Construction of a differential diagnosis model of ischemic stroke between moyamoya disease and non-moyamoya disease based on clinical data
-
摘要:目的
筛选临床上易于获得的变量构建烟雾病(MMD)与非MMD缺血性卒中的鉴别诊断模型。
方法纳入确诊为MMD缺血性卒中患者150例和非MMD缺血性卒中患者150例，按照7∶3的比例分为训练组(210例)和验证组(90例)。利用Logistic回归分析、Lasso回归、支持向量机(SVM)构建诊断模型; 通过列线图将最优模型可视化，并分别在训练组和验证组中检验列线图的鉴别能力。
结果二分类Logistic回归模型在训练组和验证组中C统计量最大(0.87和0.88)。多因素Logistic回归分析差异有统计学意义(P < 0.05)的变量为收缩压、总胆固醇(TC)、白蛋白(ALB)、游离三碘甲腺原氨酸(FT3)、同型半胱氨酸(HCY)、年龄，将这6个变量纳入列线图。列线图在训练组和验证组的Hosmer-Lemeshow检验P值分别为0.28、0.19, 校正曲线校正度良好。列线图评分 < 168分为MMD缺血性卒中低风险，列线图评分≥168分为MMD缺血性卒中高风险。
结论本研究构建的列线图可鉴别MMD和非MMD缺血性卒中，经过验证该模型在训练组和验证组中均有良好的鉴别能力。
Abstract:ObjectiveTo establish a differential diagnosis model between moyamoya disease (MMD) and non-MMD ischemic stroke by screening clinically accessible variables.
MethodsA total of 150 patients diagnosed with MMD ischemic stroke and 150 patients diagnosed with non-MMD ischemic stroke were included and divided into training group (210 cases) and validation group (90 cases) according to a ratio of 7 to 3. Logistic regression analysis, Lasso regression and support vector machine (SVM) were used to construct the diagnosis model; the optimal model was visualized with nomogram, and discriminant ability of the nomogram was tested in the training group and the validation group respectively.
ResultsBinary Logistic regression showed the largest C statistics in the training group and the verification group (0.87 and 0.88). Multivariate logistic regression analysis showed statistically significant differences (P < 0.05) in systolic blood pressure, total cholesterol (TC), albumin (ALB), free triiodothyranine (FT3), homocysteine (HCY) and age, and these six variables were included in the nomogram. Hosmer-Lemeshow test P values for the training group and the verification group were 0.28 and 0.19, respectively, and the calibration curve was well calibrated.The nomogram score < 168 was classified as a low risk of ischemic stroke in MMD, and the nomogram score ≥168 was classified as a high risk of ischemic stroke in MMD.
ConclusionThe nomograms established in the study can be used to distinguish MMD from non-MMD ischemic stroke, and it has been verified that the model has good discriminative ability in both training group and verification group.
