2025-07-16 10:00:43 by admin 62
背景:普通人群中,無癥狀頸動脈中度(≥50%)和重度(≥70%)狹窄的患病率較低,估計分別為2.0%和0.5%,因此,在當前指南中不建議使用超聲對無癥狀頸動脈狹窄患者進行人群水平篩查。
然而,無癥狀性頸動脈狹窄(Asymptomatic carotid stenosis,ACS)會顯著增加缺血性中風和心肌梗塞的風險,此外,研究證據表明,對于狹窄程度大于50%的ACS的患者,適當使用三聯藥物療法(即降血脂藥,抗血小板藥和降血壓藥)可以有效幫助預防中風和心肌梗死。
既往,已有學者開發了多種風險評分模型,可基于一些基本信息篩選出高危的ACS患者,然后將其作為重點人群進行針對性篩查。然而,用于開發這些風險評分的數據較為陳舊,多是基于二十多年前招募的參與者,并且該模型未包括ACS的重要預測因子,例如外周動脈疾病(PAD)。
因此,本研究目的是,以當代人群篩查數據,開發新的ACS風險評分模型,以預測需要進行篩查的高危ACS患者。
方法:
人群:2008-2013年間,在某家血管疾病診所進行體檢的人群中,招募參與者。
暴露:參與者填寫標準化問卷,主訴有關年齡,性別,身高和體重,血管疾病史(TIA,中風,冠心病),高血壓,糖尿病,吸煙狀況和抗血小板藥、降壓和降脂藥物的使用情況等信息;由醫務人員用血壓計測量參與者的血壓,基于超聲評估其頸總動脈和頸內動脈情況;此外,對參與者的血樣本進行血生化分析,獲取血清總膽固醇(TC)和高密度脂蛋白(HDL)水平。
結局變量:設定兩種結局①中重度狹窄(頸動脈狹窄程度≥50%)②重度狹窄((頸動脈狹窄程度≥70%),狹窄率計算公式以及分類方式參照NASCET原則。
數據分析:采用多變量logistic回歸模型,確定可獨立預測50%和70%ACS的自變量集合,基于自提法(Bootstrap)驗證模型內部有效性,基于受試者工作特性曲線( ROC)和曲線下面積(AUROC)評估模型的區分度(discrimination),即, 是否能夠將患者和非患者區分開;基于模型校準圖形(calibration plot)評估模型校準度,即模型預測結果與實際情況的符合程度。
結果:共納入596 469名參與者,年齡,性別,當前吸煙,糖尿病,既往中風/短暫性腦缺血發作,冠狀動脈疾病,外周動脈疾病,血壓和血脂等,可作為50%和70%ACS的預測因素。對于50%ACS,模型的AUROC為0.78(95%置信區間[CI] 0.77-0.78),對于70%ACS, AUROC為0.82(95%CI 0.81-0.82。在最高風險的十分位數人群中進行篩查,每篩查13人可確診1例50%ACS患者,檢出41%的ACS患者(狹窄率≥50%);每篩查58人可檢出1例70%ACS患者,檢出51%的ACS患者(狹窄率≥70%)。
表1:納入模型的參與者基本信息
表3:基于多元回歸結果,對納入的變量進行賦值,總分越高,發生ACS的風險越高(≥50%或≥70%)
結論:新的風險模型可以有效地預測ACS的發生率,在最高風險的十分位數人群中進行有針對性的篩查,可檢出所有ACS患者(狹窄率≥50%)的40%。對這些檢測出的高危人群,開始或加強心血管風險管理,可能有助于減少頸動脈相關的缺血性卒中和心肌梗塞風險。
— THE END —