论文部分内容阅读
目的:构建颈动脉斑块的列线图模型和颈动脉斑块积分的估算方程,探讨颈动脉斑块发生的危险因素,为颈动脉斑块形成的初步筛查提供新方法。方法:本次研究收集了2016年6月至2017年6月在马鞍山人民医院超声科行颈动脉彩色多普勒超声检查并经过纳入排除标准筛选的1400名调查对象进行研究。调查对象的信息收集主要包括:问卷资料收集、体格检查、临床生化检测以及颈动脉超声斑块检查。问卷资料的收集主要包括:年龄、性别等一般人口学特征,是否吸烟、饮酒等行为特征以及是否患有高血压、糖尿病等既往病史等;体格检查主要包括:身高、体重和血压;临床血生化检测主要检测血脂指标(总胆固醇,甘油三脂,高密度脂蛋白,低密度脂蛋白,脂蛋白a)和肾功能指标(尿酸,尿素氮,肌酐,胱抑素C);颈动脉彩色多普勒超声检查主要包括:颈动脉内中膜厚度,颈动脉斑块厚度、位置、回声情况等以及颈动脉的颈总动脉、球部、颈内动脉血流速度以及阻力指数的检测。颈动脉斑块组与对照组之间各项指标的差异比较采用t检验和卡方检验。采用二分类的Logistic多因素逐步回归分析斑块形成的危险因素并建立列线图模型,用Bootstrap自抽样方法进行内部验证。颈动脉斑块积分估算方程的建立采用多重线性回归分析以及拟合二次模型,并采用ROC曲线对模型进行评价。结果:1.一般人口学特征的单因素分析:斑块形成组的年龄(t=-12.46,P<0.001)、性别(χ~2=12.66,P<0.001)、高血压(χ~2=107.56,P<0.001)、吸烟(χ~2=5.00,P=0.025)、饮酒(χ~2=6.53,P=0.011)、脉压差(t=-10.76,P<0.001)和BMI(t=-2.67,P=0.008)与对照组相比差异具有统计学意义,而两组之间糖尿病的比较差异无统计学意义(χ~2=1.90,P=0.168)。2.斑块形成组与对照组的血生化指标的单因素比较:斑块组的LPa(t=-4.06,P<0.001)、UA(t=-5.01,P<0.001)、CR(t=-5.05,P<0.001)和Cys C(t=-10.18,P<0.001)高于对照组;斑块组的HDL浓度(t=3.84,P<0.001)低于对照组。其他生化指标之间的比较差异无统计学意义。3.颈动脉超声资料的比较:斑块组的右侧颈总动脉的PSV(t=4.64,P<0.001)、EDV(t=7.30,P<0.001)均低于对照组,而RI(t=-4.87,P<0.001)高于对照组。右侧颈内动脉的PSV(t=0.01,P=0.994)与对照组相比无统计学意义,EDV(t=2.78,P=0.006)低于对照组,而RI(t=-5.01,P<0.001)则高于对照组。与对照组相比,斑块组左侧颈总动脉的PSV(t=3.98,P<0.001)、EDV(t=7.74,P<0.001)均较低,而RI(t=-7.36,P<0.001)则较高。左侧颈内动脉与对照组相比,PSV(t=0.73,P=0.465)差异无统计学意义,EDV(t=3.40,P<0.001)较低而RI(t=-5.99,P<0.001)则较高。4.颈动脉斑块形成的危险因素分析:多因素Logistic回归分析结果显示年龄(OR=1.056,P<0.001)、性别(OR=1.603,P<0.001)、高血压(OR=2.108,P<0.001)、LDL(OR=1.308,P=0.003)、LPa(OR=1.002,P=0.002)、Cys C(OR=3.921,P<0.001)、右侧颈内动脉EDV(OR=1.029,P=0.010)和PP(OR=1.032,P<0.001)均为颈动脉斑块形成的危险因素。高密度脂蛋白(OR=0.477,P=0.002)和左侧颈总动脉EDV(OR=0.962,P<0.001)为其保护因素,并且根据多因素结果建立列线图模型,Bootstrap自抽样内部验证C-index等于0.780。5.临床血生化指标、颈动脉超声资料与颈动脉斑块积分的单因素的线性回归分析:年龄(t=12.17,P<0.001)、PP(t=10.85,P<0.001)、LPa(t=2.66,P=0.008)、HDL(t=-3.03,P=0.003)、UA(t=4.02,P<0.001)、BUN(t=2.46,P=0.014)、Cr(t=6.43,P<0.001)、Cys C(t=10.59,P<0.001)、右侧颈总动脉EDV(t=-5.95,P<0.001)和RI(t=7.21,P<0.001)、右侧颈内动脉PSV(t=2.87,P=0.004)和RI(t=5.10,P<0.001)、左侧颈总动脉EDV(t=-6.15,P<0.001)和RI(t=7.82,P<0.001)、左侧颈内动脉PSV(t=3.43,P<0.001)和RI(t=6.52,P<0.001)均与颈动脉斑块积分具有线性关系。6.多重线性回归和二次方程构建颈动脉斑块积分的预测方程的ROC曲线分析:构建了7个颈动脉斑块积分预测方程,其中方程Y=(-5.063+0.051Age+0.811Sex+0.030PP-0.314HDL+1.338CysC+0.011RICA PSV-0.043LCCA EDV+0.019LICA PSV)的灵敏度最高,为0.760;方程Y=(9.005-0.276Age+0.018PP-0.187LCCA EDV+0.001AgePP+0.002AgeLCCA EDV+0.002Age~2-0.001PP LCCA EDV+0.002LCCA EDV~2-0.0001PP~2)的特异度最高,为0.690。结论:本研究通过年龄、脉压差、血脂、肾功能以及血流动力学指标构建颈动脉斑块形成的列线图模型以及不同应用范围的斑块积分的线性模型,对颈动脉斑块形成具有较好的预测效果,能较准确估算出斑块积分,可以为颈动脉斑块的初步筛查提供依据。