博客

术前访视里，抗凝药是最容易让人犹豫的一栏：停早了怕卒中或血栓，停晚了怕术野出血；如果还计划硬膜外或深部神经阻滞，标准又会突然变得更保守。我的处理思路不是先背“停几天”，而是先回答四个问题：为什么吃、做什么手术、肾功能怎样、要不要碰椎管或不可压迫的深部间隙。

先给结论：这不是一张“统一停药表”

一、术前我先核对这8项

1. 药名、剂量、每天几次、最后一次准确服药时间；
2. 抗凝适应证：房颤、VTE、机械瓣还是其他原因；
3. 最近3个月有无卒中/TIA、DVT/PE或瓣膜血栓；
4. 手术本身是最小、低/中度还是高出血风险；
5. 是否计划腰麻、硬膜外、深部丛阻滞或留置导管；
6. 肌酐清除率（CrCl，而不只看实验室eGFR）、肝功能、血小板和血红蛋白；
7. 是否合用阿司匹林、P2Y12抑制剂、NSAIDs或影响药物浓度的相互作用药；
8. 术后何时能进食、止血是否可靠、是否可能再次手术。

二、DOAC：按手术出血风险决定中断长度

下面是肾功能相对稳定、择期手术的实用起点，主要依据JAMA 2024综述及PAUSE式管理策略。这里的“1天”指跳过整个术前一天，不等于简单数24小时；具体还要结合每天一次或两次给药时间。

最重要的一句：DOAC半衰期短，择期中断期间通常不需要肝素桥接。若高血栓风险患者术后迟迟不能恢复治疗剂量，可在止血允许时考虑预防剂量肝素，但这不是“术前桥接”的同义词。

三、华法林：常规停5天，桥接只留给极少数人

多数需要中断的择期手术，华法林通常术前停5天，并在术前复查INR。止血可靠时可在术后当晚或12–24小时恢复，因为华法林重新达到治疗作用还需要几天。

有些低出血风险操作可不中断华法林，例如部分牙科、皮肤、眼科操作或器械植入，但必须由具体术式和操作者止血条件决定，不能只凭手术名称。

四、椎管内和深部阻滞：必须单列一条更保守的路径

手术医生认为“可以开刀”，并不等于麻醉医生就可以穿刺硬膜外。ASRA第5版已进一步区分DOAC的低剂量与高剂量；代表性的最低中断时限如下，最终仍应逐项核对最新版原表、CrCl以及导管拔除—重启间隔。

浅表、可压迫部位的神经阻滞与腰麻、硬膜外、腰丛等不可压迫深部技术并不等价。若停药时限不足，我更愿意改变麻醉方案，而不是用逆转药“换取一次穿刺”。

五、急诊手术：先判断能不能等，再谈逆转

1. 先问最后一剂和肾功能。同时查血常规、肌酐、PT/INR、aPTT；有条件时查药物特异性抗Xa水平或稀释凝血酶时间。
2. 能延迟就延迟。哪怕延迟数小时，也可能明显降低残余药物浓度。
3. 华法林：危及生命出血或真正紧急手术通常考虑四因子PCC联合静脉维生素K，按本院方案执行。
4. 达比加群：特异性逆转药为依达赛珠单抗；极近期服药时才考虑活性炭等措施。
5. Xa抑制剂：可根据出血/手术情境、适应证和可及性讨论andexanet alfa或四因子PCC。两者都不是无风险“清零键”，逆转后有血栓风险。

六、术后重启：我用这5个问题做床旁判断

• 外科止血是否可靠，伤口和引流趋势怎样？
• 硬膜外导管是否仍在，拔管时间是否满足指南？
• 肾功能、肝功能和血小板是否发生变化？
• 患者能否稳定进食，药物吸收是否可信？
• 如果今天不恢复治疗剂量，是否需要先用机械预防或预防剂量抗凝？

低/中度出血风险常在术后≥24小时恢复DOAC，高风险常在48–72小时；但活动性出血、再次手术风险或留置硬膜外导管都可以使这个时间继续后移。每天重新评估，比术前一次性写死“术后第几天恢复”更安全。

