JOURNAL PORTAL
河北省医学情报研究所主办
实用心脑肺血管病杂志
钟剑辉, 吴峰
咳嗽变异性哮喘(CVA)是一种特殊类型的哮喘，以咳嗽为唯一或主要临床表现，因其在自然病程下可出现喘息、气促症状，因此常被认为是典型哮喘的初始阶段。吸入性糖皮质激素(ICS)单独使用或ICS联合长效β2受体激动剂是CVA的主要治疗方法。本文结合各国临床指南及近期研究新动态，介绍了CVA的病因、临床表现、病理生理改变及其机制、诊断方法、治疗策略及疗程、患者预后及其影响因素，以期为CVA的临床诊疗提供参考。
徐淑光, 纪明阳, 王利利, 黄晓菲, 宋建玲, 曲玲, 吴要华, 张见平, 朱怡莹, 张云凤
目的 构建慢性阻塞性肺疾病(COPD)患者分级全程康复管理路径。方法 2023-01-15，采用焦点会议小组方法，以“基层机构开展COPD规范筛查和及时转诊”“COPD急性加重期患者在综合医院住院治疗”两个关键服务为节点，使用Visio工具包绘制COPD患者分级全程康复管理路径。2023-03-18，邀请15名开展COPD诊疗与管理的专家对路径进行评分(使用Likert 5级评分法)，计算路径平均内容效度指数(CVI)及总体平均CVI；使用非参数检验Kendall协同系数对专家咨询的整体意见进行一致性检验。结果 最终形成了“基层机构开展COPD规范筛查和及时转诊”“COPD急性加重期患者全程康复管理”两个路径。路径1中8个条目平均CVI为0.825，路径2中16个条目平均CVI为0.879，总体平均CVI为0.861，Kendall协同系数为0.654(P<0.01)。结论 本研究构建的COPD患者分级全程康复管理路径的专家认同程度较高、一致性较好。
程朝晖, 陈玉珠, 罗兵, 徐素仿
目的 探讨中性粒细胞与淋巴细胞比值（NLR）与慢性阻塞性肺疾病急性加重期（AECOPD）患者发生肺源性心脏病的关系。方法 回顾性选取2020年12月—2023年9月安徽省第二人民医院收治的AECOPD患者88例为研究对象。收集患者的临床资料，根据是否发生肺源性心脏病将患者分为发生组（n=44）和未发生组（n=44）。采用多因素Logistic回归分析探讨AECOPD患者发生肺源性心脏病的影响因素；绘制ROC曲线以分析NLR对AECOPD患者发生肺源性心脏病的预测价值。结果 发生组病程长于未发生组，超敏C反应蛋白（hs-CRP）、纤维蛋白原、中性粒细胞计数、血清二氧化碳总量（TCO2）、NLR高于未发生组，淋巴细胞计数低于未发生组，红细胞体积分布宽度（RDW）大于未发生组（P<0.05）。多因素Logistic回归分析结果显示，NLR是AECOPD患者发生肺源性心脏病的独立影响因素〔OR=2.314，95%CI（1.426～3.756），P<0.05〕。ROC曲线分析结果显示，NLR预测AECOPD患者发生肺源性心脏病的AUC为0.877〔95%CI（0.790～0.937）〕，最佳截断值为4.2，灵敏度为75%，特异度为91%。结论 NLR是AECOPD患者发生肺源性心脏病的独立影响因素，其可作为预测AECOPD患者发生肺源性心脏病的生物标志物。
虞玉兰, 林承奎, 朱成圣, 王宇
目的 构建慢性阻塞性肺疾病急性加重(AECOPD)风险预测列线图模型并开发其网络计算器。方法 回顾性选取2021年1月—2023年6月安徽医科大学附属六安医院收治的慢性阻塞性肺疾病稳定期(SCOPD)患者155例为研究对象。根据患者AECOPD发生情况，将其分为AECOPD组(108例)和非AECOPD组(47例)。采用ROC曲线确定血小板计数(PLT)、平均血小板体积(MPV)、血小板分布宽度(PDW)预测SCOPD患者发生AECOPD的最佳截断值并评估患者血小板指数评分(PIS)；采用多因素Logistic回归分析探讨SCOPD患者发生AECOPD的影响因素；基于多因素Logistic回归分析结果构建AECOPD风险预测列线图模型；通过ROC曲线和决策曲线评估该列线图模型的区分度和临床适用性；使用R 4.0.3软件的DynNom包开发AECOPD风险预测网络计算器。