基于SMOTE算法的腦血管介入術(shù)后再狹窄風(fēng)險(xiǎn)預(yù)警模型的構(gòu)建

雷 雨, 左家財(cái)

腦血管疾病是一類因腦血管病變或血流障礙導(dǎo)致腦功能障礙的疾病總稱,主要包括顱內(nèi)外血管的閉塞狹窄、受損及破裂而引發(fā)的局限性或彌散性腦功能受損[1]。流行病學(xué)調(diào)查顯示,我國每年新增腦血管疾病患者病例約240萬,而死亡病例可達(dá)到110萬,是危害中老年人群身體生命健康的最主要疾病之一[2]。腦卒中是一種急性腦血管疾病,其快速發(fā)作的特征使其成為患者殘疾甚至死亡的全球第二大致死原因[3]。根據(jù)發(fā)病機(jī)制的不同,腦卒中可分為出血性卒中和缺血性卒中,前者主要是由于腦血管破裂而引起的神經(jīng)功能缺損,而缺血性卒中則是由血管狹窄閉塞引起的腦組織缺氧損害[4]。顱內(nèi)動(dòng)脈粥樣硬化性動(dòng)脈狹窄是缺血性卒中的重要原因,在人群中約5%～10%的腦卒中是由粥樣硬化性動(dòng)脈狹窄引起[5]。有報(bào)道顯示,與其他卒中亞型相比,由動(dòng)脈狹窄引起的卒中與復(fù)發(fā)性短暫性腦缺血的發(fā)展有著較高的相關(guān)性[6]。目前臨床上對(duì)于腦血管狹窄患者的最佳治療選擇是采用顱內(nèi)動(dòng)脈支架置入術(shù)。近年來,隨著導(dǎo)管技術(shù)的發(fā)展和成熟,越來越多地患者在接受內(nèi)科藥物治療的同時(shí),選擇進(jìn)行腦血管介入術(shù)的治療并取得了良好的治療效果。然而,部分患者治療后繼續(xù)遭受腦血管再狹窄而導(dǎo)致復(fù)發(fā)性缺血事件的發(fā)生。為進(jìn)一步預(yù)防和改善此類問題的發(fā)生,本研究通過回顧我院320例患者的病例資料,試圖找出引起其發(fā)生再狹窄的風(fēng)險(xiǎn)因素,現(xiàn)報(bào)道如下。

1 資料與方法

1.1 研究對(duì)象 選取綿陽市中心醫(yī)院神經(jīng)內(nèi)科2017年5月-2021年5月期間收治的320例腦血管狹窄患者,回顧性分析所有患者的病歷資料,根據(jù)患者行介入術(shù)治療后是否發(fā)生再狹窄將其分為狹窄組和未狹窄組,觀察對(duì)比兩組患者的一般資料,包括患者的性別、年齡、BMI、吸煙史、飲酒史、高脂血癥、高血壓、糖尿病、冠心病、血管類型(頸內(nèi)動(dòng)脈、椎動(dòng)脈、顱內(nèi)動(dòng)脈)、心率、CRP、淋巴細(xì)胞計(jì)數(shù)、中性粒細(xì)胞計(jì)數(shù)、血小板計(jì)數(shù)、支架長度、支架直徑等。

納入標(biāo)準(zhǔn)：(1)經(jīng)頭部MRI檢查證實(shí)為腦血管狹窄患者,符合頸內(nèi)動(dòng)脈、椎動(dòng)脈以及顱內(nèi)動(dòng)脈狹窄的臨床特征；(2)于我院行支架介入術(shù)治療且無腦血管介入治療史；(3)術(shù)后規(guī)律進(jìn)行二級(jí)預(yù)防措施；(4)自愿參加,配合醫(yī)護(hù)并簽署知情同意書。排除標(biāo)準(zhǔn)：(1)患有感染性疾病患者；(2)合并肝腎功能異常及各類型的嚴(yán)重腫瘤患者；(3)近期存在顱腦外傷、顱內(nèi)出血等疾病患者；(4)不配合醫(yī)護(hù)治療、病歷資料不完善者及精神病患者等。

