PICC相关性血栓风险预测模型研究进展

ying , Yuan Zhong , Lin Xiaoping , Xu Xianghua , Lin Qin摘要：对PICC相关性血栓的危险因素及风险预测模型进行总结，以期为临床预防PICC相关性血栓提供参考$

关键词：PICC； 血栓； 危险因素； 风险预测； 模型；综述文献中图分类号：R472 文献标识码:A DOI： 10. 3870/j. issn. 1001-4152. 2019. 18 106PICC因操作简便、留置时间长、减少药物对血管

也不同，研究指出使用氟尿嘧啶、卡培他滨、依托泊苷

的刺激性等优点，临床使用率呈逐年上升趋势。但

PICC同样有导致一些并发症发生的风险，PICC相关

性血栓(PICC - relnted Venous Thrombus, PICC -

RVT)是其中最常见也最严重的并发症之一，一旦形

成,则会严重影响患者的疾病预后和生活质量「T。 回 顾 性 研 究 发 现 $PICC-RVT 发 生 率 为 1% 〜

35%［34］,而在前瞻性研究中,PICC-RVT发生率高达

71.9%，其中无症状血栓占2/3以上［5］0有研究显

示,早期发现并进行干预,PICC-RVT是可逆的［6］0

近年来很多学者构建了 PICC-RVT风险预测模型， 用于高危人群的早期识别，以指导医护人员尽早采取

干预措施，预防PICC-RVT的发生。现将近年有关

PICC-RVT风险预测模型的研究进展综述如下。1 PICC-RVT的危险因素目前的血栓防治指南并不推荐预防性抗凝治 疗⑺，针对PICC-RVT危险因素开展预防成为降低

PICC-RVT发生率的主要方式。目前，国内外文献报

道的PICC-RVT危险因素主要集中在以下4个方 面：①导管相关因素，除目前已知的相关因素外，近年 研究发现静脉直径至少是导管直径的3倍，可以降低

PICC-RVT风险间；耐高压PICC可能与更大的 PICC-RVT风险有关②患者相关因素，除年龄、 BMI等因素外，有研究指出，不同肿瘤患者的PICC-

RVT 发生情况有差别，在血液恶性肿瘤患者中，男性

较早出现PICC-RVT，而肺癌化疗患者中，女性更易 发生PICC-RVT［10］；鼻咽癌及肺癌患者PICC-RVT

发生率高于胃/结直肠/乳腺/胰腺/膀胱等部位肿瘤 患者［11］;除纤维蛋白原含量及白细胞计数、D -二聚体

等血液指标外，B型血患者发生PICC-RVT的风险较

高。③诊疗过程，放疗和化疗均会显著增加PICC-

RVT 发生风险［13］，而每种化疗药物的血栓发生风险作者单位：1.中南大学湘雅护理学院(湖南长沙，410013)；湖南省肿瘤 医院2.肺胃肠内科3.护理部4.血管通道中心

彭思意：女，硕士在读，护师

通信作者：李旭英Uixuying@hnszlyy. com 科研项目：湖南省自然科学基金项目(2018JJ6111)

收稿:2019 - 05 - 16；修回:2019 - 07 - 10

的肺癌化疗患者，发生PICC-RVT的风险更高)14*。

④其他，确诊晚期癌症的患者PICC-RVT风险较高，

肿瘤转移与上肢深静脉血栓形成密切相关［15］;有吸

烟史、静脉血栓疾病史和带管期间进行手术且手术时

间＞2 h的患者PICC-RVT风险更高［3'16］。这些因素 可为PICC-RVT预测模型的构建提供参考。2 PICC-RVT风险预测模型临床上，患者往往存在多种PICC-RVT的危险 因素，而各危险因素与PICC-RVT发生的关联程度 及各因素之间是否存在共线性无从得知，影响对

