發布時間：2021-05-14所屬分類：醫學論文瀏覽：1次
摘 要： [摘要]目的：分析急性心肌梗死(AMI)患者術后院內心源性休克(CS)的風險因素，依此建立預測AMI患者院內CS發生風險的列線圖模型。方法：通過胸痛中心數據庫及醫院信息系統回顧性分析我院心內科住院且接受急診冠狀動脈(冠脈)介入治療的327例AMI患者的臨床資料，
[摘要]目的：分析急性心肌梗死(AMI)患者術后院內心源性休克(CS)的風險因素，依此建立預測AMI患者院內CS發生風險的列線圖模型。方法：通過胸痛中心數據庫及醫院信息系統回顧性分析我院心內科住院且接受急診冠狀動脈(冠脈)介入治療的327例AMI患者的臨床資料，依據患者住院期間CS的發生情況將受試對象分為CS組(52例)和非CS組(275例)，利用LASSO回歸模型和多因素Logistic回歸分析AMI患者發生院內CS的風險因素，并建立個性化的CS預測模型。結果：LASSO回歸結果提示，白細胞計數、肌酐、尿素氮、尿酸、氨基末端腦鈉肽前體、左室射血分數及合并新發心房顫動為AMI患者發生院內CS的重要風險因素(P<0.05)。利用上述7個預測指標構建了列線圖模型。內部驗證后，列線圖預測AMI患者發生院內CS的AUC值為0.888(95%CI：0.840～0.922)，靈敏度為0.832，特異度為0.782。校準曲線提示列線圖模型的偏差校正曲線與理想曲線具有較好的一致性。臨床決策曲線分析法提示列線圖模型的預測概率閾值處于0～0.8時，患者的臨床凈收益水平最高。結論：本研究依據院內CS發生的重要風險因素構建了個性化的CS發生風險預測模型，經相關指標證實該預測模型具有較好的預測效率和臨床適用性，能準確、有效地預測AMI患者院內CS的發生風險，從而協助臨床醫護人員篩選高CS風險患者，制定針對性的干預措施，降低AMI患者術后CS的發生率。
[關鍵詞]急性心肌梗死;心源性休克;列線圖;臨床決策
我國急性心肌梗死(AMI)的發病率和病死率隨著社會經濟的發展以及人民生活水平的提高而逐年升高[1]。隨著循證醫學的發展論證，經皮冠狀動脈介入術(PCI)的適應證逐漸擴大，在救治AMI患者方面發揮了重要的作用，但PCI術后AMI患者的預后情況仍是目前AMI臨床治療過程中關注的熱點問題[2]。心源性休克(CS)是AMI患者PCI術后的相關并發癥之一，患者術后一旦出現CS，不良預后及死亡的風險則會增加[3]。評估并整合AMI患者術后CS發生的風險因素，依此篩選出術后高休克風險的AMI患者對于臨床醫護人員制定針對性的防控策略、提高患者預后、降低患者死亡風險尤為重要。本研究通過分析AMI患者PCI術后CS發生的風險因素，構建了個性化的預測模型，旨在為臨床決策提供理論依據。
1對象與方法
1.1對象
以中國科學技術大學附屬第一醫院心內科2017年1月—2018年12月收治且接受PCI治療的327例AMI患者作為研究對象，回顧性分析患者的臨床資料。患者納入標準：①符合第4版AMI全球定義[4]中關于AMI的診斷標準，年齡18歲及以上;②相關人口學特征、臨床信息均可從胸痛中心數據庫和醫院信息系統(HospitalInforma-tionSystem，HIS)中獲得;③發病后12h內通過我院胸痛中心行急診PCI治療的患者。
排除標準：①存在肝腎功能障礙或其他重要臟器損害;②合并有風濕免疫性疾病;③合并有惡性腫瘤疾病;④疾病類型為原發性心肌病、非梗阻性冠心病或瓣膜性心臟病;⑤收集到的臨床資料存在缺失。
1.2臨床資料收集