1.2 SMOTE過抽樣算法 SMOTE過抽樣算法：SMOTE過抽樣算法是將少量樣本通過一定步驟(參照Blagus[8]等的論文)擴(kuò)充到一定量的一種方法,本研究中,少數(shù)量樣本為再狹窄組=28例,需擴(kuò)充倍數(shù)n=未再狹窄組/再狹窄組=10.429,取10倍數(shù),為28×10=280例。通過此方法擴(kuò)充的數(shù)據(jù)集,未改變樣本的原有空間邊界,具有較高的信效度。

2 結(jié) 果

2.1 兩組基本信息資料單因素分析 兩組患者的年齡、BMI、吸煙史、高脂血癥、高血壓、糖尿病、冠心病、顱內(nèi)動(dòng)脈、CRP、中性粒細(xì)胞計(jì)數(shù)及支架長度的數(shù)據(jù)差異有統(tǒng)計(jì)學(xué)意義(P<0.05)(見表1)。

表1 兩組基本信息資料單因素分析

分組糖尿病n(%)冠心病n(%)頸內(nèi)動(dòng)脈n(%)椎動(dòng)脈n(%)顱內(nèi)動(dòng)脈n(%)心率(次/分)CRP(mg/L)狹窄組(n=28)未狹窄組(n=292)χ2/tP值21(75.00)122(41.78)11.4070.0015(17.86)21(7.19)3.8930.04810(35.71)130(44.52)0.8050.3713(46.43)141(48.29)0.0350.8515(17.86)21(7.19)3.8930.04875.25±8.6677.08±9.320.9980.3196.85±1.043.87±1.1613.095<0.001

分組淋巴細(xì)胞計(jì)數(shù)(×109/L)中性粒細(xì)胞計(jì)數(shù)(×109/L)血小板計(jì)數(shù)(×109/L)支架長度(mm)支架直徑(mm)狹窄組(n=28)未狹窄組(n=292)χ2/tP值5.22±0.955.38±1.210.680.4982.51±1.061.71±0.596.285<0.001274.24±66.34268.18±60.300.5040.61519.42±6.3314.58±4.744.98<0.0013.85±1.054.01±1.350.6090.543

2.2 多因素Logistic回歸分析結(jié)果 對(duì)2.1中具有顯著性差異的因素作二元Logistic回歸分析,結(jié)果表明:吸煙史、高脂血癥、高血壓、糖尿病、CRP、及支架長度為腦卒中患者行介入術(shù)后再狹窄的獨(dú)立風(fēng)險(xiǎn)因素,且數(shù)據(jù)差異具有統(tǒng)計(jì)學(xué)意義(P<0.05)(見表2)。基于上述各獨(dú)立風(fēng)險(xiǎn)因素及其回歸系數(shù),我們建立原始預(yù)警模型P1=-6.507+1.527×吸煙史+1.544×高脂血癥+1.598×糖尿病+1.145×CRP+1.700×支架長度,對(duì)該模型進(jìn)行Hosmer-Lemeshow檢驗(yàn),結(jié)果可見：決定性系數(shù)R2=0.340,P=0.795,表明模型擬合度良好。

表2 多因素Logistic回歸分析結(jié)果

2.3 基于SMOTE過抽樣算法的logistic預(yù)警模型 基于2.3中篩選出的獨(dú)立危險(xiǎn)因素,我們利用SMOTE過抽樣算法進(jìn)行10倍過抽樣,使得術(shù)后再狹窄患者數(shù)和術(shù)后未再狹窄患者數(shù)比例近似為1(過抽樣為未再狹窄患者=292例,再狹窄患者280例,比例≈1.043),然后對(duì)過抽樣后的數(shù)據(jù)重新擬合Logistic回歸模型,結(jié)果(見表3)。基于SMOTE過抽樣算法的預(yù)警模型P2=-3.583+1.159×吸煙史+1.335×高脂血癥+1.293×糖尿病+1.265×CRP+1.454×支架長度。同樣對(duì)該模型進(jìn)行Hosmer-Lemeshow檢驗(yàn),結(jié)果可見：決定性系數(shù)R2=0.346,P=0.881,表明模型擬合度良好。

