目的明确脑小血管病(cerebral small vessel disease,CSVD)患者认知障碍(cognitive impairment,CI)的独立危险因素并构建列线图临床预测模型。方法回顾性纳入2017年1月1日~2022年12月31日于西安交通大学第一附属医院住院诊断为脑小血管...目的明确脑小血管病(cerebral small vessel disease,CSVD)患者认知障碍(cognitive impairment,CI)的独立危险因素并构建列线图临床预测模型。方法回顾性纳入2017年1月1日~2022年12月31日于西安交通大学第一附属医院住院诊断为脑小血管病的患者共247例,依据简易认知状态量表(mini-mental state examination,MMSE)分为伴有认知障碍组(CSVD-CI组,n=83)及无认知障碍组(CSVD-NCI组,n=164),通过Logistic回归筛选其发生认知障碍的影响因素,基于筛选的影响因素建立列线图临床预测模型并检验该模型效能。结果与CSVD-NCI组相比,CSVD-CI组患者中性粒细胞/淋巴细胞比值(neutrophil/lymphocyte ratio,NLR)(3.03±2.56 vs 2.33±1.34)和清蛋白/球蛋白比值(1.58±0.27 vs 1.49±0.28)显著增高、估测肾小球滤过率(estimated glomerular filtration rate,eGFR)[88.59±16.59 ml/(min·1.73m^(2))vs 94.02±12.45 ml/(min·1.73m^(2))]显著减低,差异具有统计学意义(t=2.282,2.426,2.689,均P<0.05)。与CSVD-NCI组比较,CSVD-CI组患者男性比例更低(43.4%vs 67.7%),且受教育程度更低(2.13±1.50 vs 2.86±1.12),差异具有统计学意义(χ^(2)=13.516,t=4.283,均P<0.001)。NLR(OR:1.20,95%CI:1.01~1.43),性别(OR:0.43,95%CI:0.24~0.79),eGFR(OR:0.97,95%CI:0.95~0.99)及受教育程度(OR:0.72,95%CI:0.57~0.91)为CSVD患者发生认知障碍的影响因素。基于此四项影响因素建立列线图预测模型具有良好的认知障碍预测效能(AUC=0.704,95%C:0.633~0.766)。结论构建的列线图在预测CSVD患者认知功能障碍的发生方面具有较高的准确度和临床实用性。展开更多
目的:系统评价脑卒中后认知障碍的风险预测模型。方法:检索中国知网、万方数据库、维普网、中国生物医学文献服务系统、PubMed、EMbase、the Cochrane Library、Web of Science和EBSCO数据库中的脑卒中后认知障碍风险预测模型相关研究,...目的:系统评价脑卒中后认知障碍的风险预测模型。方法:检索中国知网、万方数据库、维普网、中国生物医学文献服务系统、PubMed、EMbase、the Cochrane Library、Web of Science和EBSCO数据库中的脑卒中后认知障碍风险预测模型相关研究,检索时限为建库至2023年1月30日。由2名研究者独立筛选文献、提取资料并评价纳入研究的偏倚风险和适用性。结果:共纳入16项研究,包括19个脑卒中后认知障碍风险预测模型,其中,16个模型采用了Logistic回归分析方法,2个模型采用了随机森林的方法,1个模型采用了LASSO回归的方法。建模时受试者工作特征曲线下面积(AUC)为0.773~0.940。4个模型进行了Hosmer-Lemeshow(H-L)检验,其中2个模型报告了P值且P≥0.05。11个模型进行了内部验证,5个模型进行了外部验证,4个模型同时进行了内部验证和外部验证。16项研究适用性较好,但存在较高的偏倚风险,主要问题集中在分析领域。结论:脑卒中后认知障碍风险预测模型整体性能良好,但模型质量有待提高,在未来的研究中需优化研究设计、扩大样本量、根据临床需要选择合适的预测因子、改进统计分析方法,并注重模型的外部验证,以验证模型的泛化能力。展开更多
文摘目的明确脑小血管病(cerebral small vessel disease,CSVD)患者认知障碍(cognitive impairment,CI)的独立危险因素并构建列线图临床预测模型。方法回顾性纳入2017年1月1日~2022年12月31日于西安交通大学第一附属医院住院诊断为脑小血管病的患者共247例,依据简易认知状态量表(mini-mental state examination,MMSE)分为伴有认知障碍组(CSVD-CI组,n=83)及无认知障碍组(CSVD-NCI组,n=164),通过Logistic回归筛选其发生认知障碍的影响因素,基于筛选的影响因素建立列线图临床预测模型并检验该模型效能。结果与CSVD-NCI组相比,CSVD-CI组患者中性粒细胞/淋巴细胞比值(neutrophil/lymphocyte ratio,NLR)(3.03±2.56 vs 2.33±1.34)和清蛋白/球蛋白比值(1.58±0.27 vs 1.49±0.28)显著增高、估测肾小球滤过率(estimated glomerular filtration rate,eGFR)[88.59±16.59 ml/(min·1.73m^(2))vs 94.02±12.45 ml/(min·1.73m^(2))]显著减低,差异具有统计学意义(t=2.282,2.426,2.689,均P<0.05)。与CSVD-NCI组比较,CSVD-CI组患者男性比例更低(43.4%vs 67.7%),且受教育程度更低(2.13±1.50 vs 2.86±1.12),差异具有统计学意义(χ^(2)=13.516,t=4.283,均P<0.001)。NLR(OR:1.20,95%CI:1.01~1.43),性别(OR:0.43,95%CI:0.24~0.79),eGFR(OR:0.97,95%CI:0.95~0.99)及受教育程度(OR:0.72,95%CI:0.57~0.91)为CSVD患者发生认知障碍的影响因素。基于此四项影响因素建立列线图预测模型具有良好的认知障碍预测效能(AUC=0.704,95%C:0.633~0.766)。结论构建的列线图在预测CSVD患者认知功能障碍的发生方面具有较高的准确度和临床实用性。
文摘目的:系统评价脑卒中后认知障碍的风险预测模型。方法:检索中国知网、万方数据库、维普网、中国生物医学文献服务系统、PubMed、EMbase、the Cochrane Library、Web of Science和EBSCO数据库中的脑卒中后认知障碍风险预测模型相关研究,检索时限为建库至2023年1月30日。由2名研究者独立筛选文献、提取资料并评价纳入研究的偏倚风险和适用性。结果:共纳入16项研究,包括19个脑卒中后认知障碍风险预测模型,其中,16个模型采用了Logistic回归分析方法,2个模型采用了随机森林的方法,1个模型采用了LASSO回归的方法。建模时受试者工作特征曲线下面积(AUC)为0.773~0.940。4个模型进行了Hosmer-Lemeshow(H-L)检验,其中2个模型报告了P值且P≥0.05。11个模型进行了内部验证,5个模型进行了外部验证,4个模型同时进行了内部验证和外部验证。16项研究适用性较好,但存在较高的偏倚风险,主要问题集中在分析领域。结论:脑卒中后认知障碍风险预测模型整体性能良好,但模型质量有待提高,在未来的研究中需优化研究设计、扩大样本量、根据临床需要选择合适的预测因子、改进统计分析方法,并注重模型的外部验证,以验证模型的泛化能力。