-
Keywords:
- moyamoya disease /
- ischemic stroke /
- differential diagnostic model /
- nomogram /
- risk factors
-
烟雾病(MMD)是一种脑血管疾病，表现为双侧颈内动脉(ICA)远端或大脑前动脉(ACA)、大脑中动脉(MCA)起始段慢性进行性狭窄或闭塞[1]。MMD首发症状主要为脑缺血和脑出血[2]。目前, MMD诊断金标准为数字减影血管造影术(DSA)[3], 但缺少针对MMD缺血性脑卒中的初步筛选方法，且继发于MMD的缺血性卒中与其他病因(非MMD)缺血性卒中的临床表现相似[4], 在缺少DSA、磁共振血管成像(MRA)等影像学检查的前提下，通常与其他病因缺血性卒中难以鉴别[5-6]。因此，本研究利用临床数据构建MMD的鉴别诊断模型，以期实现MMD的早期诊断，降低MMD缺血性卒中患者的误诊率，以及改善MMD患者预后。
1. 资料与方法
1.1 一般资料
选取2020年1月1日—2022年5月1日在河南省人民医院脑血管病区确诊为MMD的缺血性卒中患者150例和非MMD缺血性卒中患150例。将纳入研究的MMD和非MMD缺血性卒中患者按照7∶3的比例分为训练组(210例)和验证组(90例)。MMD缺血性卒中患者纳入标准: ①符合2012年日本MMD诊疗指南中MMD的诊断标准[7], 并经DSA明确诊断为MMD者; ②经磁共振成像(MRI)及CT确诊处于脑缺血状态者。排除标准: ①合并有感染、肿瘤、癌症及严重的心、肺、肝、肾疾病者; ②排除影像学有颅底异常血管影，但合并动脉粥样硬化、自身免疫性疾病、脑膜炎、马凡综合征、结节性硬化症、镰状细胞性贫血等相关疾病者。非MMD缺血性卒中患者纳入标准: 符合第4届全国脑血管学术会议提出的脑卒中诊断标准[8], 并有CT或MRI等影像学表现者。排除标准: 头颅MRA或DSA等影像学检查符合MMD脑血管异常表现者。
1.2 方法
收集所有研究对象的人口统计学特征(性别、年龄)以及脑血管危险因素(高血压病史、糖尿病病史、高脂血症病史、饮酒史、吸烟史); 记录所有患者高同型半胱氨酸血症(HHCY)以及游离三碘甲腺原氨酸(FT3)、游离甲状腺素(FT4)、促甲状腺激素(TSH)、总胆固醇(TC)、低密度脂蛋白(LDL)、甘油三酯(TG)、高密度脂蛋白(HDL)、白蛋白(ALB)、同型半胱氨酸(HCY)、尿酸(UA)、血肌酐(SCR)、空腹血糖(GLU)、白细胞(WBC)、淋巴细胞(LYM)、血小板(PLT)、D-二聚体(DD)等实验室相关检查数据。
1.3 统计学分析
根据临床诊断参考指标、已知危险因素以及相关文献纳入可能对鉴别MMD与非MMD缺血性卒中有意义的临床指标。采用SPSS 26.0软件进行统计学分析。通过单因素Logistic回归分析评估训练组中各变量的显著性，初步筛选可能具有鉴别能力的变量。定量资料以(x±s)表示，组间比较采用独立样本t检验或曼-惠特尼检验。定性资料以[n(%)]表示，组间比较采用卡方检验或Fisher精确检验。P <0.05为差异具有统计学意义。
基于SPSS单因素回归分析的变量筛选结果，把筛选出的变量(P<0.05)分别纳入Logistic回归、Lasso交叉验证回归、支持向量机(SVM)共3种建模方法，构建鉴别诊断模型。构建模型均使用统计软件(R, version 4.1.3; https://www.r-project.org)进行，并通过C统计量选择最优模型, C统计量越大，模型区分能力越强。使用R语言中的rms包(R rms, version 4.1.3; http://www.r-project.org)绘制列线图，利用列线图评分预估MMD的诊断概率。使用校正曲线评估列线图的预测效能，预测概率越接近45°对角线则预测概率越接近实际概率。
2. 结果
2.1 参与者临床特征
将纳入研究的MMD和非MMD缺血性卒中患者按照7∶3的比例分为训练组(210例)和验证组(90例)，分别有105例(50%)和45例(50%)经DSA确诊为MMD的患者分布于2组。训练组和验证组的基线资料见表 1。
表 1 参与者临床特征(x±s)[n(%)]基线资料 训练组(n=210) 验证组(n=90) P 男性 124(59.05) 63(70.00) 0.07 年龄/岁 55.69±11.82 53.26±11.84 0.10 血管危险因素 饮酒史 40(19.05) 21(23.33) 0.40 抽烟史 48(22.86) 28(31.11) 0.13 高血压 120(57.14) 53(58.89) 0.78 糖尿病 42(20.00) 20(22.22) 0.66 高脂血症 63(30.00) 30(33.33) 0.57 高同型半胱氨酸血症 41(19.52) 16(17.78) 0.72 血压 收缩压/mmHg 142.91±18.44 144.77±18.99 0.43 舒张压/mmHg 87.68±11.50 88.62±11.60 0.52 甲状腺功能 FT3/(pmol/L) 5.04±1.00 