表3 基于SMOTE過抽樣算法的Logistic回歸分析

2.4 預(yù)測(cè)模型的評(píng)估 為驗(yàn)證預(yù)測(cè)模型的效能及對(duì)比兩組模型的優(yōu)異,分別對(duì)預(yù)警模型P1和P2進(jìn)行ROC曲線分析,結(jié)果可見,預(yù)警模型P1的ROC曲線下面積=0.872(95%CI0.821～0.923),預(yù)警模型P2的ROC曲線下面積=0.847(95%CI0.816～0.879)(見圖1、圖2)。可見基于SMOTE過抽樣算法擴(kuò)充樣本達(dá)到平衡后,預(yù)測(cè)模型的效能與原樣本模型的效能并無差異,兩組AUC均超過0.75,預(yù)測(cè)模型的效能較高。

圖1 預(yù)警模型P1的ROC曲線

圖2 預(yù)警模型P2的ROC曲線

3 討 論

隨著社會(huì)生活方式的不斷改變,心腦血管疾病的發(fā)生率不斷增加,腦血管疾病現(xiàn)已列入我國致殘率首位的疾病[7]。缺血性卒中是腦血管疾病的一種,其不僅影響了患者的語言、吞咽、肢體等功能,同時(shí)也在很大程度上降低了患者的日常生活質(zhì)量[8]。血管內(nèi)介入治療的應(yīng)用,對(duì)于藥物治療效果欠佳及無法耐受外科手術(shù)的患者有著極為重要的意義,正逐漸成為腦血管狹窄的重要治療方法[9]。然而,血管內(nèi)介入治療同樣有著較為明顯的劣勢(shì),患者在治療過程中可能出現(xiàn)血管損傷、破裂等并發(fā)癥,術(shù)后也存在部分患者出現(xiàn)再狹窄風(fēng)險(xiǎn)[10]。有報(bào)道指出,血管內(nèi)皮細(xì)胞由于支架置入時(shí)被損傷,受損的動(dòng)脈內(nèi)膜在自我修復(fù)時(shí),由于支架的長期壓迫而導(dǎo)致內(nèi)膜組織增生過度,最終導(dǎo)致再狹窄的發(fā)生[11]。當(dāng)前,腦血管介入治后再狹窄已成為腦血管疾病患者和醫(yī)護(hù)不容忽視的一個(gè)難題,因此探尋相關(guān)風(fēng)險(xiǎn)因素,針對(duì)性的進(jìn)行預(yù)防治療,對(duì)腦血管疾病患者的預(yù)后有著重要的意義。

