论文部分内容阅读
1.非增强计算机断层扫描血肿非低密度区密度值在预测自发性脑出血血肿扩大方面的作用目的:基于非增强计算机断层扫描(Non-contrast Computed Tomography,NCCT)上血肿的低密度灶的数量、形态及与其与高密度区差值是预测血肿扩大(Hematoma Expansion,HE)的可靠预测因子,然而血肿在NCCT图像上的非低密度区密度值(Non-hypodense region Density,NHPD)大小与HE的关系尚未阐明。本研究通过测量NCCT图像血肿的非低密度区核心密度值水平,观察其影响HE的可能性及是否能够为临床判断HE风险增加获益。方法:本研究纳入2013年1月至2021年6月我院收治的自发性脑出血患者,按时间顺序分为衍生组和验证组进行回顾性分析。血肿非低密度区定义为血肿内无肉眼可见的低密度的区域,并在感兴趣区(Region of interest,ROI)内非低密度区霍斯菲尔德单位(Hounsfield Units,HU)平均值的标准差≤6 HU。血肿的NHPD测量统一在医院的影像归档和通信系统(Picture Archiving and Communication Systems,PACS)内进行。测量NHPD的ROI局限于非低密度区域的核心层面,且ROI区域的周围均有非低密度的血肿包绕。基于衍生组患者数据,采用受试者特征(Receiver Operating Characteristic,ROC)曲线分析NHPD预测HE的诊断效能,并以最大约登指数对应的截点值进行分组,采用验证组患者数据观察低水平NHPD能否提高多因素模型预测HE的净获益。结果:研究期间共有3741例患者以脑出血为诊断就诊,其中483例符合纳入和排除标准,包括男性313例,女性170例,平均年龄57±11.8岁。共111例(23.0%)患者发生HE,219例(45.3%)患者预后不良。研究共纳入344例患者进入衍生组,139例患者进入验证组,验证组患者的中位凝血酶时间(Prothrombin Time,PT)、国际标准化比值(International Normalized Ratio,INR)及入院血糖水平相对较低,平均血肿量相对较小,血小板分布宽度(Platelet Distribution Width,PDW)较小,衍生组血肿的中位NHPD值稍低,其余特征在两组患者内无明显统计学差异。衍生组NHPD预测HE的ROC分析显示,其曲线下面积(Area Under Curve,AUC)为0.586,敏感性、特异性分别为36.14%,88.51%,最佳截点值为≤62 HU。单因素及多因素分析显示,NHPD≤62 HU是HE的独立危险因素(Odds ratio,OR=5.04,P<0.001)。纳入了NHPD的模型在衍生组内部验证及验证组外部验证数据集中均能够明显改善多因素模型的净正确分类比例和综合判别改善比例。临床决策曲线分析(Decision Curve Analysis,DCA)分析显示,纳入了NHPD的多因素模型具有更高的临床净获益。结论:自发性脑出血早期血肿在NCCT上的NHPD水平较低是继发HE的独立危险因素,NHPD≤62 HU是预测HE的可靠截点值,NHPD低水平可提高多因素模型预测HE的准确性,并提高临床净获益。2.基于Meta分析的自发性脑出血血肿扩大风险评分系统构建及验证目的:基于多因素构建的自发性脑出血HE预测模型是提高HE预测效能的有效方法。然而目前的多因素模型均基于单中心或多中心数据构建而成,模型在HE预测效能方面均存在不同程度的缺陷,其可能与模型构建所基于的人群、样本量存在不同程度的差异,选择的危险因素的数量及所赋予的权重不当等有关。本研究尝试基于Logistic模型理论,采用Meta分析的方法获得具有循证医学证据的预测HE的指标,并综合各个变量所占的比重、赋予适当的评分来构建性能更稳定的风险预测模型。方法:通过制定检索策略,广泛收集国内外与自发性脑出血HE危险因素相关的文献,依据纳入和排除标准及严格质量评价筛选高质量文献,提取可靠的原始数据,采用STATA 17.0软件进行Meta分析计算合并效应量。文献的异质性分析采用II检验。结合Meta回归及亚组分析寻找异质性的来源。文献异质性较低时采用固定效应模型逆方差法合并效应量,文献异质性较高时采用随机效应模型Der Simonian-Laird法合并效应量。发表偏倚检验结合漏斗图法、Egger回归法、Begg’s秩相关法,对存在发表偏倚的危险因素采用剪补法调整合并效应量。基于危险因素的具体特征及合并效应值之间的关系构建HE风险评分系统,采用单中心数据验证模型的预测能力,采用ROC分析及AUC比较模型之间的预测效能。结果:研究共参考纳入较高质量文献132篇。提取HE相关危险因素31个,通过Meta分析发现其中具有统计学差异26个,根据Meta分析合并效应量的大小及其倍数关系,研究结合不同的临床及影像学特征所考虑的侧重点,形成HE预测评分系统。评分系统总分0-40分,其中发病距首次NCCT时间在≤2 h、3~4 h、5~6 h、>6h时分别评6、3、1、0分,血肿量>30 ml、20~30 ml、<20 ml时分别评4、3、0分,血肿形态满足岛征(Island sign,IS)评价标准、主血肿周围≥1个孤立小血肿、边缘2~3个出芽样凸起且主血肿周围无孤立小血肿、边缘≤1个凸起且主血肿周围无孤立小血肿时分别评5、3、3、0分,血肿密度满足混杂征(Blend sign,BLS)标准评4分,对于BLS的相对高密度区和无BLS的血肿分别满足血肿内低密度区较高低密度区密度差≥28 HU(不考虑低密度灶数量)、≥3个低密度灶且密度差<28 HU、血肿内1~2个低密度灶且密度差<28 HU、血肿密度均匀时,分别评3、3、1、0分,对于男性、格拉斯哥昏迷评分(Glasgow coma scale,GCS)<9、存在糖尿病病史、服用抗凝药物、服用抗血小板药物、伴出血破入脑室(Intraventricular hemorrhage,IVH)、伴蛛网膜下腔出血(Subarrachnoid hemorrhage,SAH)、发病≤4.5 h、外周动脉压>200mm Hg时分别评1、4、1、4、1、1、3、3分。评分系统在单中心数据验证时较其他模型有更好的区分能力,验证结果显示,评分系统预测HE的敏感性、特异性分别为72.07%、66.67%。评分系统以0~5分、6~10分、11~20分、21~40分分层后,HE的发生率分别为4%、15%、35%和93%。当评分系统结合NHPD水平时可以进一步提高评分系统的预测能力。结论:本研究基于Logisitic回归模型,结合Meta分析,选择了具有循证医学证据的脑出血HE相关危险因素,构建了新的脑出血HE的风险评分模型。经单中心数据验证,模型具有更好的预测效能,同时模型可纳入新的危险因素予以持续改进。