4.82±0.84 0.07 FT4/(pmol/L) 15.32±3.60 15.56±3.54 0.59 TSH/(μIU/mL) 2.59±2.10 2.59±2.04 0.98 常规实验室指标 TC/(mmol/L) 4.40±0.98 4.37±1.08 0.83 TG/(mmol/L) 1.47±0.53 1.49±0.74 0.81 LDL/(mmol/L) 2.50±0.88 2.49±0.83 0.90 HDL/(mmol/L) 1.14±0.27 1.12±0.29 0.63 ALB/(g/L) 39.97±3.27 40.37±4.18 0.38 HCY/(μmol/L) 13.00±3.64 12.83±4.00 0.73 GLU/(mmol/L) 5.45±1.85 5.72±2.49 0.31 SCR/(μmol/L) 61.63±12.37 61.60±11.61 0.99 UA/(μmol/L) 303.42±66.10 313.37±70.16 0.24 WBC/(×109/L) 6.63±1.95 6.75±2.01 0.64 LYM/(×109/L) 1.79±0.61 1.96±0.66 0.03 PLT/(×109/L) 228.63±66.63 230.98±55.50 0.77 DD/(mg/L) 0.59±1.36 0.48±0.50 0.46 FT3: 游离三碘甲腺原氨酸; FT4: 游离甲状腺素; TSH: 促甲状腺激素; TC: 总胆固醇; TG: 甘油三酯; LDL: 低密度脂蛋白; HDL: 高密度脂蛋白; ALB: 白蛋白; HCY: 同型半胱氨酸; GLU: 空腹血糖; UA: 尿酸; SCR: 血肌酐; WBC: 白细胞; LYM: 淋巴细胞; PLT: 血小板; DD: D-二聚体。 2.2 模型构建与验证
在训练组中进行单因素回归分析。采用单因素回归分析对变量进行初步筛选，以保证模型的可靠性(表 2), 并将差异显著(P<0.05)的变量分别纳入Logistic回归、Lasso回归及SVM构建鉴别诊断模型。为了筛选出区分能力最好的模型，本研究分别比较各模型在训练组和验证组的受试者工作特征(ROC)曲线的曲线下面积(AUC), 训练组中Logistic回归AUC为0.87, Lasso回归AUC为0.85, SVM的AUC为0.85, 验证组中Logistic回归AUC为0.88, Lasso回归AUC为0.82, SVM的AUC为0.86, 经过比较Logistic回归模型的C统计量最大，区分能力最好(图 1)。
表 2 基于训练组数据的单变量Logistic回归分析变量 β OR(95%CI) P 男性 -0.32 0.73(0.42~1.27) 0.26 年龄 -0.09 0.92(0.89~0.95) <0.01 血管危险因素 饮酒史 -0.13 0.88(0.44~1.78) 0.72 抽烟史 -0.11 0.90(0.47~1.72) 0.74 高血压 -0.71 0.49(0.28~0.86) 0.01 糖尿病 -0.86 0.42(0.21~0.86) 0.02 高脂血症 -0.69 0.50(0.27~0.92) 0.03 高同型半胱氨酸血症 1.23 3.42(1.61~7.27) <0.01 血压 收缩压 -0.04 0.96(0.95~0.98) <0.01 舒张压 -0.03 0.97(0.95~0.99) 0.01 甲状腺功能 FT3 0.72 2.06(1.39~3.05) <0.01 FT4 0.06 1.07(0.99~1.15) 0.11 TSH 0.12 1.13(0.97~1.31) 0.11 常规实验室指标 TC -0.62 0.54(0.40~0.73) <0.01 TG -0.23 0.79(0.47~1.33) 0.38 LDL -0.17 0.85(0.62~1.15) 0.29 HDL -0.46 0.63(0.23~1.77) 0.38 ALB 0.28 1.33(1.19~1.48) <0.01 HCY 0.19 1.21(1.10~1.33) <0.01 GLU -0.11 0.90(0.77~1.05) 0.17 SCR <0.01 1.00(0.98~1.02) 0.94 UA <0.01 1.00(0.99~1.00) 0.97 WBC 0.01 1.01(0.88~1.16) 0.89 LYM 0.28 1.32(0.85~2.07) 0.22 PLT <0.01 1.00(1.00~1.01) 0.70 DD -0.12 0.89(0.67~1.19) 0.43 FT3: 游离三碘甲腺原氨酸; FT4: 游离甲状腺素; TSH: 促甲状腺激素; TC: 总胆固醇; TG: 甘油三酯; LDL: 低密度脂蛋白; HDL: 高密度脂蛋白; ALB: 白蛋白; HCY: 同型半胱氨酸; GLU: 空腹血糖; UA: 尿酸; SCR: 血肌酐; WBC: 白细胞; LYM: 淋巴细胞; PLT: 血小板; DD: D-二聚体。 2.3 列线图绘制与验证
