藺雪梅，王芳，王靜，曹歡，逯青麗，劉仲仲，段康麗，吳松笛

卒中現已成為導致人類死亡和殘障的主要原因之一[1]。在我國，卒中的發(fā)病率呈現明顯的上升趨勢，也有著較高的復發(fā)率。根據我國卒中登記平臺的數據顯示，60%的首次卒中發(fā)病的患者存在復發(fā)風險[2]。由于不同地域的卒中患者有著各自的特點，了解本區(qū)域內患者的特征，并針對性地施治，對控制卒中的復發(fā)有著重要的意義。為此，本研究依托西安市卒中數據庫平臺，分析西安地區(qū)卒中患者的特點，并以此構建西安市卒中患者1年卒中復發(fā)的預測模型，以期做好卒中的防控工作。

1 研究對象與方法

1.1 研究對象 以西安市卒中數據庫平臺[3]（數據來源于西安市四家三級甲等醫(yī)院）2016年1月1日-12月31日連續(xù)收治入院的急性卒中患者為研究對象。納入標準：①臨床診斷為急性卒中（包括腦出血、腦梗死、蛛網膜下腔出血）或TIA的患者，診斷定義符合世界衛(wèi)生組織診斷標準[4]；②年齡≥18歲；③發(fā)病到入組時間≤7 d；④已簽署患者知情同意書。排除標準：①無癥狀的靜止性腦梗死；②非腦血管病事件，如腦腫瘤、腦外傷等；③發(fā)病至就診的時間＞7 d；④拒絕參加研究者。

1.2 方法 本研究采用多中心、前瞻性隊列研究。

1.2.1 資料收集 收集患者的基線資料，包括基本信息、既往史、入院時神經功能評估、出院時情況等（表1）。家庭收入按人均月收入1000元以下、1000～5000元、5000元以上分為低等、中等、高等收入三個級別。吸煙分為不吸煙、戒煙、目前仍吸煙，其中目前仍吸煙定義為卒中事件發(fā)生前至少每天1根煙，連續(xù)或者累計6個月以上；戒煙指曾經達到吸煙標準但已經連續(xù)6個月不吸煙。飲酒分為飲酒、不飲酒，其中飲酒定義為卒中事件前每周至少飲1次相當1兩左右白酒的標準飲酒量。其他相關危險因素及既往史的定義和標準與中國人顱內動脈粥樣硬化研究[5]相同。

1.2.2 隨訪 對納入研究的患者，以確診時間為起點，由專業(yè)隨訪人員在發(fā)病后第1、3、6個月和1年時對患者進行電話或當面隨訪并收集研究評價指標，時間誤差≤7 d。失訪定義為：患者拒絕繼續(xù)參加研究或在5個工作日內，每天電話聯(lián)系3次仍不能完成隨訪。

1.2.3 研究評價指標及定義 研究終點定義為卒中復發(fā)，指隨訪中再次出現新發(fā)的急性卒中事件，包括新出現的神經功能缺損或是原有癥狀的加重，或經頭顱CT或MRI證實存在新發(fā)卒中病灶或原有卒中病灶明顯擴大[6]，類型包括缺血性卒中、腦出血和蛛網膜下腔出血。

1.3 統(tǒng)計學方法 本研究采用易侕統(tǒng)計軟件進行統(tǒng)計分析。對于符合正態(tài)分布的計量資料，以表示，非正態(tài)分布的變量以中位數表示。計數資料以頻數（%）表示。計量資料符合正態(tài)分布且方差齊時兩組組間比較采用t檢驗，多組比較采用方差分析；不同時滿足正態(tài)分布且方差齊時采用Mann WhitneyU檢驗。分類變量的組間比較采用χ2檢驗。應用Cox比例風險回歸模型對影響患者復發(fā)的危險因素進行單因素和多因素分析，并應用逐步回歸前進法建立預測模型，計算模型的靈敏度及特異度。利用易侕軟件的R程序包制作ROC曲線。P＜0.05為差異具有統(tǒng)計學意義。

2 結果

2.1 基線特征 本研究連續(xù)納入符合標準的患者共3117例。在隨訪過程中，分別于3個月失訪172例，6個月時失訪16例，1年時失訪154例，共計失訪342例（10.97%）。剔除失訪患者，最終納入研究2775例，年齡范圍為22～97歲，平均63.95±12.46歲，其中男性1719例，女性1056例。將納入研究組與失訪組在人口學特征、卒中亞型和卒中嚴重程度等方面進行比較（表1），結果顯示兩組間差異無統(tǒng)計學意義，可認為失訪屬于隨機失訪，對研究分析結果不造成影響。

