国生物医学文献数据库（CBM）等中英文数据库，检索时限为建库至2025年8月12日。采用主题词与自由词相结合的方法，并通过文献追溯法进行检索。中文数据库以中国知网为例，检索式为：（SU=‘重症监护’+‘重症’+‘重症病人’+‘ICU’） AND（SU=‘连续性肾脏替代治疗’+‘CRRT’+‘血液净化’） AND （SU=‘非计划性下机’+‘非计划下机’+‘意外’+‘非计划’+‘非计划撤机’+‘中断’+‘意外’）。英文数据库以PubMed为例，检索策略如下：

#1 intensive care unit[MeSH Terms] OR critical care[MeSH Terms] OR critical illnesses[Title/Abstract] OR intensive care[Title/Abstract] OR ICU[Title/Abstract] OR intensive care[Title/Abstract]

#2 continuous renal replacement therapy[MeSH Terms] OR continuous blood purification[Title/Abstract] OR CRRT[Title/Abstract] OR continuous renal replacement therap*[Title/Abstract] OR CVVH[Title/Abstract] OR CVVHD[Title/Abstract] OR CVVHDF[Title/Abstract]

#3 extracorporeal circulation clotting[Title/Abstract] OR filter lifespan[Title/Abstract] OR circuit lifeblood coagulation[Title/Abstract] OR coagulation[Title/Abstract] OR unplanned disembarkation[Title/Abstract] OR longevity[Title/Abstract] OR unplanned[Title/Abstract] OR premature termination[Title/Abstract] OR unexpected stop*[Title/Abstract] OR unscheduled end*[Title/Abstract] OR circuit failure[Title/Abstract] OR filter clotting[Title/Abstract] OR weaning[Title/Abstract] OR discontinuation[Title/Abstract] OR cessation[Title/Abstract] OR failure[Title/Abstract]

#4 risk assessment[MeSH Terms] OR models,statistical[MeSH Terms] OR risk prediction model[Title/Abstract] OR forecasting[Title/Abstract] OR Nomogram[Title/Abstract] OR risk analysis[Title/Abstract] OR screening[Title/Abstract] OR mass screening[Title/Abstract] OR tool*[Title/Abstract] OR score*[Title/Abstract] OR machine learning[Title/Abstract] OR filter failure[Title/Abstract]

#5 #1 AND #2 AND #3 AND #4

1.3　文献纳入与排除标准

纳入标准：研究对象为行连续性肾脏替代治疗的病人；研究内容为ICU病人连续性肾脏替代治疗非计划下机风险预测模型构建或验证的研究；文章研究类型包括横断面研究、队列研究以及病例对照研究。排除标准：会议摘要；重复发表；无法获取全文；无法提取数据。

1.4　文献筛选与数据提取

2名研究者根据CHARMS清单^[15]制定标准化表格提取数据，并通过EndNote进行文献管理，根据标题、摘要和全文阅读进行文献筛选。对纳入研究的基本特征、模型建立情况及模型性能等信息进行归纳整理。所有流程均采用双人独立操作及交叉核验，如有分歧，与第3名研究者共同讨论解决。

1.5　纳入文献质量评价

2名研究者分别参照Cochrane协作网推荐的预测模型偏倚风险评估工具（PROBAST）^[16]，独立完成对纳入文献的偏倚风险及临床适用性的评估。偏倚风险的评估涵盖研究对象、预测因子、结局指标及统计分析4个方面，而临床适用性评估则主要基于研究对象、预测因子和结局指标进行判断。

2　结果

收起

2.1　文献筛选流程

共检索到2 793篇文献，其中，中国知网112篇，维普数据库129篇，万方数据库156篇，CBM 49篇，PubMed 885篇，EMbase 228篇，Web of Science 404篇，Cochrane Library 459篇，CINAHL 192篇，OVID 179篇。经初步筛选及全文阅读后复筛，最终纳入文献19篇^[17-35]，其中中文12篇，英文7篇。

2.2　纳入文献研究的基本特征

纳入的19项文献^[17-35]中3项^[18,24,35]为前瞻性队列研究，16项^{[17,19-23,25-34]}为回顾性队列研究；主要预测结局为各种原因引起的连续性肾脏替代治疗非计划下机，以滤器凝血导致的非计划下机为主。连续性肾脏替代治疗非计划下机的指征：1）过滤器跨膜压>300 mmHg及较高的过滤器凝血分级，0级为过滤器内无凝血或仅少量凝血，Ⅰ级为过滤器凝血面积小于10%，Ⅱ级为过滤器凝血面积为10%~50%，Ⅲ级为过滤器凝血面积大于50%；2）过滤器中空纤维血凝块生成或连续性肾脏替代治疗通路中存在肉眼可见的1个或多个血凝块致连续性肾脏替代治疗血流通路堵塞；3）各种原因导致的血泵停止且无法恢复。纳入文献的基本特征见表1。

2.3　模型建立情况

纳入的19项研究^[17-35]中共涉及28个模型，样本量为79~2 531例。多数研究^{[18-23,25-27,29-33]}采用Logistic回归进行建模，3项研究^[24,34-35]通过COX比例风险回归构建模型，3项研究^[17,28,34]采用决策树、支持向量机、随机森林等机器学习算法建模。9项研究^{[17-18,20-21,23,25,27,31-32]}未阐述有关缺失数据及处理的内容，缺失数据处理方法主要为直接删除^{[19,22,29,35]}、多重插补^{[24,26,28,30]}。其他模型建立情况见表2。预测模型纳入预测因子1~13个，部分预测因子重复出现，报告重复出现3次及以上预测因子见表3。

2.4　预测模型的性能基本情况

纳入的19项研究^[17-35]中模型受试者工作特征曲线下面积（AUC）为0.705~0.978，总体预测性能良好（AUC>0.7）。有2项研究^[28,34]未给出模型校准方法，10项研究^{[19,22-25,27,29-31,35]}通过Hosmer-Lemeshow（H-L）拟合优度检验给出了P值，P≥0.05表明模型一致性良好，10项研究^{[17-21,24,26,30,32-33]}通过校准曲线进行校准。在模型验证方面，10项研究^{[18-22,24,26,30,32-33]}报告通过Bootstrap法进行内部验证，10项研究^{[18,23-27,29,32-33,35]}运用了外部验证的方法。其他模型性能见表4。

