改良CPSSS量表對急性前循環大血管閉塞性腦梗死的預測價值分析

劉婷，廖娟，劉莉，趙立波，劉曙東，徐露，周婷，楊德雨，，4

血管內治療能改善急性前循環大血管閉塞（large vessel occlusion，LVO）的預后并降低死亡率，如何快速識別并轉運該類患者至具有血管內治療能力的高級卒中中心是臨床診療的關鍵環節之一[1-5]。國際上報道了多種卒中量表預測前循環LVO，包括NIHSS、辛辛那提院前卒中嚴重程度量表（Cincinnati prehospital stroke severity scale，CPSSS）等，但目前尚缺乏對量表項目及評分閾值的共識，且現有卒中量表不能同時具有較高的靈敏度和特異度[6-8]。研究發現，失語、凝視、偏癱是評估前循環LVO的重要預測因子[9]。因失語評估的主觀性強，Brian等[7]將其替換成客觀性強的意識水平提問和指令項目，開發出CPSSS量表，當CPSSS分值≥2分時預測LVO的準確度為68%。隨后Turc等[10]和Kummer等[11]進一步驗證該量表預測LVO的準確度分別為78%和85%，認為該量表在預測LVO的準確度方面尚不能滿足臨床需求。心房顫動在普通人群中的患病率為0.95%，而在急性前循環LVO患者中的比例卻高達27%[12-13]。最新的研究顯示心房顫動與LVO密切相關且能提高部分卒中量表預測LVO的能力[14-15]。本研究在CPSSS的基礎上增加心房顫動項目形成改良CPSSS（modified CPSSS，mCPSSS），評估mCPSSS對急性前循環LVO的預測能力。

1 對象和方法

1.1 研究對象 回顧性分析2019年5月-2020年4月連續就診于重慶醫科大學附屬永川醫院國家高級卒中中心的急性腦梗死患者的臨床資料。納入標準：①年齡≥18歲；②確診為急性腦梗死，診斷符合《中國急性缺血性腦卒中診治指南》的標準[16]，且經頭顱MRI證實為新發的前循環腦梗死患者；③發病24 h內入院；④入院后在急診科由專業的神經科醫師完成NIHSS評分，并在入院病歷中記錄評分項目及對應分值；⑤入院后即刻完成顱內影像學檢查（CTA、MRA、DSA中任意一項）明確責任血管。排除標準：①排除后循環腦梗死患者；②NIHSS評分記錄不詳；③住院期間未完成心電圖檢查；④既往有卒中病史并遺留神經功能缺陷（mRS＞2分）的患者。

本研究中前循環大血管包括：頸內動脈、大腦中動脈M1段、頸內動脈+大腦中動脈、大腦中動脈M2段、大腦前動脈A1段。

1.2 mCPSSS的構建方法 根據入組的前循環腦梗死患者是否有LVO分為LVO組和非LVO組，根據病歷記錄，收集兩組患者的性別、年齡等人口學信息，既往高血壓、糖尿病、吸煙、酗酒、心房顫動等病史，凝視、上肢無力、意識水平提問及指令回應癥狀或體征，以及患者就診時NIHSS評分等資料。比較LVO組和非LVO組上述指標的差異，進行二元logistic回歸分析以明確LVO的獨立影響指標，根據分析結果構建mCPSSS。

1.3 mCPSSS對LVO預測價值的分析 研究者根據基線NIHSS評分的各個分項分值，進行CPSSS[7]，卒中現場評估和分類轉運量表（field assesment stroke triage for emergency destination，FAST-ED），三項內容卒中量（3 item stroke scale，3I-SS），院前急性卒中嚴重程度量表（prehospital acute stroke severity scale，PASS），視野、失語、忽視量表（vision，aphasia，neglect，VAN），快速動脈閉塞量表（rapid arterial occlusion evaluation，RACE），凝視、失語或忽視、上肢癱瘓、心房顫動評分（gaze palsy，aphasia，or inattention，arm paresis，atrial fibrillation，GAI2AA）等量表的評定[7，15，17-21]。繪制上述各量表及mCPSSS量表預測LVO的ROC曲線，比較各量表預測LVO的價值。