多因素Logistic回归分析P<0.05的结果用优势比(95%CI)和P表示, FT3、HCY、年龄、收缩压、TC、ALB为MMD缺血性卒中的独立影响因素(P<0.05或P<0.01), 将这些独立影响因素纳入列线图，二分类Logistic回归模型被可视化，见表 3、图 2。
表 3 基于训练组数据的多因素Logistic回归分析变量 β OR(95%CI) P FT3 0.68 1.96(1.23~3.33) 0.01 HCY 0.21 1.23(1.10~1.41) <0.01 年龄 -0.08 0.93(0.89~0.96) <0.01 收缩压 -0.03 0.97(0.95~0.99) 0.01 TC -0.46 0.63(0.42~0.93) 0.02 ALB 0.20 1.22(1.08~1.40) <0.01 FT3: 游离三碘甲腺原氨酸; HCY: 同型半胱氨酸; TC: 总胆固醇; ALB: 白蛋白。 使用列线图时，找到每个变量在相应轴的位置，并向上画1条线来确定每个变量的分数，计算所有变量总分，从总分数轴上对应的点画1条线来确定诊断为MMD的概率。
最后，用列线图去鉴别训练组和验证组中的所有患者，列线图在训练组C统计量为0.87, 具有良好的区分能力。将列线图的预测值与实际值进行比较, Hosmer-Lemeshow(拟合优度检验)P=0.28, 提示模型的校准度好，准确度高。使用验证组数据对列线图进行检验，验证组中C统计量为0.88, Hosmer-Lemeshow检验P=0.19, 列线图同样展示出不错的鉴别能力。利用校正曲线对训练组及验证组的校准度进行可视化，显示预测值与实际值基本上都分布在45°对角线上(图 3), 说明构建的模型鉴别能力可靠。
2.4 基于列线图评分的MMD风险
列线图评分的最佳临界值为168分。在训练组使用该临界值去鉴别MMD缺血性卒中患者时，灵敏度、特异度、阳性预测值和阴性预测值分别为0.73、0.89、0.87、0.77; 在验证组中，上述变量分别为0.87、0.76、0.78、0.85, 见表 4
表 4 列线图对MMD缺血性卒中鉴别的准确性变量 训练组(95%CI) 验证组(95%CI) C统计量 0.87(0.82~0.92) 0.88(0.81~0.95) 灵敏度 0.73(0.65~0.82) 0.87(0.77~0.97) 特异度 0.89(0.83~0.95) 0.76(0.63~0.88) 阳性预测值 0.87(0.79~0.94) 0.78(0.67~0.90) 阴性预测值 0.77(0.69~0.84) 0.85(0.74~0.96) 3. 讨论
继发于MMD与非MMD的缺血性卒中的临床表现相似，但与非MMD缺血性卒中不同的是, MMD患者可以通过血运重建手术进行治疗[9], 因此能否及时对MMD患者做出诊断并采取有效治疗至关重要。本研究采取易于获得的临床变量建立了一种鉴别诊断模型，该模型最终纳入了FT3、HCY、年龄、收缩压、TC及ALB共6个变量，并用列线图对模型进行了可视化，本研究选取列线图评分168分作为临界值用于鉴别MMD缺血性脑卒中，得分≥168分的患者为MMD缺血性脑卒中的高危组，旨在利用列线图从缺血性脑卒中患者中鉴别出MMD, 降低MMD的误诊率。
诊断MMD的常规方法为DSA、MRA联合MRI[10], 但这些方法仍存在一些局限性。比如DSA作为MMD诊断的金标准，是一种侵入性诊断方法，且不适用于伴有碘过敏、甲状腺疾病患者[11]。列线图在当前可用的预测模型工具中，不需要依附于特定的计算机软件及大型的电子设备，操作简单。本研究诊断模型可以实现对诊断结果的量化，花费低廉，且具有不错的诊断效能。虽然该模型不能替代DSA诊断MMD, 但可以仅用临床数据对MMD进行筛查，提高临床医生在缺血性脑卒中患者中进行MMD诊断的意识。
本研究发现FT3为MMD的独立相关因素, MMD患者中FT4、TSH水平均高于非MMD卒中患者(OR＞1), 提示甲状腺激素及甲状腺自身抗体的水平升高在MMD疾病的演进过程中起关键作用。研究[12-13]表明，在甲状腺功能正常的MMD患者中，其甲状腺激素水平高于正常对照组。一方面甲状腺激素可以直接刺激交感神经兴奋引起颅内大动脉收缩，并对血管壁的完整性有一定损害，进而导致颅内供血血管狭窄。另一方面，甲状腺激素水平升高也会增加脑组织代谢，增加其耗氧量，降低MMD患者颅内氧储备量[14]。相关报道[15]表明，大剂量激素冲击及血浆置换治疗后，患者神经系统症状及颅内血管狭窄情况较前也有所改善。此外MMD和Graves病有共患家族史，表明遗传因素和自身免疫因素可能在这2种疾病中起到了相似的致病作用[16]。本研究最终将FT3纳入列线图中，尽管模型鉴别效能良好，但这仍需要大样本的前瞻性实验进行验证。
本研究发现, MMD患者HCY水平显著高于非MMD缺血性卒中患者。研究[17-18]表明, HCY升高会增加成人及儿童患MMD的风险。HCY的致病机制较复杂, HCY可通过氧化应激反应产生过多的超氧化物，超氧化物与NO反应生成过氧硝酸盐来降低NO的生物利用度[19]。HCY还可以促进平滑肌细胞的DNA合成及有丝分裂过程，促使平滑肌细胞增生及细胞外基质堆积[20-21], 但其并不促进内皮细胞增生，甚至抑制，这与MMD的血管病理相符[22]。但研究[23-24]表明, HCY升高与动脉粥样硬化以及大脑中动脉狭窄密切相关, HCY可作为非MMD缺血性卒中的危险因素。MMD缺血性卒中HCY水平显著高于非MMD缺血性卒中[25], 这与本研究结果相符合。一项研究[26]表明，与HCY代谢相关的MTHFR基因位点rs9651118和TCN2基因位点rs117353193与MMD显著相关，可作为MMD的易感基因，且HCY可直接促进平滑肌细胞增生参与MMD发病，因此MMD患者通常具有更高的HCY水平。
