基于多模态CT血管内治疗后恶性大脑中动脉梗死的Nomogram模型研究

目的探讨基于多模态CT及LASSO-Logistic回归的急性缺血性卒中患者血管内治疗术后发生恶性大脑中动脉梗死(MMI)的预测价值,并构建Nomogram预测风险评分系统。资料与方法回顾性分析2016年3月—2021年6月于北京医院急诊行一站式多模态CT血管造影-CT灌注扫描并进行血管内治疗的120例前循环闭塞的急性缺血性卒中患者,根据是否发生MMI分为MMI组24例及非MMI组96例。对临床及影像学资料行LASSO-Logistic回归方法筛选变量,探讨相关因素在MMI中的预测价值,并建立Nomogram图预测模型。建立受试者工作特征曲线及校准曲线验证其效能。结果与非MMI组比较,MMI组患者基线美国国立卫生研究院卒中量表评分更高(Z=-4.071,P<0.001)、颈内动脉闭塞更多见(χ^(2)=5.335,P=0.021)、再通不良占比更高(P<0.001)、梗死核心体积更大(Z=-6.672,P<0.001)、基线Alberta卒中项目早期CT评分更低(Z=-3.693,P<0.001)、4D CTA侧支循环评分更低(Z=-6.085,P<0.001)、血栓负荷评分更低(Z=-2.853,P=0.004)。通过LASSO-Logistic回归筛选出MMI的独立预测因子为改良脑梗死溶栓分级(OR=22.098,95%CI 3.100~157.503,P=0.002)、梗死核心体积(OR=1.022,95%CI 1.008~1.037,P=0.002)及4D CTA侧支循环评分(OR=0.288,95%CI 0.128~0.647,P=0.003);基于三者构建的Nomogram模型的曲线下面积为0.965(95%CI 0.915~0.990,P<0.001)。校准曲线及Hosmer-Lemeshow检验(P=0.878)显示该模型具有较好的预测符合度。结论未成功再通、较大梗死核心体积及低4D CTA侧支评分的急性缺血性卒中患者行血管内治疗后更易发生MMI,基于三者构建的Nomogram风险预测模型可以判断其MMI风险,指导医师的临床决策。