论文部分内容阅读
目的
明确在包含常规风险变量的模型中引入头颅磁共振成像(MRI)变量，是否能够提高对10年随访期间新发痴呆的预测能力。
设计≥65岁人群的队列研究。
背景在法国Three-City研究项目中的Dijon磁共振成像研究队列。
参与者1 721例无痴呆病史的参与者完成基线头颅MRI检查，随访10年，观察是否发生痴呆。
主要结局测量指标新发痴呆(各种类型的痴呆，包括阿尔茨海默病)。
结果在10年随访中，119例诊断痴呆，其中84例是阿尔茨海默病。常规风险模型的风险因子包括年龄、性别、受教育程度、认知功能、身体机能、生活方式(吸烟、饮酒)、健康状况(心血管疾病、糖尿病和收缩压)，以及载脂蛋白基因型[区分度的C统计值0.77，95%CI：0.71～0.82]。常规风险模型与引入头颅MRI变量的模型相比，两者区分度无显著差异。其中，MRI变量包括白质病灶体积(C统计值0.77，95%CI：0.72～0.82；C统计值的统计学差异，P＝0.48)，脑总体积(0.77，0.72～0.82；P＝0.60)，海马体积(0.79，0.74～0.84；P＝0.07)，以及3个变量组合(0.79，0.75～0.84；P＝0.05)。在常规模型中引入海马体积或者3个MRI变量，综合判别指数(IDI)显示新模型可以显著改善再分类(P＝0.03，P＝0.04)，决策曲线分析显示新模型可以提高净收益。如果把主要结局设定为阿尔茨海默病，可以获得类似的结果。
结论在常规模型(包括人口统计学信息、认知功能、健康状况、生活方式、身体机能和遗传史)中引入头颅MRI测量数据，不能显著提高对各种类型痴呆的预测能力。但是统计学分析结果显示，新模型在改善再分类、预后判断和一些临床应用中具有作用。