📄 obstetrics and gynecology

Comparing measured and calculated blood loss after a caesarean birth

这项针对 I'M WOMAN 试验数据的二次分析显示，尽管测量法与计算法在失血量评估中表现出弱相关性，且计算法会高估高容量阈值，但测量失血量在预测严重母体结局方面展现出更优越的能力，尽管在无法直接测量时，计算法仍是一种可行的客观替代方案。

原作者： Mansukhani, R., Arribas, M., Bello, N., Chaudhri, R., Geer, A., Ker, K., Muganyizi, P., Prowse, D., Roberts, I.

发布于 2026-07-18

📖 1 分钟阅读☕ 轻松阅读

原作者： Mansukhani, R., Arribas, M., Bello, N., Chaudhri, R., Geer, A., Ker, K., Muganyizi, P., Prowse, D., Roberts, I.

原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 ⚕️ 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。阅读完整免责声明

想象一下，人体就像一座繁忙的城市，血液是维持一切运转的关键交通。当重大事件发生时（比如婴儿出生），交通有时会变得有些混乱，流出的量也会过多。这就是产后出血，它是一个严重的紧急情况，如果不迅速处理，可能会让整座城市瘫痪。多年来，医生一直试图通过肉眼观察流出的“混乱现场”来猜测流失了多少血。但棘手之处在于：人类的眼睛在估算体积方面表现得很糟糕。它们往往会觉得流出的量比实际情况要小得多，就像看着一条被淹没的街道，却以为那只是个小水洼。因此，科学家们一直在寻找更好的方法来测量流失量，要么是通过称量湿毛巾并吸取液体（测量流失量），要么是基于“交通密度”（血红蛋白）在事件前后下降程度进行数学计算（计算流失量）。准确知道流失量至关重要，因为如果你不知道洪水到底有多大，你可能会提供错误的援助，或者送达得太晚。

这篇论文就像是一个巨大的侦探故事，对比了两种解决剖腹产过程中血液流失量谜团的不同方法。研究人员收集了来自尼日利亚、巴基斯坦和坦桑尼亚的一万多名女性的数据，以观察哪种方法能更真实地反映情况。他们将“称量毛巾”法与“数学公式”法进行了对比。

研究结果如下：这两种方法就像两个对披萨平均大小达成共识，却对每一块披萨的具体大小无法达成一致的朋友。平均而言，两种方法都认为血液流失量在 500 到 545 毫升左右。然而，当你观察个体女性时，这两种方法几乎无法达成一致。这就像是一个朋友说：“你流失了少量血液，”而另一个朋友说：“你流失了大量血液，”尽管他们在谈论的是同一个人。 “数学公式”法具有更大的变动性；它经常预测女性流失的血液量比“称量法”要多得多。事实上，数学法预测女性流失超过 1,000 毫升血液的人数是称量法的三倍。

研究人员还检查了哪种方法能更好地预测女性何时可能陷入严重危险，例如进入休克状态或需要进行救命的输血。 “称量法”是一个稍微好一点的侦探，它比数学法能更准确地发现危险信号。但这里有一个转折：数学法有一个巨大的优势。它不需要专门的秤或经过培训的人员来称量毛巾；它只需要一个体重秤和一项血液检测，这些在许多医院都更容易获得。

因此，虽然“称量法”在预测谁会生病方面是更准确的侦探，但“数学法”仍然是一个非常实用的工具，尤其是在无法称量毛巾的情况下。论文指出，虽然数学法并不完美且经常高估流失量，但对于无法进行直接测量的大型研究来说，它仍然是一种可靠且客观的测量方式。关键的启示是，我们不能依靠眼睛去猜测，虽然我们有两个好工具，但它们讲述的故事略有不同，因此医生在紧要关头需要谨慎对待自己信任哪一个。

问题描述
准确测量剖腹产后的失血量对于早期识别和治疗产后出血（PPH）至关重要，而产后出血是导致孕产妇死亡的主要原因之一。虽然视觉估算法被广泛使用，但已知其会低估实际失血量，从而可能延迟挽救生命的干预措施。尽管世界卫生组织推荐使用客观技术，但仍需对不同的客观方法进行比较。具体而言，本研究旨在探讨在低资源环境下，针对剖腹产背景下“实测失血量”（通过称重和吸引进行直接定量）与“计算失血量”（根据产妇体重和围产期血红蛋白变化推算）之间的差异。

