基于心脏超声指标的心房颤动血栓栓塞风险列线图预测模型研究

2023-12-06王一川陈素雨宋玉娟

影像技术 2023年6期

王一川，陈素雨，宋玉娟

（菏泽医学专科学校超声医学教研室，山东 274000）

心房颤动是一种常见的心律失常疾病，随病情加重，会向心力衰竭、栓塞进展，甚至会导致死亡［1］。所以，对心房颤动并发血栓栓塞危险因素评估与筛选具有重要意义，有助于早期识别高风险人群，制定可行控制方案，降低不良事件发生风险［2］。越来越多研究证实，心房颤动与血栓栓塞发病风险明显增加相关［3］。然而，仅通过临床特征来预测心房颤动患者的栓塞风险存在限制和不确定性［4］。当前临床对心房颤动患者并发血栓栓塞的危险因素分析不足，缺乏一种有效、简便的预测方式［5］。心脏超声联合列线图预测是一种准确、可操作和便捷的评估方法，可促进临床医生在干预阶段较早地对患者进行综合管理［6-7］。

本研究基于心脏超声指标，创建一种针对心房颤动患者血栓栓塞风险的预测模型，并利用风险列线图对其进行可视化呈现，从而为临床医生提供指导和决策支持，现将有关内容做如下报道。

1 资料与方法

1.1 一般资料

回顾性选择2019 年1 月至2020 年12 月菏泽医学专科学校超声医学教研室收治的1 128 例经心电图和超声心动图检查确诊为心房颤动患者作为研究对象，根据心房颤动患者是否并发血栓栓塞分为两组，未并发血栓栓塞患者作为对照组，并发血栓栓塞患者作为研究组。对照组（n=944），男性448例，女性496 例，年龄18-80 岁，平均年龄（65.29±8.31）岁，平均BMI（24.29±2.38）kg/m2，吸烟史340例，饮酒史328 例。合并症：高血压576 例、糖尿病284 例、心肌病96 例；研究组（n=184），男性84 例，女性100 例，年龄18-80 岁，平均年龄（78.27±9.58）岁，平均BMI（24.16±2.23）kg/m2，吸烟史100 例，饮酒史72 例。合并症：高血压116 例、糖尿病60 例、心肌病20 例。两组患者基础资料对比无明显差异（P＞0.05），且研究经医院伦理委员会审批。

1.2 纳入与排除标准

纳入标准：①通过心电图和超声心动图检查确诊为心房颤动患者［8］；②年龄≥18 岁患者；③确诊时间在3 个月内患者；④临床资料完整患者。

排除标准：①年龄小于18 岁或大于80 岁；②已经接受过心脏手术或介入治疗的患者；③严重肝、肾功能不全患者；④其他心脏病变或心血管疾病的合并症，例如心肌梗死、心力衰竭、动脉闭塞症等患者；⑤其他合并症或疾病，例如癌症、糖尿病、类风湿性关节炎等严重疾病的患者；⑥智力障碍、精神疾病或对研究依从性低患者。

1.3 诊断标准

符合欧洲心脏病学会（ESC）发布有关诊断标准［9］：①心电图显示典型的心房颤动波形；②连续两次或以上的心电图检查显示心房颤动；③24 小时动态心电图显示心房颤动；④伴有心悸、黑蒙、头晕、胸闷等临床表现。

1.4 方法

入院后，对所有参与研究患者年龄、性别、用药史等一般资料收集，对患者进行心脏超声检查，收集包括左房内径（LAD）、左房短轴径（LASd）、左心房面积（LAA）、左心室舒张末期内径（LVEDD）、左室射血分数（LVEF）等超声心动图数据，确定与血栓形成风险相关的变量。出院后，对所有参与研究患者进行2 年的随访。随访时，记录每位患者是否发生血栓栓塞事件，并记录其发生时间。

1.5 统计学方法

用SPSS22.0 软件进行数据分析，计数资料以n（%）表示，组间比较采用χ2检验；服从正态分布的计量资料以（±s）表示，通过多因素Logistic 回归分析影响心房颤动并发血栓栓塞的相关因素。使用多变量逻辑回归分析构建预测模型，通过受试者工作特征（ROC）曲线、校正曲线评价列线图模型对心房颤动并发血栓栓塞的预测价值评价，P＜0.05 表示差异存在统计学意义。

2 结果

2.1 基线资料

研究组患者年龄、吸烟占比、LAD、RA、LAA、LVEDD、血清hs-CRP 水平高于对照组，研究组LVEF 低于对照组，组间比较，差异存在统计学意义（P＜0.05），见表1。

表1 两组基线资料分析

2.2 多因素Logistic 回归分析

将表1 中存在统计学差异的指标作为自变量，心房颤动并发血栓栓塞作为因变量（是、否依次赋值1、0），多因素Logistic 回归分析结果显示：年龄、吸烟、LAD、LVEDD、LASd、LAA、LVEF、hs-CRP 为心房颤动并发血栓栓塞的独立影响因素（P＜0.05），见表2。

