背景和目的在最新的一些指南中,強調(diào)通過計算驗前概率(PTP)來指導(dǎo)穩(wěn)定性冠心病(SCAD)的診斷策略,并把更新的Diamond-Forrester方法(UDFM)和Duke臨床評分(DCS)作為計算PTP的首選方案。然而,大量的觀察性研究表明以上兩模型的評估效果并不滿意。本研究以UDFM模型為參考構(gòu)建基礎(chǔ)模型,并添加頸動脈斑塊相關(guān)指標以探討其在計算SCAD-PTP中的應(yīng)用價值。資料與方法1研究對象及資料收集:本研究納入了于2017年1月1日至2018年3月1日期間在鄭州大學第二附屬醫(yī)院心內(nèi)科病房住院并疑診為冠心病,擇期行冠狀動脈造影術(shù)(CAG)及頸動脈超聲檢查的患者270例�；仡櫺允占颊叩念i動脈超聲及CAG檢查結(jié)果、臨床病史、胸痛類型及實驗室檢查等資料。CAG診斷的SCAD定義為主要冠狀動脈內(nèi)徑狹窄≥50%,將所有患者按照CAG結(jié)果分為冠心病組及非冠心病組。不考慮斑塊的長度,僅將各個頸動脈斑塊的厚度(mm)相加,即為頸動脈斑塊評分(PS)評分;斑塊最大厚度(MTP)、斑塊總數(shù)(TNP)可從頸動脈超聲檢查報告中直接獲得。不一致的結(jié)果經(jīng)討論后共同決定。2統(tǒng)計學方法:兩組患者的人口學及臨床特征比較采用Mann Whitney U檢驗或卡方檢驗。以SCAD為結(jié)局變量構(gòu)建多個logistic回歸模型:基礎(chǔ)模型包含UDFM的全部變量:年齡、性別、胸痛類型;在基礎(chǔ)模型中添加頸動脈斑塊指標構(gòu)建更新模型。計算受試者操作特征曲線(ROC)下面積(AUC)及Hosmer-Lemeshow(H-L)檢驗用來評估模型區(qū)分度及校準度;以基礎(chǔ)模型為參照,計算更新模型的凈重新分類指數(shù)(NRI)評估再分類能力。最后,繪制決策曲線以比較兩模型的臨床凈獲益。雙側(cè)P0.05認為差異有統(tǒng)計學意義。結(jié)果1單因素分析顯示,兩組間性別(P=0.018)、年齡(P0.001)、高血壓病史(P0.001)、血尿酸(P=0.019)、胸痛類型(P0.001)及PS、MTP、TNP(P均0.001)差異有統(tǒng)計學意義,而其他臨床特征組間差異均無統(tǒng)計學意義(P0.05)。2以SCAD為因變量,以性別、年齡、胸痛類型為自變量構(gòu)建基礎(chǔ)模型,該模型的區(qū)分度中等(AUC=0.729,95%CI 0.667-0.790)但校準度良好(HL test:χ2=9.672,p=0.289),在基礎(chǔ)模型中分別添加PS、MTP、TNP均能使模型AUC明顯提高(P均0.001),再分類能力提高且校準度良好。其中添加PS變量對AUC的提升最高,再分類的提升以TNP最高。(3)決策曲線顯示,添加了頸動脈斑塊變量的更新模型較基礎(chǔ)模型有更高的臨床凈獲益。結(jié)論(1)頸動脈斑塊指標(PS、MTP、TNP)與SCAD是否發(fā)病之間存在密切相關(guān)性;(2)頸動脈斑塊可以顯著提高SCAD患者估計PTP的準確性。
【學位單位】：鄭州大學
【學位級別】：碩士
【學位年份】：2019
【中圖分類】：R541.4
【部分圖文】：

結(jié)果個篩查模型的臨床凈獲益 = 真陽性率 - （假陽性率 × 權(quán)重）。權(quán)重 = 干預(yù)閾值/（1  干預(yù)閾值）[22]。決策曲線同時評估不同干預(yù)閾值下，“干預(yù)所有（treatall）”、“都不干預(yù)（treat none）”、根據(jù)風險評估模型“干預(yù)”（發(fā)病風險超出干預(yù)閾值才給予臨床干預(yù)）等不同干預(yù)措施下所對應(yīng)的臨床凈獲益，對于病例對照研究需校正疾病在該人群中的發(fā)病率。圖 2.5 為“干預(yù)所有”、“均不干預(yù)”以及根據(jù)“基礎(chǔ)模型”、“PS 更新模型”、“MTP 更新模型”、“TNP 更新模型”估算疑診冠心病患者發(fā)病概率以指導(dǎo)進一步診斷策略的臨床凈獲益，在特定干預(yù)閾值下，只有發(fā)病概率高于該閾值的患者才給予進一步檢查確診，低于該閾值的患者不進行干預(yù)，我們用 37.6%校正了 CAG 檢出冠心病的檢出率。

【相似文獻】

相關(guān)期刊論文 前10條

1 付鵬;王玲玲;陳學軍;周鳳軍;高U嗞

本文編號：2832138