本研究通過回顧性分析,采用單因素和多因素Logistic回歸分析法篩選出吸煙史、高脂血癥、糖尿病、CRP≥5 mg/L、支架長度≥16 mm是腦血管疾病患者介入治療后發(fā)生再狹窄的獨(dú)立風(fēng)險(xiǎn)因素(P<0.05)。多項(xiàng)研究表明,煙草中的各類有害物質(zhì)是造成心血管疾病的發(fā)病原因之一,其中尼古丁可引發(fā)氧化應(yīng)激反應(yīng)和炎癥反應(yīng),對(duì)內(nèi)皮細(xì)胞的功能有著嚴(yán)重的危害[12,13]。此外,吸煙可刺激患者的交感神經(jīng)系統(tǒng),促使血管不斷收縮和擴(kuò)張,致使腦血管的彈性下降,出現(xiàn)再狹窄的風(fēng)險(xiǎn)增大[14]。從動(dòng)物實(shí)驗(yàn)中證實(shí),尼古丁可導(dǎo)致各類炎性體活化及產(chǎn)生大量白細(xì)胞介素-1、活性氧等物質(zhì),加劇內(nèi)皮細(xì)胞的炎癥致其死亡[15]。本研究中,吸煙的腦血管疾病患者發(fā)生再狹窄風(fēng)險(xiǎn)的幾率是不吸煙患者的4倍有余,驗(yàn)證了以上觀點(diǎn)。高脂血癥患者的脂質(zhì)代謝異常,同樣作為再狹窄的風(fēng)險(xiǎn)因素常被學(xué)者們考慮和研究[16]。有研究顯示,腦血管介入術(shù)治療時(shí),支架的置入會(huì)導(dǎo)致血管內(nèi)皮細(xì)胞損害,使得內(nèi)皮覆蓋不充分,從而允許更多的脂蛋白進(jìn)入內(nèi)膜下空間,最終形成富含脂質(zhì)的泡沫紙巨噬細(xì)胞聚集而導(dǎo)致再狹窄的發(fā)生[17]。對(duì)于糖尿病的研究中發(fā)現(xiàn),體內(nèi)持續(xù)的高血糖對(duì)內(nèi)皮細(xì)胞的損害巨大,其可以不斷促進(jìn)血管壁膠原的非酶糖基化從而加速血管硬化,還可以提高血液濃度,增加血栓發(fā)生的幾率[18]。腦血管疾病患者在病灶處置入支架后,粘稠的血液極易粘附在支架上形成新的閉塞,慢慢累積下便會(huì)導(dǎo)致再狹窄的發(fā)生[19]。本研究中,再發(fā)生狹窄組患者中有75%以上的患者伴有糖尿病,顯著高于未狹窄組的41.78%。CRP是一種極為敏感的炎癥性標(biāo)志物,常被用來判斷各類炎癥性疾病的發(fā)生。本研究發(fā)現(xiàn),與未再狹窄組的(3.87±1.16)mg/L相比,發(fā)生再狹窄組患者的CRP水平達(dá)到(6.85±1.04)mg/L,兩組具有顯著性差異。有研究[20]表明,血管損傷及血管內(nèi)膜的增生均與炎性反應(yīng)的發(fā)生有關(guān),因此,CRP也可納入風(fēng)險(xiǎn)因素的考慮之中。腦血管介入治療最主要的便是支架的置入,因此支架的長度、直徑均可能對(duì)治療效果及預(yù)后產(chǎn)生一定的影響。我們發(fā)現(xiàn)較長的支架發(fā)生再狹窄的風(fēng)險(xiǎn)幾率較高,究其原因可能在于較長的支架會(huì)對(duì)血管內(nèi)皮細(xì)胞的受損較大,從而回到上述幾項(xiàng)觀點(diǎn)中。

當(dāng)下,傳統(tǒng)的基于樣本量平衡的各種統(tǒng)計(jì)學(xué)方法已不適用醫(yī)學(xué)領(lǐng)域類的不平衡數(shù)據(jù)集。有研究[21]顯示,多數(shù)醫(yī)學(xué)領(lǐng)域中,陽性樣本的數(shù)量顯著低于陰性樣本數(shù)量,存在高度的不平衡狀態(tài),這就導(dǎo)致預(yù)測(cè)結(jié)果的特異度與靈敏度較差,最終對(duì)預(yù)警模型的預(yù)測(cè)精準(zhǔn)度產(chǎn)生巨大的影響。SMOTE過抽樣算法是一種針對(duì)不平衡數(shù)據(jù)集的有效處理方法。因此,我們對(duì)上述幾項(xiàng)風(fēng)險(xiǎn)因素進(jìn)行了回歸分析并建立了預(yù)警模型的同時(shí),基于SMOTE過抽樣算法,有效的擴(kuò)充了陽性樣本量,即再狹窄組例數(shù),產(chǎn)生新的平衡數(shù)據(jù)集并再次建立預(yù)警模型。通過對(duì)兩種預(yù)測(cè)模型的驗(yàn)證和對(duì)比,基于上述風(fēng)險(xiǎn)因素建立預(yù)警模型P1的ROC曲線下面積=0.872(95%CI0.821～0.923),基于SMOTE算法改進(jìn)數(shù)據(jù)集的預(yù)警模型P2的ROC曲線下面積=0.847(95%CI0.816～0.879),可見基于SMOTE過抽樣算法擴(kuò)充樣本達(dá)到平衡后,預(yù)測(cè)模型的效能與原樣本模型的效能并無差異,兩組AUC均超過0.75,預(yù)測(cè)模型的效能較高。

綜上所述,基于吸煙史、高脂血癥、糖尿病、CRP、支架長度過抽樣算法建立的預(yù)警模型具有較高的預(yù)測(cè)性,醫(yī)護(hù)人員可以根據(jù)該模型在早期進(jìn)行有效的防范與干預(yù),進(jìn)而減少腦血管疾病患者介入治療后發(fā)生再狹窄的風(fēng)險(xiǎn),改善患者預(yù)后,提高患者生存質(zhì)量。