表2 心房颤动并发血栓栓塞影响因素的多因素Logistic回归分析

2.3 心房颤动并发血栓栓塞的风险预测列线图模型

将年龄、吸烟、LAD、LVEDD、LASd、LAA、LVEF、hs-CRP 作为预测心房颤动并发血栓栓塞的影响因素，构建心房颤动并发血栓栓塞的风险预测列线图模型，见图1。

图1 心房颤动并发血栓栓塞的风险预测列线图模型

2.4 列线图模型预测心房颤动并发血栓栓塞校正曲线

列线图模型内部验证结果显示，CI 为0.953，列线图模型对心房颤动并发血栓栓塞预测值与实际值对比，差异不存在统计学意义（P＞0.05），对疾病预测校正曲线与理想曲线趋近，见图2。

图2 列线图模型预测心房颤动并发血栓栓塞校正曲线

2.5 列线图模型预测心房颤动并发血栓栓塞价值

列线图模型预测心房颤动并发血栓栓塞最佳截断值为0.151，AUC 为0.954，特异度、灵敏度分别为0.863、0.925，见图3。

图3 列线图模型预测心房颤动并发血栓栓塞价值

3 讨论

心房颤动血栓栓塞疾病是由于心房颤动导致血液在心房内不流畅，容易形成血栓［10-12］。如果血栓脱落并进入体循环系统，可能引起栓塞，导致各种严重的并发症，如脑栓塞、肺栓塞等［13］。此外，心房颤动也会增加中风、心力衰竭和心脏瓣膜疾病的风险［14］。有研究表明，高龄、吸烟、心功能指标等多种因素均会诱发心房颤动，但有关心房颤动并发血栓栓塞研究较少［15-17］。

传统的栓塞风险评估模型主要基于临床指标，如CHADS2 评分和CHADSVASc 评分，其整合了患者年龄、性别、高血压、糖尿病、心血管病和前一次卒中的历史［18］。然而，这些评分方法不能考虑心房颤动患者的左心室几何结构、收缩功能和舒张功能等超声心动图检查指标［19］。而且，评分体系也存在一定的局限性［20-21］。例如，不能提供完整信息［22］。在分析房颤患者的栓塞危险性时，常会低估全面风险，甚至未将全部危险因素纳入［23］。列线图会将多因素Logistic 回归分析结果以可视化、图形化展现方式呈现，有效简洁，在临床上容易推广，应用价值高［24］。目前列线图模型被广泛应用，所以，整合心房颤动并发血栓栓塞的危险因素，并对风险预测列线图模型构建，对疾病风险定量分析具有非常重要的价值［25-26］。

本研究围绕心房颤动血栓栓塞状况进行分析，结果显示，研究组患者年龄、吸烟占比、LAD、RA、LAA、LVEDD、血清hs-CRP 水平高于对照组，研究组LVEF 低于对照组，组间比较，差异存在统计学意义（P＜0.05）。结果证实，以上因素均会在很大程度上增加心房颤动并发血栓栓塞发生率。其中，血清hs-CRP 在心血管疾病进展中发挥关键性作用，血清hs-CRP 为心房颤动血栓栓塞独立影响因素，主要原因是疾病发生与炎症反应存在联系，若患者伴有炎症反应，会对心房传导产生干扰，导致其出现折返，最终诱发心房颤动［27-28］。另外，在一项研究中［29］，日本学者指出，约1/3 吸烟者10 年心房颤动发生风险会显著增加［30］。心房重构与心房进展状况存在相关性，而LVEDD、LAD 增大会在很大程度上导致心肌重构，进而电生理传导、心房结构出现变化，心房活化，缩短了有效不应期，延长了传导时间，折返后导致心房颤动发生，该结果与本研究结果具有较高一致性［31-32］。基于这些指标，可以建立预测模型，帮助医生更全面更准确地预测患者出现心房颤动血栓栓塞的风险［33-34］。

本研究建立了一个基于心脏超声指标的心房颤动血栓栓塞风险列线图预测模型，该模型考虑了多种临床和超声指标，包括年龄、吸烟占比、LAD、LASd、LAA、LVEDD 等，可以对心房颤动患者的血栓栓塞风险进行更精确地预测。列线图模型内部验证结果显示：CI 为0.953，对疾病预测校正曲线与理想曲线趋近；列线图模型预测心房颤动并发血栓栓塞最佳截断值为0.151，AUC 为0.954，特异度、灵敏度分别为0.863、0.925。结果证实，列线图模型预测心房颤动并发血栓栓塞价值较高，具有良好校准度、预测性，可靠性、稳定性高。且本研究患者一般资料与超声指标获取较简单，成本较低，对医生的使用非常有利，能够使得更多的心房颤动并发血栓栓塞患者获益。但研究也存在不足之处，一是本研究仅包括在单个医疗中心接受治疗的患者，结果具有局限性；二是对心房颤动并发血栓栓塞风险预测列线图模型只是进行内部验证，未进行其他中心外部验证。所以，在现实推广时还应提供更有效的外部数据支撑，以提高其准确性。