CHADS_(2)评分和CHA_(2)DS_(2)-VASc评分与心房颤动患者冠状动脉病变程度的相关性研究

目的探讨CHADS_(2)评分和CHA_(2)DS_(2)-VASc评分与心房颤动(房颤)患者冠状动脉(冠脉病变程度的相关性。方法回顾性分析2015年1月至2017年1月于郑州大学第一附属医院心血管内科住院且诊断为房颤的患者242例。按照冠脉造影结果分为对照组(n=70)和冠脉病变组(n=172)。根据Gensini评分标准将冠脉病变组又分为轻度病变组(GS积分1~30分,n=96)和重度病变组(GS积分≥30分,n=76)。通过三组患者临床资料的比较,探讨两种评分系统与房颤患者冠脉病变程度的相关性。结果病变组CHADS_(2)和CHA_(2)DS_(2)-VASc分值均高于对照组,且冠脉重度病变组CHADS_(2)和CHA_(2)DS_(2)-VASc分值均高于轻度病变组(P<0.05)。Pearson相关分析显示,CHADS_(2)分值与Gensini积分呈正相关(y=1.31+8.73×x,r=0.599,P<0.05),CHA_(2)DS_(2)-VASc分值与Gensini积分呈正相关(y=-1.22+7.11×x,r=0.624,P<0.05)。ROC曲线分析显示,CHADS_(2)评分和CHA_(2)DS_(2)-VASc评分的曲线下面积(AUC)分别为0.747(95%CI:0.654~0.839)和0.790(95%CI:0.709~0.871),差异具有统计学意义(P<0.05)。结论CHADS_(2)评分和CHA_(2)DS_(2)-VASc评分与房颤患者冠脉病变程度相关,是房颤患者冠脉病变程度的预测因素,且CHA_(2)DS_(2)-VASc评分的预测诊断价值更大。

CHADS_2及CHA_2DS_2-VASc评分对非瓣膜性心房颤动患者左心房/左心耳血栓的预测价值

目的探讨CHADS_2及CHA_2DS_2－VASc评分对非瓣膜性心房颤动（房颤）患者左心房（LA）／左心耳（LAA）血栓的预测价值。方法连续纳入于我院行经食管心脏超声（TEE）检查的房颤患者164例，分为血栓组和非血栓组。记录患者既往病史，根据患者一般资料，计算其CHADS_2及CHA_2DS_2－VASc评分，同时收集患者实验室检查及心脏超声检查等指标，比较2组资料的差别。结果164例患者中，32例（19．5％）经TEE检查存在LA／LAA血栓（血栓组），血栓组患者CHADS_2及CHA_2DS_2－VASc评分高于非血栓组（2．1±1．3 vs 1．0±0．9，3．4±1．8 vs 1．9±1．4，P〈0．01）；2种评分方法结果，卒中低危、中危（≤1分）患者分别有13例（11．9％）和5例（8．8％）存在LA／LAA血栓；多因素Logistic回归分析显示，CHADS_2评分≥2分（OR=3．735，95％CI：1．508～9．251，P=0．004）和CHA_2DS_2－VASc评分≥2分（OR=5．104，95％CI：1．586～16．425，P=0．006）是心房颤动患者LA／LAA血栓形成的独立危险因素；ROC曲线显示，CHADS_2及CHA_2DS_2－VASc评分预测LA／LAA血栓的曲线下面积分别为0．731（95％CI：0．630～0．832，P〈0．001）和0．742（95％CI：0．640～0．843，P〈0．001）。结论CHADS_2及CHA_2DS_2－VASc评分≥2分是房颤患者LA／LAA血栓形成的独立危险因素，2种评分方法预测LA／LAA血栓价值中等；2种评分方法的卒中低危、中危患者仍有LA／LAA血栓形成，且随着危险分层增高，LA／LAA血栓比例增加。

CHADS_(2)及CHA_(2)DS_(2)-VASC评分对心房颤动射频消融术后晚期复发的预测价值

目的观察CHADS_(2)及CHA_(2)DS_(2)-VASc评分对心房颤动射频消融(CA)术后晚期复发的预测价值。方法收集住院并首次行心房颤动CA手术的患者92例。自术后第3~6月每个月固定至心房颤动门诊随访,包括复查心电图或动态心电图了解心房颤动CA术后有无晚期复发,根据复发与否分成未复发组及复发组,比较两组间临床项目资料和评分积分的差异及其对房颤CA术后晚期复发的影响,评估两种评分对复发的预测价值。结果共收集92例患者,其中3例随访期间失访,89例完成随访,术后晚期复发21例(24%)。与未复发患者比较,复发患者的年龄、吸烟比例(30%)、合并糖尿病(38%)、合并心衰(29%)、血小板计数、左心房内径(LA)、CHADS_(2)和CHA_(2)DS_(2)-VASc评分积分均升高;进一步Logistic回归分析,将未纳入评分的差异因素分别与两个评分进行逐步分析,CHADS_(2)(OR=13.473,95%CI:3.804~47.713),LA(OR=1.193,95%CI:1.049~1.356)(P<0.05);CHA_(2)DS_(2)-VASc(OR=5.363,95%CI:2.822~10.193),LA(OR=1.245,95%CI:1.087~1.426)(P<0.05);进一步绘制ROC曲线,AUC(CHADS_(2))=0.8578(95%CI:0.7618~0.9539),AUC(CHA_(2)DS_(2)-VASc)=0.8848(95%CI:0.7985~0.9711)。结论LA增大、CHADS_(2)及CHA_(2)DS_(2)-VASc评分积分增加是心房颤动CA术后晚期复发的独立危险因素,CHADS_(2)及CHA_(2)DS_(2)-VASc评分都对心房颤动CA术后晚期复发有预测价值,其中CHA_(2)DS_(2)-VASc评分预测价值较高。

