【编者按】本文的作者是来自美国杜克大学医疗中心的博士后Benjamin，本文是针对Hippisley-Cox和Coupland在论文中所提到的QBleed模型的社评，于2014年7月29日发表于英国医学杂志。
口服抗凝药是用于治疗和预防静脉血栓栓塞和全身性栓塞或卒中的处方药物。虽然急性事件的治疗可能只需要短期使用抗凝药物，但对于房颤患者，还是有必要使用长期抗凝药物，尤其是预防卒中。
抗凝药物所带来的出血性长期风险成为了治疗决策的主要考虑因素。虽然目前有新的抗凝药物，可以降低颅内出血的风险，但是只要存在近期或远期的严重出血的风险，仍禁止使用这些药物。
虽然一些分数量化方法已经发展到可以对房颤患者服用抗凝药物的出血风险进行预测，但仍受到一系列的限制，如队列研究中抗凝药物的广泛使用，临床实践中得分标准的不统一，相对较低的效率。而且对于未接受或者刚开始接受抗凝治疗的患者，也几乎没有提供相应的绝对出血风险评估结果。
因此，Hippisley-Cox和Coupland在论文中所提到QBleed模型为出血风险评估做出了很大的贡献。然而，研究人员只调查了英国初级治疗中的刚开始使用抗凝药物的患者。这个特点很重要，因为在疗程初期出血风险往往是最高的。因而这种分数量化方法在评估现有的抗凝药物用户上或许有些限制。
此外，这个衍生组队列研究纳入了140万例患者，其中包括了9000余颅内出血病例，20000余大上消化道出血事件。这是迄今该领域最大的门诊患者衍生组队列研究，使用了更多的候选协变量，建立了更加有效的预测模型。
这种模型意味着以往对出血风险的评估方式发生了变化，从简单的、采点给分，到更具包容性的、复杂的模型。如果在评估的过程中出现某种干扰，便会作用于临床实践。患者的某些特点总是会不可避免地影响增加出血的风险，但以往的简单分数量化方法却没有顾及到这点。
所以需要一个更全面的模型来调整这些干扰因素，以便更加精准地评估绝对出血风险,类似于胸外科医师协会的围手术期死亡率计算工具所做出的模型。既然出血风险计算方式不再像以往那番简单，那么使用长期抗凝药物的决定也不该草率。
当然，QBleed分数评估模型也有局限性。这个衍生组队列虽然颇具规模，但总的来说还是在一个单一系统中，人群也相对同质；在初始服用患者和非服用患者之间，人数也存在重大的基线差异。
研究人员还发表了一个效度研究报告，但也是在内部实行的效度研究，所以他们也认为，在推广到临床应用之前，这种演算需要进一步扩展到外部数据集的不同人群进行效度研究。另外，也应该注意到报告结果的细节，如因上消化道出血或颅内出血而入院或死亡的患者。而且，这些模型无法预测其他部位的大出血或者不需要住院的大事件。
最后，作者指出，队列研究中少数成年人也有开始非维生素K口服抗凝药物的治疗，所以统计的时候应该把这部分人排除在外。而且，有必要进一步地校验和完善研究方案。然而，针对非抗凝药物治疗的患者，QBleed 风险评估仍然需要完善相关有价值的信息。
这也引出了一些关于医生如何使用出血风险评估的临床问题：哪种程度的风险水平意味着过高？每个患者和每个适应症的阈值相同吗？相对于出血，患者往往更担心缺血事件，如卒中等，因此熊掌和鱼不可得兼。同样的模型可以同时用于预防房颤患者发生静脉血栓症和卒中吗？相比较于患者的基本基准风险，哪些患者可以忽略不计抗凝药物所带来的额外风险呢？随着时间的推移，医生们又该如何衡量和管理风险的变化呢？
虽然在模型推广实施之前需要补充做外部校验，强大的计算工具如QBleed分数评估模型还是可以当做风险评估工具，应用到关于服用抗凝药物后出血风险的研究中去。展望未来，虽然QBleed 分数评估模型对临床的出血风险评估起到了很大作用，但如何识别不需要抗凝药物治疗的患者仍然是一个难题。
