关键词:
主髂动脉闭塞症
腔内治疗
覆膜支架
倾向性评分匹配
机器学习
信息化平台
动脉粥样硬化
脑卒中
筛查
摘要:
第一部分腔内治疗主髂动脉闭塞症临床疗效的统计学分析和机器学习预后模型的构建
背景
近年来随着腔内血管外科技术和器械的发展,介入手术成为治疗主髂动脉闭塞症(Aortoiliac occlusive disease,AIOD)的重要方式,治疗理念和方法也有了极大的改变。覆膜支架(Covered stent,CS)与金属裸支架(Bare metal stent,BMS)是最常用的两种腔内手术治疗器械,但目前对其应用的具体场景以及相关的治疗安全性和有效性的对比性研究较少。另外,由于覆膜支架应用越来越多,真正能从CS中获益的患者特征以及中远期疗效仍然存在争议。
目的
回顾性比较单中心使用CS和BMS治疗AIOD的临床结果,采用倾向性评分匹配等统计学方法和机器学习的方法进行分析,评价治疗的安全性和有效性,对比获益的患者特征以及中远期临床疗效。
方法
连续性纳入2016年1月至2022年10月在单中心接受血管腔内治疗的所有AIOD患者,包括根据2007年第二版跨大西洋社会共识(Trans-Atlantic Inter-Society Consensus,TASC-Ⅱ)制定的所有类型病变患者。收集相关的临床资料和基线数据,分为应用倾向性评分匹配,比较CS和BMS在基线特征、手术因素、30天结局、5年原发性通畅和肢体保留方面的差异。随访结果采用Kaplan-Meier曲线分析比较两组的结局事件发生率。Cox 比例风险模型用于确定原发性通畅的独立危险因素预测因素,并对特殊病变进行亚组分析。
将再狭窄患者随机拆分为机器学习预测模型训练集和验证集,采用逻辑回归、随机森林、决策树等常见机器学习算法训练模型,采用ROC曲线预测模型效能。通过Kaplan-Meier生存分析比较再狭窄高危组和低危组患者的一期通畅率。
结果
共209名通过腔内治疗的主髂动脉闭塞症患者纳入研究,CS组135(64.6%)例,BMS 组 74(35.4%)例,CS 组患者的术前 ABI 更低(0.48±0.26 vs 0.52±0.19;p=0.032),包含更多的复杂主髂动脉病变(TASC D级)患者(47.4%vs 9.5%;p<0.001),更多的 CTO 病变(77.0%vs 31.1%;p<0.001),更多的重度钙化(20.7%vs 14.9%;p<0.036)。
经过倾向性评分匹配后,共匹配50例患者(25例CS,25例BMS),仅重度钙化和ABI增加在临床数据方面仍具有统计学意义(32.0%vs 8.0%,p=0.034)。手术因素方面,CS组患者更多应用双侧股动脉或联合肱动脉的多部位穿刺入路(60.0%vs 12.0%,p<0.001),更多的术中支架植入数量(2.3±1.2 vs 1.3±0.7,p<0.001),更长支架平均长度(9.3±3.3 vs 5.8±2.6,p<0.001),更多 CDT 治疗策略(32.0%vs 4.0%,p=0.009)。
两组患者的手术成功率(100%vs 100%,p=1.00),早期(<30天)死亡率(0%vs 0%,p=1.00)以及5年的初级通畅率(83.4%vs 86.9%,p=0.330)、次级通畅率(96%vs 100%,p=0.570)、肢体保留率(100%vs 100%,p=1.00)均无明显统计学差异。总体手术并发症发生率基本相同(12.0%vs 8.0%,p=0.891),只有ABI增加值(0.45±0.15 vs 0.41±0.22,p=0.038)在两组间有统计学差异。多因素Cox生存分析显示,重度钙化(HR,1.32;95%CI,1.04-1.85;P=0.048)是原发通畅率的唯一独立预测因子。
Adaboost机器学习模型表现最好,训练集及验证集准确率分别为95%、90%,ROC曲线下面积0.96,灵敏度92%,特异度88%。高危组患者术后一期通畅率为51.9%,低危组患者术后一期通畅率为87.0%(p=0.045)。
结论
在本研究中,BMS和CS对治疗AIOD的有效性相当且均获得了良好的中远期结果,通过倾向性评分匹配,最大程度降低了混杂因素的影响,在未匹配和匹配队列中,CS组和BMS组的一期通畅率总体上相似。CS组患者术后血流动力学改善更加明显,推荐优先用于更复杂的病变,特别是对于重度钙化病变,CS组表现出明显的优势,是影响预后的独立危险因素。同时机器学习预测模型对腔内治疗AIOD术后再狭窄有良好的预测效能。
第二部分基于信息化平台的社区脑卒中高危人群现况调查及颈动脉狭窄风险因素分析
背景
颈动脉狭窄(Carotid artery stenosis,CAS)是严重危及生命健康的重要疾病,是引起脑卒中的主要原因之一,而脑卒中是我国老年人致死、致残的首位原因。因