西安地区卒中患者1年卒中复发预测模型的构建

蔺雪梅，王芳，王静，曹欢，逯青丽，刘仲仲，段康丽，吴松笛

卒中现已成为导致人类死亡和残障的主要原因之一[1]。在我国，卒中的发病率呈现明显的上升趋势，也有着较高的复发率。根据我国卒中登记平台的数据显示，60%的首次卒中发病的患者存在复发风险[2]。由于不同地域的卒中患者有着各自的特点，了解本区域内患者的特征，并针对性地施治，对控制卒中的复发有着重要的意义。为此，本研究依托西安市卒中数据库平台，分析西安地区卒中患者的特点，并以此构建西安市卒中患者1年卒中复发的预测模型，以期做好卒中的防控工作。

1 研究对象与方法

1.1 研究对象 以西安市卒中数据库平台[3]（数据来源于西安市四家三级甲等医院）2016年1月1日-12月31日连续收治入院的急性卒中患者为研究对象。纳入标准：①临床诊断为急性卒中（包括脑出血、脑梗死、蛛网膜下腔出血）或TIA的患者，诊断定义符合世界卫生组织诊断标准[4]；②年龄≥18岁；③发病到入组时间≤7 d；④已签署患者知情同意书。排除标准：①无症状的静止性脑梗死；②非脑血管病事件，如脑肿瘤、脑外伤等；③发病至就诊的时间＞7 d；④拒绝参加研究者。

1.2 方法 本研究采用多中心、前瞻性队列研究。

1.2.1 资料收集 收集患者的基线资料，包括基本信息、既往史、入院时神经功能评估、出院时情况等（表1）。家庭收入按人均月收入1000元以下、1000～5000元、5000元以上分为低等、中等、高等收入三个级别。吸烟分为不吸烟、戒烟、目前仍吸烟，其中目前仍吸烟定义为卒中事件发生前至少每天1根烟，连续或者累计6个月以上；戒烟指曾经达到吸烟标准但已经连续6个月不吸烟。饮酒分为饮酒、不饮酒，其中饮酒定义为卒中事件前每周至少饮1次相当1两左右白酒的标准饮酒量。其他相关危险因素及既往史的定义和标准与中国人颅内动脉粥样硬化研究[5]相同。

1.2.2 随访 对纳入研究的患者，以确诊时间为起点，由专业随访人员在发病后第1、3、6个月和1年时对患者进行电话或当面随访并收集研究评价指标，时间误差≤7 d。失访定义为：患者拒绝继续参加研究或在5个工作日内，每天电话联系3次仍不能完成随访。

1.2.3 研究评价指标及定义 研究终点定义为卒中复发，指随访中再次出现新发的急性卒中事件，包括新出现的神经功能缺损或是原有症状的加重，或经头颅CT或MRI证实存在新发卒中病灶或原有卒中病灶明显扩大[6]，类型包括缺血性卒中、脑出血和蛛网膜下腔出血。

1.3 统计学方法 本研究采用易侕统计软件进行统计分析。对于符合正态分布的计量资料，以表示，非正态分布的变量以中位数表示。计数资料以频数（%）表示。计量资料符合正态分布且方差齐时两组组间比较采用t检验，多组比较采用方差分析；不同时满足正态分布且方差齐时采用Mann WhitneyU检验。分类变量的组间比较采用χ2检验。应用Cox比例风险回归模型对影响患者复发的危险因素进行单因素和多因素分析，并应用逐步回归前进法建立预测模型，计算模型的灵敏度及特异度。利用易侕软件的R程序包制作ROC曲线。P＜0.05为差异具有统计学意义。

2 结果

2.1 基线特征 本研究连续纳入符合标准的患者共3117例。在随访过程中，分别于3个月失访172例，6个月时失访16例，1年时失访154例，共计失访342例（10.97%）。剔除失访患者，最终纳入研究2775例，年龄范围为22～97岁，平均63.95±12.46岁，其中男性1719例，女性1056例。将纳入研究组与失访组在人口学特征、卒中亚型和卒中严重程度等方面进行比较（表1），结果显示两组间差异无统计学意义，可认为失访属于随机失访，对研究分析结果不造成影响。