心房颤动病人血浆血栓调节蛋白水平与微栓子及CHADS_(2)评分的关系

目的 探讨心房颤动(AF)病人血浆血栓调节蛋白水平与微栓子及CHADS_(2)评分的关系。方法 选取2017年2月—2019年5月苏州市吴中人民医院收治的105例心房颤动病人作为心房颤动组,选取82名健康体检者作为对照组。采用酶联免疫吸附法(ELISA)法检测血清中血栓调节蛋白水平;分析血栓调节蛋白水平与微栓子及CHADS_(2)评分的相关性。结果 与对照组比较,心房颤动组血栓调节蛋白水平和CHADS_(2)评分明显升高(P<0.05);血栓调节蛋白低水平组CHADS_(2)评分明显低于高水平组(P<0.05);血栓调节蛋白高水平组CHADS_(2)评分高风险及微栓子阳性占比明显高于低水平组(P<0.05)。血栓调节蛋白水平与微栓子、CHADS_(2)评分均呈正相关(P<0.05)。结论 血栓调节蛋白水平在心房颤动病人血浆中明显升高,且其水平与微栓子及CHADS_(2)评分均呈正相关,提示血栓调节蛋白可作为心房颤动病人血栓发生的重要检测指标。

CHADS_(2)评分对急性ST段抬高型心肌梗死患者溶栓治疗效果的预测价值

目的探讨CHADS_(2)评分对急性ST段抬高型心肌梗死(STEMI)患者溶栓治疗效果的预测价值。方法回顾性分析2016年1月至2018年6月于哈尔滨医科大学附属第一医院心血管内科CCU病房行静脉溶栓治疗的170例急性STEMI患者,根据溶栓效果分为溶栓成功组118例和溶栓失败组52例,计算CHADS_(2)评分。采用logistic回归分析溶栓结果的影响因素,绘制受试者工作特征曲线评价CHADS_(2)评分对溶栓治疗效果的预测价值。结果与溶栓成功组比较,溶栓失败组患者的CHADS_(2)评分更高、心功能更差、基础疾病更多(均为P<0.05)。Logistic多因素回归分析显示,CHADS_(2)评分是急性STEMI患者静脉溶栓失败的独立危险因素(OR=1.935,95%CI:1.237~3.027,P=0.004)。受试者工作特征曲线分析显示,CHADS_(2)评分≥2分预测溶栓失败的效果较好,其敏感度和特异度分别为65.38%和71.19%(AUC=0.766,95%CI:0.694~0.838,P<0.001)。结论CHADS_(2)评分≥2分对急性STEMI患者静脉溶栓治疗失败有一定的预测价值。

年龄 缺血性卒中史 非阵发性心房颤动以及B型脑钠肽评分对非瓣膜性房颤卒中的预测价值

目的 研究拟构建一种新的易于操作的非瓣膜性心房颤动患者发生缺血性卒中的风险预测模型。方法 研究系回顾性队列研究,收集了2018年1月至2018年12月期间吉林大学第一医院治疗的429例心房颤动患者的病例资料。采用电话、微信、门诊等多种方式,对研究对象进行为期4年的随访,以缺血性脑卒中作为终点事件进行观察。随机将数据集按1∶1随机划分为训练集和验证集。在训练集中,采用单因素和多因素Logistic回归分析构建风险预测模型。通过列线图进行模型的可视化展示,并绘制受试者工作特征曲线和校准曲线评估模型的临床预测方面的价值。最后在验证集和整体数据集中进行模型的内部验证。结果 在429例非瓣膜性心房颤动患者中,有91例发生了缺血性卒中,其发生率为21.2%。经过Logistic回归分析显示,年龄、缺血性卒中史、非阵发性房颤以及B型脑钠肽(BNP)是非瓣膜性房颤患者发生缺血性卒中的独立危险因素。基于此结果构建的ABSNp模型(A:年龄,B:BNP,S:缺血性卒中史,Np:非阵发性心房颤动)表现出良好的的区分度和准确性,在训练集、验证集及整体数据集上,其受试者工作特征曲线下面积分别为0.857(95%CI 0.795~0.918)、0.763(95%CI 0.692~0.833)、0.810(95%CI 0.763~0.857)。此外,临床决策曲线显示ABSNp模型具备较高的临床应用价值。结论 ABSNp模型能够更准确地预测非瓣膜房颤患者发生缺血性卒中风险。