2.5　偏倚风险和适用性评价

根据PROBAST评估，纳入19项研究^[17-35]整体存在高偏倚风险，适用性风险较低。其高偏倚风险主要集中在预测因子和数据分析领域。16项^{[17,19-23,25-34]}回顾性研究中预测因子在结局发生后测量可能导致预测效能与真实情况存在显著偏差；2项研究^[21,34]的样本量较少，增加模型过拟合风险；4项研究^{[22,30,32,35]}将连续性变量转化为分类变量进行处理；9项研究^{[17-18,20-21,23,25,27,31-32]}未阐述有关缺失数据及处理的内容；4项研究^{[19,22,29,35]}报告缺失数据处理为直接删除，可能导致结果偏差，模型区分能力被高估；多数研究^{[18,21-27,30,32]}基于单变量分析筛选变量；普遍忽略多重共线性处理，如血流量与跨膜压、APTT与凝血酶原时间之间是否存在高度相关，可能导致回归系数估计偏差或检验连续变量非线性关系，易诱发模型设定偏倚及过拟合；10项研究^{[18,23-27,29,32-33,35]}进行了外部验证，缺乏外部验证会导致泛化性证据不足，可能会出现模型性能评估上的乐观偏差，见表5。

3　讨论

收起

3.1　不同模型之间预测因子存在异质性

本研究结果显示，连续性肾脏替代治疗非计划下机预测模型中各模型纳入的预测因子差异显著，变量组合均不一致。归纳模型纳入的预测因子可分为病人自身因素、血流动力学因素、凝血功能因素及其他治疗因素4个类别，其中，血小板计数、APTT、血流速度、跨膜压、血流量不足为主要预测因子，在模型中出现频次高，提示与非计划下机有较强的关联性。此外，由于各模型对血流量与跨膜压、APTT与凝血酶原时间等潜在共线性变量的处理存在差异，进一步导致模型预测因子结果差异。临床医护人员应重点关注上述预测因子，规范相关数据的采集与监测，精准识别高危风险并实施针对性护理干预，以降低非计划下机的发生风险。未来研究应深入分析连续性肾脏替代治疗非计划下机影响因素，在建模前充分利用数据挖掘技术，从病人基线资料、评估量表、实验室指标及病史资料中全面筛选潜在预测因子，同时结合临床实际与病人个体情况，根据脓毒症、急性肾损伤等不同疾病特征甄选合适的变量纳入模型，从而提升连续性肾脏替代治疗非计划下机预测模型的准确性与临床适用性。

3.2　ICU病人连续性肾脏替代治疗非计划下机风险预测模型预测性能尚可，但存在一定偏倚风险

本研究共纳入了28个预测模型，模型AUC为0.705~0.978，表明预测性能良好，但大部分存在较高的偏倚风险，主要源于研究数据处理盲法的缺失、缺失值处理方法的描述不足、预测因子筛选的方法不当以及缺乏外部验证等，其结局指标为连续性肾脏替代治疗非计划下机，判定标准参考《血液净化标准操作规程》，定义客观、可量化，避免主观判定偏差，同时判定依据基于设备监测数据和肉眼观察，均为临床可验证指标，无判定偏倚。为优化未来模型构建，建议从研究对象、预测因子、结果、统计分析4个方面改进。1）研究对象纳入适宜样本量以确保数据准确性与代表性，并降低人群异质性。样本量需要满足每个自变量对应的事件数（EPV）20倍以上^[36]，以增强模型可靠性。EPV<10可能会导致过度拟合；验证样本量<100例可能会引入偏倚^[37]，机器学习算法尤其需要大规模数据以维持模型稳定性^[38]。选择合适的方法进行缺失值的处理，在数据整理与方案设计阶段应注意缺失值的处理，降低模型的偏倚风险^[39]。2）预测因子领域：连续性变量原则上应保留其连续属性，避免不必要的类别转换。如确需转换，应通过内部验证并采用回归系数收缩法以减少过度拟合^[40]。在测量预测因子和结局指标时，应采用盲法评估，最大限度减少主观偏倚。3）结果领域：预测因子评估和结局评估的时间间隔应合理设置，以确保结果记录的准确性。4）统计分析领域：预测模型研究必须包含充分的内部验证与外部验证，以评估过度拟合风险、优化模型参数、提升性能，从而支持临床转化决策。避免仅依赖单变量分析筛选预测因子，这种方法难以全面评估变量间的共线性及交互作用，并且可能由于自变量的缺失导致结果产生偏倚^[16]。在后续开发风险预测模型时，建议遵循PROBAST的标准与规范，着重关注模型构建过程中的细节处理和验证环节，从而为临床实践提供更科学、精准的预测工具。

3.3　ICU病人连续性肾脏替代治疗非计划下机风险预测模型仍处于发展阶段

本研究纳入的19项研究^[17-35]发表时间集中在近几年，表明ICU病人连续性肾脏替代治疗非计划下机风险预测模型日益受到临床关注。但目前普遍缺乏外部验证且多为单中心，限制了其预测效能及泛化能力。其单中心研究可能受地域医疗水平、病人基线特征、治疗方案同质化等因素限制；缺乏外部验证会影响模型的可靠性、泛化性和临床实用性，阻碍临床转化与应用。同时在模型构建方面，现有的建模方法选择过于单一，大多采用传统的Logistic回归建立模型，易存在处理多重共线性数据的局限性，机器学习算法在处理数据和特征筛选方面表现出更高的包容性和灵活性，可提升模型的预测性能，其构建的模型预测性能多数优于Logistic回归构建的模型，因此临床护理研究需要与信息技术进行紧密结合^[39]。Wang等^[17]构建LSTM模型通过50 min周期和滚动预测机制和在线学习，实现跨膜压趋势的实时更新，平均预警时间达23 min，为临床干预提供充足窗口。Liu等^[28]通过回顾性分析采用8种机器学习算法构建预测模型，并通过SHAP分析识别出血小板、滤过分数、三酰甘油为影响凝血风险的关键预测因子，为临床制定个性化连续性肾脏替代治疗策略、降低回路凝血风险提供了有效参考。Yang等^[26,33]通过Logistic回归模型虽在区分度和校准度上表现优异，但多基于基线静态指标，无法捕捉治疗过程中病人生理状态的动态变化，预警时效性较弱。虽然机器学习算法可以对大数据进行高效管理，但Logistic回归模型的临床可操作性更强，列线图可通过可视化评分直接计算风险概率，医护人员无需专业算法背景也可应用，而LSTM模型需依赖连续性肾脏替代治疗设备实时数据接口与算法部署，对基层医院技术条件要求较高。在未来研究中，可尝试运用随机森林、支持向量机等机器学习算法构建相关预测模型。

