目的:探讨基于多模态CT的水摄取率(Net water uptake,NWU)在判断急性缺血性卒中患者的发病时间及临床结局预测中的价值,为临床诊疗决策提供客观的依据。本研究分为两部分:第一部分:通过比较不同发病时间患者的一般资料以及NWU,并进一步研究NWU与发病时间的相关性,分析NWU在识别不同发病时间的诊断效能,协助临床医师精确判断急性缺血性脑卒中患者的发病时间,以指导临床救治。第二部分:筛选预测急性缺血卒中患者发生预后不良的独立危险因素,基于独立危险因素中性粒细胞计数与淋巴细胞计数比值(Neutrophil to lymphocyte ratio,NLR)、美国国立卫生研究院卒中量表(National Institutes of Health Stroke Scale,NIHSS)评分、核心梗死体积及NWU分别建立未加入NWU和加入NWU后的多因素Logistic回归模型,并对两个模型的预测效能进行评价与比较,进一步建立基于所有独立危险因素的Nomogram预测模型,并对模型预测效能进行评估,为临床医师早期判断预后不良发生风险,以及实施相应治疗决策提供参考。第一章基于多模态CT水摄取率对判断急性缺血性卒中发病时间的研究1.资料与方法回顾性采集延安大学附属医院2020年3月至2022年12月入院的急性前循环缺血性脑卒中患者206例。使用西门子256层新双源螺旋CT扫描机进行图像采集。各参数图由e Stroke国家取栓溶栓平台(https://www.medimagecloud.com/rsplatform)自动计算得出。首先使用流出时间(Time to drain,TTD)及脑血容量(Cerebral blood volume,CBV)等参数图来定位缺血脑组织,其次,使用3Dslicer(https://www.slicer.org/)将CBV参数图中核心梗死区域与相应的平扫CT(Non-contrast CT,NCCT)图像共同配准得到早期的脑梗死病灶,并进一步计算病变侧缺血区脑组织的密度(Density of ischemic lesion,Dischemic),并在对侧大脑半球镜像同样感兴趣区(Region of interest,ROI)并测量对侧大脑半球相应区域正常脑组织的密度(Density of normal issue,Dnormal),最后使用公式计算缺血脑组织的NWU,计算公式如下:NWU=(1-Dischemic/Dnormal)×100%。NWU由两位神经影像主治医师独立计算得到,最终结果取两者平均值。采用独立样本t检验、Mann-Whitney U检验或者卡方检验分析两组指标之间有无显著差异。通过绘制受试者工作特征曲线(Receiver operating characteristic curve,ROC),分析NWU识别不同发病时间的诊断效能以及最佳临界值,并比较曲线下面积(Area under the curve,AUC)、灵敏度、特异度。使用Pearson或Spearman相关性分析NWU与发病时间的相关性。2.结果不同时间组别之间年龄、性别、入院收缩压、入院舒张压、体质指数(Body mass index,BMI)、高血压病、冠心病、房颤、糖尿病、吸烟、饮酒、高脂血症、高同型半胱氨酸血症及基线NIHSS评分差异无统计学意义(均P>0.05),NWU及发病时间在不同组别的差异均有统计学意义(均P<0.05)。NWU识别症状出现4.5小时内患者的AUC为0.861(95%可信区间:0.811~0.911,P<0.001),截断值为15.95%,敏感度为76.4%,特异性为86.1%。NWU识别症状出现6小时内患者的AUC为0.825(95%可信区间:0.768~0.882,P<0.001),截断值为17.55%,敏感度为72.3%,特异性为83.8%。NWU识别症状出现9小时内患者的AUC为0.821(95%可信区间:0.753~0.889,P<0.001),截断值为18.35%,敏感度为78.6%,特异性为72.6%。NWU与发病时间呈中度相关(r=0.674,P<0.001)。3.小结本研究通过比较不同发病时间的急性缺血性卒中患者的NWU,发现水摄取率可以很好判断急性缺血脑卒中患者的发病时间,通过ROC曲线及相关性分析,发现NWU对不同发病时间的卒中患者都具有较高的识别能力,且其与发病时间具有中度相关性(r=0.674,P<0.001)。NWU作为一种定量成像生物标志物,具有判断急性缺血脑卒中患者的发病时间的能力,这对初诊卒中患者的分层以及指导进一步的治疗具有重要的意义。第二章基于多模态CT构建急性缺血性卒中患者临床结局的预测模型研究1.资料与方法回顾性采集延安大学附属医院2020年3月至2022年12月入院行血管内治疗和/或静脉溶栓的急性前循环缺血性脑卒中患者193例。所有患者在3个月后进行随访,根据改良Rankin量Erastin细胞培养表(Modified Rankin scale,m RS)评分将患者分为预后良好和预后不良两组,收集患者的性别、年龄、入院收缩压、舒张压、BMI、高血压病史、冠心病病史、房颤病史、糖尿病、吸烟史、饮酒史、高脂血症、高同型半胱氨酸血症、中性粒细胞计数、淋巴细胞计数、单核细胞计数、血小板计数、NLR、血小板计数与淋巴细胞计数比值(Platelet to lymphocyte ratio,PLR)、淋巴细胞计数与单核细胞计数比值(Lymphocyte to monocyte ratio,LMR)、基线NIHSS评分、3个月后的m RS评分以及多模态CT指标核心梗死体积、低灌注体积、低灌注强度比(Hypoperfusion index ratio,HIR)以及NWU。