通過胸痛中心數據庫及HIS系統收集并匯總于2017年1月—2018年12月入住我院心內科AMI患者的臨床信息，共計44項參數。具體包括：①患者的人口學及社會學資料：性別、體質指數(BMI)、年齡3項指標;②疾病相關資料：是否吸煙及飲酒，是否合并糖尿病、高血壓、腦血管疾病及新發房顫6項指標;③實驗室檢查結果急診PCI前留取的血標本檢查結果通過胸痛中心數據庫查詢獲得，包括患者的白細胞計數(WBC)、血小板計數(PLT)、血紅蛋白濃度(Hb)、紅細胞計數(RBC)、血鉀濃度、血鈉濃度、血鈣濃度、肌酐、尿素氮、胱抑素C、尿酸、氨基末端腦鈉肽前體(NT-proBNP)、C反應蛋白(CRP)、肌紅蛋白(MYO)、肌鈣蛋白I(cTnI)等19項指標。患者轉入心內科術后1d晨留取的血標本檢查結果通過HIS系統查詢獲得，包括三酰甘油(TG)、糖化血紅蛋白(HbAlC)、隨機血糖(RBS)、游離的四碘甲狀腺原氨酸(FT4)等11項指標。④超聲學檢查結果左室射血分數(LVEF)、左室舒張末徑(LVEDd)2項指標;⑤冠狀動脈造影檢查結果包括主要病變部位、病變支數及Gensini評分3項指標，其中主要病變部位包括左前降支(LAD)，左主干(LM)，左回旋支(LCX)，右冠狀動脈(RCA)4個部位。
1.3統計學處理
原始數據采用R語言(R3.6.1)進行數據分析，依據不同資料類型分別采用例數、百分比、率及M(Q1，Q3)表示，組間比較分別采用Mann-Whit-neyU檢驗、Pearson卡方檢驗或Fisher精確概率法。LASSO回歸分析通過“glmnet”程序包實現，“rms”包用于繪制列線圖及校準曲線，“pROC”包用于繪制ROC曲線，ROC曲線下面積(AUC)用于評估列線圖的判別能力。列線圖模型的內部驗證采用Bootstrap自采樣1000次實現。校準曲線用于評估列線圖的預測一致性。以P<0.05為差異有統計學意義。
2結果
2.1一般資料描述
327例受試對象中，52例患者術后出現院內CS，CS的發生率為15.90%(52/327)。依據患者術后CS的發生情況將受試對象分為CS組(52例)及非CS組(275例)。受試對象的詳細資料及兩組患者的臨床資料比較詳見表1。
2.2LASSO回歸用于CS風險因素的篩查
由于本次研究納入的研究變量較多、不同變量之間存在的相關性、發生陽性結局事件的樣本例數有限，因此采用LASSO回歸對44個變量進行篩選和降維處理，以選擇出預測CS發生風險的特征變量。選擇最優Lambda參數的方法為10倍交叉驗證法，驗證誤差最小時的Lambda.1se值作為最佳變量篩選的模型最優解，統計此時篩選出的回歸系數非零的變量數(圖1)。LASSO回歸結果顯示，WBC、肌酐、尿素氮、尿酸、NT-proBNP、LVEF及合并新發心房顫動(房顫)這7個變量為影響AMI患者發生院內CS的危險因素。
2.3AMI患者院內CS風險的Logistic回歸分析
將LASSO回歸篩選出的風險因素和CS發生情況分別作為自變量和因變量，進行多因素Logis-tic回歸分析。變量賦值情況為：白細胞、肌酐、尿素氮、尿酸、NT-proBNP、LVEF原值錄入，合并新發房顫(是=1，否=0)。結果表明，WBC、LVEF及合并新發房顫均為影響AMI患者術后院內CS發生的獨立風險因素(OR>1，P<0.05)，詳見表2。由圖2可知，LVEF預測CS發生風險的ROC曲線下面積最大，其AUC值為0.767，其次為WBC的0.726。
2.4構建CS發生風險的列線圖模型
將多因素回歸分析中P<0.05的3個自變量納入到模型中，即WBC、LVEF及合并新發房顫。而Logistic回歸分析納入的與院內CS發生風險相關的其他變量，盡管沒有統計學意義，但是考慮統計顯著性水平的兩面性及LASSO回歸變量的臨床實用性[5]，我們參照類似研究做法[6-7]，依然將LASSO回歸分析中得到的其他4個潛在預測因子納入到模型中，即肌酐、尿素氮、尿酸、NT-proB-NP。本次研究以白細胞、肌酐、尿素氮、尿酸、NT-proBNP、LVEF及合并新發房顫這7個變量為預測因素，建立急性AMI患者術后CS發生風險列線圖預測模型，見圖3。列線圖解讀方法為：某一患者每個預測變量所在橫軸向上作一垂線，對應“Points”橫軸上一個具體的分數;將7個預測變量所對應的分數相加得到總分，總分向下作一垂線，對應“院內CS發生風險”所在橫軸上的數值即為該患者的風險預測值。例如某AMI術后患者，WBC為10×109/L，血肌酐為150μmoI/L，尿素氮為10mmol/L，尿酸為400μmol/L，NT-proBNP為5000pg/mL，LVEF為40%，合并有新發房顫，則該患者對應的總分11+2+5+5+3+22+9=57分，列線圖風險預測值約為70%。
