颈内-后交通动脉瘤破裂危险因素分析与预测回归模型的建立

摘要

第一部分、颈内-后交通动脉瘤破裂危险因素分析与预测回归模型的初步建立研究
　　目的:形态学与血流动力学在颅内动脉瘤的破裂中发挥着重要作用。通过对颈内-后交通动脉瘤形态学与血流动力学的分析，筛选颅内动脉瘤破裂的独立危险因素，建立基于形态学与血流动力学的破裂风险回归模型。
　　方法:对2012.01-2013.12长海医院神经外科颈内-后交通动脉瘤病例进行回顾，收集患者的临床病史资料及影像学资料，根据临床病史及影像资料将动脉瘤分为破裂组与未破裂组。计算各动脉瘤的形态学参数，包括动脉瘤大小(Size)、纵横比(aspect ratio，AR)、体积比(size ratio，SR)、体颈比(dometo neck ratio，DN)，瓶颈指数(bottle neck ratio，BN)，入射角(inflow angle，IA)。应用计算流体力学技术(computational fluid dynamics，CFD)，对动脉瘤进行血流动力学分析，计算归一化壁面切应力(normalized wall shear stress，NWSS)、低壁面切应力面积比(percentage of low WSS area，LSA)、剪切振荡指数（oscillatory shear index，OSI）。对破裂组与未破裂组临床、形态学及血流动力学参数进行单因素分析，对有统计学意义的参数进一步行逐步logistic回归分析，建立颈内-后交通动脉瘤破裂风险评估的回归方程。
　　结果:本研究共纳入129枚颈内-后交通动脉瘤，其中破裂组85枚，未破裂组44枚。单因素分析中，两组间临床相关参数未见统计学差异，形态学参数Size、AR、SR、DN、IA及血流动力学参数NWSS、LSA组间存在显著差异。进一步对上述参数行逐步logistic回归分析，分别基于形态学、基于血流动力学、联合形态学与血流动力学建立三个logistic回归方程:(1) Model形态学:Odd=e0.225Size+0.368 IA-2.252;(2) Model血流动力学∶ Odd=e-0.238 NWSS+1.805;(3) Model联合∶ Odd=e0.431IA+0.331 LSA-2.107。行受试者工作特征曲线(receiver operating characteristic curve，ROC)分析，得到的曲线下面积(area under curve，AUC)分别为:Model形态学=0.75(95％CI:0.66-0.84); Model血流动力学=0.65(95％CI:0.55-0.75); Model联合=0.76(95％CI:0.67-0.85)。
　　结论:颈内-后交通动脉瘤的形态学及血流动力学与破裂密切相关，能够通过形态学与血流动力学的分析，建立起有效的颅内动脉瘤破裂风险的logsitic回归模型。
　　第二部分、颈内-后交通动脉瘤破裂风险预测回归模型的验证与评价研究
　　目的:在本研究的第一部分中，我们在对129例颈内-后交通动脉瘤进行临床、形态学和血流动力学分析的基础之上，建立起三个用于动脉瘤破裂风险预测的logistic回归模型。为了进一步验证各模型的稳定性和有效性，在本部分中，拟通过建立一个新的验证队列，将各参数值带入到模型中，比较分析各模型预测颅内动脉瘤破裂风险的效能。
　　方法:对2014.01-2014.6月长海医院神经外科颈内后交通动脉瘤病例进行回顾，收集患者的临床病史资料及影像学资料，计算各动脉瘤的形态学参数，包括动脉瘤Size、AR、SR、BN、DN、IA等。应用计算流体力学技术，对动脉瘤进行血流动力学分析，计算NWSS、LSA、OSI等参数。将每例动脉瘤的形态学参数值和/或血流动力学参数值带入研究第一部分所得的三个logistic回归模型（Model形态学，Model血流动力学，Model联合）中，计算其预测概率。对预测概率界值进行定义后，若预测概率大于等于预定界值则预测为破裂，预测概率小于预定界值则预测为不破裂。之后同真实结果进行比较，计算各logistic回归模型在预定界值分别取50％、60％、70％、80％时的特异度与灵敏度。同时以size＞7mm、AR＞1.6和SR＞2.0对各病例进行预测，并对照真实结局计算灵敏度与特异度，作为评价上述三个logistic回归模型的参照。
　　结果:研究入组颈内-后交通动脉瘤共28枚，其中破裂颈内-后交通动脉瘤19例，未破裂颈内后交通动脉瘤9枚，年龄区间41-86岁，平均年龄65.7岁，男/女比例为7/21。计算各形态学与血流动力学参数值后代入各logistic回归模型预测破裂性质，并与真实结果进行比较后计算灵敏度与特异度。预测界值为50％时，Model形态学灵敏度0.68，特异度0.67; Model血流动力学灵敏度0.68，特异度0.78; Model联合灵敏度0.79，特异度0.78。预测界值为60％时，Model形态学灵敏度0.68，特异度0.67; Model血流动力学灵敏度0.68，特异度0.78; Model联合灵敏度0.74，特异度0.78。预测界值为70％时，Model形态学灵敏度0.63，特异度0.78; Model血流动力学灵敏度0.68，特异度0.78; Model联合灵敏度0.68，特异度0.78。预测界值为80％时，Model形态学灵敏度0.52，特异度1.00; Model血流锄学灵敏度0.16，特异度1.00; Model联合灵敏度0.52，特异度0.78。单一形态学参数预测，Size＞7mm(灵敏度0.32，特异度1.00); AR＞1.6（灵敏度0.42，特异度1.00）;SR＞2.0（灵敏度0.53，特异度0.78）。
　　结论:通过对颈内-后交通动脉瘤的形态学及血流动力学分析，能够建立起具有较好检验效果的破裂风险logistic回归方程，Model联合在预测概率界值取50％时同时具有较高的预测灵敏度与特异度，优于单一形态学参数预测破裂风险的方法。

目录

声明

摘要

缩略词表

前言

参考文献

第一部分 颈内-后交通动脉瘤破裂危险因素分析与预测回归模型的初步建立

一、材料与方法

二、结果

三、讨论

四、小结

参考文献

第二部分 颈内-后交通动脉瘤破裂风险预测回归模型的验证与评价

一、材料与方法

二、结果

三、讨论

四、小结

参考文献

综述 计算流体力学分析在颅内动脉瘤诊疗中的应用进展

在读期间发表论文

致谢