2.2 卒中總體復發(fā)情況 納入研究的2775例急性卒中患者，1年隨訪結束時，總共累計復發(fā)144例。其中1月時復發(fā)65例，1～3個月時復發(fā)35例，3～6個月時復發(fā)23例，6個月～1年時復發(fā)21例，累計復發(fā)144例，累計復發(fā)率為5.34%（表2）。

2.3 卒中復發(fā)預測模型構建 將可能與卒中復發(fā)有關的變量（包括年齡、性別、民族、文化程度、家庭收入、醫(yī)保方式、吸煙、飲酒、高血壓、脂代謝紊亂、糖尿病、心房顫動、既往卒中、周圍血管病、住院收縮壓、住院舒張壓、出院收縮壓、出院舒張壓、心率、BMI、入院NIHSS評分、出院mRS評分、吞咽困難、合并肺炎、住院期間靜脈營養(yǎng)、入院48 h能行走、TC、TG、HDL-C、LCL-C、空腹血糖、谷草轉氨酶、谷丙轉氨酶、肌酐、尿素氮、尿酸、INR、白細胞計數、血小板計數）進行單因素Cox回歸分析（表3），然后對P＜0.05的變量再進行多因素Cox回歸及逐步回歸前進法分析，最后得出西安地區(qū)卒中患者1年卒中的復發(fā)預測模型為：h（t）=h0exp（0.02900×年齡+0.83649×既往卒中+0.26683×周圍血管病+0.12887×入院NIHSS評分）（表4）。對預測模型進行Hosmer-Lemeshow擬合優(yōu)度檢驗，差異無統(tǒng)計學意義（χ2=4.77，df=8，P=0.782），可以認為該模型整體擬合良好。

2.4 卒中復發(fā)預測模型曲線下面積 利用易侕軟件的R程序包制作ROC曲線，并對曲線下面積進行測量，最終得出卒中復發(fā)預測模型ROC曲線下面積為0.82（圖1），最佳截斷值為0.197，此時模型的敏感度及特異度分別為0.69和0.78，總的準確度為83%。

3 討論

卒中是全球導致死亡的第二大病因，同時也是引起患者殘障的第三位原因[1]。復發(fā)性卒中在所有卒中患者中的占比可達25%～30%，且與首次卒中患者相比，有著更高的殘障率、死亡率和經濟負擔，預后更差[1，7]。卒中的復發(fā)主要發(fā)生在卒中事件的第一年，而后隨著時間逐步下降[7-8]。因此，在卒中發(fā)生后的早期進行干預可以有效地減少卒中的復發(fā)。眾所周知，卒中的發(fā)病率有著明顯的地域性，不同國家、同一國家的不同地區(qū)可能因為種族、地理位置、生活習慣等差異造成卒中的發(fā)病率和復發(fā)情況也不盡相同[1]。建立區(qū)域性的卒中數據庫并借此分析本地卒中的發(fā)病特點，對于本地區(qū)卒中防控有重要意義。本研究依托西安市卒中數據平臺（數據來源于西安市家四家三級甲等醫(yī)院），對西安地區(qū)卒中的復發(fā)情況進行分析，構建西安地區(qū)卒中患者1年卒中復發(fā)的預測模型。

表1 納入研究組與失訪組人口學及臨床特征比較

表2 卒中總體復發(fā)情況

表3 卒中復發(fā)相關單因素Cox回歸分析

接上表

表4 逐步回歸構建西安地區(qū)卒中1年卒中復發(fā)預測模型

圖1 卒中復發(fā)預測模型的ROC曲線

本研究共納入卒中患者2775例，1年隨訪結束時，累計復發(fā)144例，累計復發(fā)率為5.34%。該結果低于中國國家卒中登記研究的1年卒中復發(fā)率（5.34%vs17.7%）[9]和其小卒中（NIHSS評分≤5分，1913例）亞組研究的1年卒中復發(fā)率（5.34%vs13.2%）[10]，同時也低于國內福建龍巖市1年卒中累計復率（5.34%vs10.16%）[11]。與Elizabeth Callaly等[12]研究中的1年卒中累計復發(fā)率（5.34%vs8.5%）較為接近。本研究發(fā)現西安地區(qū)卒中1年復發(fā)率偏低，考慮與研究設計、納入的研究對象、地理差異等因素不同有關。流行病學調查顯示，中國卒中的發(fā)病率城鄉(xiāng)差異顯著，農村居民的卒中患病率和死亡率均高于城市居民[2]。本次研究的各中心均為三級甲等醫(yī)院，對于卒中的預防治療措施相對完善，同時所納入的研究人群絕大部分為城區(qū)居民，對卒中的防控具有良好的認知和依從性，能夠完成規(guī)律隨訪并相對規(guī)范地使用預防藥物，從而在一定程度上降低了卒中復發(fā)。

