2025, Vol. 54文章信息
- 康志雷, 石辛景, 柴坊, 刘朝艳, 王心颖
- KANG Zhilei, SHI Xinjing, CHAI Fang, LIU Chaoyan, WANG Xinying
- 基于HR-VWI特征构建青年急性缺血性脑卒中患者颅内动脉狭窄的风险因素模型
- Constructing a risk factor model for intracranial artery stenosis in young patients with acute ischemic stroke based on HR-VWI features
- 中国医科大学学报, 2025, 54(9): 808-813, 820
- Journal of China Medical University, 2025, 54(9): 808-813, 820
-
文章历史
- 收稿日期：2024-09-29
- 网络出版时间：2025-09-16 09:15:40
引用本文 |
2. 衡水市妇幼保健院功能科, 河北 衡水 053000;
3. 衡水市人民医院神经内二科, 河北 衡水 053000
2. Functional Department, Hengshui Maternal and Child Health Hospital, Hengshui 053000, China;
3. Department of Neurology, Hengshui People's Hospital, Hengshui 053000, China
近年来，随着生活方式的改变和社会压力的增加，青年卒中患者的数量逐渐增多，其中急性缺血性脑卒中（acute ischemic stroke，AIS）约占脑卒中的70%，致残率和死亡率均较高[1]。青年AIS患者往往伴有症状性颅内动脉狭窄，这一病理特征不仅增加了卒中的复发风险，还极大地影响了患者的预后和生活质量[2]。因此，建立有效的风险因素模型，识别颅内动脉狭窄高风险患者，在临床上有重要意义。由于传统血管检查方法的侵入性和高费用，鲜有研究关注AIS患者的影像学特征和颅脑血管狭窄。高分辨率磁共振血管壁成像（high-resolution magnetic resonance vascular wall imaging，HR-VWI）作为一种新兴的无创性影像检查技术，可清晰显示颅内动脉管壁的细微结构，包括斑块的位置、形态、成分及稳定性，为颅内动脉疾病的诊断提供了强有力的支持[3]。LEHMAN等[4]研究发现，HR-VWI在颅内狭窄的表征中补充了传统管腔血管造影技术，提高了临床诊断的特异性，在某些情况下可作为颅内动脉病变的参考指标。鉴于此，本研究基于HR-VWI特征建立青年AIS患者发生颅内动脉狭窄的风险因素模型，对青年AIS患者的临床资料和HR-VWI特征进行分析，筛选出与颅内动脉狭窄相关的风险因素，为青年AIS的早期诊断和治疗提供依据。
1 材料与方法 1.1 一般资料选取衡水市人民医院2021年1月至2023年1月收治的290例青年AIS患者进行回顾性分析，按照7∶3的比例随机分为建模集（203例）和验证集（87例）。纳入标准：符合相关诊断标准，经临床确诊为AIS [5]；年龄 > 18且 < 45岁；发病14 d内行HR-VWI检查；临床资料完整。排除标准：伴有颅内肿瘤或其他脑部器质性病变者；影像资料不清晰者；精神障碍者；患有脑炎、蛛网膜下腔出血者；患有明确的心源性栓塞、肝肾功能不全者。本研究获得衡水市人民医院伦理审批委员会批准（编号2021-1-008）。
1.2 研究方法 1.2.1 临床资料收集收集患者年龄、性别、体重指数（body mass index，BMI）、合并基础疾病、吸烟史、饮酒史、总胆固醇（total cholesterol，TC）、甘油三酯（triglycerides，TG）、高密度脂蛋白胆固醇（high-density lipoprotein cholesterol，HDL-C）、低密度脂蛋白胆固醇（low-density lipoprotein cholesterol，LDL-C）等指标。
1.2.2 HR-VWI检查使用德国西门子3.0TMRI扫描仪，患者仰卧位，头部置于头部线圈中心保持不动。采用三维T1加权成像（T1-weighted imaging，T1WI）、T2加权成像（T2-weighted imaging，T2WI）和质子密度加权成像（proton density weighted imaging，PDWI）序列进行HR-VWI检查。各向同性分辨率为0.5~0.8 mm；层厚为1~2 mm；T1WI的重复时间设置为500~800 ms，回波时间为10~20 ms；T2WI的重复时间设置为2 000~4 000 ms，回波时间为80~120 ms；矩阵为256×256。进行定位扫描后，按照预设的扫描参数进行HR-VWI检查。扫描范围包括整个颅内血管，如颈内动脉、大脑中动脉、椎动脉和基底动脉等。
由2位具有10年以上神经影像诊断经验的副主任医师及以上职称的影像科医生分别对HR-VWI图像进行评估，观察斑块负荷、斑块形态、最小管腔面积、血管壁重构指数等参数。若评估过程中出现异议由影像科主任进行复核，复核结果认定为最终结果。