3.4　对临床护理工作及研究的启示

现阶段，ICU病人连续性肾脏替代治疗非计划下机风险预测模型的相关研究多集中在模型的开发上，较少应用于临床，呈现出重开发轻应用的不平衡局面，可能是由于部分模型的复杂性、应用环境的差异以及医护人员基于数字决策指导临床实践的意识不强，同时由于病人病情和治疗情况不断变化，模型需要持续更新以适应新的数据和临床情况。但目前很多模型开发后缺乏后续的更新维护，随着时间推移模型的预测准确性下降，难以满足临床实际需求，从而阻碍了其在临床中的长期应用。本研究纳入的各类连续性肾脏替代治疗非计划下机风险预测模型，为临床护理提供了基于病人群体特征与治疗参数的分层干预依据，可助力护理人员实现个体化评估并进行针对性干预的精准护理模式。针对老年急性心力衰竭病人，借助列线图可快速完成基线风险筛查；对导管出口功能不良评分>30分或连续性肾脏替代治疗每小时治疗量>160 mL的高危病人，护理中应优先协助医生选择股静脉置管以降低导管相关风险，并通过调整置换液速率减少血液浓缩^[18]。对于重症胰腺炎病人，若模型提示肝素抗凝风险较高，护理人员需重点落实局部枸橼酸抗凝方案的执行，密切监测血流速度，确保维持在180 mL/min以上，避免因血流缓慢导致血液滞留引发凝血^[21]。针对无抗凝连续性肾脏替代治疗病人，通过Liu等^[28]构建的模型，当识别病人血小板计数>150×10⁹/L、滤过分数>25%时，需将跨膜压监测频次提升至2 h监测1次，动态观察回路状态，必要时协助医生调整超滤速率以降低凝血风险。对于局部枸橼酸抗凝的病人，依据Chen等^[24]模型提示，当静脉压>45 mmHg 时，应立即执行管路冲洗操作，防止凝血进展导致治疗中断。此外，Wang等^[17]提出的LSTM模型可与连续性肾脏替代治疗设备终端集成，实现跨膜压动态监测与自动预警，该功能在夜班、节假日等医护人力相对紧张的场景中优势显著，能有效减少因人工监测疏漏导致的非计划下机，为护理安全提供技术支撑。

医护人员对于非计划下机以及预测模型的认知及接受度可能不足^[41]，建议强化对医护人员的培训和教育，提升对数字决策支持工具的信任度，促进模型向临床实践的转化。为提升临床工作效率，可将预测模型整合至电子病历及医疗管理信息系统中，并借助网页计算器、评分量表或热力图等可视化形式进行展示，构建适用于ICU病人连续性肾脏替代治疗非计划下机的自动化评估工具，实现非计划下机风险的实时评估，从而显著提高护理工作的效率与质量。

4　小结

收起

现有模型整体展现出较好的性能以及适用性，然而仍存在较高的偏倚风险，且缺少外部验证。未来的研究需借助大样本量、前瞻性、多中心设计，且经过严格内外部验证的研究，以构建更为可靠的预测模型。同时还要结合人工智能和大数据技术，强调模型应用与临床经验的融合，开发更为精准且可动态更新的预测工具，从而对ICU病人连续性肾脏替代治疗非计划下机风险进行及时评估，并为个体化干预提供循证依据。

参考文献

收起

文献

收起

参考文献引证文献

排序方式：

Luo

T G

,Lin

,Huang

H C

.Clinical impact and safety of continuous renal replacement therapy in critically ill patients with solid tumors and acute kidney injury:a retrospective cohort analysis[J].American Journal of Cancer Research,2025,15(7):3267-3285.

Alkubati

S A

,Alfaraaj

A A

,Almoliky

M A

,et al.Exploring the readiness of critical care in implementing continuous renal replacement therapy in hail hospitals,Saudi Arabia:findings for acute kidney injury patient care improvement[J].Healthcare,2025,13(18).

https://doi.org/10.3390/healthcare13182320

陈香美.血液净化标准操作规程[M].北京:人民卫生出版社,2021:1.

Raina

,Kashani

,Sethi

S K

,et al.Liberation from continuous renal replacement therapy due to renal recovery in adults and children:a literature review and Delphi consensus on clinical practice[J].Critical Care,2025,29(1):287.

Zeng

,Shen

Y Q

,Wan

,et al.Risk factors for unplanned weaning of continuous renal replacement therapy in ICU patients:a meta-analysis[J].Renal Failure,2024,46(2):2387431.

Kim

I B

,Fealy

,Baldwin

,et al.Premature circuit clotting due to likely mechanical failure during continuous renal replacement therapy[J].Blood Purification,2010,30(2):79-83.

查丽玲,周松,江榕.ICU行枸橼酸抗凝CRRT病人非计划性下机影响因素研究[J].护理研究,2018,32(18):2926-2930.

Zarbock

,Küllmar

,Kindgen-Milles

,et al.Effect of regional citrate anticoagulation vs systemic heparin anticoagulation during continuous kidney replacement therapy on dialysis filter life span and mortality among critically ill patients with acute kidney injury:a randomized clinical trial[J].JAMA,2020,324(16):1629-1639.

Tsujimoto

,Tsujimoto

,Nakata

,et al.Pharmacological interventions for preventing clotting of extracorporeal circuits during continuous renal replacement therapy[J].Cochrane Database of Systematic Reviews,2020,3(1):CD012467.

Brain

,Winson

,Roodenburg

,et al.Non anti-coagulant factors associated with filter life in continuous renal replacement therapy(CRRT):a systematic review and meta-analysis[J].BMC Nephrology,2017,18(1):69.

彭莉,赵振华,蔡雪,等.ICU患者RCA-CRRT非计划下机影响因素的研究进展[J].现代医学,2024,52(8):1294-1298.

Murugan

,Hoste

,Mehta

R L

,et al.Precision fluid management in continuous renal replacement therapy[J].Blood Purification,2016,42(3):266-278.

Foglia

M J

,Pelletier

J H

,Bayir

,et al.Tandem therapeutic plasma exchange reduces continuous renal replacement therapy downtime[J].Blood Purification,2022,51(6):523-530.

Kellum

J A

,Ronco

.The 17th acute disease quality initiative international consensus conference:introducing precision renal replacement therapy[J].Blood Purification,2016,42(3):221-223.

Moons

K G M

,de Groot

J A H

,Bouwmeester

,et al.Critical appraisal and data extraction for systematic reviews of prediction modelling studies:the CHARMS checklist[J].PLoS Medicine,2014,11(10):e1001744.