本研究基于西安市卒中患者數據庫平臺，建立西安地區(qū)卒中患者1年卒中的復發(fā)預測模型為h（t）=h0exp（0.02900×年齡+0.83649×既往卒中+0.26683×周圍血管病+0.12887×入院NIHSS評分）。模型ROC曲線下面積為0.82，最佳截斷值為0.197，敏感度及特異度分別為0.69和0.78，總的準確度為83%。從該模型可以看出，西安地區(qū)卒中患者與復發(fā)相關的主要因素有年齡、既往卒中、周圍血管病史及入院時的NIHSS評分。年齡與卒中復發(fā)的相關性，在既往的研究中已經多次被證實[13-14]。模型發(fā)現周圍血管病與卒中復發(fā)相關。周圍血管病常常累及多個血管范圍，病變廣泛，這類患者同時具有腦血管病的危險因素，如吸煙、高血壓、糖尿病及不良的生活習慣等，因此對卒中的復發(fā)有著促進作用。提示臨床醫(yī)師需要結合病史及查體對卒中患者進行相關的血管評估以明確是否合并周圍血管病，并針對性給予相應的治療。模型中可見既往卒中病史也會影響卒中的復發(fā)。反復發(fā)生卒中的患者，可能具有更多的控制不佳的危險因素，同時往往也存在較為嚴重的大動脈粥樣硬化[15]。對于既往卒中患者應進行個體化治療和預防，如針對該患者卒中的病因來采取預防，檢測是否存在抗栓藥物的抵抗等，全面的評估現有治療措施，根據病情變化及時調整方案。模型還顯示入院時NIHSS評分與卒中的復發(fā)有關。NIHSS評分的高低反應卒中患者神經功能缺損的嚴重程度，分值越高，提示病情越重，并且與卒中患者預后相關[16]。重癥卒中患者由于殘障顯著，極易合并各種卒中后的并發(fā)癥，且在出院后往往得不到良好的防控，進而導致病情反復。研究顯示，卒中患者照顧者對于卒中家庭急救措施的認知率普遍偏低[17]。因此針對這類患者，除了住院期間疾病早期積極進行卒中的康復訓練外，還建議患者家屬應接受有關于卒中知識的培訓，掌握基本的康復方法和技能。綜上所述，本研究建立的西安地區(qū)卒中復發(fā)預測模型納入的相關因素較少，但敏感度和特異度相對良好，操作簡單，易于推廣驗證，有利于早期識別和評估西安地區(qū)的卒中高?；颊?。

目前，有關于卒中復發(fā)預測的評分系統(tǒng)常用的有ABCD2、90 d復發(fā)風險評估量表（recurrence risk estimator at 90 days，RRE-90）、ESSEN卒中風險評分（ESSEN risk score，ESRS）、卒中預后評估工具Ⅱ等（stroke prognosis instrumentⅡ，SPI-Ⅱ）。這些評估手段的側重點各有不同，ABCD2主要用于早期TIA進展為腦梗死的風險評估；RRE-90主要用于卒中早期的復發(fā)評估；ESRS和SPI-Ⅱ主要用于卒中的長期復發(fā)評估[18-19]。這些量表評估內容多為腦血管的危險因素及卒中病因分型等，雖經大量研究試驗其有效性，但缺乏區(qū)域性特點。國內有關卒中復發(fā)預測模型的研究較少，部分有關缺血性卒中復發(fā)預測模型的研究可能存在樣本量小、單中心研究等缺點，無法代表地區(qū)內卒中患者的整體特點[20-21]。而本研究的最大優(yōu)勢在于首次依托大數據建立西安地區(qū)的卒中復發(fā)預測模型，符合西安地區(qū)患者的發(fā)病特點，更具有針對性。

本研究也存在一定的局限性。首先是患者群存在著偏倚。由于患者多為城區(qū)居民，經濟條件及文化水平可能相對偏高，對于卒中的認識有一定的知識背景，依從性較好，可能會對研究結果造成影響。其次，由于西安市卒中數據庫來源于西安地區(qū)四家三級甲等醫(yī)院，對卒中的防控手段及措施相對較為規(guī)范，一定程度上減少了卒中的復發(fā)率。再次，在納入的影響卒中的相關因素里，缺乏影像學方面的評估，如MRI、CTA和血管超聲等，需通過前瞻性研究加以修訂。最后，該模型的準確性需要前瞻性的研究來進一步加以驗證，并且隨著數據庫內卒中患者的增多，將有更多的預測因素納入模型中，如對性別和年齡進行分層、細化卒中病因分析等，以此逐步改進模型，使其預測結果更加準確。

【點睛】本研究基于西安卒中數據庫，構建西安地區(qū)卒中患者1年卒中復發(fā)的預測模型，以期早期識別卒中復發(fā)的高危人群，為區(qū)域性卒中防控提供依據。