本研究通过比较MMD卒中与非MMD卒中患者的年龄发现, MMD患者出现卒中症状的年龄更小，这与相关研究[25]结果相一致，其研究表明MMD缺血性卒中较非MMD缺血性卒中的发病年龄更早。2组间的年龄差异可能与MMD独特的发病高峰有关(18~44岁居多，可能与遗传因素有关)，相关流行病学调查[27]证实了这一点。高血压为脑卒中中最重要的独立危险因素，尤其是收缩压升高的相关性更为显著[28]。高血压状态下，血流对血管壁的冲击导致内膜受损，引起血小板聚集及胆固醇沉积，造成管壁增厚、狭窄，最终导致缺血性卒中。然而MMD缺血性卒中为血管内膜平滑肌细胞增生导致的血管狭窄引起的[22]。本研究发现与非MMD卒中患者相比, MMD患者的收缩压和舒张压明显较低，收缩压(P<0.05)被纳入模型，相关研究[13, 29]与本研究结果相一致。
ALB降低和血脂异常为发生缺血性脑卒中的独立危险因素[30-31]。血脂异常在动脉粥样硬化的发生发展中起着十分重要的作用，且研究[32]表明, TC水平每升高1 mmol/L, 脑卒中的发病风险增加5%，缺血性脑卒中的发病风险增加20%。本研究发现, MMD缺血性卒中患者TC、TG、LDL水平均高于非MMD缺血性卒中患者，尽管TG、LDL并未显示出统计学差异。脑缺血发作期机体处于应激状态，白细胞介素(IL)-6及肿瘤坏死因子-α等炎症因子水平升高，并对ALB的合成呈负性调控[33], 且应激状态下，机体蛋白质消耗增多。尽管高血压、血脂异常及低ALB为缺血性卒中的危险因素，然而基于MMD独特的发病机制，更倾向于一种由炎症、免疫、遗传等因素导致的疾病[34]。高血压对血管壁的损伤、脂质异常导致的斑块沉积以及应急状态下ALB的大量消耗与非MMD缺血性卒中密切相关，所以非MMD缺血性脑卒中患者往往具有更高的血压、血脂和更低的ALB, 但这仍需要多中心大样本的研究进一步验证。本研究存在局限性，首先MMD的发病率相对较低，纳入的样本量不够大，且收集的数据多来自本省居民，具有一定的地域性; 其次，尽管列线图已经表现出良好的鉴别能力，但仍需进行大样本、前瞻性研究以进一步验证列线图的可靠性。
-
表 1 参与者临床特征(x±s)[n(%)]
基线资料 训练组(n=210) 验证组(n=90) P 男性 124(59.05) 63(70.00) 0.07 年龄/岁 55.69±11.82 53.26±11.84 0.10 血管危险因素 饮酒史 40(19.05) 21(23.33) 0.40 抽烟史 48(22.86) 28(31.11) 0.13 高血压 120(57.14) 53(58.89) 0.78 糖尿病 42(20.00) 20(22.22) 0.66 高脂血症 63(30.00) 30(33.33) 0.57 高同型半胱氨酸血症 41(19.52) 16(17.78) 0.72 血压 收缩压/mmHg 142.91±18.44 144.77±18.99 0.43 舒张压/mmHg 87.68±11.50 88.62±11.60 0.52 甲状腺功能 FT3/(pmol/L) 5.04±1.00 4.82±0.84 0.07 FT4/(pmol/L) 15.32±3.60 15.56±3.54 0.59 TSH/(μIU/mL) 2.59±2.10 2.59±2.04 0.98 常规实验室指标 TC/(mmol/L) 4.40±0.98 4.37±1.08 0.83 TG/(mmol/L) 1.47±0.53 1.49±0.74 0.81 LDL/(mmol/L) 2.50±0.88 2.49±0.83 0.90 HDL/(mmol/L) 1.14±0.27 1.12±0.29 0.63 ALB/(g/L) 39.97±3.27 40.37±4.18 0.38 HCY/(μmol/L) 13.00±3.64 12.83±4.00 0.73 GLU/(mmol/L) 5.45±1.85 5.72±2.49 0.31 SCR/(μmol/L) 61.63±12.37 61.60±11.61 0.99 UA/(μmol/L) 303.42±66.10 313.37±70.16 0.24 WBC/(×109/L) 6.63±1.95 6.75±2.01 0.64 LYM/(×109/L) 1.79±0.61 1.96±0.66 0.03 PLT/(×109/L) 228.63±66.63 230.98±55.50 0.77 DD/(mg/L) 0.59±1.36 0.48±0.50 0.46 FT3: 游离三碘甲腺原氨酸; FT4: 游离甲状腺素; TSH: 促甲状腺激素; TC: 总胆固醇; TG: 甘油三酯; LDL: 低密度脂蛋白; HDL: 高密度脂蛋白; ALB: 白蛋白; HCY: 同型半胱氨酸; GLU: 空腹血糖; UA: 尿酸; SCR: 血肌酐; WBC: 白细胞; LYM: 淋巴细胞; PLT: 血小板; DD: D-二聚体。 