Moons

K G M

,Wolff

R F

,Riley

R D

,et al.PROBAST:a tool to assess risk of bias and applicability of prediction model studies:explanation and elaboration[J].Annals of Internal Medicine,2019,170(1):W1-W33.

Wang

F Z

,Zhang

,Tan

,et al.A predictive model for real-time LSTM methods:monitoring dynamic transmembrane pressure improves loop life and anticoagulant therapy accuracy in continuous renal replacement therapy[J].Technology and Health Care,2025,33(5):2305-2319.

何淑雅,丁玲玲.老年急性心力衰竭患者连续性肾脏替代治疗非计划性下机的影响因素及预测模型构建[J].中国急救医学,2025,45(7):619-624.

刘倩,张明,孙邵婷,等.构建评估连续性肾脏替代治疗抗凝失败风险的列线图模型[J].中国血液净化,2025,24(4):278-282.

全梓林,尹燕,崔冬梅,等.基于列线图构建儿童连续性肾脏替代治疗体外循环衰竭预测模型[J].中国血液净化,2025,24(1):13-17.

李林莉,杨家慧.重症胰腺炎CRRT治疗患者发生非计划性下机预测模型的建构[J].转化医学杂志,2025,14(3):16-21.

蒋丽丽,於环环,陶镜羽,等.连续性肾脏替代治疗非计划性下机的影响因素研究及预测模型构建[J].中西医结合护理(中英文),2025,11(2):157-160.

孙媛,顾云雨,黄燕.尿毒症患者应用CRRT时体外循环装置凝血的危险因素及预警模型[J].中国现代医生,2025,63(1):38-42.

Chen

Z B

,Pan

L G

,Zhang

,et al.Development and validation of a nomogram for circuit lifespan of regional citrate anticoagulation-continuous renal replacement therapy in intensive care patients with acute kidney injury[J].Nursing in Critical Care,2025,30(4):e13196.

贾燕,李娜,刘考,等.连续性肾脏替代治疗滤器凝血风险预测模型的构建及验证[J].智慧健康,2024,10(25):68-72.

Yang

E M

,Wang

Q H

,Guo

,et al.Development and external validation of a prediction model for the premature circuit clotting of continuous renal replacement therapy in critically ill patients[J].Intensive & Critical Care Nursing,2024,84:103703.

许红妍,任奇,祝利红,等.连续性肾脏替代治疗非计划下机风险预测模型的构建与外部验证[J].中华危重病急救医学,2024,36(5):520-526.

Liu

,Liu

D S

,He

,et al.Coagulation risk predicting in anticoagulant-free continuous renal replacement therapy[J].Blood Purification,2024,53(11/12):916-927.

胡璐璐,牛洪艳,韩小云,等.连续性肾脏替代治疗体外循环装置凝血风险预测模型的构建与验证[J].中华护理杂志,2023,58(15):1845-1851.

吴玲玲.脓毒症患者血液净化非计划性下机影响因素分析及风险预测模型构建[D].遵义:遵义医科大学,2023.

万娜,于洋,王淑芹,等.ECMO联合应用期间CRRT非计划性下机的预测模型构建[J].护理学杂志,2022,37(12):6-9.

常蓉,李玲玲.连续性肾脏替代治疗患者发生管路凝血预测模型的构建[J].临床肾脏病杂志,2022,22(12):1016-1022.

Zhang

,Bai

,Zhang

,et al.Development and external validation of a model for predicting sufficient filter lifespan in anticoagulation-free continuous renal replacement therapy patients[J].Blood Purification,2022,51(8):668-678.

Kakajiwala

,Jemielita

,Hughes

J Z

,et al.Membrane pressures predict clotting of pediatric continuous renal replacement therapy circuits[J].Pediatric Nephrology,2017,32(7):1251-1261.

,Liang

X L

,Song

,et al.Building and validation of a prognostic model for predicting extracorporeal circuit clotting in patients with continuous renal replacement therapy[J].International Urology and Nephrology,2014,46(4):801-807.

陈香萍,张奕,庄一渝,等.PROBAST:诊断或预后多因素预测模型研究偏倚风险的评估工具[J].中国循证医学杂志,2020,20(6):737-744.

Yang

P F

,Yang

,Wang

,et al.Risk prediction models for post-intensive care syndrome of ICU discharged patients:a systematic review[J].International Journal of Nursing Sciences,2025,12(1):81-88.

高瑞磊,王丹,戴国华,等.心力衰竭患者出院后再入院风险预测模型的系统评价[J].中国胸心血管外科临床杂志,2025,32(5):677-684.

周淼,陈星,彭飞,等.ICU患者中心静脉导管相关血流感染风险预测工具的系统评价[J].中华护理杂志,2025,60(9):1132-1139.

Moons

K G

,Kengne

A P

,Woodward

,et al.Risk prediction models:I.Development,internal validation,and assessing the incremental value of a new (bio)marker[J].Heart,2012,98(9):683-690.

Przybyl

,Androwich

,Evans

.Using high-fidelity simulation to assess knowledge,skills,and attitudes in nurses performing CRRT[J].Nephrology Nursing Journal,2015,42(2):135-147.

2026年第40卷第16期

引用本文

BibTeX

文章信息

doi: 10.12102/j.issn.1009-6493.2026.16.023

接收时间：2025-09-25
首发时间：2026-10-30
出版时间：2026-08-25

补充材料

相关文章

文章信息

作者

出版历史

收稿日期：2025-09-25
修回日期：2026-07-26

基金

作者信息

¹大连医科大学附属第一医院，辽宁 116011

通讯作者:

康艳楠，E-mail：15165067126@163.com

KANG Yannan, E-mail： 15165067126@163.com

参考文献

分享链接

https://castjournals.cast.org.cn/joweb/hlyj/CN/10.12102/j.issn.1009-6493.2026.16.023

分享至

全文二维码

扫描看全文

引用本文

BibTeX

本文的引用情况

2种不同金属材料的力学参数

科 Family	属数 Number of genus	种数 Number of species	占总种数比例 Percentage of total species (%)	属 Genus	种数 Number of species	占总种数比例 Percentage of total species (%)
鹅膏菌科Amanitaceae	2	11	5.26	鹅膏菌属 Amanita	10	4.78
小菇科 Mycenaceae	2	12	5.74	丝盖伞属 Inocybe	5	2.39
多孔菌科 Polyporaceae	8	14	6.70	蜡蘑属 Laccaria	5	2.39
红菇科 Russulaceae	3	23	11.00	小皮伞属 Marasmius	6	2.87
				小菇属 Mycena	11	5.26
				光柄菇属 Pluteus	5	2.39
				红菇属 Russula	17	8.13
				栓菌属 Trametes	5	2.39