通过独立样本t检验、Mann-Whitney U检验、卡方检验分析两组之间指标有无显著差异。通过多因素逐步Logistic回归分析,筛选急性缺血性卒中患者发生预后不良的独立影响因素,并分别建立未加入NWU和加入NWU后的多变量logistic回归模型。通过绘制ROC曲线分析各模型的预测效能,对不同模型间的AUC差异进行Delong检验,并通过净重新分类指数(Net reclassification index,NRI)、综合判别改善指数(Integrated discrimination improvement,IDI)等指标判断加入NWU后的回归模型相对于未加入NWU的回归模型的改善情况。上述经多因素逐步Logistic回归所确定的预后不良发生风险的独立预测因子,在R软件中应用rms程序包构建Nomogram预测模型。通过Bootstrap重复抽样1000次绘制校准曲线以评估模型的校准度,采用ROC曲线下面积评价模型的预测效能,并采用决策曲线分析(decision curve analysis,DCA)评价模型的临床应用价值,均以P<0.05为差异有统计学意义。2.结果193例患者纳入本次研究,其中预后良好组81例,预后不良组112例。两组在冠心病史(χ2=7.746,P=0.005)、高同型半胱氨酸血症(χ2=9.978,P=0.001)、中性粒细胞计数(Z=-2.251,P=0.024)、淋巴细胞计数(Z=-2.174,P=0.030)、NLR(Z=-7.076,P<0.001)、PLR(Z=-5.015,P<0.001)、LMR(Z=-4.154,P<0.001)、基线NIHSS评分(Z=-8.375,P<0.001)、低灌注体积(Z=2.578,P<0.001)、核心梗死体积(Z=4.287,P<0.001)、HIR(Z=1.881,P=0.002)、NWU(Z=-8.497,P<0.001)等指标的差异具有统计学意义。两组之间在年龄、性别、收缩压、舒张压、BMI、高血压病史、房颤病史、糖尿病史、吸烟史、饮酒史、高脂血症、单核细胞计数、血小板计数等指标的差异无统计学意义。以不良预后为因变量,将差异性分析中P<0.05的自变量冠心病史、高同型半胱氨酸血症、中性粒细胞计数、淋巴细胞计数、NLR、PLR、LMR、基线NIHSS评分、低灌注体积、核心梗死体积、HIR、NWU纳入回归模型,经多元Logistic回归分析后,研究结果发现基Borrelia burgdorferi infection线NIHSS评分(OR=1.181,95%CI:1.058~1.318,P=0.003)、NLR(OR=1.352,95%CI:1.077~1.696,P=0.009)、核心梗死体积(OR=1.042,95%CI:1.008~1.077,P=0.014)及NWU(OR=1.247,95%CI:1.115~1.393,P<0.001)是急性缺血性卒中患者预后不良的独立危险因素。基于基线NIHSS评分、NLR、核心梗死体积构建回归模型1,基于基线NIHSS评分、NLR、核心梗死体积及NWU构建回归模型2。经ROC曲线分析,回归模型1与回归模型2的AUC分别为0.940和0.956,模型1的敏感度为91.1%,特异性为85.2%,模型2的敏感度为90.2%,特异性为95.1%。回归模型1与回归模型2的AUC之间行Delong检验显示具有显著性差异(Z=-1.973,P=0.048)。回归模型1与回归模型2之间行NRI、IDI分析显示,模型2相较于模型1预测效能有显著改善(NRI=0.575,P<0.001;IDI=0.081,P<0.001)。将基线NIHSS评分、NLR、核心梗死体积及NWU作为预后不良发生的独立预测因子,构建Nomogram预测模型。校准曲线的结果表明模型预测发生风险与实际发生风险均具有较好的一致性。经ROC曲线分析显示,Nomogram模型的AUC为0.956,最佳截断值、敏感度、特异度分别为0.603、0.902、0.951。而DCA则表明,当阈值概率为0~BAY 73-450693%范围内时,Nomogram模型具有良好的临床实用性。3.小结本研究基于多模态CT构建的诺模图模型对于预测急性缺血性卒中患者预后不良具有较好的效能与临床实用价值,能帮助临床医师对预后不良发生风险进行更为客观具体的评估,提升医师对急性缺血卒中患者预后不良的预判能力,为临床诊疗决策提供更为精确的依据。全文结论1)基于多模态CT的NWU对不同发病时间的卒中患者都具有较高的识别能力,NWU与发病时间具有较好的相关性。2)NLR、基线NIHSS评分、核心梗死体积及NWU是急性缺血性卒中患者预后不良的独立预测因子,基于上述预测因子所建立的Logistic回归模型的AUC、敏感度、特异度分别为0.956、90.2%、95.1%,相较于未加入NWU的回归模型,其预测效能有显著改善。基于所有独立预测因子建立了预测急性缺血性卒中患者预后不良发生风险的Nomogram模型,校准曲线提示该模型预测发生风险与实际发生风险具有较好的一致性,决策曲线分析表明其具有很高的临床实用价值。本研究所建立的预测模型能帮助临床医师对预后不良发生风险进行更为客观具体的评估以及提升医师对急性缺血卒中患者预后不良的预判能力,为临床诊疗决策提供更为精确的帮助。