PICC-RVT发生风险的判断。构建PICC-RVT风险

预测模型可以通过构建数学模型的方式，从各相关因 素中筛选出能独立影响疾病或症状发生的因素，并将 这些因素作为预测指标，来实现PICC-RVT发生风

险的预测)17*。目前针对PICC-RVT风险预测模型的 研究按研究类型可分为三类：病例对照研究、队列研

究与文献分析类。2.1基于病例对照研究设计构建的PICC-RVT风

险预测模型 朱婷［18］以发生PICC-RVT的287例患 者为病例组，以1 : 2的比例匹配对照组(未发生

PICC-RVT)，用多因素Logistic回归方程筛选出5个

风险因素，分别为导管留置期间化疗、导管留置时长、

肝素预防抗凝、促凝血药物使用及血清白蛋白＜35

g/L。根据回归方程的OR值给各个风险因素赋予一

定的分值，总分3〜21分，从而得出肿瘤患者PICC-

RVT 风险预测模型，并对模型进行验证。当截断值

为4. 5时，模型构建组受试者工作特征曲线下面积

(Area Under Curve， AUC)为 0. 695 ( 95 % CI:

0.656〜0. 735 )，灵敏度为54. 96%，特异度为 75.90% ；模型验证组 AUC 为 0. 699 ( 95% CI:0. 638〜0. 761)，灵敏度为55. 45%，特异度为 74.03%。模型的可靠性结果显示模型构建组预测准

确率72.1%，模型验证组预测准确率75.1%。该风

险评估模型评分简单，易于操作，且评估资料方便获

取,在临床实际工作中便于开展。但回顾性研究的资 料收集方法可能会因PICC-RVT阳性事件漏报而导 致模型灵敏度较低。目前该模型的应用研究尚未见

护理学杂志2019年9月第34卷第18期-107 -报道，其临床适用性有待进一步探讨’PICC-RVT阳性病例占比较少的原因，进而限制了其

临床适用性。李楠等）3对此评估表进行翻译、回译 及跨文化调适，中文版总量表的Cronbach's a系数为

2.2 基于队列研究设计构建的PICC-RVT风险预 测模型*2.2.1 PICC相关上肢深静脉血栓预测模型 See­

0. 781，Kappa 值为 0. 615 〜！ 000，I-CVI 值为

ley 等［19］通过查看医疗记录的方式收集6个月内所

在单位所有PICC带管患者信息，共233例患者因腹 痛、肿瘤、蜂窝组织炎、充血性心力衰竭、骨髓炎、胰腺 炎、肺炎、呼吸衰竭、尿路感染等置入PICC,其中17 例住院期间发生PICC-RVT0采用Logistic回归方

0.733 〜1. 000,S-CVI/Ave 值为 0. 972,说明中文版

评估表具有较好的信效度，可用于国内肿瘤置管患者

PICC-RVT发生情况评估，而目前国内尚未见该评估

表的应用研究。2.2.3 密歇根PICC-RVT风险评分表 构建基于

程筛选出5个独立影响PICC-RVT形成的因素，并 依据每个因素的回归系数构建出简易的评分工具，这

公共健康大数据的风险预警是当今医疗的发展趋

势2。Chopra等）5前瞻性收集51所医院共23 010 *5个因素分别是骨髓炎、近期卧床不起、上肢局部压

痛、吸烟和住院期或在家使用抗凝剂，依次赋值为20 分、14分、13分、10分、9分。将5个条目评分相加，

如总分#20分，表示患者住院期间发生上肢深静脉 血栓的风险高，需要采取措施预防。该模型具有较高

的灵敏度、特异性和阴性预测值，但阳性预测值较低

（27. 3%&表明预测出发生PICC相关上肢深静脉血

栓人群的可能性较低，一方面可能与研究设计有关， 回顾医疗记录收集资料的方式受很多因素影响，如记 录者的资历、记录的时效性等，可能使阳性样本缺失

而降低模型的阳性预测值;另一方面可能与样本量较 少有关，该研究共纳入32个自变量，依据Logistic回

归模型的经验样本量计算方法，样本量最小需是自变

量的10倍，即320例，而该研究仅纳入233例患者。 国内研究者运用该模型对PICC相关上肢深静脉血 栓的预测效果进行研究，灵敏度为53. 45%，特异度

为84. 81%，阴性预测值为83. 23%［20］，灵敏度较低， 与Seeley等）19*得出的结论一致，这可能是该预测模 型未能在PICC置管患者中广泛应用的原因之一。2.2.2 PICC-RVT风险评估表 Maneval团队根据 前期研究数据与Seeley等［19］的模型，构建囊括置管

前、置管中、置管后3个阶段的PICC-RVT风险评估 表［2122］ „置管前评估表收集有关已知的PICC-RVT 危险因素，于PICC置入前填写；置管中评估表记录