1.3 颅内动脉狭窄的判定[6]患者均行数字减影血管造影（digital subtraction angiography，DSA）检查，根据患者是否伴有颅内动脉狭窄分为狭窄组和无狭窄组。
1.4 统计学分析采用SPSS 26.0进行统计分析。计量资料符合正态分布，以x±s表示，2组间比较采用独立样本t检验；计数资料以率（%）表示，采用χ2检验比较。青年AIS患者发生颅内动脉狭窄的危险因素通过多因素logistic回归分析，使用R软件构建相关风险因素模型，并通过绘制受试者操作特征（receiver operating characteristic，ROC）曲线和校准曲线对模型预测效能进行验证。P < 0.05为差异有统计学意义。
2 结果 2.1 建模集与验证集临床资料比较290例青年AIS患者中共有88例发生颅内动脉狭窄，发生率为30.34%，其中建模集203例患者中有65例发生颅内动脉狭窄，验证集87例患者中有23例发生颅内动脉狭窄。建模集和验证集患者临床资料比较均无统计学差异（P > 0.05），具有可比性，见表 1。
| Item | Modeling set（n = 203） | Validation set（n = 87） | t/χ2 | P |
| Age（year） | 34.58±5.31 | 33.42±5.20 | 1.715 | 0.087 |
| Sex [n（%）] | 0.174 | 0.676 | ||
| Male | 122（60.10） | 50（57.47） | ||
| Female | 81（39.90） | 37（42.53） | ||
| BMI（kg/m2） | 23.25±1.66 | 23.32±1.58 | 0334 | 0.739 |
| Smoking history [n（%）] | 0.673 | 0.412 | ||
| Yes | 99（48.77） | 47（54.02） | ||
| No | 104（51.23） | 40（45.98） | ||
| Drinking history [n（%）] | 0.954 | 0.329 | ||
| Yes | 90（44.33） | 44（50.57） | ||
| No | 113（55.67） | 43（49.43） | ||
| Hypertension [n（%）] | 61（30.05） | 30（34.48） | 0.556 | 0.456 |
| Diabetes [n（%）] | 22（10.84） | 10（11.49） | 0.027 | 0.870 |
| TC（mmol/L） | 4.24±0.88 | 4.35±0.92 | 0.962 | 0.337 |
| TG（mmol/L） | 1.42±0.34 | 1.37±0.36 | 1.127 | 0.261 |
| HDL-C（mmol/L） | 1.95±0.46 | 1.89±0.44 | 1.031 | 0.303 |
| LDL-C（mmol/L） | 2.82±0.71 | 2.73±0.69 | 0.998 | 0.319 |
| Minimum cavity area（mm2） | 4.22±0.89 | 4.15±0.91 | 0.610 | 0.543 |
| Reconstruction index | 1.00±0.23 | 0.96±0.20 | 1.409 | 0.160 |
| Plaque burden（%） | 4.89±1.16 | 4.75±0.97 | 0.987 | 0.324 |
| Plaque morphology [n（%）] | 0.988 | 0.320 | ||
| Eccentric | 85（41.87） | 31（35.63） | ||
| Centripetal | 118（58.13） | 56（64.37） |
2.2 狭窄组和无狭窄组临床资料比较
狭窄组与无狭窄组患者年龄、性别构成、BMI、饮酒史、糖尿病占比、TC、TG、HDL-C水平均无明显差异（P > 0.05），狭窄组LDL-C、斑块负荷、吸烟史、高血压、偏心性斑块占比均高于无狭窄组（P < 0.05），最小管腔面积、重构指数均低于无狭窄组（P < 0.05），见表 2。
| Item | Stenosis group（n = 65） | Non-stenosis group（n = 138） | t/χ2 | P |
| Age（year） | 35.49±5.14 | 34.15±5.37 | 1.681 | 0.094 |
| Sex [n（%）] | 3.325 | 0.068 | ||
| Male | 45（69.23） | 77（55.80） | ||
| Female | 20（30.77） | 61（44.20） | ||
| BMI（kg/m2） | 23.40±1.79 | 23.18±1.64 | 0.866 | 0.388 |
| Smoking history [n（%）] | 4.828 | 0.028 | ||
| Yes | 39（60.00） | 60（43.48） | ||
| No | 26（40.00） | 78（56.52） | ||
| Drinking history [n（%）] | 2.463 | 0.117 | ||
| Yes | 34（52.31） | 56（40.58） | ||