七、三个常见场景

场景1：房颤，阿哌沙班5 mg bid，腹腔镜胆囊切除，肾功能正常。
先按低/中度出血风险考虑术前停1天、术后≥24小时恢复；不做肝素桥接。若改做硬膜外，则不能沿用这套时限，应进入ASRA高剂量阿哌沙班路径。

场景2：房颤，华法林，择期结直肠肿瘤手术。
通常术前停5天并复查INR。单凭CHA₂DS₂-VASc较高不等于必须桥接；近期卒中等极高危因素才需要多学科重新讨论。

场景3：近期PE，利伐沙班，急诊髋部骨折。
同时面对高血栓风险和手术延迟风险。明确最后服药时间、CrCl和可用检测；能安全延迟则延迟。逆转方案、麻醉方式和术后预防应由麻醉、骨科、血液/心内共同拍板。

可下载的指南原文

主要参考资料与官方入口

1. Douketis JD, et al. Perioperative Management of Antithrombotic Therapy: CHEST Clinical Practice Guideline. Chest, 2022. PubMed｜DOI/期刊原文

2. Douketis JD, Spyropoulos AC. Perioperative Management of Patients Taking Direct Oral Anticoagulants: A Review. JAMA, 2024. PubMed｜DOI

3. ASRA Pain Medicine. Regional anesthesia in the patient receiving antithrombotic or thrombolytic therapy, fifth edition. RAPM, 2025. PubMed｜期刊官方全文页/PDF入口

4. Kietaibl S, et al. Regional anaesthesia in patients on antithrombotic drugs: Joint ESAIC/ESRA guidelines. Eur J Anaesthesiol, 2022. PubMed

图片与版权说明：题图来自Wikimedia Commons，按CC BY-SA 3.0署名使用；指南PDF均来自学会公开页面，本站仅为教学研究提供便捷下载，版权归原出版方。如权利人认为使用不当，请联系我们处理或删除。

本文供临床专业人员学习交流，不代替针对具体患者的会诊、本机构流程或最新版药品说明书。指南更新、药物剂量、肾功能和穿刺部位都可能改变最终决策。

臀部痛伴“坐骨神经痛”，临床上很容易顺手扣上“梨状肌综合征”的帽子。我的习惯恰恰相反：先把腰椎、骶髂关节、髋关节和近端腘绳肌的问题逐项排除，最后才回到深臀区。因为真正需要处理的，往往不是一块单纯痉挛的梨状肌，而是坐骨神经在深臀间隙里受到刺激或卡压。

一、先把解剖关系想清楚

梨状肌起自骶骨前面，大致跨过骶髂关节，经坐骨大孔走向股骨大转子上缘。它既是髋关节外旋肌，在髋屈曲位又参与外展。坐骨神经多数从梨状肌下缘穿出，但分支与肌束之间存在不少解剖变异，这也是症状并不总按教科书出现的原因之一。

从超声层次看，最表浅是皮肤和皮下组织，其下是臀大肌；梨状肌位于臀大肌深面，坐骨神经通常又在梨状肌深面。真正操作时，我脑中一直保留这句顺序：臀大肌—梨状肌—坐骨神经。针尖只能在看清三层关系后再推进。

二、哪些表现让我想到它？

• 以单侧深臀部疼痛为主，可向大腿后侧放射，偶尔到小腿；
• 久坐、驾车、跑步、上楼或髋关节内旋时加重；
• 坐骨大切迹附近压痛，患者常能用一个手指指出“最深的痛点”；
• FAIR试验（屈髋、内收、内旋）、Pace、Freiberg或Beatty动作可能诱发熟悉的疼痛；
• 腰椎影像与症状不匹配，或腰椎治疗效果不理想。

但这些表现都不是特异性的。腰骶神经根病、骶髂关节痛、臀中肌/臀小肌腱病、坐骨股骨撞击、近端腘绳肌病、髋关节内病变，甚至盆腔占位都可能很像。若有进行性肌力下降、括约肌异常、发热、夜间痛或肿瘤史，应先处理红旗问题。

