目的观察基于相位对比(PC)MRI颅内血流动力学参数预测急性高原反应(AMS)的价值。方法前瞻性招募72名健康青年志愿者,于平原地区采集平静呼吸及轻、中及重度瓦尔萨尔瓦动作(VM)下的颈内动脉(ICA)及颈内静脉(IJV)PC MRI并记录ICA及IJV血...目的观察基于相位对比(PC)MRI颅内血流动力学参数预测急性高原反应(AMS)的价值。方法前瞻性招募72名健康青年志愿者,于平原地区采集平静呼吸及轻、中及重度瓦尔萨尔瓦动作(VM)下的颈内动脉(ICA)及颈内静脉(IJV)PC MRI并记录ICA及IJV血流动力学参数;根据急进海拔4411 m的高原地区10 h后路易斯湖评分(LLS)结果划分AMS组(n=9)与无AMS组(n=63);采用单因素及多因素logistic回归分析筛选各状态下AMS的独立预测因素,构建单一及联合VM状态预测模型;绘制受试者工作特征曲线,计算曲线下面积(AUC),评估各模型预测效能。结果轻度VM下ICA搏动指数(PI ICA)、中度VM下IJV面积(S IJV)及重度VM下IJV阻力指数(RI IJV)均为AMS独立预测因素(P均<0.05)。联合VM状态模型(AUC=0.869)预测AMS的效能高于单一VM状态模型(AUC=0.698~0.738)。结论基于轻度VM PI ICA、中度VM S IJV及重度VM RI IJV构建的模型可有效预测AMS。展开更多
目的探究脑小血管病(cerebral small vessel disease,CSVD)患者非高密度脂蛋白胆固醇(non-high density lipoprotein cholesterol,non-HDL-C)及其与CSVD影像总负荷的关系。方法选取2021年1月至2024年7月首都医科大学附属北京朝阳医院神...目的探究脑小血管病(cerebral small vessel disease,CSVD)患者非高密度脂蛋白胆固醇(non-high density lipoprotein cholesterol,non-HDL-C)及其与CSVD影像总负荷的关系。方法选取2021年1月至2024年7月首都医科大学附属北京朝阳医院神经内科收治的年龄≥60岁住院患者303例,根据CSVD影像总负荷评分为0分组108例,1分组61例,2分组66例,3分组35例,≥4分组33例。采用二元logistic回归分析non-HDL-C与CSVD相关性。结果0分组、1分组、2分组、3分组及≥4分组的TC、non-HDL-C水平逐渐明显升高(P<0.01)。3分组non-HDL-C水平明显高于0分组(P=0.001)。2分组、3分组及≥4分组non-HDL-C水平明显高于1分组(P<0.05)。CSVD影像总负荷与non-HDL-C水平呈正相关(P=0.001)。对患者年龄、性别、高血压、糖尿病、高脂血症等指标校正后发现,non-HDL-C仍是CSVD的独立危险因素(OR=2.869,95%CI:1.012~8.136,P=0.047)。结论在老年人群中,non-HDL-C升高与CSVD影像总负荷增加密切相关,可作为CSVD的早期干预的指标。展开更多
文摘目的观察基于相位对比(PC)MRI颅内血流动力学参数预测急性高原反应(AMS)的价值。方法前瞻性招募72名健康青年志愿者,于平原地区采集平静呼吸及轻、中及重度瓦尔萨尔瓦动作(VM)下的颈内动脉(ICA)及颈内静脉(IJV)PC MRI并记录ICA及IJV血流动力学参数;根据急进海拔4411 m的高原地区10 h后路易斯湖评分(LLS)结果划分AMS组(n=9)与无AMS组(n=63);采用单因素及多因素logistic回归分析筛选各状态下AMS的独立预测因素,构建单一及联合VM状态预测模型;绘制受试者工作特征曲线,计算曲线下面积(AUC),评估各模型预测效能。结果轻度VM下ICA搏动指数(PI ICA)、中度VM下IJV面积(S IJV)及重度VM下IJV阻力指数(RI IJV)均为AMS独立预测因素(P均<0.05)。联合VM状态模型(AUC=0.869)预测AMS的效能高于单一VM状态模型(AUC=0.698~0.738)。结论基于轻度VM PI ICA、中度VM S IJV及重度VM RI IJV构建的模型可有效预测AMS。