关闭全屏

BibTeX
EndNote
RefWorks
TxT

作者	发表年份	国家	研究类型	研究对象	结局定义	结局事件发生率（%）
Wang等^[17]	2025年	中国	回顾性队列研究	接受连续性肾脏替代治疗的急性肾损伤ICU病人	连续性肾脏替代治疗因凝血导致治疗中断	11.90
何淑雅等^[18]	2025年	中国	前瞻性队列研究	接受连续性肾脏替代治疗的急性心力衰竭ICU病人	连续性肾脏替代治疗非计划下机	22.58
刘倩等^[19]	2025年	中国	回顾性队列研究	接受连续性肾脏替代治疗的成年ICU病人	连续性肾脏替代治疗因凝血导致治疗中断	29.76
全梓林等^[20]	2025年	中国	回顾性队列研究	接受连续性肾脏替代治疗的儿童ICU病人	连续性肾脏替代治疗因凝血导致治疗中断	58.90
李林莉等^[21]	2025年	中国	回顾性队列研究	接受连续性肾脏替代治疗的胰腺炎ICU病人	连续性肾脏替代治疗非计划下机	37.65
蒋丽丽等^[22]	2025年	中国	回顾性队列研究	接受连续性肾脏替代治疗的成年ICU病人	连续性肾脏替代治疗非计划下机	8.46
孙媛等^[23]	2025年	中国	回顾性队列研究	接受连续性肾脏替代治疗的尿毒症ICU病人	连续性肾脏替代治疗非计划下机	25.24
Chen等^[24]	2025年	中国	前瞻性队列研究	接受连续性肾脏替代治疗的急性肾损伤ICU病人	连续性肾脏替代治疗因凝血导致治疗中断	23.76
贾燕等^[25]	2024年	中国	回顾性队列研究	接受连续性肾脏替代治疗的成年ICU病人	连续性肾脏替代治疗因凝血导致治疗中断	19.46
Yang等^[26]	2024年	中国	回顾性队列研究	接受连续性肾脏替代治疗的成年ICU病人	连续性肾脏替代治疗因凝血导致治疗中断	31.85
许红妍等^[27]	2024年	中国	回顾性队列研究	接受连续性肾脏替代治疗的成年ICU病人	连续性肾脏替代治疗非计划下机	28.10
Liu等^[28]	2024年	中国	回顾性队列研究	接受无抗凝剂连续性肾脏替代治疗的ICU病人	连续性肾脏替代治疗因凝血导致治疗中断	41.51
胡璐璐等^[29]	2023年	中国	回顾性队列研究	接受连续性肾脏替代治疗的成年ICU病人	连续性肾脏替代治疗因凝血导致治疗中断	30.60
吴玲玲^[30]	2023年	中国	回顾性队列研究	接受连续性肾脏替代治疗的成年ICU病人	连续性肾脏替代治疗非计划下机	59.66
万娜等^[31]	2022年	中国	回顾性队列研究	接受体外膜肺氧合（ECMO）联合连续性肾脏替代治疗的ICU病人	连续性肾脏替代治疗非计划下机	61.80
常蓉等^[32]	2022年	中国	回顾性队列研究	接受连续性肾脏替代治疗的成年ICU病人	连续性肾脏替代治疗非计划下机	17.90
Zhang等^[33]	2022年	中国	回顾性队列研究	接受无抗凝连续性肾脏替代治疗的ICU病人	连续性肾脏替代治疗因凝血导致治疗中断	47.00
Kakajiwala等^[34]	2017年	美国	回顾性队列研究	接受连续性肾脏替代治疗的ICU儿童病人	连续性肾脏替代治疗非计划下机	64.60
Fu等^[35]	2014年	中国	前瞻性队列研究	接受连续性肾脏替代治疗的成年ICU病人	连续性肾脏替代治疗因凝血导致治疗中断	66.60

作者

发表
年份

国家

研究类型

研究对象

结局定义

结局事件
发生率（%）

Wang等^[17]

2025年

中国

回顾性队列研究

接受连续性肾脏替代治疗的急性肾损伤ICU病人

连续性肾脏替代治疗因凝血导致治疗中断

11.90

何淑雅等^[18]

2025年

中国

前瞻性队列研究

接受连续性肾脏替代治疗的急性心力衰竭ICU病人

连续性肾脏替代治疗非计划下机

22.58

刘倩等^[19]

2025年

中国

回顾性队列研究

接受连续性肾脏替代治疗的成年ICU病人

连续性肾脏替代治疗因凝血导致治疗中断

29.76

全梓林等^[20]

2025年

中国

回顾性队列研究

接受连续性肾脏替代治疗的儿童ICU病人

连续性肾脏替代治疗因凝血导致治疗中断

58.90

李林莉等^[21]

2025年

中国

回顾性队列研究

接受连续性肾脏替代治疗的胰腺炎ICU病人

连续性肾脏替代治疗非计划下机

37.65

蒋丽丽等^[22]

2025年

中国

回顾性队列研究

接受连续性肾脏替代治疗的成年ICU病人

连续性肾脏替代治疗非计划下机

8.46

孙媛等^[23]

2025年

中国

回顾性队列研究

接受连续性肾脏替代治疗的尿毒症ICU病人

连续性肾脏替代治疗非计划下机

25.24

Chen等^[24]

2025年

中国

前瞻性队列研究

接受连续性肾脏替代治疗的急性肾损伤ICU病人

连续性肾脏替代治疗因凝血导致治疗中断

23.76

贾燕等^[25]

2024年

中国

回顾性队列研究

接受连续性肾脏替代治疗的成年ICU病人

连续性肾脏替代治疗因凝血导致治疗中断

19.46

Yang等^[26]

2024年

中国

回顾性队列研究

接受连续性肾脏替代治疗的成年ICU病人

连续性肾脏替代治疗因凝血导致治疗中断

31.85

许红妍等^[27]

2024年

中国

回顾性队列研究

接受连续性肾脏替代治疗的成年ICU病人

连续性肾脏替代治疗非计划下机

28.10

Liu等^[28]

2024年

中国

回顾性队列研究

接受无抗凝剂连续性肾脏替代治疗的ICU病人

连续性肾脏替代治疗因凝血导致治疗中断

41.51

胡璐璐等^[29]

2023年

中国

回顾性队列研究

接受连续性肾脏替代治疗的成年ICU病人

连续性肾脏替代治疗因凝血导致治疗中断

30.60

吴玲玲^[30]