| No | 31（47.69） | 82（59.42） | ||
| Hypertension [n（%）] | 27（41.54） | 34（24.64） | 6.005 | 0.014 |
| Diabetes [n（%）] | 9（13.85） | 13（9.42） | 0.896 | 0.344 |
| TC（mmol/L） | 4.36±0.93 | 4.18±0.87 | 1.345 | 0.180 |
| TG（mmol/L） | 1.47±0.35 | 1.39±0.31 | 1.645 | 0.102 |
| HDL-C（mmol/L） | 1.91±0.45 | 1.97±0.48 | 0.847 | 0.398 |
| LDL-C（mmol/L） | 3.17±0.76 | 2.65±0.66 | 4.985 | < 0.001 |
| Minimum cavity area（mm2） | 3.36±0.80 | 4.63±1.05 | 8.638 | < 0.001 |
| Reconstruction index | 0.90±0.21 | 1.04±0.25 | 3.910 | < 0.001 |
| Plaque burden（%） | 7.24±1.96 | 3.78±0.90 | 17.395 | < 0.001 |
| Plaque morphology [n（%）] | 12.910 | < 0.001 | ||
| Eccentric | 39（60.00） | 46（33.33） | ||
| Centripetal | 26（40.00） | 92（66.67） |
2.3 青年AIS患者颅内动脉狭窄的多因素分析
以患者是否发生颅内动脉狭窄为因变量，将表 2中差异有统计学意义的指标作为自变量，剔除混杂因素和交互作用后，采用向前法进行多因素回归分析，结果显示，吸烟史、高血压、LDL-C、斑块负荷、斑块形态、重构指数均为青年AIS患者发生颅内动脉狭窄的影响因素（P < 0.05），见表 3。
| Variable | β | SE | Wald χ2 | OR | 95%CI | P |
| Smoking history | 0.731 | 0.296 | 6.099 | 2.077 | 1.365-3.235 | 0.014 |
| Hypertension | 0.496 | 0.208 | 5.686 | 1.642 | 1.261-2.273 | < 0.001 |
| LDL-C | 0.853 | 0.351 | 5.906 | 2.347 | 1.596-3.524 | < 0.001 |
| Plaque burden | 1.115 | 0.426 | 6.851 | 3.050 | 2.479-4.185 | < 0.001 |
| Eccentric plaque | 0.962 | 0.321 | 8.981 | 2.617 | 2.104-3.747 | < 0.001 |
| Reconstruction index | -0.802 | 0.318 | 6.361 | 0.448 | 0.175-0.628 | 0.003 |
| Constant | -0.493 | 0.312 | 2.497 | - | - | - |
2.4 风险因素模型构建及验证
基于多因素结果得出的影响因素，构建列线图模型，各指标对颅内动脉狭窄的影响以具体分值体现，所有指标得分之和即为总分，根据总分对应的风险值可推测出患者颅内动脉狭窄的发生概率，见图 1。
|
| 图 1 青年AIS患者颅内动脉狭窄的风险因素模型 Fig.1 Risk factor model of intracranial artery stenosis in young patients with AIS |
ROC结果显示，列线图模型在建模集、验证集中预测患者发生颅内动脉狭窄的曲线下面积分别为0.872（95% CI：0.815~0.902）、0.850（95% CI：0.789~0.891），见图 2。建模集和验证集的Hosmer-Lemeshow检验结果显示，2组校准曲线与标准曲线均表现出良好的一致性（分别为χ2=0.589，P = 0.571；χ2=0.602，P = 0.558），见图 3。
|
| A, modeling set; B, validation set. 图 2 模型预测患者发生颅内动脉狭窄的ROC曲线 Fig.2 ROC curve of the model used to predict intracranial artery stenosis |
|
| A, modeling set; B, validation set. 图 3 模型预测患者发生颅内动脉狭窄的校准曲线 Fig.3 Calibration curves of the model for predicting intracranial artery stenosis in patients |
3 讨论
颅内动脉狭窄的发生可引起患者脑部供血不足，导致不同程度的神经功能缺损症状，影响患者预后。XU等[7]研究发现有将近40%的青年患者伴有大脑中动脉狭窄，且此类患者临床结局往往相对较差，伴颅内动脉狭窄的AIS患者疾病情况更复杂，不利于患者预后。HR-VWI为临床无创、高分辨率的成像技术，通过优化扫描参数和图像后处理技术，能够实现对颅内动脉管壁结构的精细成像，为颅内动脉的评估提供重要依据[8]。
