目的构建并验证基于CT及灌注特征的分级预测模型,评估其对急性缺血性卒中血管内治疗后神经功能改善的预测价值。方法回顾性分析2019年1月至2024年3月重庆医科大学附属永川医院收治的183例接受机械取栓治疗的缺血性卒中患者的临床资料。...目的构建并验证基于CT及灌注特征的分级预测模型,评估其对急性缺血性卒中血管内治疗后神经功能改善的预测价值。方法回顾性分析2019年1月至2024年3月重庆医科大学附属永川医院收治的183例接受机械取栓治疗的缺血性卒中患者的临床资料。根据6个月mRS评分将患者分为未改善组(n=44)和改善组(n=139)。收集临床资料、CT平扫及CTP参数,构建6个创新性综合指标,包括早期神经功能严重程度指数(ENSI)、灌注-核心不匹配指数(PCMI)等。采用分级建模策略构建基础模型(临床变量)、增强模型(+CT形态学)和综合模型(+CTP及创新性变量),通过受试者工作特征(ROC)曲线、净重分类改善指数(NRI)和综合判别改善指数(IDI)评估模型性能。结果未改善组患者的基线NIHSS评分[(18.45±5.68)分vs(12.41±5.70)分]、血糖水平[(8.76±4.68)mmol/L vs(6.70±2.25)mmol/L]和核心梗死体积[20.28(1.92~67.59)mL vs 3.68(0.86~11.80)mL]均明显高于改善组,差异均有统计学意义(P<0.01)。多因素分析结果显示,基线NIHSS(OR=1.231,P<0.001)、血糖(OR=1.285,P=0.001)、核心梗死体积(OR=1.016,P=0.037)和ENSI(OR=0.831,P=0.006)是独立预测因子。综合模型AUC值(0.855)优于增强模型(0.830)和基础模型(0.825)。相对于增强模型,综合模型NRI达0.677,IDI为0.091。结论整合CTP参数和创新性综合指标的分级预测模型可有效预测缺血性卒中血管内治疗后神经功能改善。ENSI作为独立预测因子,计算简便,具有良好的临床应用前景。展开更多
文摘目的构建并验证基于CT及灌注特征的分级预测模型,评估其对急性缺血性卒中血管内治疗后神经功能改善的预测价值。方法回顾性分析2019年1月至2024年3月重庆医科大学附属永川医院收治的183例接受机械取栓治疗的缺血性卒中患者的临床资料。根据6个月mRS评分将患者分为未改善组(n=44)和改善组(n=139)。收集临床资料、CT平扫及CTP参数,构建6个创新性综合指标,包括早期神经功能严重程度指数(ENSI)、灌注-核心不匹配指数(PCMI)等。采用分级建模策略构建基础模型(临床变量)、增强模型(+CT形态学)和综合模型(+CTP及创新性变量),通过受试者工作特征(ROC)曲线、净重分类改善指数(NRI)和综合判别改善指数(IDI)评估模型性能。结果未改善组患者的基线NIHSS评分[(18.45±5.68)分vs(12.41±5.70)分]、血糖水平[(8.76±4.68)mmol/L vs(6.70±2.25)mmol/L]和核心梗死体积[20.28(1.92~67.59)mL vs 3.68(0.86~11.80)mL]均明显高于改善组,差异均有统计学意义(P<0.01)。多因素分析结果显示,基线NIHSS(OR=1.231,P<0.001)、血糖(OR=1.285,P=0.001)、核心梗死体积(OR=1.016,P=0.037)和ENSI(OR=0.831,P=0.006)是独立预测因子。综合模型AUC值(0.855)优于增强模型(0.830)和基础模型(0.825)。相对于增强模型,综合模型NRI达0.677,IDI为0.091。结论整合CTP参数和创新性综合指标的分级预测模型可有效预测缺血性卒中血管内治疗后神经功能改善。ENSI作为独立预测因子,计算简便,具有良好的临床应用前景。