2.5AMI患者院內CS列線圖預測模型的臨床適用性分析
將患者院內CS的發生情況作為狀態變量，列線圖所得的風險預測值作為檢驗變量，采用“rm-da”程序包繪制列線圖模型的臨床決策曲線分析法(DecisionCurveAnalysis，DCA)曲線，詳見圖4。由DCA曲線可知，當列線圖模型的預測概率閾值為0.00～0.80時，列線圖模型的臨床凈收益率均大于“全干預”和“不干預”方案，提示列線圖模型具有較好的臨床適用性。
2.6AMI患者院內CS發生風險列線圖模型的內部驗證
為防止列線圖模型存在過度擬合現象，采用Bootstrap自采樣1000次對列線圖進行內部驗證。結果表明，列線圖內部驗證前后的AUC值分別為0.885(95%CI：0.840～0.930)、0.888(95%CI：0.840～0.922)，均大于圖2中任何單一預測指標對CS預測的AUC值，同時其內部驗證前后的靈敏度分別為0.885、0.832，特異度分別為0.720、0.782，提示列線圖模型的區分能力較好。Hos-mer-Lemeshow檢驗證實列線圖的風險預測值與實際觀測值之間的預測偏差不具備統計學意義(χ2=7.70，P=0.463);同時校準曲線提示列線圖模型內部驗證前后的平均絕對誤差(Meanabsoluteerror，MAE)分別為0.033、0.026，提示列線圖模型具有較好的校準度及預測一致性。詳見圖5。
相關期刊推薦：《臨床心血管病雜志》主辦單位：華中科技大學心血管病研究所;協和醫院。辟有專家筆談、臨床研究、實驗研究、流行病學與人群防治、影像學、技術與方法、研究報告、心電圖分析、病例報告、綜述、進修苑、學術爭鳴等多個欄目。
3討論
AMI患者PCI術后發生院內CS的危害性。AMI是心血管疾病中一種常見的、急性的、嚴重的疾病，具有較高的致殘率與致死率[8]。隨著介入治療的廣泛開展，PCI術可有效清除狹窄甚至閉塞的冠狀動脈管腔，改善患者的心肌血液灌注，縮小心肌的梗死面積，已逐漸成為治療AMI的首選方式與挽救患者生命最有效的方法之一[9]。然而在PCI置入過程中因支架置入、冠狀動脈內皮損傷、內膜撕裂、局部炎癥等原因，AMI患者術后可并發心力衰竭、CS、猝死等主要心血管不良事件(majoradversecardiovascularevents，MACE)[10]。作為AMI患者PCI術后的常見MACE之一，CS危害巨大，可導致患者出現全身炎癥反應綜合征，增加患者心搏驟停與死亡風險[11-12]。本次研究表明，AMI患者PCI術后CS的發生率為15.90%，高于Raja等[13]關于ST段抬高型心肌梗死患者PCI術后CS發生率7.5%的研究報道，提示AMI患者PCI術后院內CS的發生率較高。因此，整合AMI患者術后院內CS發生的風險因素，預測不同臨床特征患者術后CS的發生風險在協助臨床醫護人員進行針對性的臨床決策以降低患者術后CS的發生率方面具有重要的指導意義。
AMI患者院內CS風險因素分析。本次研究通過LASSO回歸篩選出了影響AMI患者術后院內CS發生的7個重要因素，分別為WBC、肌酐、尿素氮、尿酸、NT-proBNP、LVEF及合并新發房顫。本研究發現，WBC和血肌酐水平是AMI患者PCI術后CS發生的重要風險因素，與李馨妍等[14]的研究結果一致，且在本研究中WBC每升高10個單位，可增加列線圖評分11分對發生CS風險影響的權重;肌酐每升高50個單位，可增加列線圖評分1分對發生CS風險影響的權重。本研究也發現尿酸和尿素氮是院內CS發生的重要風險因素，分析原因為，炎性細胞可導致血管舒張并對心肌細胞的收縮及舒張功能起到直接抑制性的作用，從而導致心輸出量顯著減少，誘發CS的發生[15]。尿素氮、血肌酐和尿酸增高是腎功能不全的敏感指標。腎功能不全可導致水鈉儲留、電解質紊亂、酸堿失衡，加重心臟負荷，破壞心肌細胞正常工作的內環境，增加CS的發生風險[16]。