本研究多因素分析结果显示，吸烟史、高血压、LDL-C、斑块负荷、斑块形态、重构指数均为青年AIS患者发生颅内动脉狭窄的影响因素。吸烟可引起血管收缩，增加血管阻力，长期作用可导致血管壁增厚和硬化。此外，吸烟还会损伤血管内皮细胞，促进血小板聚集和血栓形成，这些因素共同作用，增加了青年AIS患者发生颅内动脉狭窄的风险[9]。
高血压可促进动脉粥样硬化的发生和发展，加速血管狭窄的进程。LDL-C是导致动脉粥样硬化的主要危险因素之一，高水平的LDL-C会在血管壁内沉积，被巨噬细胞吞噬后形成泡沫细胞，逐渐形成动脉粥样硬化斑块[10]。既往研究[11]发现，患者若合并高LDL-C血症，发生颅内动脉狭窄的风险将大大增加，与本研究结果一致。斑块负荷是指颅内动脉粥样硬化斑块的体积与血管体积之比，斑块负荷越大，说明血管内的粥样硬化病变越严重，血管狭窄的风险也越高[12]。血流在血管内流动时，会对血管壁产生不同的剪切力，在血管分支处、弯曲处等部位血流剪切力较大，容易导致血管内皮损伤，偏心性斑块多在这些部位形成，导致血管腔狭窄，影响脑部血液供应[13]。此外，偏心性斑块结构不稳定，存在破裂风险，其破裂后易引发出血并形成血栓。这一病理过程可能持续加剧血管腔狭窄程度，最终导致血管完全闭塞。
列线图模型已普遍应用于临床医学研究，通过定量评估、整合不同变量风险评分预测事件发生风险[14]。本研究基于多种因素分析结果建立风险模型，该模型在验证过程中表现出良好的拟合度和预测效能，ROC曲线分析结果显示曲线下面积达到0.7以上，表明该模型具有较高的临床应用价值[15]。
综上所述，本研究通过HR-VWI特征分析，成功构建了青年AIS患者颅内动脉狭窄的风险因素模型，为临床医生提供了更有效的诊断工具。同时，本研究也存在一定的局限性，由于样本量相对较小，可能无法完全代表青年AIS患者的总体人群；此外，HR-VWI对设备和技术要求较高，并非所有医疗机构都具备开展该检查的条件，限制了其在临床中的广泛应用。未来的研究可通过进一步扩大样本量、改进成像技术进行模型的验证和推广。
| [1] |
VERBURGT E, HILKENS NA, EKKER MS, et al. Short-term and long-term risk of recurrent vascular event by cause after ischemic stroke in young adults[J]. JAMA Netw Open, 2024, 7(2): e240054. DOI:10.1001/jamanetworkopen.2024.0054 |
| [2] |
SUN JH, QIAO YN, ZHAO M, et al. Global, regional, and national burden of cardiovascular diseases in youths and young adults aged 15-39 years in 204 countries/territories, 1990-2019:a systematic analysis of Global Burden of Disease Study 2019[J]. BMC Med, 2023, 21(1): 222. DOI:10.1186/s12916-023-02925-4 |
| [3] |
WANG ZH, WANG Y, CHANG YW, et al. Diagnostic value of high-resolution vessel wall imaging technique in intracranial arterial stenosis and occlusion: a comparative analysis with digital subtraction angiography[J]. Int J Neurosci, 2024, 1-7. DOI:10.1080/00207454.2024.2377119 |
| [4] |
LEHMAN VT, BRINJIKJI W, KALLMES DF, et al. Clinical interpretation of high-resolution vessel wall MRI of intracranial arterial diseases[J]. Br J Radiol, 2016, 89(1067): 20160496. DOI:10.1259/bjr.20160496 |
| [5] |
HURFORD R, SEKHAR A, HUGHES TAT, et al. Diagnosis and management of acute ischaemic stroke[J]. Pract Neurol, 2020, 20(4): 304-316. DOI:10.1136/practneurol-2020-002557 |
| [6] |