2023年

中国

回顾性队列研究

接受连续性肾脏替代治疗的成年ICU病人

连续性肾脏替代治疗非计划下机

59.66

万娜等^[31]

2022年

中国

回顾性队列研究

接受体外膜肺氧合（ECMO）联合连续性肾脏替代治疗的ICU病人

连续性肾脏替代治疗非计划下机

61.80

常蓉等^[32]

2022年

中国

回顾性队列研究

接受连续性肾脏替代治疗的成年ICU病人

连续性肾脏替代治疗非计划下机

17.90

Zhang等^[33]

2022年

中国

回顾性队列研究

接受无抗凝连续性肾脏替代治疗的ICU病人

连续性肾脏替代治疗因凝血导致治疗中断

47.00

Kakajiwala等^[34]

2017年

美国

回顾性队列研究

接受连续性肾脏替代治疗的ICU儿童病人

连续性肾脏替代治疗非计划下机

64.60

Fu等^[35]

2014年

中国

前瞻性队列研究

接受连续性肾脏替代治疗的成年ICU病人

连续性肾脏替代治疗因凝血导致治疗中断

66.60

纳入文献	模型构建	预测变量
Wang等^[17]	1	卡尔曼滤波			405	长短期记忆神经网络（LSTM）	跨膜压
何淑雅等^[18]	21	原值输入			217	Logistic回归	活化部分凝血活酶时间(APTT)、血细胞比容、导管功能、治疗剂量
刘倩等^[19]	21	原值输入		直接排除	168	Logistic回归	血小板计数、APTT、血流速度、跨膜压、血细胞比容、血泵停泵
全梓林等^[20]	25	原值输入			370	Logistic回归	乳酸、血流量不足、超滤速度、体重
李林莉等^[21]	14	原值输入			85	Logistic回归	血流速度、血细胞比容、抗凝方式、机械通气、凝血酶原时间/活动度、导管功能
蒋丽丽等^[22]	12	转为二分类变量		直接排除	532	Logistic回归	APTT、血流速度、机械通气、凝血酶原时间/活动度、输血/血制品、年龄
孙媛等^[23]	18	原值输入			300	Logistic回归	血小板计数、跨膜压、血流量不足、年龄、躁动
Chen等^[24]	24	原值输入		多重插补	404	COX比例风险回归模型	乳酸、平均动脉压、输血/血制品、血红蛋白、序贯器官衰竭评估（SOFA）评分
贾燕等^[25]	10	原值输入			369	Logistic回归	血管活性药物使用、血流量不足、超滤速度
Yang等^[26]	48	原值输入		多重插补	2 531	Logistic回归	跨膜压、血管活性药物使用、抗凝方式、体温、平均动脉压
许红妍等^[27]	12	原值输入			441	Logistic回归	血流速度、血泵停泵、导管功能、合并慢性病
Liu等^[28]	48	原值输入	11	多重插补	212	Logistic回归、决策树、支持向量机、随机森林、极端梯度提升、梯度提升决策树、分类提升、集成学习	血小板计数、滤过分数、三酰甘油
胡璐璐等^[29]	20	原值输入		直接排除	480	Logistic回归	血小板计数、APTT、血泵停泵、抗凝方式、血流量不足、治疗模式
吴玲玲^[30]	32	转为二分类变量		多重插补	295	Logistic回归	性别、体位、凝血酶原时间/活动度、纤维蛋白原、滤器类型
万娜等^[31]	15	原值输入			343	Logistic回归	血流速度、治疗模式、ECMO相关
常蓉等^[32]	15	转为二分类变量			484	Logistic回归	血小板计数血流速度、凝血酶原时间/活动度、治疗剂量、护士工作年限
Zhang等^[33]	37	原值输入		均值填补	214	Logistic回归	血小板计数、APTT、血管活性药物使用、体温、平均动脉压、直接胆红素、碱性磷酸酶、血尿素氮、D-二聚体、pH值、白细胞计数、体重指数、尿酸
Kakajiwala等^[34]	102	原值输入	20~100	时序样条插补	79	COX比例风险回归模型、Logistic回归、梯度提升机	跨膜压、活化凝血时间、过滤器压力(FP)
Fu等^[35]	30	转为二分类变量	196	直接排除	425	COX比例风险回归模型	APTT、血细胞比容、抗凝方式、乳酸、血流量不足

纳入文献

模型构建

预测变量

候选变量(个)

连续变量
处理

缺失数据（个）

缺失数据处理

样本量
(例)

建模方法

Wang等^[17]

卡尔曼滤波

405

长短期记忆神经网络（LSTM）

跨膜压

何淑雅等^[18]

原值输入

217

Logistic回归

活化部分凝血活酶时间(APTT)、血细胞比容、导管功能、治疗剂量

刘倩等^[19]

原值输入

直接排除

168

Logistic回归

血小板计数、APTT、血流速度、跨膜压、血细胞比容、血泵停泵

全梓林等^[20]

原值输入

370

Logistic回归

乳酸、血流量不足、超滤速度、体重

李林莉等^[21]

原值输入

Logistic回归

血流速度、血细胞比容、抗凝方式、机械通气、凝血酶原时间/活动度、导管功能

蒋丽丽等^[22]

转为二分类变量

直接排除

532

Logistic回归

APTT、血流速度、机械通气、凝血酶原时间/活动度、输血/血制品、年龄

孙媛等^[23]

原值输入

300

Logistic回归

血小板计数、跨膜压、血流量不足、年龄、躁动

Chen等^[24]

原值输入

多重插补

404

COX比例风险回归
模型

乳酸、平均动脉压、输血/血制品、血红蛋白、序贯器官衰竭评估（SOFA）评分

贾燕等^[25]

原值输入

369

Logistic回归

血管活性药物使用、血流量不足、超滤速度

Yang等^[26]

原值输入

多重插补

2 531

Logistic回归

跨膜压、血管活性药物使用、抗凝方式、体温、平均动脉压

许红妍等^[27]

原值输入

441

Logistic回归

血流速度、血泵停泵、导管功能、合并慢性病

Liu等^[28]

原值输入

多重插补

212

Logistic回归、决策树、支持向量机、随机森林、极端梯度提升、梯度提升决策树、分类提升、集成学习

血小板计数、滤过分数、三酰甘油

胡璐璐等^[29]

原值输入

直接排除

480

Logistic回归

血小板计数、APTT、血泵停泵、抗凝方式、血流量不足、治疗模式

吴玲玲^[30]

转为二分类变量

多重插补

295

Logistic回归

性别、体位、凝血酶原时间/活动度、纤维蛋白原、滤器类型

万娜等^[31]

