论文部分内容阅读
目的筛选进展性缺血性脑卒中(Progressive ischemic stroke,PIS)的相关危险因素,基于这些危险因素构建PIS的预测评分系统,以便临床应用,为其预防和治疗提供依据。方法收集2015年12月到2016年12月于唐山工人医院神经内科住院的急性缺血性脑卒中患者186例。在患者入院时和病情变化时采用美国国立研究院卒中量表(National Institutes of Health Stroke Scale,NIHSS)进行神经功能评分,根据发病6小时至发病7天内NIHSS评分是否增加2分或2分以上,分为进展性缺血性脑卒中(PIS)组和非进展缺血性脑卒中(Non progressive ischemic stroke,NPIS)组,其中PIS组86例,NPIS组100例。收集可能影响患者病情的相关指标,包括性别、年龄、既往病史、吸烟、饮酒史、发热、感染、肥胖、体重指数、血白细胞计数、空腹血糖、纤维蛋白原、血脂、同型半胱氨酸、超敏C反应蛋白、尿酸、入院时血压及血压变化、贫血、颈动脉斑块、责任血管狭窄程度、梗死部位、入院NIHSS评分、病情变化时NIHSS评分等。对上述资料进行单因素分析及多因素Logistic回归分析,筛选PIS的危险因素,建立Logistic回归方程;基于各因素的b系数,采用“计分法”构建PIS的预测评分系统。通过绘制ROC曲线及配对卡方检验和一致性检验等对PIS预测评分系统的辨别力和准确度进行评估。结果1单因素分析:饮酒史、发热、感染、体重指数、血白细胞计数、甘油三酯、超敏C反应蛋白、尿酸、入院收缩压、脑梗死后血压下降、责任血管中-重度狭窄、内囊后肢梗死、分水岭梗死在PIS组和NPIS组比较,差异有统计学意义(P<0.05);性别、年龄、高血压病史、冠心病史、糖尿病史、房颤病史、脑卒中/TIA病史、吸烟史、肥胖、空腹血糖、纤维蛋白原、总胆固醇、低密度脂蛋白胆固醇、同型半胱氨酸、入院舒张压、贫血、颈动脉斑块、颈动脉不稳定斑块、OCSP各型、桥脑梗死、入院时NIHSS评分在两组间比较,差异无统计学意义(P>0.05)。2多因素Logistic回归分析:体重指数、饮酒史、梗死后血压下降、责任血管中-重度狭窄、内囊后肢梗死、分水岭梗死、发热,7个因素纳入Logistic回归模型,是PIS的危险因素,各因素的优势(Odds ratio,OR)比分别为1.300、4.027、15.852、4.702、4.322、4.185、11.999。3构建预测PIS的Logistic回归模型:Logit P=-10.035+0.262X1+1.393X2+2.763X3+1.548X4+1.464X5+1.432X6+2.458X7(注:X1表示BMI;X2表示饮酒史;X3表示梗死后血压下降;X4表示责任血管中-重度狭窄;X5表示内囊后肢梗死;X6表示分水岭区梗死;X7表示发热)。4简化Logistic回归模型,构建了总分为10分、预测界值为4分的PIS预测评分系统,该评分系统ROC曲线下面积为0.911,评价效果如下:灵敏度0.860,特异度0.920,总符合率0.892,阳性似然比10.750,阴性似然比0.152,Kappa值0.783。结论1体重指数、饮酒史、脑梗死后血压下降、责任血管中-重度狭窄、内囊后肢梗死、分水岭梗死、发热是PIS的重要危险因素。2构建的PIS预测评分系统,评估效果较好,应用方便简捷,具有一定的临床实用性。