最初的置入数据及日常护理相关信息，包括PICC类 型、大小、管腔数、尖端位置等，于PICC置入后填写；

置管后评估表包括PICC手臂疼痛和水肿评估、臂围

测量、静脉输液和药物类型、受试者的活动水平以及 其他特殊事件等，于PICC初次置入后第3天、1周、2

周以及随后的每周填写，直到出院.PICC拔出或死 亡。用此风险评估表收集203例PICC带管患者资 料，共13例发生PICC-RVT，但由于阳性例数太少而 未做Logistic回归分析构建风险预测模型。该评估

表包括45个风险评估条目，较细致地评估了置管后 肢体出现的临床症状，评估内容相对全面，但以出院、 患者死亡或导管拔出为结局指标，意味着患者出院后

的血栓发生情况并未追踪，这可能是造成纳入人群

例患者有关PICC使用的大数据，构建出密歇根

PICC-RVT风险评分表。纳入5个预测因素，分别为

血栓史、多腔PICC、活动性癌症、携带另一个中心静 脉导管、白细胞计数＞12i109/L,每个预测因素赋予

一定的分值，总分0〜10分,并分为4个等级！分为

1级，1〜2分为2级，3〜4分为3级，4分以上为4

级。对评分表进行内部验证显示较高的准确度，70% 左右的患者能够被准确分组。研究团队也将研究结

果与网络结合制出线上风险计算器，以便临床更好地 应用。该评分表基于大数据调查构建,结果的可推广 性较强，但样本来源于美国人群，某些指标如白细胞

计数的正常范围与国内存在差异，且尚未进行外部验 证,其在国内的适用性有待研究。2.2.4 PICC-RVT高危评分模型 蒿若楠前瞻

性调查242例PICC置管患者，从置管时开始随访1 个月，收集并记录患者一般资料、穿刺置管相关信息、

留置静脉信息、疾病与病史相关信息及相关实验室指 标等，分别在置管后第7、14、21、28天，用彩色多普勒 技术评估置管侧上肢深静脉内是否有血栓形成。以

有无 PICC 相关性上肢深静脉 血 栓 形 成 为 结局 指 标 将研究对象分为血栓组（45例）和非血栓组（197例），

采用多水平Logistic回归模型分析每个变量与PICC-

RVT 的关系，构建出PICC-RVT高危评分模型:Y =

6X导管尖端位置+ 5X糖尿病+ 5X化疗史+ 1X血

浆D-二聚体（mg/L）,按评分模型计算总分。通过

ROC曲线分析，当风险评分#6.045时为高风险，灵

敏度为81%，特异度为73. 5%, AUC为0. 816,

81.6%的患者能够被准确分组。该评分模型通过前

瞻性研究设计收集数据,包括有症状血栓和无症状血 栓,其中近90%的血栓病例无明显症状，意味着该预 测模型有较好的诊断出无症状PICC-RVT的能力。 但目前该研究还尚未进行外部验证。2.2.5 PICC-RVT风险评估模型 陈江琼等［27］前

瞻性调查375例PICC置管患者，收集一般资料、置管 穿刺过程相关信息、身体疾病和病史相关信息、部分

临床检验结果以及置管侧肢体临床表现，并于置管后7、14、21、28 d进行常规超声检查，以B超检查发现静

・108・JournalofNursingScience Sep 2019 Vol.34 No.18脉血栓形成为结局指标，以其中275例作为建模病 例$00例进行验证，采用多水平Logistic回归模型分

预测置管患者PICC-RVT发生风险提供参考。该团

队于国内发表的研究针对PICC置管的恶性肿瘤患 者，列线图模型最终纳入穿刺技术、既往治疗、合并症 以及D-二聚体为影响恶性肿瘤患者置管患者发生

析变量与PICC-RVT的关系，构建出PICC-RVT预

测模型。预测指标包括肥胖(BMI#25)、糖尿病、血

栓史、化疗史、D-二聚体(#0. 5 mg/L)5个条目，每个 条目以回归系数做整数化处理，赋予不同的分值。根 据每个条目有或无的发生情况进行评分，BMI#25、