2.2 卒中总体复发情况 纳入研究的2775例急性卒中患者，1年随访结束时，总共累计复发144例。其中1月时复发65例，1～3个月时复发35例，3～6个月时复发23例，6个月～1年时复发21例，累计复发144例，累计复发率为5.34%（表2）。

2.3 卒中复发预测模型构建 将可能与卒中复发有关的变量（包括年龄、性别、民族、文化程度、家庭收入、医保方式、吸烟、饮酒、高血压、脂代谢紊乱、糖尿病、心房颤动、既往卒中、周围血管病、住院收缩压、住院舒张压、出院收缩压、出院舒张压、心率、BMI、入院NIHSS评分、出院mRS评分、吞咽困难、合并肺炎、住院期间静脉营养、入院48 h能行走、TC、TG、HDL-C、LCL-C、空腹血糖、谷草转氨酶、谷丙转氨酶、肌酐、尿素氮、尿酸、INR、白细胞计数、血小板计数）进行单因素Cox回归分析（表3），然后对P＜0.05的变量再进行多因素Cox回归及逐步回归前进法分析，最后得出西安地区卒中患者1年卒中的复发预测模型为：h（t）=h0exp（0.02900×年龄+0.83649×既往卒中+0.26683×周围血管病+0.12887×入院NIHSS评分）（表4）。对预测模型进行Hosmer-Lemeshow拟合优度检验，差异无统计学意义（χ2=4.77，df=8，P=0.782），可以认为该模型整体拟合良好。

2.4 卒中复发预测模型曲线下面积 利用易侕软件的R程序包制作ROC曲线，并对曲线下面积进行测量，最终得出卒中复发预测模型ROC曲线下面积为0.82（图1），最佳截断值为0.197，此时模型的敏感度及特异度分别为0.69和0.78，总的准确度为83%。

3 讨论

卒中是全球导致死亡的第二大病因，同时也是引起患者残障的第三位原因[1]。复发性卒中在所有卒中患者中的占比可达25%～30%，且与首次卒中患者相比，有着更高的残障率、死亡率和经济负担，预后更差[1，7]。卒中的复发主要发生在卒中事件的第一年，而后随着时间逐步下降[7-8]。因此，在卒中发生后的早期进行干预可以有效地减少卒中的复发。众所周知，卒中的发病率有着明显的地域性，不同国家、同一国家的不同地区可能因为种族、地理位置、生活习惯等差异造成卒中的发病率和复发情况也不尽相同[1]。建立区域性的卒中数据库并借此分析本地卒中的发病特点，对于本地区卒中防控有重要意义。本研究依托西安市卒中数据平台（数据来源于西安市家四家三级甲等医院），对西安地区卒中的复发情况进行分析，构建西安地区卒中患者1年卒中复发的预测模型。

表1 纳入研究组与失访组人口学及临床特征比较

表2 卒中总体复发情况

表3 卒中复发相关单因素Cox回归分析

接上表

表4 逐步回归构建西安地区卒中1年卒中复发预测模型

图1 卒中复发预测模型的ROC曲线

本研究共纳入卒中患者2775例，1年随访结束时，累计复发144例，累计复发率为5.34%。该结果低于中国国家卒中登记研究的1年卒中复发率（5.34%vs17.7%）[9]和其小卒中（NIHSS评分≤5分，1913例）亚组研究的1年卒中复发率（5.34%vs13.2%）[10]，同时也低于国内福建龙岩市1年卒中累计复率（5.34%vs10.16%）[11]。与Elizabeth Callaly等[12]研究中的1年卒中累计复发率（5.34%vs8.5%）较为接近。本研究发现西安地区卒中1年复发率偏低，考虑与研究设计、纳入的研究对象、地理差异等因素不同有关。流行病学调查显示，中国卒中的发病率城乡差异显著，农村居民的卒中患病率和死亡率均高于城市居民[2]。本次研究的各中心均为三级甲等医院，对于卒中的预防治疗措施相对完善，同时所纳入的研究人群绝大部分为城区居民，对卒中的防控具有良好的认知和依从性，能够完成规律随访并相对规范地使用预防药物，从而在一定程度上降低了卒中复发。