研究方法
本研究是对 I'M WOMAN 试验中前瞻性收集数据的二次分析，该试验是一项关于氨甲环酸用于预防产后出血的双盲随机对照试验。分析纳入了来自尼日利亚、巴基斯坦和坦桑尼亚 32 家医院的 10,393 名接受剖腹产的女性。

研究比较了两种方法：

实测失血量 (MBL)： 通过称量纱布、垫布和棉块（1g = 1ml）获取；对吸引出的血液进行定量（扣除羊水）；并测量术后 1–2 小时内放置在产妇下方的校准敷料中的血液量；随后在 24 小时内进行视觉估算。
计算失血量 (CBL)： 使用 Shook 公式推算： $CBL = \text{预计血容量} \times \frac{Hb_{产前} - Hb_{产后}}{Hb_{产前}}$ 。预计血容量计算为 $0.085 \times \text{产妇体重 (kg)}$ 。产后血红蛋白在 24 小时（或出院时）进行测量，并根据红细胞输血情况进行调整。负值的计算结果以零代替。

统计分析包括中位数（IQR）比较、Spearman 相关分析、用于一致性评估的 Bland-Altman 分析，以及用于阈值一致性评估的 Cohen's kappa 系数（阈值设定为 300、500、1000、1500 ml）。通过受试者工作特征曲线（ROC）下的面积（AUC）评估了两种方法对“死亡或近失事件”（定义为因出血、大量输血、器官衰竭或手术干预导致的死亡）及“血流动力学失代偿”（休克指数 >1.0）的预测能力。分析按贫血状态进行了分层。

主要结果

相关性与一致性： 虽然中位数 MBL (545 ml) 与 CBL (505 ml) 相似，但两种方法之间的相关性较弱（Spearman's rho = 0.28）。Bland-Altman 分析显示平均偏差较小（-39 ml），但一致性界限极宽（-1196 ml 至 1118 ml），表明个体层面的协议性较差。
阈值分类： 与 MBL 相比，CBL 将显著更多的女性归类为高失血量。对于 $\ge$ 1000 ml 的失血量，CBL 识别出 21% 的女性，而 MBL 为 7%；对于 $\ge$ 1500 ml 的失血量，CBL 识别出 8%，而 MBL 为 2%。Cohen's kappa 在不同阈值下显示出弱到中等的符合度。
贫血分层： 与贫血女性相比，非贫血女性在失血量低于 1000 ml 时表现出更大的比例血红蛋白下降。因此，在非贫血女性中，CBL 高于 MBL；而在贫血女性中，MBL 高于 CBL。
预测能力： MBL 对不良结局的预测能力略优于 CBL。
- 死亡或近失事件： MBL 的 AUC 为 0.87，CBL 为 0.76 ( $p < 0.001$ )。
- 血流动力学失代偿： MBL 的 AUC 为 0.66，CBL 为 0.62 ( $p = 0.001$ )。
- 随着阈值提高，两种方法的特异度均有所提高，但敏感度有所下降。

意义与结论
研究结论认为，虽然中位数实测失血量与计算失血量相似，但两者的相关性较弱，且在较高阈值下分类结果存在差异。计算失血量往往会高估严重失血女性的比例。

作者声称，实测失血量在预测死亡、近失事件及血流动力学失代偿方面具有微弱优势。然而，他们强调，当无法进行直接测量时，计算失血量仍然是一种有效的客观衡量指标，可作为临床试验的结局指标，因为它依赖于常规收集的数据（体重和血红蛋白），并避免了因液体溅出、污染或在繁忙临床环境中称量纱布带来的物流挑战。研究同时指出了两种方法的局限性，指出实测失血量可能会受到体液污染，并在大量出血期间被低估；而计算失血量则假设血容量保持稳定，并易受静脉输液导致的血液稀释影响。

类似论文