同時本研究還發現，在列線圖中NT-proBNP水平的升高和新發房顫的出現均可增加相應評分值對CS發生風險影響的權重，而LVEF水平的升高則可以降低相應風險權重的評分值。分析原因為，NT-proBNP水平在左心室容量增大的情況下會顯著升高[17]，且與心功能下降和心力衰竭癥狀的嚴重程度呈現明顯的正向關聯[18]。當患者發生心力衰竭時，心輸出量明顯減少，組織血液灌流量廣泛且持續性減少，導致微循環功能障礙，CS發生風險明顯增加。LVEF升高提示患者的微循環得到改善，患者術后的心率、收縮壓等血流動力學指標逐漸趨于穩定[19-20]，使得休克的發生風險降低;而合并房顫等基礎性疾病會加重梗死心肌細胞的缺血程度，無法保證各臟器得到較好的血流灌注，從而誘發嚴重的CS[15]。
列線圖預測價值與臨床應用價值的評價。列線圖作為一種統計模型分析結果的直觀化表達，在量化風險方面更為簡潔有效[21]。已有研究證實列線圖在預測急性ST段抬高型心肌梗死患者自發再灌注發生風險[22]、老年男性AMI患者冠狀動脈病變程度、AMI患者PCI術后院內死亡風險、AMI患者PCI術后心力衰竭風險、AMI患者PCI術后急性腎損傷風險[23]、創傷患者死亡風險[24]、重癥肺炎患者預后不良風險[25]等方面具有良好的應用效果。但是國內尚未有關于AMI患者PCI術后院內CS發生風險的列線圖構建方面的研究報道。本次研究通過LASSO回歸篩選出了7個影響AMI患者術后CS發生的重要風險因素，依此構建了個性化的列線圖預測模型。內部驗證前后AUC值分別為0.885(95%CI：0.840～0.930)、0.888(95%CI：0.840～0.922)，靈敏度分別為0.885、0.832，特異度分別為0.720、0.782，提示列線圖具有較好的判別能力。Hosmer-Lemeshow偏差性檢驗證實列線圖模型的風險預測值與實際觀測值之間的預測偏差不具備統計學意義(χ2=7.70，P=0.463);同時校準曲線提示列線圖模型內部驗證前后的MAE分別為0.033、0.026，表明列線圖模型具有較好的校準度及預測一致性。DCA曲線分析表明，列線圖模型的預測概率閾值處于0.0～0.8時，患者的臨床凈獲益水平最高，高于“全干預”與“不干預”方案為患者帶來的臨床獲益，提示列線圖模型具有較好的臨床適用性。同時構建列線圖模型所需的預測指標均來自于患者住院期間的臨床資料，簡便易得，無需復雜的計算轉換。綜上所述，預測AMI患者PCI術后院內CS風險的列線圖模型具有較高的預測價值和臨床應用價值，臨床人員可依此篩選出術后高CS風險的AMI患者，并為患者制定針對性的預防措施，以降低AMI患者PCI術后院內CS的發生。
本研究存在一些無可避免的局限性，具體包括：①本研究中的數據僅來自于安徽省的一所三級甲等醫院，樣本量較少，樣本來源受限;②本研究為回顧性研究，研究結論仍需進一步的前瞻性多中心大樣本隊列研究進行驗證;③本研究因CS發生病例數較少的緣故僅僅進行了內部驗證，這使得列線圖預測模型的外推性仍處于未知狀態，選取其他中心的急性AMI人群進行外部驗證仍是必需的。④本研究篩選出預測CS發生風險的7個變量雖然來源于臨床資料，易于收集、分析，確保了預測模型的簡便性和實用性，但由于本研究缺乏在預測CS發生風險方面具有創新性的研究指標，如休克指數(shockindex，SI)、中心靜脈壓(centralvenouspressure，CVP)、甘油三酯和血糖指數(triglycer-ide-glucose，TyG)等。故開展納入更多創新性指標的前瞻性隊列研究以改進CS發生預測模型的預測性能是我們下一步的研究方向。
綜上，本研究通過LASSO回歸得出的WBC、肌酐、尿素氮、尿酸、NT-proBNP、LVEF及合并新發房顫這7個指標作為預測變量，構建了預測AMI患者院內CS發生風險的列線圖預測模型，經ROC曲線、校準曲線及DCA曲線證實列線圖模型具有較好的區分度、預測一致性及臨床適用性，可用于預測AMI患者院內CS發生的概率。——論文作者：周曉娟1，2馬禮坤2魏艷2張理想2趙梅1
SCISSCIAHCI