结果 AECOPD组年龄、MPV、PDW大于非AECOPD组，有糖尿病者占比、改良英国医学研究委员会(mMRC)分级评分、C反应蛋白(CRP)、纤维蛋白原(FIB)、D-二聚体(D-D)、PLT高于非AECOPD组，血红蛋白(Hb)低于非AECOPD组，凝血酶原时间(PT)短于非AECOPD组，活化部分凝血活酶时间(APTT)长于非AECOPD组(P<0.05)。ROC曲线分析结果显示，PLT、MPV、PDW预测SCOPD患者发生AECOPD的最佳截断值分别为203.4×10～9/L、10.4 fl、12.5%。根据PLT、MPV、PDW预测SCOPD患者发生AECOPD的最佳截断值评估患者PIS。AECOPD组PIS高于非AECOPD组(P<0.05)。多因素Logistic回归分析结果显示，年龄、CRP、Hb、FIB、PIS是SCOPD患者发生AECOPD的独立影响因素(P<0.05)。基于多因素Logistic回归分析结果构建AECOPD风险预测列线图模型。ROC曲线分析结果显示，该列线图模型预测SCOPD患者发生AECOPD的AUC为0.975〔95%CI(0.936～0.993)〕。决策曲线分析结果显示，当阈值概率>0.062时，该列线图模型的临床净获益>0。基于AECOPD风险预测列线图模型开发其网络计算器(https://npmcls.shinyapps.io/DynNomapp1/)。结论 年龄、CRP、Hb、FIB、PIS是SCOPD患者发生AECOPD的独立影响因素，本研究基于上述影响因素构建的AECOPD风险预测列线图模型的区分度较高，且具有较好的临床适用性，同时开发了AECOPD风险预测网络计算器。
酉鹏华, 陈海潮, 韩稳琦
目的 探讨心房颤动(AF)患者射频消融术(RFA)后1年内复发的影响因素，并构建其预测模型。方法 选取2021年1月—2022年11月在陕西省人民医院接受RFA的AF患者143例为研究对象，根据其RFA后1年内是否复发将其分为复发组(49例)和未复发组(94例)。调取患者电子档案，收集其临床资料，包括一般资料及术前超声心动图检查指标、血清学指标。AF患者RFA后1年内复发的影响因素分析采用多因素Logistic回归分析；基于多因素Logistic回归分析结果构建AF患者RFA后1年内复发风险的预测模型；绘制ROC曲线以评估该预测模型对AF患者RFA后1年内复发的预测价值。结果 复发组左心房直径(LAD)大于未复发组，血清可溶性致癌抑制因子2(sST2)、人含NLR家族CARD域蛋白4(NLRC4)、半胱氨酸天冬氨酸特异蛋白酶1(Caspase-1)、半乳糖凝集素3(Galectin-3)高于未复发组(P<0.05)。多因素Logistic回归分析结果显示，LAD及血清sST2、NLRC4、Caspase-1、Galectin-3是AF患者RFA后1年内复发的独立影响因素(P<0.05)。基于多因素Logistic回归分析结果构建AF患者RFA后1年内复发风险的预测模型，其公式如下：Logit(P)=-50.343+0.222×LAD+0.184×血清sST2+2.339×血清NLRC4+0.319×血清Caspase-1+1.972×血清Galectin-3。ROC曲线分析结果显示，预测模型预测AF患者RFA后1年内复发的AUC为0.974〔95%CI(0.950～0.998)〕。结论 LAD及血清sST2、NLRC4、Caspase-1、Galectin-3是AF患者RFA后1年内复发的独立影响因素，而基于上述影响因素构建的预测模型对AF患者RFA后1年内复发的预测价值较高。
沈金链, 宋娟, 王睿, 严鹏勇, 罗章源
目的 探究基于CT扫描的左心房结构参数与心房颤动(AF)患者射频消融术(RFA)后1年内复发的关系。方法 选取2020年8月—2022年8月在上海中医药大学附属普陀医院急诊科接受RFA的AF患者196例为研究对象，根据患者RFA后1年内有无复发将其分为复发组(n=51)和未复发组(n=145)。收集患者的一般资料及术前基于CT扫描的左心房结构参数、实验室检查指标。采用多因素Logistic回归分析、ROC曲线探讨基于CT扫描的左心房结构参数与AF患者RFA后1年内复发的关系。结果 复发组持续性AF占比高于未复发组，左心房左外侧脊(LLR)长度、左心房直径(LAD)长于未复发组，左心房容积指数(LAVI)高于未复发组，左心耳体积大于未复发组(P<0.05)。