论文部分内容阅读
目的 探讨脑小血管病(cerebral small vessel disease,CSVD)患者脑白质病变(white matter lesions,WMLs)评分及体积与脑微出血(cerebral microbleeds,CMBs)的相关性.方法 纳入2017年1月至2017年12月南京大学附属鼓楼医院CSVD随访队列研究中的非急性腔隙性梗死患者.采集相关临床资料并进行3.0T头颅MRI检查,包括T1加权成像、T2加权成像、液体衰减反转恢复序列、磁敏感加权成像及弥散加权成像.采用W2MHS软件定量WMLs体积,使用Fazekas法分别对脑室周围及深部WMLs进行评分,视觉计数CMBs数量.应用多变量logistic回归分析确定CMBs的独立影响因素,应用多元线性回归方程(逐步法)分析CMBs数量的独立影响因素,运用Medcalc 18.6描绘受试者工作特征(receiver operating characteristic,ROC)曲线,评价WML Fazekas评分和体积对CMBs的预测价值.结果 共纳入82例患者,CMBs组31例(37.8％),非CMBs组51例(62.2％).两组比较显示,吸烟、使用抗血小板药、既往短暂性脑缺血发作(transient ischemic attack,TIA)或腔隙性梗死史、WMLs体积较大、三酰甘油水平较高及高密度脂蛋白胆固醇水平较低可能是CMBs的危险因素.多变量logistic回归分析显示,Fazekas评分较高(优势比1.908,95％可信区间1.210 ～ 3.009;P=0.005)和WMLs体积较大(优势比4.620,95％可信区间1.279 ～16.683;P=0.019)是CMBs的独立危险因素.多元线性回归分析显示,Fazekas评分(r=0.379,P=0.001)和WML体积(r=0.260,P=0.023)与CMBs数量呈独立正相关.ROC曲线分析显示,Fazekas评分预测CMBs的曲线下面积为0.768(95％可信区间0.654～0.881),最佳截断值为3分,敏感性为61.29％,特异性为90.20％;WMLs体积预测CMBs的曲线下面积为0.783(95％可信区间0.677～0.867),最佳截断值为WMLs体积达到2 137.96mm3,敏感性为73.33％,特异性为84.00％.结论 在CSVD患者中,WMLs与CMBs存在显著相关性,WMLs Fazekas评分和体积定量有望作为紧急评估CMBs的替代指标.