下载: 导出CSV
表 2 基于训练组数据的单变量Logistic回归分析
变量 β OR(95%CI) P 男性 -0.32 0.73(0.42~1.27) 0.26 年龄 -0.09 0.92(0.89~0.95) <0.01 血管危险因素 饮酒史 -0.13 0.88(0.44~1.78) 0.72 抽烟史 -0.11 0.90(0.47~1.72) 0.74 高血压 -0.71 0.49(0.28~0.86) 0.01 糖尿病 -0.86 0.42(0.21~0.86) 0.02 高脂血症 -0.69 0.50(0.27~0.92) 0.03 高同型半胱氨酸血症 1.23 3.42(1.61~7.27) <0.01 血压 收缩压 -0.04 0.96(0.95~0.98) <0.01 舒张压 -0.03 0.97(0.95~0.99) 0.01 甲状腺功能 FT3 0.72 2.06(1.39~3.05) <0.01 FT4 0.06 1.07(0.99~1.15) 0.11 TSH 0.12 1.13(0.97~1.31) 0.11 常规实验室指标 TC -0.62 0.54(0.40~0.73) <0.01 TG -0.23 0.79(0.47~1.33) 0.38 LDL -0.17 0.85(0.62~1.15) 0.29 HDL -0.46 0.63(0.23~1.77) 0.38 ALB 0.28 1.33(1.19~1.48) <0.01 HCY 0.19 1.21(1.10~1.33) <0.01 GLU -0.11 0.90(0.77~1.05) 0.17 SCR <0.01 1.00(0.98~1.02) 0.94 UA <0.01 1.00(0.99~1.00) 0.97 WBC 0.01 1.01(0.88~1.16) 0.89 LYM 0.28 1.32(0.85~2.07) 0.22 PLT <0.01 1.00(1.00~1.01) 0.70 DD -0.12 0.89(0.67~1.19) 0.43 FT3: 游离三碘甲腺原氨酸; FT4: 游离甲状腺素; TSH: 促甲状腺激素; TC: 总胆固醇; TG: 甘油三酯; LDL: 低密度脂蛋白; HDL: 高密度脂蛋白; ALB: 白蛋白; HCY: 同型半胱氨酸; GLU: 空腹血糖; UA: 尿酸; SCR: 血肌酐; WBC: 白细胞; LYM: 淋巴细胞; PLT: 血小板; DD: D-二聚体。
下载: 导出CSV
表 3 基于训练组数据的多因素Logistic回归分析
变量 β OR(95%CI) P FT3 0.68 1.96(1.23~3.33) 0.01 HCY 0.21 1.23(1.10~1.41) <0.01 年龄 -0.08 0.93(0.89~0.96) <0.01 收缩压 -0.03 0.97(0.95~0.99) 0.01 TC -0.46 0.63(0.42~0.93) 0.02 ALB 0.20 1.22(1.08~1.40) <0.01 FT3: 游离三碘甲腺原氨酸; HCY: 同型半胱氨酸; TC: 总胆固醇; ALB: 白蛋白。
下载: 导出CSV
表 4 列线图对MMD缺血性卒中鉴别的准确性
变量 训练组(95%CI) 验证组(95%CI) C统计量 0.87(0.82~0.92) 0.88(0.81~0.95) 灵敏度 0.73(0.65~0.82) 0.87(0.77~0.97) 特异度 0.89(0.83~0.95) 0.76(0.63~0.88) 阳性预测值 0.87(0.79~0.94) 0.78(0.67~0.90) 阴性预测值 0.77(0.69~0.84) 0.85(0.74~0.96)
下载: 导出CSV
-
[1] 刘芳, 张鑫, 杨惠清, 等. 烟雾病合并颅内动脉瘤患者介入治疗的护理[J]. 实用临床医药杂志, 2011, 15(16): 107-109. doi: 10.3969/j.issn.1672-2353.2011.16.049 [2] 烟雾病治疗中国专家共识编写组. 烟雾病治疗中国专家共识[J]. 国际脑血管病杂志, 2019, 27(9): 645-650. [3] HASUO K, MIHARA F, MATSUSHIMA T. MRI and MR angiography in moyamoya disease[J]. J Magn Reson Imaging, 1998, 8(4): 762-766. doi: 10.1002/jmri.1880080403
[4] SUTTON C X Y, CARRAZANA E, MITCHELL C, et al. Identification of associations and distinguishing moyamoya disease from ischemic strokes of other etiologies: a retrospective case-control study[J]. Ann Med Surg (Lond), 2022, 78: 103771.