GONG Y, CAO C, GUO Y, et al. Quantification of intracranial arterial stenotic degree evaluated by high-resolution vessel wall imaging and time-of-flight MR angiography: reproducibility, and diagnostic agreement with DSA[J]. Eur Radiol, 2021, 31(8): 5479-5489. DOI:10.1007/s00330-021-07719-x |
| [7] |
XU WJ, ZHANG XY, CHEN H, et al. Prevalence and outcome of young stroke patients with middle cerebral artery stenosis[J]. BMC Neurol, 2021, 21(1): 99. DOI:10.1186/s12883-021-02125-8 |
| [8] |
WU XB, LIU YA, HUANG LX, et al. Hemodynamics combined with inflammatory indicators exploring relationships between ischemic stroke and symptomatic middle cerebral artery atherosclerotic stenosis[J]. Eur J Med Res, 2023, 28(1): 378. DOI:10.1186/s40001-023-01344-8 |
| [9] |
HAN JL, CHEN JG, TONG X, et al. Association between smoking and intracranial artery dissection in patients aged less than 50 years: a propensity score-matched analysis[J]. Tob Induc Dis, 2023, 21: 62. DOI:10.18332/tid/162380 |
| [10] |
LI S, WANG Y, ZHU X, et al. Lipid on stroke in intracranial artery atherosclerotic stenosis: a mediation role of glucose[J]. Front Endocrinol (Lausanne), 2024, 15: 1322114. DOI:10.3389/fendo.2024.1322114 |
| [11] |
VU T, YANO Y, PHAM HKT, et al. Low-density lipoprotein particle profiles compared with standard lipids measurements in the association with asymptomatic intracranial artery stenosis[J]. Sci Rep, 2024, 14: 10765. DOI:10.1038/s41598-024-59523-4 |
| [12] |
FUJIMOTO D, KINOSHITA D, SUZUKI K, et al. Relationship between calcified plaque burden, vascular inflammation, and plaque vulnerability in patients with coronary atherosclerosis[J]. JACC Cardiovasc Imaging, 2024, 17(10): 1214-1224. DOI:10.1016/j.jcmg.2024.07.013 |
| [13] |
NOMURA T, OTA I, ONO K, et al. Eccentric plaque in aberrant right subclavian artery causing pseudocoarctation-like morphology[J]. Cardiovasc Interv Ther, 2023, 38(4): 438-439. DOI:10.1007/s12928-023-00945-8 |
| [14] |
WANG Y, CHEN YT, CHEN RM, et al. Development and validation of a nomogram model for prediction of stroke-associated pneumonia associated with intracerebral hemorrhage[J]. BMC Geriatr, 2023, 23(1): 633. DOI:10.1186/s12877-023-04310-5 |
| [15] |
SZMUKLER G, EVERITT B, LEESE M. Risk assessment and receiver operating characteristic curves[J]. Psychol Med, 2012, 42(5): 895-898. DOI:10.1017/S003329171100208X |