本研究基于西安市卒中患者数据库平台，建立西安地区卒中患者1年卒中的复发预测模型为h（t）=h0exp（0.02900×年龄+0.83649×既往卒中+0.26683×周围血管病+0.12887×入院NIHSS评分）。模型ROC曲线下面积为0.82，最佳截断值为0.197，敏感度及特异度分别为0.69和0.78，总的准确度为83%。从该模型可以看出，西安地区卒中患者与复发相关的主要因素有年龄、既往卒中、周围血管病史及入院时的NIHSS评分。年龄与卒中复发的相关性，在既往的研究中已经多次被证实[13-14]。模型发现周围血管病与卒中复发相关。周围血管病常常累及多个血管范围，病变广泛，这类患者同时具有脑血管病的危险因素，如吸烟、高血压、糖尿病及不良的生活习惯等，因此对卒中的复发有着促进作用。提示临床医师需要结合病史及查体对卒中患者进行相关的血管评估以明确是否合并周围血管病，并针对性给予相应的治疗。模型中可见既往卒中病史也会影响卒中的复发。反复发生卒中的患者，可能具有更多的控制不佳的危险因素，同时往往也存在较为严重的大动脉粥样硬化[15]。对于既往卒中患者应进行个体化治疗和预防，如针对该患者卒中的病因来采取预防，检测是否存在抗栓药物的抵抗等，全面的评估现有治疗措施，根据病情变化及时调整方案。模型还显示入院时NIHSS评分与卒中的复发有关。NIHSS评分的高低反应卒中患者神经功能缺损的严重程度，分值越高，提示病情越重，并且与卒中患者预后相关[16]。重症卒中患者由于残障显著，极易合并各种卒中后的并发症，且在出院后往往得不到良好的防控，进而导致病情反复。研究显示，卒中患者照顾者对于卒中家庭急救措施的认知率普遍偏低[17]。因此针对这类患者，除了住院期间疾病早期积极进行卒中的康复训练外，还建议患者家属应接受有关于卒中知识的培训，掌握基本的康复方法和技能。综上所述，本研究建立的西安地区卒中复发预测模型纳入的相关因素较少，但敏感度和特异度相对良好，操作简单，易于推广验证，有利于早期识别和评估西安地区的卒中高危患者。

目前，有关于卒中复发预测的评分系统常用的有ABCD2、90 d复发风险评估量表（recurrence risk estimator at 90 days，RRE-90）、ESSEN卒中风险评分（ESSEN risk score，ESRS）、卒中预后评估工具Ⅱ等（stroke prognosis instrumentⅡ，SPI-Ⅱ）。这些评估手段的侧重点各有不同，ABCD2主要用于早期TIA进展为脑梗死的风险评估；RRE-90主要用于卒中早期的复发评估；ESRS和SPI-Ⅱ主要用于卒中的长期复发评估[18-19]。这些量表评估内容多为脑血管的危险因素及卒中病因分型等，虽经大量研究试验其有效性，但缺乏区域性特点。国内有关卒中复发预测模型的研究较少，部分有关缺血性卒中复发预测模型的研究可能存在样本量小、单中心研究等缺点，无法代表地区内卒中患者的整体特点[20-21]。而本研究的最大优势在于首次依托大数据建立西安地区的卒中复发预测模型，符合西安地区患者的发病特点，更具有针对性。

本研究也存在一定的局限性。首先是患者群存在着偏倚。由于患者多为城区居民，经济条件及文化水平可能相对偏高，对于卒中的认识有一定的知识背景，依从性较好，可能会对研究结果造成影响。其次，由于西安市卒中数据库来源于西安地区四家三级甲等医院，对卒中的防控手段及措施相对较为规范，一定程度上减少了卒中的复发率。再次，在纳入的影响卒中的相关因素里，缺乏影像学方面的评估，如MRI、CTA和血管超声等，需通过前瞻性研究加以修订。最后，该模型的准确性需要前瞻性的研究来进一步加以验证，并且随着数据库内卒中患者的增多，将有更多的预测因素纳入模型中，如对性别和年龄进行分层、细化卒中病因分析等，以此逐步改进模型，使其预测结果更加准确。

【点睛】本研究基于西安卒中数据库，构建西安地区卒中患者1年卒中复发的预测模型，以期早期识别卒中复发的高危人群，为区域性卒中防控提供依据。