基于时频域特征的缺血性卒中脑自动调节鉴别模型

目的在急性缺血性卒中患者(acute ischemic stroke,AIS)中,探究时频域特征对脑自动调节功能受损鉴别模型的应用价值。方法纳入AIS患者,收集患者一般资料,使用TCD测量患者动脉血压和脑血流流速,计算临界关闭压(critical closing pressure,CCP)、血管面积阻力指数(resistance area product,RAP)等临床特征和时频域特征。按平均血流指数(mean flow index,Mx)分为脑自动调节功能异常组、正常组。比较引入时频域特征前后,模型的整体准确率(accuracy,Acc)、灵敏度(sensitivity,Sen)、特异度(specificity,Spe)、ROC曲线下面积(area under ROC,AUC)的变化值,分析时频域特征对鉴别脑自动调节功能受损的效果。结果共入组212名患者,异常组78例,正常组134例。二分类logistic回归分析显示,基于临床特征的模型Sen、Spe、Acc、AUC各为91.03%、94.03%、92.92%,0.978;添加时频特征后模型的Sen、Spe、Acc、AUC值各提高了3.87%、1.49%、2.36%、0.6%。Bootstrap结果表明,添加时频特征后的模型在Sen、Spe、Acc、AUC方面均有稳定地提高,各为3.84%(95%CI:3.80%~3.88%)、1.49%(95%CI:1.45%~1.52%)、2.38%(95%CI:2.35%~2.40%)、0.60%(95%CI:0.59%~0.61%)。结论与仅使用CCP、RAP等临床特征建立模型相比,引入时频特征有利于提高AIS患者脑自动调节功能受损的识别能力。

脑小血管病总负荷与脑血流动力学指标的相关性

目的观察脑小血管病(cerebral small vessel disease,CSVD)总负荷与以临界关闭压(critical closing pressure,CCP)为中心的脑血流动力学指标之间的关联,探讨以CCP为中心的脑血流动力学指标能否反映脑小血管病变的严重程度。方法连续纳入CSVD患者,收集入组患者的一般资料,行CSVD总负荷评分,根据评分结果分为轻度组、中度组和重度组。使用TCD同步测定双侧大脑中动脉(middle cerebral artery,MCA)血流速度和动脉血压,计算以CCP为中心的脑血流动力学指标。分析不同程度的CSVD总负荷与脑血流动力学指标的相关性。结果本研究共入组92例CSVD患者,轻度组54例,中度组26例,重度组12例。三组间CCP(F=7.368,P=0.001)、收缩压(F=5.510,P=0.001)、平均动脉压(F=4.894,P=0003),差异具有统计学意义。CSVD总负荷与CCP(r=0.365,P<0.001)、收缩压(r=0.348,P=0.013)、平均动脉压(r=0.258,P=0.013)呈正相关。logistic回归结果显示,CSVD总负荷与CCP显著相关(OR=1.070,P=0.006)。结论CSVD患者的脑血流动力学改变为CCP、收缩压以及平均动脉压水平升高,以CCP为中心的脑血流动力学指标可以反映CSVD患者脑自动调节(cerebral autoregulation,CA)受损,并且可以反映脑小血管病变的严重程度。