文摘目的探究脑小血管病(cerebral small vessel disease,CSVD)患者非高密度脂蛋白胆固醇(non-high density lipoprotein cholesterol,non-HDL-C)及其与CSVD影像总负荷的关系。方法选取2021年1月至2024年7月首都医科大学附属北京朝阳医院神经内科收治的年龄≥60岁住院患者303例,根据CSVD影像总负荷评分为0分组108例,1分组61例,2分组66例,3分组35例,≥4分组33例。采用二元logistic回归分析non-HDL-C与CSVD相关性。结果0分组、1分组、2分组、3分组及≥4分组的TC、non-HDL-C水平逐渐明显升高(P<0.01)。3分组non-HDL-C水平明显高于0分组(P=0.001)。2分组、3分组及≥4分组non-HDL-C水平明显高于1分组(P<0.05)。CSVD影像总负荷与non-HDL-C水平呈正相关(P=0.001)。对患者年龄、性别、高血压、糖尿病、高脂血症等指标校正后发现,non-HDL-C仍是CSVD的独立危险因素(OR=2.869,95%CI:1.012~8.136,P=0.047)。结论在老年人群中,non-HDL-C升高与CSVD影像总负荷增加密切相关,可作为CSVD的早期干预的指标。
文摘目的将颅内动脉责任斑块在3D-高分辨率血管壁成像(three-dimensional high-resolution vessel wall imaging,3D-HRVWI)的影像组学特征与斑块内出血(intraplaque hemorrhage,IPH)联合,构建颅内动脉粥样硬化性卒中患者复发的预测模型,从而帮助临床对高风险人群采取针对性的干预措施以降低未来卒中复发的风险。材料与方法回顾性分析2021年11月至2023年8月接受HRVWI检查的脑卒中患者病例296例,在296例患者的平扫序列T1WI和增强序列CE-T1WI图像中测量责任斑块的影像学特征,并勾画斑块、提取影像组学特征,通过特征相关性分析和基于L1正则化的特征筛选(linear models penalized with the L1norm,L1 Based)筛选组学特征,所有数据按7∶3比例随机分为训练组和测试组。在训练组中,将筛选出的责任斑块的放射组学特征用于构建用于预测卒中复发的影像组学模型,将斑块组学特征与IPH构建联合模型,并在测试组中评估其性能。使用受试者工作曲线(receiver operating curve,ROC)和曲线下面积(area under the curve,AUC)评估各模型的预测效能,采用DeLong检验比较AUC之间的差异,最后建立列线图可视化模型。结果参与者平均年龄为66岁,包括207例男性参与者(69.9%)和89例女性参与者(30.1%),其中卒中复发患者58例(19.6%)。单因素和多因素分析显示,临床特征和责任斑块的放射学特征中只有IPH[优势比(odds ratio,OR)=8.577,95%CI:4.374~16.818]是卒中复发的独立危险因素。在CE-T1WI序列和T1WI序列中分别提取了2153个责任斑块的放射组学特征,经过特征筛选后,CE-T1WI数据中保留了4个放射组学特征,T1WI数据中保留了6个放射组学特征。在训练组中,IPH的AUC为0.757(0.693~0.814),斑块组学特征的AUC为0.770(0.707~0.826),联合模型的AUC为0.866(0.811~0.909)。在测试组中,IPH的AUC为0.750(0.647~0.836),斑块组学特征的AUC为0.819(0.723~0.892),联合模型的AUC为0.880(0.794~0.939)。DeLong检验结果显示,在训练组和测试组中,联合模型的表现优于IPH模型(P<0.05)。结论颅内动脉责任斑块的3D-HRVWI影像组学特征联合IPH在预测颅内动脉粥样硬化性卒中患者复发中具有良好效能,优于独立的IPH模型。