我的小经验：如果患者只有臀部压痛，却没有坐位诱发、牵伸痛或神经放射症状，我不会急着做注射；如果腰椎体征很典型，也不会因为超声下看到梨状肌“稍厚”就改变诊断。

三、超声下怎样找到梨状肌？

患者俯卧，髋关节保持中立位，膝关节屈曲。体型偏瘦可用低频线阵探头，深部结构通常更适合2–5 MHz凸阵探头。先用骶骨外侧缘做内侧骨性锚点，再向大转子方向扫查。骶骨呈连续强回声伴声影；臀大肌位于表层，梨状肌是其深面的条带状肌性结构。

让助手轻轻做髋内旋、外旋，梨状肌会在深臀间隙内滑动，这个动态动作比盯着一张静态灰阶图更可靠。随后在梨状肌深面寻找坐骨神经：它常表现为椭圆或扁平的束状高回声结构。最后一定打开彩色多普勒，确认下臀血管等血管走行。

四、我怎样做超声引导注射

治疗前要再次确认适应证、抗凝/抗血小板情况、局部感染、药物过敏和患者配合度。首选康复、活动调整与药物等保守治疗；注射既可用于缓解症状，也有一定诊断价值，但不能代替完整鉴别诊断。

1. 体位与无菌：俯卧位，臀部充分暴露，探头和穿刺区按无菌操作准备。
2. 再次确认四个标志：骶骨外缘、臀大肌、梨状肌、坐骨神经；彩色多普勒排查血管。
3. 选择进针路径：常采用平面内进针，使针杆和针尖全程可见。路径可由外向内，目标根据诊疗目的放在梨状肌肌腹或其周围筋膜平面。
4. 先确认针尖，再注射：针尖不要指向坐骨神经；回抽后用少量液体观察扩散，确认不是血管内、神经内或错误筋膜层。
5. 低压、分次注射：药物方案应按本机构规范和患者情况选择。局麻药加或不加糖皮质激素、肉毒毒素等都有报道，但疗效证据和适应证并不相同，不能套用固定“配方”。

五、几个我特别在意的安全点

• 不做“看不见针尖”的盲推，针尖丢失就停；
• 不要把坐骨神经当成肌腱，也不要把血管当作低回声间隙；
• 出现电击样放射痛、异常阻力或患者剧烈疼痛时立即停止；
• 术后观察感觉、肌力和步行安全，告知短暂麻木或无力的可能；
• 警惕出血、感染、局麻药系统毒性、神经损伤及激素相关不良反应。

我通常会记录注射前的诱发动作与疼痛评分，注射后在同一动作下复测。若短时间内没有任何可重复的变化，应该重新审视诊断，而不是连续追加“更强”的治疗。

最后的体会

超声的价值不只是把针送到梨状肌，而是逼着操作者重新核对：疼痛来自肌肉本身，还是坐骨神经周围？是局部解剖问题，还是腰椎或髋部疾病的投射？只有把超声图像、临床症状和注射后的反应放在一起，梨状肌综合征这个诊断才更可信。

主要参考资料

1. Hopayian K, et al. Piriformis syndrome. Handbook of Clinical Neurology, 2024. PubMed｜DOI

2. Park JW, et al. Deep gluteal syndrome as a cause of posterior hip pain and sciatica-like pain. Bone Joint J, 2020. PubMed｜DOI

3. Bardowski EA, Byrd JWT. Piriformis Injection: An Ultrasound-Guided Technique. Arthrosc Tech, 2019. PMC开放全文｜DOI

4. Vita F, et al. Piriformis syndrome: a systematic review of case reports. BMC Surg, 2025. PubMed｜DOI

图片授权：图1来自Wikimedia Commons（CC BY-SA 2.5）；图2来自Wikimedia Commons（CC BY 4.0）；图3—5来自PMC开放获取论文（CC BY-NC-ND 4.0），均保留原图并在图下注明来源。图片版权归原作者所有，如认为使用不当或涉及侵权，请联系我们及时处理或删除。

本文为个人临床学习笔记，仅供医学专业交流，不替代对具体患者的面诊、会诊和本机构操作规范。超声引导注射应由接受过相关训练的医师实施。

手术室效率并不是简单的“把空档填满”。急诊插入、手术时长波动、麻醉与护理资源耦合、复苏室床位不足，都会让一个看似合理的排程连锁失效。2026年一项研究在统一的离散事件模拟环境中，正面比较规则排程、预测后优化、遗传算法和强化学习。

