基于心臟超聲指標的心房顫動血栓栓塞風險列線圖預測模型研究

王一川，陳素雨，宋玉娟

（菏澤醫學?？茖W校超聲醫學教研室，山東 274000）

心房顫動是一種常見的心律失常疾病，隨病情加重，會向心力衰竭、栓塞進展，甚至會導致死亡［1］。所以，對心房顫動并發血栓栓塞危險因素評估與篩選具有重要意義，有助于早期識別高風險人群，制定可行控制方案，降低不良事件發生風險［2］。越來越多研究證實，心房顫動與血栓栓塞發病風險明顯增加相關［3］。然而，僅通過臨床特征來預測心房顫動患者的栓塞風險存在限制和不確定性［4］。當前臨床對心房顫動患者并發血栓栓塞的危險因素分析不足，缺乏一種有效、簡便的預測方式［5］。心臟超聲聯合列線圖預測是一種準確、可操作和便捷的評估方法，可促進臨床醫生在干預階段較早地對患者進行綜合管理［6-7］。

本研究基于心臟超聲指標，創建一種針對心房顫動患者血栓栓塞風險的預測模型，并利用風險列線圖對其進行可視化呈現，從而為臨床醫生提供指導和決策支持，現將有關內容做如下報道。

1 資料與方法

1.1 一般資料

回顧性選擇2019 年1 月至2020 年12 月菏澤醫學?？茖W校超聲醫學教研室收治的1 128 例經心電圖和超聲心動圖檢查確診為心房顫動患者作為研究對象，根據心房顫動患者是否并發血栓栓塞分為兩組，未并發血栓栓塞患者作為對照組，并發血栓栓塞患者作為研究組。對照組（n=944），男性448例，女性496 例，年齡18-80 歲，平均年齡（65.29±8.31）歲，平均BMI（24.29±2.38）kg/m2，吸煙史340例，飲酒史328 例。合并癥：高血壓576 例、糖尿病284 例、心肌病96 例；研究組（n=184），男性84 例，女性100 例，年齡18-80 歲，平均年齡（78.27±9.58）歲，平均BMI（24.16±2.23）kg/m2，吸煙史100 例，飲酒史72 例。合并癥：高血壓116 例、糖尿病60 例、心肌病20 例。兩組患者基礎資料對比無明顯差異（P＞0.05），且研究經醫院倫理委員會審批。

1.2 納入與排除標準

納入標準：①通過心電圖和超聲心動圖檢查確診為心房顫動患者［8］；②年齡≥18 歲患者；③確診時間在3 個月內患者；④臨床資料完整患者。

排除標準：①年齡小于18 歲或大于80 歲；②已經接受過心臟手術或介入治療的患者；③嚴重肝、腎功能不全患者；④其他心臟病變或心血管疾病的合并癥，例如心肌梗死、心力衰竭、動脈閉塞癥等患者；⑤其他合并癥或疾病，例如癌癥、糖尿病、類風濕性關節炎等嚴重疾病的患者；⑥智力障礙、精神疾病或對研究依從性低患者。

1.3 診斷標準

符合歐洲心臟病學會（ESC）發布有關診斷標準［9］：①心電圖顯示典型的心房顫動波形；②連續兩次或以上的心電圖檢查顯示心房顫動；③24 小時動態心電圖顯示心房顫動；④伴有心悸、黑蒙、頭暈、胸悶等臨床表現。

1.4 方法

入院后，對所有參與研究患者年齡、性別、用藥史等一般資料收集，對患者進行心臟超聲檢查，收集包括左房內徑（LAD）、左房短軸徑（LASd）、左心房面積（LAA）、左心室舒張末期內徑（LVEDD）、左室射血分數（LVEF）等超聲心動圖數據，確定與血栓形成風險相關的變量。出院后，對所有參與研究患者進行2 年的隨訪。隨訪時，記錄每位患者是否發生血栓栓塞事件，并記錄其發生時間。

1.5 統計學方法

用SPSS22.0 軟件進行數據分析，計數資料以n（%）表示，組間比較采用χ2檢驗；服從正態分布的計量資料以（±s）表示，通過多因素Logistic 回歸分析影響心房顫動并發血栓栓塞的相關因素。使用多變量邏輯回歸分析構建預測模型，通過受試者工作特征（ROC）曲線、校正曲線評價列線圖模型對心房顫動并發血栓栓塞的預測價值評價，P＜0.05 表示差異存在統計學意義。

2 結果

2.1 基線資料

研究組患者年齡、吸煙占比、LAD、RA、LAA、LVEDD、血清hs-CRP 水平高于對照組，研究組LVEF 低于對照組，組間比較，差異存在統計學意義（P＜0.05），見表1。

表1 兩組基線資料分析

2.2 多因素Logistic 回歸分析

將表1 中存在統計學差異的指標作為自變量，心房顫動并發血栓栓塞作為因變量（是、否依次賦值1、0），多因素Logistic 回歸分析結果顯示：年齡、吸煙、LAD、LVEDD、LASd、LAA、LVEF、hs-CRP 為心房顫動并發血栓栓塞的獨立影響因素（P＜0.05），見表2。

表2 心房顫動并發血栓栓塞影響因素的多因素Logistic回歸分析

2.3 心房顫動并發血栓栓塞的風險預測列線圖模型

將年齡、吸煙、LAD、LVEDD、LASd、LAA、LVEF、hs-CRP 作為預測心房顫動并發血栓栓塞的影響因素，構建心房顫動并發血栓栓塞的風險預測列線圖模型，見圖1。