1.4 統計學方法 使用SPSS 26（BIM，USA）進行數據分析，計量資料進行正態分析，不符合正態分布的用M（P25～P75）表示，組間比較采用秩和檢驗；計數資料采用例數（%）表示，組間比較采用χ2檢驗。二元logistic回歸分析以是否LVO為因變量，將單因素分析中P＜0.05的變量納入回歸方程進行二元logistic回歸分析，邏輯回歸分析中的結局變量表示為回歸系數及其95%CI。

通過比較心房顫動取值為1分和2分時的曲線下面積（area under the curve，AUC）大小來確定將心房顫動加入到CPSSS量表中的最佳取值。繪制mCPSSS預測LVO的ROC曲線，計算出約登指數及AUC確定mCPSSS預測LVO的最佳診斷界值及該量表的預測能力。計算各量表預測LVO的靈敏度、特異度、陽性預測值、陰性預測值、約登指數，并進行量表之間的比較，AUC差異的顯著性使用DeLong’s檢驗[22]。

2 結果

2.1 基線資料比較 研究期間共登記1080例急性腦梗死患者，根據納入及排除標準共入組263例急性前循環梗死患者。入組患者年齡28～97歲，平均70.6±11.9歲，非LVO患者141例（53.61%），LVO患者122例（46.39%），其中大腦中動脈M1段病變62例（50.82%），大腦中動脈M2段病變22例（18.03%），頸內動脈病變27例（22.13%），頸內動脈+大腦中動脈串聯病變10例（8.20%），大腦前動脈病變1例（0.82%）。

組間比較顯示，LVO患者具有更高的年齡、更高的心房顫動發生率及吸煙史、更容易存在凝視、異常的意識水平指令及提問、上肢無力，且與非LVO組間差異具有統計學意義（表1）。

表1 兩組基線資料比較結果

2.2 二元logistic回歸分析分析結果 單因素分析結果提示年齡、吸煙、凝視、意識水平提問及指令、上肢無力、心房顫動與LVO有關，將上述因素再次通過二元logistic回歸分析模型得出只有凝視、意識水平提問及指令、上肢無力、心房顫動是前循環LVO的獨立危險因素（表2）。

表2 LVO影響因素二元logistic回歸分析結果

2.3 mCPSSS構建 mCPSSS量表的評分項目主要包括凝視、意識水平提問及指令、上肢無力、心房顫動，前三項來源于CPSSS，保留其分值，對于新增項目心房顫動，通過ROC曲線計算出最佳取值為1分（心房顫動為1分時，AUC為0.955，心房顫動為2分時，AUC為0.950），當心房顫動取值為1分時mCPSSS的最佳截斷值為1.5分，敏感度為90.2%，特異度為94.3%（圖1）。具體評定規則及分值見表3。

表3 mCPSSS量表項目及分值

圖1 心房顫動不同取值時mCPSSS對LVO的預測價值

2.4 mCPSSS與其他常見量表預測LVO價值的比較 當mCPSSS分值≥2分時，ROC曲線顯示其對LVO的預測效能最佳，此時靈敏度為90.16%，特異度為94.33%，約登指數為0.84，AUC為0.955，陽性預測值為93.22%，陰性預測值為91.72%（表4）。與其他量表相比，mCPSSS對急性前循環LVO的預測能力最強（AUC值最高）。在CPSSS的基礎上增加心房顫動項目后，mCPSSS量表對LVO的預測能力，即AUC由0.941上升至0.955，差異具有統計學意義（P=0.032，DeLong’s檢驗）。mCPSSS對LVO的預測能力還高于VAN，3I-SS和RACE量表，差異有統計學意義（圖2A），mCPSSS對LVO的預測能力與FAST-ED、PASS、NIHSS、GAI2AA量表相比，仍具有更高的預測價值，但差異未達統計學意義（圖2B）。