强化学习在模拟中表现如何？

研究构建了包含择期与急诊病例、共享麻醉和护理资源、周转时间及下游瓶颈的普通外科手术室模型，并进行了500次重复模拟。与规则基线相比，所有AI策略都减少了延误与加班，并提高利用率。

强化学习的改善最大：总延误从182.4分钟降至104.2分钟，相对减少 42.9%；加班从76.3分钟降至41.2分钟，减少 46.0%；利用率从73.2%升至80.1%；当日取消量下降 54.8%。

麻醉科为什么是关键参与者？

算法若只优化手术间占用，可能把压力转移给麻醉准备区、PACU或人员排班。高质量排程必须把麻醉方式、诱导与苏醒时间、困难气道准备、术后去向和急诊保障能力纳入约束。麻醉科提供的真实流程数据，决定模型是在“优化系统”还是“优化报表”。

模拟不是现实世界证明

研究作者明确提醒：强化学习优势依赖于奖励函数、允许重排的范围和模拟的中断模式。模型代表一个“风格化”环境，并非特定医院复刻。上线前应采用影子模式、本地历史回放和分阶段试点，同时关注公平性、员工负荷和患者体验。

一句话总结：AI排程很有潜力，但好的目标函数必须同时尊重效率、安全与人的工作边界。

参考文献：Çalışkan YK, et al. Beyond block time: a head-to-head comparison of reinforcement learning, genetic algorithms, and predict-then-optimize scheduling for operating room workflow using discrete-event simulation. 2026. DOI｜PubMed

本文用于医学信息交流，不构成医院运营或个体诊疗建议。

术后谵妄常见、起病快，又与住院时间延长和不良结局相关。临床上若能在手术尚未结束时识别风险，就可能为术后监测和非药物预防争取窗口。2026年的一项研究把术中脑电（EEG）功能连接与机器学习结合，寻找早期信号。

研究如何分析脑电？

研究纳入70名心血管手术患者，术后谵妄组和非谵妄组各35人。团队利用相位锁定值（PLV）衡量不同脑区在δ、θ、α和β频段的同步程度，再把组间差异明显的连接边输入 XGBoost 分类器。

谵妄患者最明显的变化集中在 θ频段：共有12条连接边出现差异，且显著连接的PLV均升高。仅使用θ频段特征时，模型准确率达到 90.7%，AUC为 0.91。

这可能改变什么？

未来的麻醉监护不一定只显示“麻醉深度指数”，还可能实时分析脑网络同步模式，提示需要关注的认知风险。对于高风险患者，团队可更早优化镇静策略、减少不必要的抗胆碱能药物、加强睡眠与定向干预，并规划PACU或ICU观察。

小样本结果不能被过度解读

70例属于探索性规模，且病例来自心血管手术。特征筛选与模型训练若缺乏严格的外部验证，容易出现过拟合。脑电还受到年龄、麻醉药、体温、体外循环和伪迹影响。因此，这一结果应视为候选生物标志物，而非可直接用于临床诊断的阈值。

参考文献：Fang Y, et al. Machine learning-based prediction of postoperative delirium from intraoperative EEG signal alterations in brain functional connectivity. 2026. DOI｜PubMed

本文用于医学信息交流，不构成个体诊疗建议。

停不停抗凝药、停多久、是否桥接、何时恢复，是围术期最容易“看似简单、实则高风险”的决策之一。2026年发表的一项研究比较了三种大语言模型在口服抗凝患者非心脏手术管理中的表现，并观察结构化临床决策支持（CDS）能否降低错误。

40个场景带来了什么结果？

两名心脏科医生构建了40个基于指南的病例，其中20个涉及直接口服抗凝药，20个涉及华法林。未接入CDS时，三种模型达到完整指南一致的比例分别为 60%、55%和50%，不足以替代临床判断。

加入结构化CDS表格后，准确率分别提高至 80%、100%和85%，且每个模型的改善均有统计学意义。这里最值得注意的并不是“哪家模型第一”，而是可靠知识结构对模型表现的提升远大于单纯聊天。

对麻醉科的现实启示

大模型更适合做自然语言入口：读取病例、追问缺失信息、把指南规则转化为清晰的待办清单；真正决定停药间隔与桥接策略的核心，应由版本可追溯的指南规则、肾功能、手术出血风险和血栓风险共同约束。