PICC-RVT的危险因素,其C-index指数为 0.688)2。目前也未见应用报道，其临床适用性有待

进一步验证。2.3 基于文献研究结果构建的PICC-RVT风险预 测模型*糖尿病及化疗史发生评3分，血栓史及D-二聚体#

0. 5 mg/L发生评2分，若没有发生则评0分。总分 0〜13,风险评分＜3分为低危级，3〜5分为中危

级,＞5分为高危级，灵敏度62. 3%，特异度79. 7%，

2.3.1 PICC-RVT风险评估模型 张赛娜应用

Meta分析法提取PICC-RVT的危险因素，并回顾 75.3% (95%CI：67. 6%〜83. 0%)的患者能够被准

确分组。该研究充分收集了临床数据,并对各分数区 段风险程度进行分级，运用建模样本构建了评估模

型，其后又在验证样本中对模型的评估效能进行了评 价和验证，使评估结果的临床指导意义加强。但该模 型同样尚未在其他研究中验证与应用，其临床应用价 值有待考证。2.2.6 老年住院患者PICC-RVT风险评估模型 刘芬等构建了适用于老年住院患者的PICC-RVT 风险评估模型。研究以留置PICC的老年患者为研 究对象，回顾8年内564例老年患者的相关资料，确

定PICC-RVT危险因素并建立风险评估模型。最终 建立PICC-RVT风险指数=！ 302 i静脉血栓史+

0. 775X近期手术史+ 0. 596X房颤+ 0. 610X动脉粥

样硬化。根据危险因素有/无赋值为0/1分，＜1分 为低危，1〜2分为中危，＞2分为高危。该项研究采

用ROC曲线对模型的拟合优度进行检验,AUC为

0. 73。该研究首次将房颤纳入到PICC-RVT风险评

估，但其有效性尚需其他临床研究予以验证。2.2.7 PICC-RVT风险评估的列线图模型 列线图 是一种可以整合多个预测指标并能个体化预测结局 事件发生概率的统计方法)9*。Hao等)0*报道了基于

中国人群的PICC置管患者PICC-RVT列线图预测 模型。回顾1年中320例PICC置管患者资料，以有 无发生血栓为结局指标，根据Logistic回归分析结 果,构建出PICC-RVT列线图预测模型，纳入KPS评

分、化疗史、血小板、D-二聚体4个预测指标。列线图

顶端分值为0〜100分，根据患者存在的预测因素通 过垂直线在列线图顶端分值线上取对应分值,将所有 预测因素对应分值相加后，在列线图下方的总分线上

找到对应位置并作垂线，垂线与\"PICC-RVT发生概 率线”相交的位置即为患者对应的PICC-RVT发生

概率。该列线图预测模型的一致性指数

(Concordance Index, C-index)为 0. 709。C-index 指

数接近0.7,表明该列线图模型拟合优度较好)！*。该

列线图模型将KPS评分纳入模型，拓宽了对PICC-

RVT 影响因素的认识，构建的列线图模型为个体化 146例PICC置管患者资料，以是否发生上肢静脉血

栓为结局指标，初步建立PICC-RVT风险评估模型。

Logistic回归分析结果建立回归模型Logit(P )=

—！ 681+2. 184X 肥胖(BMI#30)+2. 283 X 癌症 + 2.086 X血栓史+ 2. 177XPICC或CVC置管史+

3.518X穿刺次数#2次+ 3. 027 X置管侧肢体肿

胀+ 1.153X卧床＞72 h。该模型的预测准确率为

95.9% ,AUC为0. 908,灵敏度和特异度分别为 81.2%和75. 7%，提示对PICC-RVT的发生有较好

的预测能力 。 风险评 估 模 型 总 评 分的 最 佳 临 界 值为

4. 632分，提示#4. 632分的患者是PICC-RVT发生

的高风险人群，应采取有效的预防措施防止血栓形

成。该模型仍有待改善：Meta分析中的文献大多数 是队列研究或病例对照研究，证据等级较低，结果受

偏倚风险的影响；通过病例回顾收集样本，样本量较

小且存在一定的偏倚；模型缺乏外部验证；未根据模 型构建简易评分系统，其临床实用性受到限制。2.3.2 肿瘤患者PICC-RVT风险预测模型 田旭 等康以留置picc的肿瘤患者为研究对象，利用