原值输入

343

Logistic回归

血流速度、治疗模式、ECMO相关

常蓉等^[32]

转为二分类变量

484

Logistic回归

血小板计数血流速度、凝血酶原时间/活动度、治疗剂量、护士工作年限

Zhang等^[33]

原值输入

均值填补

214

Logistic回归

血小板计数、APTT、血管活性药物使用、体温、平均动脉压、直接胆红素、碱性磷酸酶、血尿素氮、D-二聚体、pH值、白细胞计数、体重指数、尿酸

Kakajiwala等^[34]

102

原值输入

20~100

时序样条插补

COX比例风险回归模型、Logistic回归、梯度提升机

跨膜压、活化凝血时间、过滤器压力(FP)

Fu等^[35]

转为二分类变量

196

直接排除

425

COX比例风险回归
模型

APTT、血细胞比容、抗凝方式、乳酸、血流量不足

预测因子	次数（次）	预测因子	次数（次）
血小板计数	6	血管活性药物使用	3
APTT	6	血泵停泵	3
血流速度	6	乳酸	3
跨膜压	5	平均动脉压	3
血流量不足	5	年龄	3
血细胞比容	4	导管功能	3
抗凝方式	4	治疗模式	3
凝血酶原时间/活动度	4

预测因子

次数（次）

预测因子

次数（次）

血小板计数

血管活性药物使用

APTT

血泵停泵

血流速度

乳酸

跨膜压

平均动脉压

血流量不足

年龄

血细胞比容

导管功能

抗凝方式

治疗模式

凝血酶原时间/活动度

作者	模型评价	变量筛选方法	校准方法		模型验证		模型呈现形式
Wang等^[17]	AUC=0.920，灵敏度=0.974，特异度=0.798	全部纳入	校准曲线	滚动预测和在线学习		算法框架
何淑雅等^[18]	AUC=0.936，灵敏度=0.800，特异度=1.000	单因素分析差异有统计学意义的变量(P<0.05)进行多因素Logistic回归	校准曲线	Bootstrap法 (1 000次抽样)	31	列线图
刘倩等^[19]	AUC=0.978(0.958，0.997)	LASSO回归	H-L检验(P=0.939)；校准曲线	Bootstrap法 (1 000次抽样)		列线图
全梓林等^[20]	AUC=0.891(0.856，0.925)	LASSO回归	校准曲线	Bootstrap法 (1 000次抽样)；10 折交叉验证		列线图
李林莉等^[21]	AUC=0.968(0.937，0.999)，灵敏度=0.969，特异度=0.906，Youden指数=0.875	单因素分析差异有统计学意义的变量(P<0.05)进行多因素Logistic回归	校准曲线	Bootstrap法 (1 000次抽样)		列线图
蒋丽丽等^[22]	AUC=0.852(0.811，0.904)，灵敏度=0.826，特异度=0.914	单因素分析差异有统计学意义的变量(P<0.05)进行多因素Logistic回归	H-L检验 (P=0.718)	Bootstrap法 (1 000次抽样)		公式
孙媛等^[23]	AUC=0.956(0.926，0.985)，灵敏度=0.864，特异度=0.838	单因素分析差异有统计学意义的变量(P<0.05)进行多因素Logistic回归	H-L检验(P=0.340)	自身数据分割	90	公式
Chen等^[24]	AUC：12 h为0.816,24 h为0.786,36 h为0.759,48 h为0.744,60 h为0.705	单因素分析差异有统计学意义的变量(P<0.05)进行多因素Logistic回归、LASSO回归	校准曲线; H-L检验	Bootstrap法 (1 000次抽样)	92	列线图
贾燕等^[25]	AUC=0.973(0.956，0.990)，灵敏度=0.900，特异度=0.932	单因素分析差异有统计学意义的变量(P<0.05)进行多因素Logistic回归	H-L检验 (P=0.988)		112	列线图
Yang等^[26]	AUC=0.897(0.879，0.915)，灵敏度=0.915，特异度=0.746	单因素分析差异有统计学意义的变量(P<0.05)进行多因素Logistic回归、LASSO回归	Brier评分; 校准曲线	Bootstrap法 (500次抽样)	779	列线图
许红妍等^[27]	AUC=0.952(0.930，0.973)，灵敏度=0.882，特异度=0.899	单因素分析差异有统计学意义的变量(P<0.05)进行多因素Logistic回归	H-L检验 (P=0.856)		110	公式
Liu等^[28]	AUC=0.863(0.860，0.868)，灵敏度=0.8125，特异度=0.852，准确度=0.810	全部纳入		Hold-out验证；5折交叉验证		机器学习算法的黑箱形式
胡璐璐等^[29]	AUC=0.865(0.823，0.907)，灵敏度=0.755，特异度=0.829，Youden指数=0.584	前向逐步回归法	H-L检验 (P=0.954)		160	公式
吴玲玲^[30]	AUC=0.877(0.837，0.918)，灵敏度=0.858,特异度=0.773	单因素分析差异有统计学意义的变量(P<0.05)进行多因素Logistic回归	H-L检验 (P=0.522); 校准曲线	Bootstrap法 (1 000次抽样)		列线图
万娜等^[31]	AUC=0.812(0.754，0.869)，灵敏度=0.825，特异度=0.696	单因素分析差异有统计学意义的变量(P<0.05)进行多因素Logistic回归	H-L检验 (P=0.257)			公式
常蓉等^[32]	AUC=0.732(0.702，0.765)	单因素分析差异有统计学意义的变量(P<0.05)进行多因素Logistic回归	校准曲线	Bootstrap法 (1 000次抽样)	71	列线图
Zhang等^[33]	AUC=0.820(0.760，0.880)，灵敏度=0.76，特异度=0.80	逐步回归法（前向-后向）	校准曲线	Bootstrap法 (1 000次抽样)	44	列线图
Kakajiwala等^[34]	梯度提升机模型AUC=0.860，灵敏度=0.918，特异度=0.922；仅跨膜压的模型AUC=0.857；仅过滤器压力的模型AUC=0.714	单变量COX回归		5折交叉验证		COX模型
Fu等^[35]	AUC=0.790(0.709，0.871)，灵敏度=0.769，特异度=0.727	前向逐步回归法	H-L检验 (P=0.301)	时间顺序分割	123	风险评分系统

作者

模型评价

变量筛选方法

校准方法

模型验证

模型呈现形式

内部验证

外部验证（例）

Wang等^[17]

AUC=0.920，灵敏度=0.974，特异度=0.798

全部纳入

校准曲线

滚动预测和在线学习

算法框架

何淑雅等^[18]

