如何识别可通过优先行负荷心肌灌注成像获益的人群？

北京大学人民医院刘健、薛子璇、郭萌

微信图片_20210302135618.png

健心荐语

本研究提出了一种新的，基于容易获得的临床变量的模型。该模型除了可以识别那些更能从优先行负荷心肌灌注成像当中获益的患者外，该模型还具有以下优势：1、减少辐射暴露，改善检查流程及患者体验，降低医疗成本；2、不影响诊断准确性。

文章及背景介绍

心肌灌注显像（MPI）是一种常用的影像学检查，可以鉴别冠心病（CAD）患者并进行危险分层。目前临床上越来越重视优先行负荷灌注显像和仅行负荷灌注显像进行评估，以减少患者受到的辐射量并优化诊疗过程。本研究旨在开发一种模型，用于识别那些能从优先行负荷心肌灌注显像当中获益的病人,并将其用于CAD患者的危险分层。本研究发表于2020年10月9日的Cardiovascular Imaging杂志。

方法及结果

一、研究方法

本研究对在2009年至2015年期间，在渥太华大学心脏研究中心行单光子发射计算机断层扫描(SPECT)和正电子发射断层扫描(PET)检查的患者(18389例)数据进行了分析，据此开发模型。

然后，选取在2015年至2019期间，在该中心行SPECT检查患者的1个单独队列(n=5819)、行PET检查患者的1个内部队列(n=4631)和1个外部队列(n=7028)中进行验证。

通过单变量分析和多变量logistic回归分析建立模型，并根据回归系数加权得到评分系统。采用ROC曲线评估该模型与其他已建立模型的区分能力。本研究将正常MPI定义为无灌注异常及心肌缺血表现,左心室壁运动和左心室射血分数均正常。

二、研究结果

本研究最终建立了两个模型，分别针对男性和女性，二者均包括下述9个变量：年龄、吸烟、高血压、糖尿病、血脂异常、典型心绞痛、既往经皮冠状动脉介入治疗(PCI)、既往冠状动脉搭桥术(CABG)和既往心肌梗死史(MI)。得分≤1的患者被划分为低风险组。

微信图片_20210302135622.png

图1 临床评分模型

该模型的预测能力十分稳定。在推导队列中，不同性别评分模型的曲线下面积如下：男性0.684[95％置信区间（CI）：0.674~0.694]，女性0.681（95％CI：0.666至0.696）；在验证队列中，男性评分模型的曲线下是0.745（95％CI：0.728~0.762），女性模型是0.701（95％CI：0.673~0.728）；在内部PET验证队列中，男性评分模型的曲线下是0.672（95％CI：0.649~0.696），女性模型是0.686（95％CI：0.663~0.710）；在外部PET验证队列中，男性和女性模型的曲线下面积分别为0.756（95％，CI：0.740~0.772）和0.737（95％CI：0.716~0.757）。

微信图片_20210302135625.jpg

图2 推导队列中不同性别评分模型的曲线下面积

根据模型预测异常MPI的敏感性和特异性，本研究选择评分≤1作为阈值。选择此阈值时，模型的敏感性为89.6%(男)、82.2%(女)；男性和女性的阴性似然比分别为0.48和0.52。

尽管选择评分≤1作为阈值可能过于严格，但选择此阈值是为了最大程度地提高该模型的敏感性根据该模型得分≤1的男性具有如下特点：

（1）<70岁且没有心脏危险因素、典型的胸痛或有记录的CAD；

（2）<55岁且患有典型的心绞痛或糖尿病。

得分≤1的女性具有如下特点：

（1）<85岁且无心脏病危险因素的女性；（2）<70岁且患有血脂异常或有吸烟史。

微信图片_20210302135627.jpg

图3 选取不同阈值时男性和女性SPECT检查正常和异常的比例（蓝色为SPECT正常，红色为SPECT异常百分数表示SPECT正常的百分比）

结论

本研究提出了一种新的，基于容易获得的临床变量的模型。这种模型在入院当时就可以使用，可以识别出那些MPI异常可能性小的患者。这一工具可以用于识别那些更能从优先行负荷心肌灌注成像当中获益的患者。

点评

除了可以识别那些更能从优先行负荷心肌灌注成像当中获益的患者外，该模型还具有以下优势：

1、减少辐射暴露，改善检查流程及患者体验，降低医疗成本；

2、不影响诊断准确性。

该模型用3个队列验证结论，且3个验证队列的结果十分相似。因为数据源自单中心的SPECT队列，队列中CAD患者的人群特征和患病率可能和其他中心不同，这造成了模型的局限性。

尽管此模型可以识别那些MPI更可能是正常的患者，但它无法识别那些可能受到伪影或不完全衰减补偿影响的患者，这些患者可能仍然需要静态显像。

200 评论

知情同意书

如何识别可通过优先行负荷心肌灌注成像获益的人群？丨健心知著

如何识别可通过优先行负荷心肌灌注成像获益的人群？

热门资讯

关于我们

中国医学论坛报微信矩阵

助力乡村振兴帮扶行动

友情链接