文摘
为了探讨蛛网膜下腔出血的回归方程的预测模型和脑血管痉挛,scv发生成立的诺模图预测模型。本研究回顾性分析125例aSAH表示承认医院;患者分为scv组和non-SCVS组。选择SIRI作为一个简单而可靠的炎症的标记,分析其相关性与scv及其预测价值、和分析SIRI的预测价值scv通过ROC曲线。基于SIRI炎症水平和其他相关风险因素,计算图表预测模型的发生scv建成。实验结果表明,SIRI的scv组患者明显高于non-SCVS集团和逻辑回归分析发现,SIRI scv,是一个独立的危险因素 是最好的截断值诊断scv的发生。当 更易与L和 % / L, Youden指数是最大的(0.312,0.296),是最好的截断值预测scv的发生;与此同时,其预测精度(ROC曲线下面积(AUC)),敏感性,特异性,阳性预测值,和阴性预测值0.743,72.70%,80.10%,77.53%,94.24%和0.725,70.60%,76.90%,73.49%,93.59%。诺模图预测模型建立和评价结合多因素分析的结果被用来建立一个单独的列线图的预测模型。该模型具有良好的预测(C -一致性 , )。ROC分析结果表明,模型,结合SIRI和其他标准变量( ,95%置信区间为0.803 - -0.929, )比没有把SIRI的模型( ,95%置信区间为0.759 - -0.912, )和模型仅基于SIRI ( ,95%置信区间为0.586 - -0.793, )scv有更好的预测价值。联合SIRI将优化诺模图模型的预测性能和改善scv的早期识别和筛选功能。
1。介绍
蛛网膜下腔出血(SAH)是一种严重危害人类生命和健康的疾病。据统计,大约50 ~ 70%的SAH患者脑血管痉挛(CVS)的并发症,约19 ~ 46%的SAH患者进展延迟缺血性神经赤字(DIND)严重影响预后的长官1]。动物实验和临床研究发现,CVS的发病率是两相的,有两个发病早期和晚期发病的高峰时期。SAH后几分钟到几个小时是第一个高发时期,主要是在周围的血管破裂动脉瘤和动脉肿瘤的位置的重要性。第二个高发时期通常是SAH 4-16天后,7 - 10天是最常见;它们中的大多数都是分散和multisegmental肿瘤动脉(没有定位值2]。根据泊肃叶定律血流动力学、血液流动单位时间4号船的力量半径成正比。当血管直径略有变化,它可以产生明显的脑血流量的变化3]。在CVS患者中,血管痉挛、狭窄的管直径,将产生脑部供血不足的症状,如增加意识障碍、脑水肿和脑梗塞。这仍然是一个挑战,CVS及时而准确地诊断。经颅多普勒(TCD)经颅多普勒超声,和血管造影(数字减影血管造影(DSA)是目前公认的诊断方法,但仍有1/4到1/3的患者不能正确诊断;临床,诊断常常只是神经功能恶化后的发生;这带来了极大的被动预防和治疗。因此(4),是非常重要的,积极寻找CVS的风险因素和预测CVS的发生。有许多风险因素CVS已报告,包括高血压、糖尿病、酗酒、吸烟、Hunt-Hess得分,费舍尔分类、发烧、手术、白细胞总数、血小板总数,动脉瘤的位置、数量的破裂,和脑室内出血;然而,颅内血管造影术是侵入性和带来一些风险5]。传统的临床诊断方法是基于病人的临床表现、SAH的程度,时间后出血,估计的重量这些客观因素如TCD流量和林德加德率(6];有很多研究关注于分析TCD流量和CVS之间的关系;然而,这些研究认为,只有极低或极高TCD流量可以可靠地预测CVS和没有充分考虑林德加德率和第六;因此,CVS的诊断准确性不高。这些研究还局限在统计方法7),大部分的设计都是回顾性研究,适当的统计方法应该是一个前瞻性群组研究中,和一个有意义的方法已被用于集成这些因素和满足临床医生的需求评估CVS在病人的风险8]。20多年来,随着成像技术的发展,CT的性能已经有了很大的改进。在当前的高分辨率情况下,1级(没有看到出血)和2级(出血厚度小于1毫米)的费舍尔分类很少看到的,和不准确的区分二年级和三年级只有血凝块的厚度在蛛网膜下腔9]。费舍尔分类已经无法跟上成像技术进步的需要。特别是结合脑室内出血,并发CVS的概率很高,费舍尔分类不能量化。2001年,梁等人修订原来的费舍尔分类,也就是修改后的费舍尔分类(10]。修改后的费舍尔分类是基于血液在蛛网膜下腔的厚度。scv的作为一个独立的危险因素,原因可能如下:首先,在蛛网膜下腔出血发生时,红细胞被破坏,产生大量的血管收缩剂(氧合血红蛋白、肾上腺素、去甲肾上腺素、内皮素等)刺激血管,引起强烈和持久的血管痉挛;其次,血管中运行蛛网膜下腔,浸泡在血液很长一段时间,可引起血管痉挛。