为什么仍不能直接照抄答案？

本研究场景数量有限，模型版本会快速更新，且“100%”只代表特定测试集。真实病例常有急诊手术、药物依从性不明、肝肾功能波动和多学科意见冲突。任何系统都应显示依据、版本和不确定性，并保留人工复核。

一句话总结：围术期抗凝领域，大模型的安全价值来自“模型 + 结构化规则 + 医生”，而不是模型单打独斗。

参考文献：Performance of large language models and clinical decision support in perioperative management of oral anticoagulants. 2026. DOI｜PubMed

本文用于医学信息交流，不构成个体用药或停药建议。

慢性肾病（CKD）患者接受手术后发生急性肾损伤（AKI）的风险更高，而传统评分往往难以同时整合血流动力学、实验室和器官功能信息。2026年一项研究尝试用可解释机器学习提前识别这类高风险患者。

模型表现如何？

研究从 MIMIC-IV 数据库纳入 3,851 名合并 CKD 的手术患者，其中 24.2%（932人）发生术后 AKI。研究者比较了9种监督学习算法，XGBoost表现最佳：AUC为 0.844，准确率0.791，敏感度0.79，F1值0.73，校准曲线也显示预测风险与实际风险较为一致。

“可解释”体现在哪里？

团队使用 SHAP 分析拆解模型决策。对总体预测影响最大的因素包括 SOFA 评分、估算肾小球滤过率（eGFR）、收缩压、白蛋白和血磷。这使临床团队不仅看到一个风险百分比，还能理解该患者风险主要来自何处。

麻醉医生可以怎么用？

理想场景是把模型嵌入术前评估与术中监测：高风险患者可更早接受容量状态评估、肾毒性药物复核、血压目标个体化和术后肌酐监测。它更像风险分层工具，而不是自动开立治疗的“电子医生”。

局限性不能忽略

这项工作属于回顾性数据库研究，尚不能证明使用模型会减少 AKI。不同医院的检验频率、病例结构和诊疗流程可能明显影响性能；模型还可能把既有医疗偏差一并学进去。外部验证、前瞻性影响研究与报警疲劳评估，才是走向临床的关键。

参考文献：Wu M, et al. Machine learning-based risk prediction model for postoperative acute kidney injury in surgical patients with CKD. 2026. DOI｜PubMed

本文用于医学信息交流，不构成个体诊疗建议。

超声引导让腰丛神经阻滞更可视，但并没有让复杂解剖自动变得简单。2026年6月发表于《Computer Assisted Surgery》的研究提出 DMRNet，用深度学习对 Shamrock 视图中的肌肉、骨性结构与腰丛神经进行分割，目标是为麻醉医生提供实时解剖识别辅助。

研究做了什么？

腰丛通常位于腰大肌后部，超声图像存在散斑、边界模糊和个体差异。研究团队构建了动态多尺度残差网络，并引入多尺度扩张、注意力残差、边界感知等模块，让模型同时关注整体结构和细小边缘。

在研究数据集上，模型对目标结构的平均交并比（mIoU）达到 0.863，平均 Dice 系数达到 0.926，优于论文中比较的其他模型。

对麻醉临床意味着什么？

这类系统最现实的定位不是“自动穿刺”，而是第二双眼睛：在操作者扫查时提示腰大肌、横突和神经可能所在区域；在教学中帮助初学者建立图像与解剖的对应关系；还可为操作质控和标准化记录提供结构化数据。

仍要警惕什么？

论文报告的是图像分割性能，而不是阻滞成功率、并发症或患者结局。单中心数据、设备差异、肥胖和解剖变异都可能造成模型漂移。真正进入临床前，还需多中心外部验证、实时延迟测试，以及明确“模型提示错误时由谁负责”。

一句话总结：AI正在把“看懂超声”变成可计算的任务，但针尖路径与临床判断仍必须掌握在麻醉医生手中。

参考文献：Cui H, et al. DMRNet: a dynamic multi-scale residual network for Shamrock view and lumbar plexus segmentation. 2026. DOI｜PubMed

本文用于医学信息交流，不构成个体诊疗建议。