Meta分析对PICC并发症相关风险因素进行全面分

析，确定COPD、高血压、糖尿病、化疗史、活动量减 少是PICC-RVT的危险因素，依据文献系统评价和

Meta 分 析 结 果 获 得 各 个 危 险 因 素 的 综 合 危 险 度

(Pooled Odds Ratio, POR)，并以综合危险度的自然

对数转换值为基础构建风险预测模型：Logit(P)=

a+0. 601XCOPD+0 485 X 高血压 + 0. 686 X 糖尿

病+ 1 123X化疗史+ 0. 447 X活动量减少。该风 险预测模型在实际应用中除要估算所研究地区肿瘤

患者PICC-RVT患病率与发病率外，还要估算该地

区风险预测模型中所涵盖的各个危险因素的危险度

平均值a,该值获取较为困难，因此，直接通过公式0a=Ln (—PP .)(P。为患病率)实现常数项的计算。

该研究在大量文献数据基础上，采用Meta分析和数 学建模技术联合的方法建立了肿瘤患者PICC-RVT 形成风险预测模型，为风险预测模型提供了新思路,

但Meta分析的局限性使结果有发生偏倚的可能，纳

护理学杂志2019年9月第34卷第18期・109・[9 * O'Brien J, Paquet F, Lindsay R, etal4Insertion of

PICCswith minimumnumberoflumensreducescompli- cationsandcosts[J* 4J Am ColRadiol,2013,10 (11 )! 864-8684入文献数量有限，危险因素不全面，纳入的合格研究 样本量较小均可能影响预测模型的可靠性。3小结目前，对PICC-RVT风险预测模型的研究尚处

[10* McAuliffe E, O’Shea S, Khan M I. PO-O2_Retrospec-

tive audit of the Periphera ly Inserted CentralCatheter

于起步阶段，国内近3年开始关注特异性PICC-RVT 预测模型构建，但并未进行外部验证与临床实践，也 未见研究比较不同预测模型的临床效益或经济效益。

(PICC) associatedthrombosisinpatientswithhaemato- logical malignancies at Cork University Hospital [J * 4 ThrombRes,2016,140(Suppl1) S1764一个成熟的预测模型经过大量的验证证明其临床实 用性才能在临床推广。因此，研究者应采用多中心、 大样本的研究进一步探究PICC-RVT影响因素，在

[11* MarnejonT, AngeloD, AbdouA A, etal4Riskfactors

forupperextremityvenousthrombosisassociated with peripheralyinsertedcentralvenouscatheters[J* JVasc 大数据的基础上对国内外预测模型进行多地区、多人

种的临床验证，不断优化预测模型，构建出适合我国 本土的PICC-RVT风险预测模型，预防PICC-RVT

的发生，提高患者的生活质量。参考文献：[1* Chopra V, Montoya A, Joshi D, et al Peripherally in-

sertedcentralcatheteruseinskilednursingfacilities： a

pilot study [J*. J Am Geriatr Soc, 2015 , 63 ( 9 ) ： 1894- 1899.)*朱婷，许乐，郑素惠，等.PICC导管相关性血栓风险评估

工具的研究进展中国护理管理，2016,16 (1)：141 -

1444)* Chopra V, Fallouh N, Mcguirk H, et al Patterns, risk

factorsandtreatmentassociatedwithPICC-DVTinhos- pitalized adults: a nested case-control study [J*. Thromb Res,2015,135(5)：829-8344[4* Ahn D H, Ilium H B, Wang D H, et al Upper extremi-

tyvenousthrombosisin patients withcancer with pe­ripherally inserted central venous catheters: a retrospec-

tiveanalysisofriskfactors [J*.J OncolPract,2013,9 (1) 8-12.[5* Itkin M, MondsheinJI, StavropoulosS W, etal.Pe-

ripherally inserted central catheter thrombosis—reverse

taperedversusnontaperedcatheters!arandomizedcon- troledstudy[J* .J VascInterv Radiol,2014,25 (1 )!85-

91. e1.[6 * BertoglioS, FacciniB, LaliL, etal4Peripheralyin-sertedcentralcatheters (PICCs)incancerpatientsunder chemotherapy!aprospectivestudyontheincidenceof

complicationsand overalfailures [J * 4J Surg Oncol, 2016,113(6) 708-7144[7* Chopra V, FlandersS A, SaintS, etal4The Michigan