AUC=0.936，灵敏度=0.800，特异度=1.000

单因素分析差异有统计学意义的变量(P<0.05)进行多因素Logistic回归

校准曲线

Bootstrap法
(1 000次抽样)

列线图

刘倩等^[19]

AUC=0.978(0.958，0.997)

LASSO回归

H-L检验(P=0.939)；校准曲线

Bootstrap法
(1 000次抽样)

列线图

全梓林等^[20]

AUC=0.891(0.856，0.925)

LASSO回归

校准曲线

Bootstrap法
(1 000次抽样)；10 折交叉验证

列线图

李林莉等^[21]

AUC=0.968(0.937，0.999)，灵敏度=0.969，特异度=0.906，Youden指数=0.875

单因素分析差异有统计学意义的变量(P<0.05)进行多因素Logistic回归

校准曲线

Bootstrap法
(1 000次抽样)

列线图

蒋丽丽等^[22]

AUC=0.852(0.811，0.904)，灵敏度=0.826，特异度=0.914

单因素分析差异有统计学意义的变量(P<0.05)进行多因素Logistic回归

H-L检验
(P=0.718)

Bootstrap法
(1 000次抽样)

公式

孙媛等^[23]

AUC=0.956(0.926，0.985)，灵敏度=0.864，特异度=0.838

单因素分析差异有统计学意义的变量(P<0.05)进行多因素Logistic回归

H-L检验(P=0.340)

自身数据分割

公式

Chen等^[24]

AUC：12 h为0.816,24 h为0.786,36 h为0.759,48 h为0.744,60 h为0.705

单因素分析差异有统计学意义的变量(P<0.05)进行多因素Logistic回归、LASSO回归

校准曲线;
H-L检验

Bootstrap法
(1 000次抽样)

列线图

贾燕等^[25]

AUC=0.973(0.956，0.990)，灵敏度=0.900，特异度=0.932

单因素分析差异有统计学意义的变量(P<0.05)进行多因素Logistic回归

H-L检验
(P=0.988)

112

列线图

Yang等^[26]

AUC=0.897(0.879，0.915)，灵敏度=0.915，特异度=0.746

单因素分析差异有统计学意义的变量(P<0.05)进行多因素Logistic回归、LASSO回归

Brier评分;
校准曲线

Bootstrap法
(500次抽样)

779

列线图

许红妍等^[27]

AUC=0.952(0.930，0.973)，灵敏度=0.882，特异度=0.899

单因素分析差异有统计学意义的变量(P<0.05)进行多因素Logistic回归

H-L检验
(P=0.856)

110

公式

Liu等^[28]

AUC=0.863(0.860，0.868)，灵敏度=0.8125，特异度=0.852，准确度=0.810

全部纳入

Hold-out验证；5折交叉验证

机器学习算法的黑箱形式

胡璐璐等^[29]

AUC=0.865(0.823，0.907)，灵敏度=0.755，特异度=0.829，Youden指数=0.584

前向逐步回归法

H-L检验
(P=0.954)

160

公式

吴玲玲^[30]

AUC=0.877(0.837，0.918)，灵敏度=0.858,特异度=0.773

单因素分析差异有统计学意义的变量(P<0.05)进行多因素Logistic回归

H-L检验
(P=0.522);
校准曲线

Bootstrap法
(1 000次抽样)

列线图

万娜等^[31]

AUC=0.812(0.754，0.869)，灵敏度=0.825，特异度=0.696

单因素分析差异有统计学意义的变量(P<0.05)进行多因素Logistic回归

H-L检验
(P=0.257)

公式

常蓉等^[32]

AUC=0.732(0.702，0.765)

单因素分析差异有统计学意义的变量(P<0.05)进行多因素Logistic回归

校准曲线

Bootstrap法
(1 000次抽样)

列线图

Zhang等^[33]

AUC=0.820(0.760，0.880)，灵敏度=0.76，特异度=0.80

逐步回归法（前向-后向）

校准曲线

Bootstrap法
(1 000次抽样)

列线图

Kakajiwala等^[34]

梯度提升机模型AUC=0.860，灵敏度=0.918，特异度=0.922；仅跨膜压的模型AUC=0.857；仅过滤器压力的模型AUC=0.714

单变量COX回归

5折交叉验证

COX模型

Fu等^[35]

AUC=0.790(0.709，0.871)，灵敏度=0.769，特异度=0.727

前向逐步回归法

H-L检验
(P=0.301)

时间顺序分割

123

风险评分系统

作者		偏倚风险			适用性			总体
Wang等^[17]	-	+	+	-	？	+	+	-	+
何淑雅等^[18]	？	-	+	+	+	+	+	-	+
刘倩等^[19]	-	？	+	-	？	+	+	-	+
全梓林等^[20]	-	？	+	-	？	+	+	-	+
李林莉等^[21]	-	+	？	-	+	+	+	-	+
蒋丽丽等^[22]	？	-	+	-	+	+	+	-	+
孙媛等^[23]	-	+	？	+	+	+	+	-	+
Chen等^[24]	？	？	+	-	？	+	+	-	+
贾燕等^[25]	-	？	+	+	+	+	+	-	+
Yang等^[26]	？	+	+	+	+	+	+	+	+
许红妍等^[27]	？	？	+	-	+	+	+	-	+
Liu等^[28]	-	？	+	-	+	？	+	-	+
胡璐璐等^[29]	-	-	+	+	+	+	+	-	+
吴玲玲^[30]	-	-	+	？	+	+	+	-	+
万娜等^[31]	？	-	+	-	+	+	+	-	+
常蓉等^[32]	？	？	+	+	+	+	+	-	+
Zhang等^[33]	-	？	+	+	+	+	+	-	+
Kakajiwala等^[34]	-	-	+	？	+	+	+	-	+
Fu等^[35]	-	-	+	+	+	+	+	-	+

作者

偏倚风险

适用性

总体

研究对象

预测因子

结局

数据分析

研究对象

预测因子

结局

偏倚风险

适用性

Wang等^[17]

？

何淑雅等^[18]

？

刘倩等^[19]

？

全梓林等^[20]

？

李林莉等^[21]

？

蒋丽丽等^[22]

？

孙媛等^[23]

？

Chen等^[24]

？

贾燕等^[25]

？

Yang等^[26]

？

许红妍等^[27]

？

Liu等^[28]

？

胡璐璐等^[29]

吴玲玲^[30]

？

万娜等^[31]

？

常蓉等^[32]

？

Zhang等^[33]

？

Kakajiwala等^[34]

？

Fu等^[35]