此外,蛛网膜下腔的血凝块机械拉伸和压缩血管壁,通过神经反射,等等。它也可以引起血管痉挛。长期痉挛进一步损害血管内皮细胞,释放更多的血管收缩剂和创建一个恶性循环,最终scv,许多动物实验和临床研究证实,出血的厚度和分布范围确定血管痉挛的严重程度和范围在一定程度上参与;因此,修改后的费舍尔分类、出血密切相关,可以提供一个良好的预警scv的发生。Hunter-Hess分类是一种常用的指标来反映SAH病人的严重程度(11]。Ryu等人发现Hunter-Hess II ~ V scv的水平是一个独立的风险因素(12]。据徐et al ., 112 SAH患者的多变量分析发现Hunt-Hess IV-V品位和老化是独立的风险因素复杂的中风(13]。可能的解释是,有许多因素影响Hunter-Hess分类,如出血、急性脑积水、颅内高血压、发烧、电解质失衡。许多因素可以导致更高的Hunter-Hess分数;因此,不同的统计样本可能得出不同的结论(14]。这表明使用Hunter-Hess分类预测scv不太可靠。除了高血压史和动脉瘤的位置,有两组之间的差异4-factor发烧和脑室出血等单因素分析;最后,它未能进入多元回归方程。可能的解释是,他们的独立预测scv仍不足、不像年龄和修改敏感费舍尔分类(15]。同时,不排除有些因素可能与年龄和修改费舍尔分类。年龄和修改费舍尔分类进入方程;在某种程度上,它已经包含了信息的其他5个因素;这就是使用逻辑回归的优势。scv后蛛网膜下腔出血是多种因素的结果。由于抽样误差,有限的情况下,等等,一些可能的危险因素尚未推出。因此,建立精确的预测模型,它仍然需要增加样本量,不断进行前瞻性临床验证。上述危险因素的患者在临床工作中,医生应该考虑临床疗效不佳。糖尿病患者由于胰岛素相对或绝对缺乏,组织利用葡萄糖的能力降低,脂蛋白脂肪酶的活动减少,和血糖和甘油三酯升高逐渐出现在血管疾病特点是大中动脉粥样硬化,血管内皮功能障碍,和缺乏弹性。 The self-regulation function is impaired, resulting in ischemic or hemorrhagic cerebrovascular disease. At present, there is little literature on the relationship between diabetes history and CVS, and there is no conclusive conclusion. Most researches are on the relationship between blood glucose changes and CVS after SAH. It is generally believed that high blood sugar when SAH patients are admitted to the hospital is the result of a significant increase in catecholamines in the body and is a sign of SAH’s serious condition, not a predictor of CVS. Based on the current research, in order to explore the regression equation for the prediction model of subarachnoid hemorrhage and cerebral vasospasm, the nomogram prediction model of SCVS occurrence was established. This study is a retrospective analysis of 125 cases of aSAH admitted to a hospital; the patients were divided into SCVS group and non-SCVS group. Select SIRI as a simple and reliable marker of inflammation, analyze its correlation with SCVS and