多因素Logistic回归分析结果显示，左心房LLR长度、LAVI、左心耳体积是AF患者RFA后1年内复发的独立影响因素(P<0.05)。ROC曲线分析结果显示，左心房LLR长度、LAVI、左心耳体积预测AF患者RFA后1年内复发的AUC分别为0.901〔95%CI(0.855～0.947)〕、0.897〔95%CI(0.855～0.940)〕、0.972〔95%CI(0.945～0.999)〕。结论 左心房LLR长度、LAVI、左心耳体积是AF患者RFA后1年内复发的影响因素，且三者对AF患者RFA后1年内复发具有较高/中等的预测价值。
任杰, 高江峰, 殷瑛
目的 探讨阵发性心房颤动(PAF)患者Marshall韧带消融后复发的影响因素。方法 回顾性选取2020年1月—2023年1月于呼和浩特市第一医院行Marshall韧带消融的PAF患者100例为研究对象。根据Marshall韧带消融后3个月复发情况将患者分为复发组(30例)与未复发组(70例)。收集患者一般资料及入院时超声心动图指标、实验室检查指标。采用多因素Logistic回归分析探讨PAF患者Marshall韧带消融后复发的影响因素。结果 复发组压力导管(CF)指导者占比、左心房容积指数(LAVI)、脑钠肽(BNP)、胱抑素C高于未复发组，消融时间长于未复发组(P<0.05)。多因素Logistic回归分析结果显示，CF指导〔OR=4.840，95%CI(1.277～18.353)〕、消融时间延长〔OR=4.879，95%CI(1.204～19.775)〕、LAVI升高〔OR=6.733，95%CI(1.165～38.908)〕、BNP升高〔OR=7.382，95%CI(1.010～53.968)〕、胱抑素C升高〔OR=7.015，95%CI(1.287～38.222)〕是PAF患者Marshall韧带消融后复发的危险因素(P<0.05)。结论 CF指导、消融时间延长、LAVI升高、BNP升高、胱抑素C升高是PAF患者Marshall韧带消融后复发的危险因素。
庄燕, 张海东, 陈秋华, 戴林峰
目的 分析重症患者新发心房颤动（NOAF）的影响因素，并构建其风险预测列线图模型。方法 回顾性选取2018—2020年南京中医药大学附属医院重症医学科收治的重症患者287例为研究对象。收集患者临床资料，采用单因素、多因素Logistic回归分析探讨重症患者NOAF的影响因素；基于赤池信息量准则（AIC）最小原则，采用向后逐步回归分析筛选变量，然后构建重症患者NOAF的风险预测列线图模型；采用Bootstrap法重复抽样500次对该列线图模型进行内部验证；采用受试者工作特征（ROC）曲线评价该列线图模型的区分度，并运用Bootstrap法重复抽样500次对ROC曲线进行内部验证；采用Hosmer-Lemeshow拟合优度检验评价该列线图模型的校准度并绘制校准曲线；采用决策曲线及临床影响曲线评价该列线图模型的临床适用性。结果 多因素Logistic回归分析结果显示，年龄及入院时心率（HR）、活化部分凝血活酶时间（APTT）、肌酸激酶同工酶（CK-MB）是重症患者NOAF的独立影响因素（P<0.05）。向后逐步回归分析结果显示，当AIC=302.24时，模型拟合最好，最终筛选出6个变量，分别为年龄及入院时急性生理学和慢性健康状况评价Ⅱ（APACHE Ⅱ）评分、HR、APTT、CK-MB、脑钠肽（BNP）。基于上述6个变量构建重症患者NOAF的风险预测列线图模型。采用Bootstrap法重复抽样500次对该列线图模型进行内部验证，结果显示，κ值为0.121，准确率为0.736。ROC曲线分析结果显示，该列线图模型预测重症患者NOAF的AUC为0.730〔95%CI（0.666～0.793）〕。采用Bootstrap法重复抽样500次对ROC曲线进行内部验证，结果显示，该列线图模型预测重症患者NOAF的AUC为0.707，ROC标准差=0.100，敏感度标准差=0.056，特异度标准差=0.135。Hosmer-Lemeshow拟合优度检验结果显示，该列线图模型的拟合程度较好（χ2=0.467，P=0.792）。决策曲线分析结果显示，当阈值概率为4%～60%时，该列线图模型的临床净获益>0。临床影响曲线分析结果显示，当阈值概率>60%时，该列线图模型的预测结果和实际发生情况高度匹配。结论 年龄及入院时HR、APTT、CK-MB是重症患者NOAF的独立影响因素。本研究基于年龄及入院时APACHE Ⅱ评分、HR、APTT、CK-MB、BNP构建的重症患者NOAF的风险预测列线图模型具有较好的稳定性、校准度、临床适用性及一定区分度。
