论文部分内容阅读
目的 本研究的目的是通过对一组大样本、多中心颈动脉斑块磁共振成像的横断面数据进行回顾性分析,建立一套基于颈动脉MR成像的,易于应用于临床的颈动脉粥样硬化评分系统(Carotid Atherosclerotic Score,CAS),用于评估颈动脉粥样硬化病变的严重程度,识别不稳定斑块,并验证该评分系统预测斑块内新发高危因素的能力.方法 对颈动脉多对比磁共振图像进行分析,全部分析应用MEPPS斑块成分自动分割技术完成.共分为两大部分.1.回顾性分析一组大样本,多中心的颈动脉多对比磁共振成像的横断面资料,将其以7∶3的比例随机分为调试组和检验组.将两个被公认导致斑块不稳定的高危因素一斑块内出血和纤维帽破裂的出现作为终点,将调试组资料的临床信息和颈动脉形态学信息以及斑块成分信息分别与两个终点进行相关性分析,并建立Logistic回归模型,寻找与两个高危因素的出现最为相关的一种核心成分.根据这一核心成分与两个终点(斑块内出血和纤维帽破裂)出现的相关性,建立一套基于MR图像的评价颈动脉粥样硬化严重程度,发现不稳定斑块的评分系统(CAS).将CAS评分系统应用于检验组,以ROC曲线及AUC曲线下面积评价该评分系统识别不稳定斑块的能力,同时分析依据颈动脉管腔狭窄程度识别高危斑块的结果,并与CAS对比.2.对一组两个时间点的队列资料进行分析,观察基线时CAS评分与三年后随访中新发的斑块内出血和/或纤维帽破裂之间的关系,评价CAS评分预测未来新发高危因素的能力.结果 1.多中心大样本横断面资料：共计646例纳入横断面样本,依照排除标准去除相应病例后,剩余共计536例随机分为两组,调试组375例,检验组161例,两组间临床信息、颈动脉形态学信息和斑块成分信息均无显著差异.2.以IPH和FCR为终点,对调试组资料的临床信息参数、颈动脉形态学变量和斑块成分变量分别建立单因素Logistic回归模型,找到显著相关的变量(P＜0.10),纳入多因素Logistic回归模型,采用后退剔除法,最终最大脂质核占管壁面积的百分数(max％LRNC)被选为同时与IPH和FCR最显著相关的变量(P＜0.001),用于建立CAS评分系统.3.采用重叠移动平均线分析确定CAS评分系统.CAS=1： max％LRNC=0；CAS=2： max％LRNC＜30％； CAS=3： max％LRNC=30％-50％； CAS=4： max％LRNC＞50％.4.以检验组(n=161)对CAS评分进行AUC检验,CAS评分在识别IPH和FCR的出现上价值均较高(IPH： AUC=0.89 [95％CI：0.82,0.96]； FCR： AUC=0.89[95％CI：0.80,0.98]).对同时具有CE-MRA数据的亚组(n=36),对识别具有IPH和/或FCR的高危斑块,CAS评分较狭窄程度具有更高的AUC值(IPH：0.88vs0.56,P=0.01； FCR： 0.84vs0.56,P=0.07).5.队列资料为单中心,两个时间点资料,共计120例,依照排除标准剔除相应病例后,共计82例纳入基线评分分析.基线CAS评分可以准确发现基线时的高危因素,发现IPH的AUC值为0.92 (95％CI：0.80,1.04),发现FCR的AUC值为0.90 (95％CI：0.71,1.08).6.队列资料中共计73例在基线时无颈动脉斑块的高危因素IPH或FCR,其基线时的CAS评分分布为：CAS=1,48例(66％),CAS=2,15例(21％),CAS=3,7例(10％),CAS=4,3例(4％).随访中共发现4例新发IPH和7例新发FCR.对基线时CAS评分预测随访中出现新发IPH和FCR的AUC检验结果示：基线CAS评分对预测新发IPH的准确性较低,AUC=0.63(95％CI：0.40,0.87),而预测新发FCR的准确性较高,AUC=0.84 (95％CI：0.68,0.99).相应的,管腔狭窄程度无论对新发IPH还是FCR的预测准确性均较低(IPH：AUC=0.74,95％CI：0.52,0.96, P=0.10；FCR： AUC=0.65, 95％CI： 0.43,0.88, P=0.2).结论 颈动脉粥样硬化评分(CAS)可以快捷、有效地对颈动脉粥样硬化的严重程度进行分级,发现高危斑块,并已经证实CAS可以预测未来新发高危因素,如FCR形成.CAS评分系统较之管腔狭窄程度,是更好的危险分层工具,且其评分方法简单,易于在临床实践中施行,是颈动脉粥样硬化疾病的一个有效的危险分层工具.