its predictive value, and analyze the predictive value of SIRI to SCVS through ROC curve. Based on the SIRI inflammation level and other related risk factors, a nomogram prediction model for the occurrence of SCVS was built. There are 19 cases of aSAH patients complicated with SCVS after operation; the incidence rate was 15.20% (19/125). In SCVS group and non-SCVS group, smoking, hypertension, Hunt-Hess classification at the hospital, and the number of aneurysms, combined with intraventricular hemorrhage (IVH), have significant differences in modified Fisher classification, triglyceride (TC), monocyte count, and SIRI level ( )。多元逻辑回归分析表明,与高血压、复杂Hunt-Hess分类在医院(IV级~ V),结合IVH,修改费舍尔分类(IV ~ V级),和高TG水平和SIRI是独立危险因素水平scv aSAH表示患者( )。通过验证,该模型具有良好的预测(C -一致性 , )。ROC分析结果表明,该模型结合了SIRI和其他标准变量( ,95%置信区间为0.803 - -0.929, )比模型,不把SIRI ( ,95%置信区间为0.759 - -0.912, )和模型仅基于SIRI ( ,95%置信区间为0.586 - -0.793, )scv有更好的预测价值。进一步开展AUC假设检验,结果发现,AUC结合的区别/不加上斯里兰卡模型和AUC亦歌SIRI模型具有统计学意义( , ; , )。SIRI密切相关scv aSAH表示后、并结合SIRI,诺模图模型优化预测性能和提高早期识别和筛选能力好工程车的发生。
2。方法
2.1。信息
回顾性分析125例aSAH表示承认的数据去医院;其中,有45名男性和80名女性,年龄在24 - 86岁,平均56.0012.00岁。录取标准如下:住院24小时内发病,患者被诊断出患有aSAH表示承认和接受早期手术后3天内。排除标准如下:伴随着严重的医学疾病或其他中枢神经系统疾病和手术前,有脑血管痉挛。对于那些在住院期间死亡或退出研究的基本信息如表所示1。
2.2。方法
患者分为scv组和non-SCVS组。收集年龄、性别、和个人历史的两组患者(吸烟:过去一年,平均每天吸烟≥1支;平均每天喝酒:喝酒≥1次),并存病(高血压和糖尿病),身体质量指数,Hunt-Hess分类在承认,动脉瘤参数(动脉瘤直径、位置和数量),手术的时机(ultraearly阶段:< 24小时;早期:> 24 - 72 h),手术方法(颅骨切开术、剪裁和血管栓塞),和其他信息。基于第一个CT的特点,患者修改费舍尔分级,并记录存在与否的脑室内出血(IVH)。同时,所有病人住院后6毫升静脉血采集相关的实验室测试,详细记录血液样本测试时间,甘油三酸酯(TC)水平,白细胞计数、中性粒细胞计数,淋巴细胞计数和单核细胞计数,和其他实验室指标,并计算SIRI: 。
2.3。统计方法
使用SPSS23.0进行数据分析。首先,所有测量数据上执行正常测试,符合正态分布的测量数据的平均值和标准偏差表示,和组之间的比较测试(16]。测量数据不符合正态分布表示 ;的Mann-Whitney非参数检验被用于比较。为代表的计算数据 ;的 - - - - - -测试是用来比较。的变量 包括在多元逻辑回归分析,确定风险因素scv,多因素分析的结果显示,rms R3.4.0软件安装包是用于建立列线图的预测模型。最后,画出接受者操作特征(ROC)曲线评价SIRI和预测模型的预测值与检验水准scv的发生 ,双侧检验。
3所示。结果和分析
3.1。比较两组病人的基本数据
