论文部分内容阅读
目的:探索联合应用多个实验室指标在颈动脉硬化预测中的价值,建立并评价颈动脉硬化的预测模型及评分系统。方法:247例健康体检人群被纳入研究对象,按多普勒超声测量的颈动脉内膜厚度将其分为颈动脉硬化组(62例)和非颈动脉硬化组(185例)。问卷调查收集相关资料(包括年龄、性别、身体质量指数、腰围、脉压、糖尿病、高血压、吸烟),采集静脉血进行相关生化指标检测(包括肝功能、肾功能、血脂和血糖等16个项目)、血常规分析和血液流变学分析。用SPSS 17.0软件统计分析所有数据,并联合利用组间比较及单因素logistic回归对所有计量资料指标进行筛选,再用筛选的指标作多因素逐步logistic回归建立颈动脉硬化实验室指标的预测模型,在此基础上探索建立颈动脉硬化的预测评分系统,并应用受试者工作特征曲线(ROC)评估预测模型和评分系统对颈动脉硬化的预测效率。结果:组间比较发现年龄、脉压、天门冬氨酸氨基转移酶、γ-谷氨酰转移酶、肌酐、血糖、甘油三酯、高敏C反应蛋白、同型半胱氨酸、单核细胞计数10项计量资料指标有统计学差异(P<0.05),且均表现为颈动脉硬化组高于非颈动脉硬化组。对上述10项指标分别作单因素logistic回归,选出P<0.1的指标7个(包括年龄、脉压、γ-谷氨酰转移酶、肌酐、血糖、高敏C反应蛋白、单核细胞计数)进行多因素逐步logistic回归,建立如下数学模型:Log(PI)=0.14×Age+0.009×γ-GT+ 0.152×Glu+2.829×Mono-10.959。该模型的ROC曲线下面积为0.814(P<0.001,95%CI:0.756-0.872),当以PI=0.157为界点时,灵敏度为0.903,特异度为0.573。结合临床资料,选出年龄、性别、吸烟、糖尿病、脉压、γ-谷氨酰转移酶、肌酐、血糖、高敏C反应蛋白、单核细胞计数10项指标建立颈动脉硬化的预测评分系统,总分为10分,其ROC曲线下面积为0.802(P<0.001,95%CI:0.720-0.884),以6分为界点时,灵敏度为0.632,特异度为0.869。结论:年龄、γ-谷氨酰转移酶、血糖、单核细胞计数是颈动脉硬化的独立危险因素;本研究成功地建立了基于实验室指标的颈动脉硬化预测模型和评分系统,有较高的预测价值,值得在扩大样本的基础上进一步研究。