高琳, 郝潇, 马军枝, 安东, 李树仁
目的 分析冠心病(CAD)患者药物涂层球囊(DCB)扩张术后1年发生主要不良心血管事件(MACE)的影响因素。方法 回顾性选取2021年2月—2022年10月在河北省人民医院行DCB扩张术的CAD患者210例为研究对象。根据患者DCB扩张术后1年MACE(包括全因死亡、非致死性急性心肌梗死、非计划性二次血运重建)发生情况，将其分为非MACE组(180例)和MACE组(30例)。收集患者一般资料、术中资料、术后资料，采用多因素Logistic回归分析探讨CAD患者DCB扩张术后1年发生MACE的影响因素。结果 MACE组脂蛋白a〔Lp(a)〕、冠状动脉中重度钙化者占比、血管内超声(IVUS)/光学相干断层扫描(OCT)指导者占比高于非MACE组，病变位置为左回旋支(LCX)、分支血管者占比低于非MACE组(P<0.05)。多因素Logistic回归分析结果显示，Lp(a)〔OR=6.052，95%CI(2.416～15.158)〕、病变位置为LCX〔OR=0.234，95%CI(0.071～0.773)〕、病变位置为分支血管〔OR=0.264，95%CI(0.100～0.698)〕、冠状动脉中重度钙化〔OR=2.975，95%CI(1.209～7.317)〕是CAD患者DCB扩张术后1年发生MACE的独立影响因素(P<0.05)。结论 Lp(a)升高、冠状动脉中重度钙化是CAD患者DCB扩张术后1年发生MACE的独立危险因素，而病变位置为LCX、分支血管是其保护因素。
崔海艳, 景涛, 邹新亮, 杨晓, 陈怡, 江敏
目的 分析急性心肌梗死(AMI)患者PCI后服药依从性较差的主要影响因素，并构建其BP神经网络模型。方法 选取2022年7月—2023年8月在陆军军医大学第一附属医院心血管内科接受PCI的AMI患者为调查对象。AMI患者PCI后3个月时需入院复查，此时由调查人员采取一对一的方式对其进行问卷调查。调查问卷由2个子问卷组成，其中子问卷1为一般资料调查表，子问卷2由Morisky服药依从性问卷(MMAS)、支持性照顾需求量表(SCNS)、简易疾病感知问卷(BIPQ)、社会支持评定量表(SSRS)组成。AMI患者PCI后服药依从性较差的影响因素分析采用多因素Logistic回归分析；构建Logistic回归模型和BP神经网络模型，并绘制ROC曲线以评估两个模型对AMI患者PCI后服药依从性较差的预测价值。结果 本研究共发放问卷240份，收回240份，其中有效问卷235份，有效回收率为97.9%(235/240)。235例患者MMAS评分为(6.13±1.04)分，其中服药依从性较差者98例、服药依从性良好者137例。服药依从性较差者与服药依从性良好者年龄、居住状况、家庭平均月收入、基础疾病情况、服药种类、SCNS评分、BIPQ评分、SSRS评分比较，差异有统计学意义(P<0.05)。多因素Logistic回归分析结果显示，居住状况、家庭平均月收入、基础疾病、服药种类、SCNS评分、BIPQ评分、SSRS评分是AMI患者PCI后服药依从性较差的独立影响因素(P<0.05)。构建Logistic回归模型和BP神经网络模型，并根据BP神经网络模型对输出自变量进行重要性分析，结果显示，BIPQ评分、居住状况及基础疾病是影响AMI患者PCI后服药依从性较差重要性排序前三位的因素。ROC曲线分析结果显示，Logistic回归模型、BP神经网络模型预测AMI患者PCI后服药依从性较差的AUC分别为0.694〔95%CI(0.630～0.752)〕、0.735〔95%CI(0.674～0.790)〕。结论 AMI患者PCI后服药依从性处于中等水平，其中BIPQ评分、居住状况及基础疾病是AMI患者PCI后服药依从性较差的主要影响因素；本研究构建的BP神经网络模型对AMI患者PCI后服药依从性较差具有一定预测价值。