aSAH表示有19例患者复杂scv术后、发生率为15.20%(19/125)与Hunt-Hess年级,动脉瘤,IVH相结合,修改费舍尔年级,TG,和单核细胞计数承认scv组和non-SCVS组、还有SIRI水平显著差异( )(见表2)。
3.2。多因素分析
多元逻辑回归分析表明,加上高血压,Hunt-Hess分类在医院(IV-V水平),加上IVH,修改费舍尔分类(IV-V水平),和高TG水平和SIRI是独立危险因素水平scv aSAH表示患者( )(见表3)。
3.3。中华民国截断值
绘制ROC曲线确定指数截断值,连续变量(TG, SIRI)转换成二进制变量。结果表明,当 更易与L和 % / L, Youden指数是最大的(0.312,0.296),是最好的截断值预测scv的发生;同时,其预测精度(ROC曲线下面积(AUC)),敏感性,特异性,阳性预测值,和消极的预测价值是0.743,72.70%,80.10%,77.53%,和94.24%和0.725,70.60%,76.90%,73.49%,93.59%。诺模图预测模型建立和评价结合多因素分析结果用于建立一个单独的列线图预测模型(17]。通过验证,该模型具有良好的预测(C -一致性 , )。ROC分析结果表明,该模型结合了SIRI和其他标准变量( ,95%置信区间为0.803 - -0.929, )比这个模型没有SIRI ( ,95%置信区间为0.759 - -0.912, )只有这个模型基于SIRI ( ,95%置信区间为0.586 - -0.793, )有更好的预测价值scv [18)(见图1)。AUC进行进一步的假设检验,发现区别AUC结合/不结合SIRI模型和基于SIRI AUC模型仅是统计学意义( , ; , );然而,之间没有统计上的显著差异AUC结合SIRI模型和AUC没有SIRI模型( , )。
在scv的发生和发展,神经炎症反应是第一重要的推动力量。因此,通过检查各种炎症指标及其动态变化,具有重要意义,了解病人的病情和预测scv的发生19]。随着研究的深入,核转录因子和白细胞介素的关键作用已逐渐被强调。然而,这些测试项目需要特殊的仪器、设备,价格相对较高,临床应用受到限制。SIRI是一种新型的复杂炎症标记基于传统炎症细胞计数,可以更全面地反映人体的炎症状态。同时,它具有检测方便、可重复性强,和较低的价格;这已经成为一个好的因素预测发生,发展,各种疾病的预后。在这项研究中,SIRI被选为一个简单而可靠的标志炎症,其相关性与scv和预测价值进行了分析,结果表明,SIRI的scv组患者明显高于non-SCVS集团和逻辑回归分析发现,SIRI scv,是一个独立的危险因素SIRI是一个综合指数基于外周血中性粒细胞的绝对值,单核细胞,淋巴细胞,代表不同的体内炎症和免疫途径。高SIRI状态反映了强劲的单核细胞和neutrophil-mediated促炎反应和弱或抑制lymphocyte-mediated抗炎反应;这严重病态程度的脑后血管aSAH表示和诱导scv的发生。 This study also analyzed the predictive value of SIRI to SCVS through the ROC curve. The results show that 是最好的截断值诊断scv的发生。当 ,它可以认为病人高炎症状态;有一个并发scv的风险。与此同时,为了进一步探索和可视化预测SIRI的有效性,在这项研究中,scv的诺模图预测模型建立了基于SIRI的水平炎症和其他相关危险因素。它已证明c指数和模型的ROC曲线下的面积都是好的;它有可靠的预测效率和一致性和适合临床应用。举个例子,一个病人有高血压史,Hunt-Hess年级IV-V时承认,修改费舍尔IV-V年级,加上脑室出血, ,和 ,通过计算图表模型得分线;病人的总分是365分( );相应的风险预测值为0.754;也就是说,复杂的病人有75.4%概率scv,列线图可以快速直观地预测患者scv的概率,实现个性化的预测(20.]。
4所示。结论
回顾性分析数据的aSAH表示病人去医院,好工程车的讨论SIRI的价值的评估,并基于SIRI水平来构建一个简单和可靠的计算图表预测模型,计算图表可以快速直观地预测患者的发生概率scv,实现个性化的预测。SIRI密切相关scv aSAH表示后、和计算图表模型由SIRI将优化预测效率和改善scv的早期识别和筛选的能力。
数据可用性
使用的数据来支持本研究的发现可以从相应的作者。
的利益冲突
作者宣称没有利益冲突。