圖2 mCPSSS與其他常見量表預測LVO的ROC曲線分析

表4 mCPSSS量表與其他常見量表的預測價值比較

3 討論

本研究通過對急性前循環腦梗死患者臨床特點的分析，在CPSSS的基礎上進行了改良，增加了能獨立預測前循環LVO的心房顫動項目，構建了mCPSSS，并通過ROC分析對mCPSSS與目前臨床上常用的預測前循環LVO的量表進行了預測LVO能力的比較，證實mCPSSS具有較高的預測急性前循環LVO的價值，有望成為簡單、有效地對急性前循環LVO患者進行院前識別、院內分診及轉診的工具。

既往對評估LVO風險量表的研究多納入入院6 h內的腦梗死患者，包括CPSSS、GAI2AA、3I-SS、RACE、CPSS等量表[7，15，18，21，23]。2015年，Lansberg等[24]的研究證實只要存在可挽救的缺血腦組織，發病6 h后的患者仍可通過再灌注獲益。2018年應用DWI或CTP聯合臨床不匹配對醒后卒中和晚就診卒中患者使用Trevo裝置行神經介入治療（DWI or CTP Assessment with Clinical Mismatch in the Triage of Wake Up and Late Presenting Strokes Undergoing Neurointervention with Trevo，DAWN）和影像評估篩選缺血卒中患者血管內治療研究（Endovascular Therapy Following Imaging Evaluation for Ischemic Stroke 3，DEFUSE 3）研究將機械取栓的時間窗由6h擴展到24 h，特別是針對臨床癥狀與腦梗死體積不匹配的LVO患者[25-26]。因此本研究將研究對象限定為入院24 h內的急性腦梗死患者。

2019年，Narwal等[14]的研究發現，在洛杉磯運動量表（Los Angeles motor scale，LAMS）的基礎上增加心房顫動可提高該量表對LVO患者的預測能力。另外，GAI2AA量表加入心房顫動后預測急性前循環LVO具有較高的靈敏度（88%）和特異度（81%）。本研究也證實心房顫動可提高CPSSS對前循環LVO的預測能力。不過，Grewal等[27]的研究認為心房顫動并不能提高現有量表對前循環LVO的預測價值，不過該研究入組人數較少，且未將入院時心電圖作為診斷心房顫動的參考。

既往一項meta分析表明目前現有LVO預測量表的靈敏度在47%～73%之間，特異度在78%～90%之間[8]。本研究中所有量表的靈敏度和特異度均高于70%，主要原因可能是既往研究中多包括后循環腦梗死的患者，而后循環腦梗死癥狀的局灶性癥狀不典型且意識障礙多見，NIHSS評分對后循環的預測效能較低[28]。本研究中只包括了前循環腦梗死患者，減少了后循環腦梗死對準確度的影響。此外，本研究的研究對象包括最初就診于初級卒中中心后轉運至高級卒中中心的患者，因而LVO患者比例較高，這也可能導致本研究中量表預測價值的提高。

本研究證實mCPSSS量表與國際通用的NIHSS量表具有相同的預測能力。但NIHSS評分量表項目繁多，評估過程復雜，其準確度高度依賴專業的神經科醫師，因此并不適合院前急救。與相同子項目數量的3I-SS量表相比，mCPSSS量表的預測能力顯著提高。Singer等[18]構建3I-SS用于預測大腦中動脈閉塞，其最佳截斷值為4分。為適應臨床需求，使更多的患者從血管內治療獲益，可通過設置合適的截斷值使漏診率＜10%[10]，本研究選擇了美國卒中學會指南推薦的截斷值≥2分，其靈敏度為95%，但其誤診率卻達到30%。因此量表的最佳截斷值仍需進一步在臨床中驗證。

本研究中存在一定的局限性。第一，本研究為回顧性的單中心研究，入組人群經過篩選且是確診的急性腦梗死患者，存在一定的選擇性偏移。第二，部分患者入院時神經功能缺損重而血管未見明顯異常，考慮血管自發再通或小血管病變可能，可能會影響對患者分類的判斷。第三，mCPSSS并沒有納入疑似卒中、腦出血、后循環梗死的患者，在臨床應用中其靈敏度和特異度可能有所降低，因此該量表需要在真實世界中進一步驗證。

【點睛】mCPSSS在CPSSS基礎上增加取值1分的心房顫動項目，其預測急性前循環LVO的效能明顯提高，有助于臨床對急性前循環LVO患者的識別和分診。