圖1 心房顫動并發血栓栓塞的風險預測列線圖模型

2.4 列線圖模型預測心房顫動并發血栓栓塞校正曲線

列線圖模型內部驗證結果顯示，CI 為0.953，列線圖模型對心房顫動并發血栓栓塞預測值與實際值對比，差異不存在統計學意義（P＞0.05），對疾病預測校正曲線與理想曲線趨近，見圖2。

圖2 列線圖模型預測心房顫動并發血栓栓塞校正曲線

2.5 列線圖模型預測心房顫動并發血栓栓塞價值

列線圖模型預測心房顫動并發血栓栓塞最佳截斷值為0.151，AUC 為0.954，特異度、靈敏度分別為0.863、0.925，見圖3。

圖3 列線圖模型預測心房顫動并發血栓栓塞價值

3 討論

心房顫動血栓栓塞疾病是由于心房顫動導致血液在心房內不流暢，容易形成血栓［10-12］。如果血栓脫落并進入體循環系統，可能引起栓塞，導致各種嚴重的并發癥，如腦栓塞、肺栓塞等［13］。此外，心房顫動也會增加中風、心力衰竭和心臟瓣膜疾病的風險［14］。有研究表明，高齡、吸煙、心功能指標等多種因素均會誘發心房顫動，但有關心房顫動并發血栓栓塞研究較少［15-17］。

傳統的栓塞風險評估模型主要基于臨床指標，如CHADS2 評分和CHADSVASc 評分，其整合了患者年齡、性別、高血壓、糖尿病、心血管病和前一次卒中的歷史［18］。然而，這些評分方法不能考慮心房顫動患者的左心室幾何結構、收縮功能和舒張功能等超聲心動圖檢查指標［19］。而且，評分體系也存在一定的局限性［20-21］。例如，不能提供完整信息［22］。在分析房顫患者的栓塞危險性時，常會低估全面風險，甚至未將全部危險因素納入［23］。列線圖會將多因素Logistic 回歸分析結果以可視化、圖形化展現方式呈現，有效簡潔，在臨床上容易推廣，應用價值高［24］。目前列線圖模型被廣泛應用，所以，整合心房顫動并發血栓栓塞的危險因素，并對風險預測列線圖模型構建，對疾病風險定量分析具有非常重要的價值［25-26］。

本研究圍繞心房顫動血栓栓塞狀況進行分析，結果顯示，研究組患者年齡、吸煙占比、LAD、RA、LAA、LVEDD、血清hs-CRP 水平高于對照組，研究組LVEF 低于對照組，組間比較，差異存在統計學意義（P＜0.05）。結果證實，以上因素均會在很大程度上增加心房顫動并發血栓栓塞發生率。其中，血清hs-CRP 在心血管疾病進展中發揮關鍵性作用，血清hs-CRP 為心房顫動血栓栓塞獨立影響因素，主要原因是疾病發生與炎癥反應存在聯系，若患者伴有炎癥反應，會對心房傳導產生干擾，導致其出現折返，最終誘發心房顫動［27-28］。另外，在一項研究中［29］，日本學者指出，約1/3 吸煙者10 年心房顫動發生風險會顯著增加［30］。心房重構與心房進展狀況存在相關性，而LVEDD、LAD 增大會在很大程度上導致心肌重構，進而電生理傳導、心房結構出現變化，心房活化，縮短了有效不應期，延長了傳導時間，折返后導致心房顫動發生，該結果與本研究結果具有較高一致性［31-32］?；谶@些指標，可以建立預測模型，幫助醫生更全面更準確地預測患者出現心房顫動血栓栓塞的風險［33-34］。

本研究建立了一個基于心臟超聲指標的心房顫動血栓栓塞風險列線圖預測模型，該模型考慮了多種臨床和超聲指標，包括年齡、吸煙占比、LAD、LASd、LAA、LVEDD 等，可以對心房顫動患者的血栓栓塞風險進行更精確地預測。列線圖模型內部驗證結果顯示：CI 為0.953，對疾病預測校正曲線與理想曲線趨近；列線圖模型預測心房顫動并發血栓栓塞最佳截斷值為0.151，AUC 為0.954，特異度、靈敏度分別為0.863、0.925。結果證實，列線圖模型預測心房顫動并發血栓栓塞價值較高，具有良好校準度、預測性，可靠性、穩定性高。且本研究患者一般資料與超聲指標獲取較簡單，成本較低，對醫生的使用非常有利，能夠使得更多的心房顫動并發血栓栓塞患者獲益。但研究也存在不足之處，一是本研究僅包括在單個醫療中心接受治療的患者，結果具有局限性；二是對心房顫動并發血栓栓塞風險預測列線圖模型只是進行內部驗證，未進行其他中心外部驗證。所以，在現實推廣時還應提供更有效的外部數據支撐，以提高其準確性。

4 結論

年齡、吸煙、LAD、LVEDD、LASd、LAA、LVEF、hs-CRP 是心房顫動并發血栓栓塞的獨立影響因素，構建基于心臟超聲指標的心房顫動血栓栓塞風險列線圖預測模型具有重要意義，該模型預測準確度與特異度高，有望成為一種評估心房顫動患者風險的有效方式。