抗栓药物的使用是卒中二级预防三大基石之一，抗血小板治疗可有效减少大约 25% 的严重血管性事件发生概率。但除了获益，抗血小板治疗也可增加出血风险。与安慰剂相比，其出血风险平均增加两倍左右。多种因素被证明可增加出血风险，包括老年、高血压、种族等。若能综合患者的临床特征，预测其使用抗血小板治疗的出血风险，可帮助临床医师进行个体化治疗。
来自荷兰医学大学中心的 Hilkens 教授开发并验证了非心源性 TIA 或缺血性卒中患者使用抗血小板药物发生严重出血事件的预测模型，发表在最新一期的 Neurology 杂志上。
研究者整理分析了 6 项随机临床试验（CAPRIE、ESPS-2、MATCH、CHARISMA、ESPRIT 及 PRoFESS 试验）的患者数据，并调查了 TIA 或缺血性卒中后抗血小板药物使用情况。使用 Cox 回归分析来明确预测因子与严重不良事件之间的关联，并建立预测模型。使用 PERFORM 试验来验证模型。
最终队列包括43112 例 TIA 或缺血性卒中患者，经过随访（中位随访时间 1.4～3.5 年），其中有 1530 名患者出现了严重出血事件（定义为颅内出血或导致死亡、入院或严重残疾的出血事件）。观察到的 3 年严重不良事件风险为 4.6% 。
通过量化试验中患者变量与严重出血发生率之间的关系，研究者发现了10个有助于预测出血风险的因素，包括：男性（Sex）、吸烟（Smoking）、抗血小板药物类型（阿司匹林或氯吡格雷）（Type of antiplatelet agent）、改良 Rankin 评分 ≥ 3 分（Outcome of mRS）、卒中既往史（Prior stroke）、高血压（Blood pressure ）、低体重指数（Low BMI）、老年（Elderly ）、亚裔种族（Ethnicity ）及糖尿病（Diabetes）（即 S2TOP-BLEED 评分模型，见表 1）。
表 1 预测严重出血的S2TOP-BLEED 评分（来自多变量 Cox 回归模型）
具体评分方法为，根据患者临床特征评估 S2TOP-BLEED 评分列表中每一栏分值，除了年龄相关的项目外，将其他所有项目分值想加得总分，再将总分代入图 1 所示风险分布图中，得到不同年龄段严重出血事件的发生风险。
图 1 年龄相关的基于 S2TOP-BLEED 评分预测 3 年严重出血事件风险（%）
S2TOP-BLEED 评分模型特征曲线下面积为 0.63，在验证数据中显示具有良好的验证。研究显示年龄是严重出血风险最为显著的预测因素，在 45～54 岁不伴其他危险因素的患者中的发病率为 2%，在 75～84 岁伴多种危险因素的患者中的发病率可超过 10%。这一点尤其重要，因为约 30% 的卒中发生在 80 岁以上的患者中，越来越多的老年患者将服用抗血小板药物，发生严重出血时间的人群比例可能会增加。
研究者利用 PERFORM 试验对这一模型进行了外部验证，研究中 18417 例最近发生TIA 或缺血性卒中的患者被随机分组接受新型药物特鲁曲班或阿司匹林治疗。外部验证显示，S2TOP-BLEED 评分的 C 统计值位 0.61 （95% CI 0.59～0.63），略低于严重出血风险。
该研究认为，S2TOP-BLEED 评分模型可有助于临床医师于识别严重出血的高危患者，但在治疗选择上，出血风险还是应该与缺血性事件复发风险相权衡。