[5] GRAF J, SCHWITALLA J C, ALBRECHT P, et al. Misdiagnoses and delay of diagnoses in Moyamoya angiopathy-a large Caucasian case series[J]. J Neurol, 2019, 266(5): 1153-1159. doi: 10.1007/s00415-019-09245-9
[6] MOHAMMADI O, KRIEGER D, BUTT Ⅰ, et al. A case of delayed diagnosis of moyamoya disease after recurrent strokes[J]. Cureus, 2019, 11(12): e6446.
[7] Research committee on the pathology and treatment of spontaneous occlusion of the circle of willis, Health labour sciences research grant for research on measures for infractable diseases. Guidelines for diagnosis and treatment of moyamoya disease (spontaneous occlusion of the circle of Willis)[J]. Neurol Med Chir (Tokyo), 2012, 52(5): 245-266. doi: 10.2176/nmc.52.245
[8] 王新德. 各类脑血管疾病诊断要点[J]. 中华神经科杂志, 1996, 29(6): 379-380. https://www.cnki.com.cn/Article/CJFDTOTAL-SYLC201307036.htm [9] ACKER G, FEKONJA L, VAJKOCZY P. Surgical management of moyamoya disease[J]. Stroke, 2018, 49(2): 476-482. doi: 10.1161/STROKEAHA.117.018563
[10] SHANG S L, ZHOU D, YA J Y, et al. Progress in moyamoya disease[J]. Neurosurg Rev, 2020, 43(2): 371-382. doi: 10.1007/s10143-018-0994-5
[11] YA J Y, ZHOU D, DING J Y, et al. High-resolution combined arterial spin labeling MR for identifying cerebral arterial stenosis induced by moyamoya disease or atherosclerosis[J]. Ann Transl Med, 2020, 8(4): 87. doi: 10.21037/atm.2019.12.140
[12] KIM S J, HEO K G, SHIN H Y, et al. Association of thyroid autoantibodies with moyamoya-type cerebrovascular disease: a prospective study[J]. Stroke, 2010, 41(1): 173-176. doi: 10.1161/STROKEAHA.109.562264
[13] LEI C, WU B, MA Z, et al. Association of moyamoya disease with thyroid autoantibodies and thyroid function: a case-control study and meta-analysis[J]. Eur J Neurol, 2014, 21(7): 996-1001. doi: 10.1111/ene.12425
[14] 张丽冉, 张俊玲. 烟雾病合并甲状腺功能亢进症10例临床分析[J]. 临床神经病学杂志, 2016, 29(5): 384-386. https://www.cnki.com.cn/Article/CJFDTOTAL-LCSJ201605029.htm [15] UTKU U, ASIL T, CELIK Y, et al. Reversible MR angiographic findings in a patient with autoimmune Graves disease[J]. AJNR Am J Neuroradiol, 2004, 25(9): 1541-1543.