Appropriateness Guide for Intravenous Catheters

(MAGIC) results from a multispecialtypanelusingthe

RAND/UCLA appropriateness method)*. Ann Intern

Med,2015,163(6Suppl) 1-404[8* EmoliA, CappuccioS, MarcheB, etal4TheISP (SafeInsertionofPICCs) protocolabundleof8recommenda- tionsto minimizethecomplicationsrelatedtothe pe-

ripheralyinsertedcentralvenouscatheters (PICC)[J* 4AssistInferm Ric2014 33(2):82-89Access,2012,13(2) 231-2384[12* Koo C M, Vissapragada R, Sharp R, et al. ABO blood

grouprelated venousthrombosisriskin patients with peripheralyinsertedcentralcatheters [J*4BrJ Radiol, 2018,91(1082) 201705604[13* Xie J, Xu L, Xu X, et al Complications of peripherally

insertedcentralcathetersinadvancedcancerpatientsun-

dergoingcombinedradiotherapyandchemotherapy[J* J ClinNurs 2017 26(23-24):4726-47334[14* Kang J R, Long L H, Yan S W, et al. Peripherally in­

serted centralcatheter-related vein thrombosisin pa- tientswithlungcancer[J* .Clin ApplThrombHemost$2017 23(2) 181-186.[15* Liang Y J$He Y$Li J M$et al.The incidence and predic-

torsofsymptomatic venousthromboembolism associated

withperipheralyinsertedcentralcathetersinpatientswith nasopharyngealcarcinoma[J*.OncoTargets Ther2018 11: 3119-3127.[16* YeX$WongS W$ZhangJ$etal.Catheter-relatedupper

limbvenousthrombosisinatertiaryhospitalseting[J* .ANZ J Surg,2016,86(12) ：10331037.[17*杨彬彬，杨苓，秦玉婷，等.脑卒中患者跌倒风险预测模

型的研究进展[J*.护理学杂志2018,33(17)106109.[18*朱婷.PICC导管相关性血栓影响因素研究及风险评估

模型的初步构建[D*福州：福建医科大学2016.[19* Seeley M A$Santiago M$ShotS Predictiontoolfor

thrombi associated with peripheraly inserted central catheters[J* JInfusNurs2007 30(5):280-286[20*朱薇，应燕萍，黄惠桥，等.三种评分表预测PICC相关上

肢深静脉血栓效果比较研究护理学杂志，2018,33

(7):54-56[21* Clemence B J$Maneval R E Riskfactorsassociatedwith

catheter-relatedupperextremitydeepveinthrombosisin patientswithperipheralyinsertedcentralvenouscathe-

ters:literaturereview part1 [J* JInfus Nurs$2014$37(3) 187-196[22* Maneval R E$Clemence B J Riskfactorsassociatedwith

catheter-relatedupperextremitydeepveinthrombosisin patientswithperipheralyinsertedcentralvenouscathe-ers: aprospectiveobservationalcohortstudypart2[J*JInfusNurs201437(4):260-268 ・110・)3*李楠，王梅林,许红梅，等.中文版PICC相关性血栓风险

JournalofNursingScience Sep.2619 Vol.34 No.18grams in oncology: more than meets the eye)*. Lancet

评估表在肿瘤置管病人中应用的信效度评价护理 研究，2019,33(4) ：551-555.)4*郭薇，薛澜.互联网医疗的现实定位与未来发展探

Oncol,2015,16(4) :e173-e180.)0* Hao N, Xie X, Zhou Z, et al Nomogram predicted risk

ofpe*iphe*alyinse*tedcent*alcathete**elatedth*ombo-

索，2016(6)：142-148.[25* Chopra V, Kaatz S, Conlon A, et al The Michigan Risk

sis)J*.Sci Rep 2017 7(1):6344.)1* Kang L, Chen W, Petrick N A, et al Comparing two

Scoretopredictperipheralyinsertedcentralcatheter-as- sociated thrombosis [J*. J Thromb Haemost, 2017, 15 (10) 1951-19624)6*蒿若楠.PICC相关性上肢深静脉血栓危险因素及高危

correlated C indices with right-censored survivalout- come:aone-shotnonparametricapproach)J*4Stat Med$ 2014 34(4):685-7034)2*张昊，谢欣，周章剑，等.列线图预测恶性肿瘤患者PICC

