摘要:
目的 调查与静止性脑梗死(silent brain infarction,SBI)相关的独立影响因素,构建SBI风险预测量表并验证.方法 在单中心横断面研究中,前瞻性连续纳入无神经系统疾病既往史的体检者,收集其人口学信息,高血压、糖尿病等血管危险因素,血脂、糖化血红蛋白、血浆同型半胱氨酸等化验结果录入数据库.采用标准影像学操作规范进行头颅MRI扫描,并由影像学医师盲法判读,将受试者分为SBI组和无SBI组.将所有受试者按照3:1比例随机分为训练集和验证集,在训练集中采用单因素和多因素Logistic回归分析SBI的独立影响因素,构建SBI预测量表.在训练集和验证集中应用ROC曲线检验量表的区分度,应用Hosmer-Lemeshow分析检验量表的校准度.结果 共有633例研究对象纳入研究,平均年龄52.0±10.5岁,女性272例(43.0%).训练集(475例)和验证集(158例)两个样本集合的基线特征均衡.校正混杂因素后多因素分析显示,年龄≥45岁(OR 8.37,95%CI 1.12~62.80,P=0.039),高血压(OR 2.30,95%CI 1.08~4.90,P=0.032),同型半胱氨酸(Q2~Q3:OR 6.89,95%CI 0.89~53.10,P=0.064;Q4:OR 13.6,95%CI 1.74~105.87,P=0.013)与SBI风险独立相关.根据OR值构建SBI危险评分(SBI risk score,SBI-RS)量表,量表赋值为:年龄≥45岁赋值8分;有高血压赋值2分;同型半胱氨酸根据四分位分层分别赋值为0分、7分和14分.SBI-RS在训练集和验证集中ROC曲线显示曲线下面积分别为0.77(95%CI 0.69~0.84,P<0.001)和0.76(95%CI 0.63~0.88,P<0.001),区分度良好.Hosmer-Lemeshow相关分析提示SBI-RS具有较好的校准度(P>0.05).结论 在健康体检人群中,SBI-RS具有较好的区分度和校准度,可以帮助识别SBI高危人群.