[16] MALIK S, RUSSMAN A N, KATRAMADOS A M, et al. Moyamoya syndrome associated with Graves′ disease: a case report and review of the literature[J]. J Stroke Cerebrovasc Dis, 2011, 20(6): 528-536. doi: 10.1016/j.jstrokecerebrovasdis.2010.03.006
[17] LI H, ZHANG Z S, DONG Z N, et al. Increased thyroid function and elevated thyroid autoantibodies in pediatric patients with moyamoya disease: a case-control study[J]. Stroke, 2011, 42(4): 1138-1139. doi: 10.1161/STROKEAHA.110.608471
[18] GE P C, ZHANG Q, YE X, et al. Modifiable risk factors associated with moyamoya disease: a case-control study[J]. Stroke, 2020, 51(8): 2472-2479. doi: 10.1161/STROKEAHA.120.030027
[19] LAI W K C, KAN M Y. Homocysteine-induced endothelial dysfunction[J]. Ann Nutr Metab, 2015, 67(1): 1-12.
[20] MUJUMDAR V S, HAYDEN M R, TYAGI S C. Homocyst(e)ine induces calcium second messenger in vascular smooth muscle cells[J]. J Cell Physiol, 2000, 183(1): 28-36. doi: 10.1002/(SICI)1097-4652(200004)183:1<28::AID-JCP4>3.0.CO;2-O
[21] TSAI J C, PERRELLA M A, YOSHIZUMI M, et al. Promotion of vascular smooth muscle cell growth by homocysteine: a link to atherosclerosis[J]. Proc Natl Acad Sci USA, 1994, 91(14): 6369-6373. doi: 10.1073/pnas.91.14.6369
[22] MASUDA J, OGATA J, YUTANI C. Smooth muscle cell proliferation and localization of macrophages and T cells in the occlusive intracranial major arteries in moyamoya disease[J]. Stroke, 1993, 24(12): 1960-1967.
[23] LIU Y, SONG J H, HOU X H, et al. Elevated homocysteine as an independent risk for intracranial atherosclerotic stenosis[J]. Aging (Albany NY), 2019, 11(11): 3824-3831.
[24] BANECKA-MAJKUTEWICZ Z, SAWUŁA W, KADZINSKI L, et al. Homocysteine, heat shock proteins, genistein and vitamins in ischemic stroke: pathogenic and therapeutic implications[J]. Acta Biochim Pol, 2012, 59(4): 495-499.
[25] ZHANG Y, FU X, ZENG X F, et al. Hyperhomocysteinemia independently associated with adult moyamoya disease: hospital based study of 237 patients[J]. Turk Neurosurg, 2021, 31(2): 167-172.
[26] DUAN L, WEI L, TIAN Y H, et al. Novel susceptibility loci for moyamoya disease revealed by a genome-wide association study[J]. Stroke, 2018, 49(1): 11-18.
[27] GHAFFARI-RAFI A, GHAFFARI-RAFI S, LEON-ROJAS J. Socioeconomic and demographic disparities of moyamoya disease in the United States[J]. Clin Neurol Neurosurg, 2020, 192: 105719.
[28] 范利. 控制高血压、高血脂与预防脑卒中的关系[J]. 人民军医, 2004, 47(8): 479-481. https://www.cnki.com.cn/Article/CJFDTOTAL-RMJZ200408029.htm [29] JEON J S, AHN J H, MOON Y J, et al. Expression of cellular retinoic acid-binding protein-Ⅰ (CRABP-Ⅰ) in the cerebrospinal fluid of adult onset moyamoya disease and its association with clinical presentation and postoperative haemodynamic change[J]. J Neurol Neurosurg Psychiatry, 2014, 85(7): 726-731.
[30] 王燕. 低蛋白血症与复发性脑梗死的相关性研究[J]. 中西医结合心脑血管病杂志, 2019, 17(2): 282-284. https://www.cnki.com.cn/Article/CJFDTOTAL-ZYYY201902035.htm [31] 中华医学会神经病学分会, 中华医学会神经病学分会脑血管病学组. 中国缺血性卒中和短暂性脑缺血发作二级预防指南2022[J]. 中华神经科杂志, 2022, 55(10): 1071-1110. [32] 张欢. 中国人群总胆固醇水平与脑卒中及其亚型关系的前瞻性研究暨脂联素与心血管疾病的meta分析[D]. 北京: 北京协和医学院, 2012. [33] RAMADORI G, VAN DAMME J, RIEDER H, et al. Interleukin 6, the third mediator of acute-phase reaction, modulates hepatic protein synthesis in human and mouse. Comparison with interleukin 1 beta and tumor necrosis factor-alpha[J]. Eur J Immunol, 1988, 18(8): 1259-1264.
[34] 王虎清, 吴海琴, 张桂莲, 等. 烟雾病的临床特点分析[J]. 中国临床神经科学, 2012, 20(1): 30-36.
计量
- 文章访问数: 234
- HTML全文浏览量: 41
- PDF下载量: 40
苏公网安备 32100302010246号