评分模型的研究[D*天津：天津医科大学2016.)7*陈江琼，闫常帅，张杰，等.PICC相关性上肢静脉血栓风

导管相关血栓风险的研究)*中国肿瘤临床，2018,45

(3) 137-1414险评估模型的构建与评价护理学杂志，2018,33 (7) 1-5)3*张赛娜.PICC相关性上肢静脉血栓风险评估模型的初

步构建［D*太原：山西医科大学2017.)4*田旭，陈慧，宋国敏，等•基于Meta分析的肿瘤患者经外

)8*刘芬,郭豫涛，徐月，等•老年住院患者PICC相关深静脉

血栓风险评估模型研究)*中国护理管理，2017,17(4) ：462-466.周置入中心静脉导管相关性静脉血栓形成风险预测模

型构建)*•临床与病理杂志，2017,37(4):77277&)29* Balachandran V P$Gonen M$SmithJJ$etal Nomo­

(本文编辑宋春燕)乳腺癌患者家庭弹性的研究进展王芬1,张林林\"，李玉丽9A literature review of family resilience in breast cancer women Wang Fen , Zhang Linlin, Li Yuli摘要：对家庭弹性的概念、测量工具、理论框架及乳腺癌患者家庭弹性的积极生物一心理一社会学意义、干预措施等方面进行综述，为在乳腺癌患者中开展家庭弹性研究提供参考$关键词：乳腺癌；家庭弹性；家庭复原力；家庭功能；家庭韧性；干预措施；综述文献中图分类号：R473. 73 文献标识码:A DOI： 10. 3870/j. issn. 1001-4152. 2019. 18. 110据2018年全球癌症统计报告显示，乳腺癌发病 比例(46. 3%)和死亡比例(13. 0%)仍位居女性癌 症首位⑴。我国女性乳腺癌发病率已居女性恶性肿

弹性干预提供参考’1家庭弹性相关概念及测量1.1家庭弹性的概念家庭弹性又称为家庭复原

瘤首位\"*，病死率也不断升高，占所有新增癌症病

力、家庭抗逆力、家庭韧性’家庭弹性的正式提出，是 基于Walsh\"*对精神分裂症患者、非精神分裂症患

例的12. 2%，是仅次于肺癌的45岁以下女性的第 二大死因[3*0女性对家庭功能的维持起着至关重要

者、正常人的研究。但目前家庭弹性的概念尚未统 一，大致有以下4种观点：①“过程”的观点。此观点

的作用，但由于乳腺癌高复发率和高病死率的特点， 极易影响乳腺癌患者的家庭功能并导致家庭危

认为家庭弹性是帮助整个家庭适应和应对环境的一

机⑷。最新研究发现，家庭弹性作为一种家庭优势 或家庭遭遇逆境后表现出的良好适应状态，对促进 个体及家庭健康具有积极意义)5*,因此，改善乳腺癌

个“过程”,并且认为家庭弹性是取决于环境的动态过 程，而不是静止不变的。此观点符合生态发展观，将

家庭看作与更广泛的社会文化联结的开放系统7。

患者个体及整个家庭生活质量的重要措施之一是提 高家庭弹性水平。本文对国内外女性乳腺癌患者家

如Hawley^研究指出，无论是现在或未来，家庭弹性 是一个家庭作为整体挑战和应对压力的过程。②“特

庭弹性相关研究进行综述，为国内开展乳腺癌家庭

作者单位：！山东中医药大学护理学院(山东济南，250355)2.山东省 肿瘤医院泌尿外科\"•山东大学护理学院征”或“性能”观点。将家庭弹性看作“特性”或“能

力”,能够帮助家庭适应压力和环境。McCubbin等〔9* 认为家庭弹性是一种特性和能力，能够帮助家庭在面

王芬：女，硕士在读，学生

通信作者：李玉丽,allyli. 123@163. com

科研项目：第62批中国博士后科学基金面上资助二等资助项目 (2017M622213)

对危机或压力时从逆境中复原和成长。③“结果”的

观点。这一观点提出应从家庭对不良事件的应对“结 果”来分析家庭弹性。Walsh)0*重点提出家庭是一个 功能单位， 家庭弹性能帮助家庭有效地应对来自各方

收稿：2019 -03 -20；修回：2019 - 06 - 10面的危机和压力，并能促进家庭从逆境中恢复，获得