老年非瓣膜性房顫患者缺血性腦卒中相關危險因素分析及風險評估方法的構建

摘要：目的" 探討老年非瓣膜性房顫患者缺血性腦卒中發病的相關危險因素，構建出其風險評估模型。方法" 收集2020年1月-2021年12月在某三級甲等醫院體檢科完成健康體檢的老年非瓣膜性房顫患者304例。根據是否合并缺血性卒中分為非缺血性卒中組和缺血性卒中組。使用《腦卒中高危人群風險初篩評估簡表》收集研究對象的基本情況并對缺血性卒中相關危險因素進行調查，同時完成相關體格檢查。采用Logistic回歸分析老年非瓣模性房顫患者發生缺血性卒中的獨立危險因素，基于哈佛癌癥風險指數法構建風險評估模型。隨機選取本研究中的150例體檢人群對模型的預測效果進行驗證。結果" 共納入研究對象304例，老年非瓣膜性房顫合并缺血性卒中體檢者151例（49.67%），老年非瓣膜性房顫組153例（50.33%）。收縮壓[OR=1.10（1.10～2.78）]、腰圍[OR=2.87（1.40～5.87）]、血糖[OR=1.94（0.72～3.27）]、血小板[OR=2.04（0.71～5.82）]、BMI[OR=4.42（2.30～9.49）]、CVHI[OR=3.38（1.696～5.965）]、腦卒中家族病史[OR=1.891（0.37～2.15）]是老年非瓣膜性房顫患者發生缺血性卒中的獨立危險因素?；谝陨?個危險因素采用哈弗癌癥風險指數法構建風險評估模型的ROC曲線下面積為0.804，95%CI為0.810（0.755～0.852）；比值X為1.25時可定義為該評估模型對于缺血性卒中是否發病的最佳陽性臨界值。該點對應的靈敏度0.742，特異度為0.637。結論" 收縮壓、腰圍、血糖、血小板、體重指數、腦血管功能積分、腦卒中家族病史為老年非瓣膜性房顫患者缺血性卒中獨立危險因素。本研究中構建的風險評估方法預測效果良好，可為缺血性卒中高危人群的篩查及干預措施的制定提供相關依據和指導。

關鍵詞：老年；非瓣膜性房顫；缺血性腦卒中；風險評估模型

中圖分類號：R743.3；R541.75" " " " " " " " " " " " " " "文獻標識碼：A" " " " " " " " " " " " "DOI：10.3969/j.issn.1006-1959.2023.14.015

文章編號：1006-1959（2023）14-0081-06

Analysis of Risk Factors Related to Ischemic Stroke and Construction of Risk Assessment Method

in Elderly Patients with Non-valvular Atrial Fibrillation

WANG Wen-hui1，JIN Xiao-fen2，GUO Ya-li3，YU Le-hua1

（1.Department of Neurology，the Second People's Hospital of Hefei，Hefei 230000，Anhui，China;

2.Department of Urology，the First Affiliated Hospital of Anhui Medical University，Hefei 230000，Anhui，China;

3.Department of Cardiology，the First Affiliated Hospital of Xinjiang Medical University，Urumqi 830054，Xinjiang，China）

Abstract：Objective" To explore the risk factors of ischemic stroke in elderly patients with non-valvular atrial fibrillation， and to construct a risk assessment model.Methods" A total of 304 elderly patients with non-valvular atrial fibrillation who completed physical examination in the physical examination department of a tertiary hospital from January 2020 to December 2021 were collected. According to whether they were combined with ischemic stroke， they were divided into non-ischemic stroke group and ischemic stroke group. The basic situation of the subjects was collected by using the \"Risk Screening Assessment Short Form for High-Risk Population of Stroke\"， the risk factors related to ischemic stroke were investigated， and the relevant physical examination was completed. Logistic regression analysis was used to analyze the independent risk factors of ischemic stroke in elderly patients with non-valvular atrial fibrillation， and a risk assessment model was constructed based on the Harvard Cancer Risk Index method. While， 150 cases of physical examination population in this study were randomly selected to verify the prediction effect of the model.Results" A total of 304 subjects were included in the study， including 151 （49.67%） elderly non-valvular atrial fibrillation patients with ischemic stroke and 153 （50.33%） elderly non-valvular atrial fibrillation patients. Systolic blood pressure [OR=1.10（1.10-2.78）]， waist circumference [OR=2.87（1.40-5.87）]， blood glucose [OR=1.94（0.72-3.27）]， platelet [OR=2.04（0.71-5.82）]， BMI [OR=4.42（2.30-9.49）]， CVHI [OR=3.38（1.696-5.965）]， family history of stroke [OR=1.891（0.37-2.15）] were independent risk factors for ischemic stroke in elderly patients with non-valvular atrial fibrillation. Based on the above seven risk factors， the area under the ROC curve of the risk assessment model constructed by the Harvard cancer risk index method was 0.804， and the 95%CI was 0.810（0.755-0.852）. When the ratio X was 1.25， it could be defined as the best positive critical value of the evaluation model for the incidence of ischemic stroke， the sensitivity and specificity of this point were 0.742 and 0.637， respectively.Conclusion" Systolic blood pressure， waist circumference， blood glucose， platelet， body mass index， cerebrovascular function score and family history of stroke are independent risk factors for ischemic stroke in elderly patients with non-valvular atrial fibrillation. The risk assessment method constructed in this study has a good predictive effect， which can provide relevant basis and guidance for the screening of high-risk groups of ischemic stroke and the formulation of intervention measures.

Key words：Elderly;Non-valvular atrial fibrillation;Ischemic stroke;Risk assessment model

非瓣膜型房顫（non-valvular atrial fibrillation，NVAF）是指將瓣膜疾病排除在外或其他原因所致的房顫，主要是以快速、無序心房電活動為特征的室上性快速心律失常[1]。65歲及以上的人群發病稱為老年NVAF。房顫等心血管疾病已確定與腦卒中的發生風險存在著不同程度的關系，并且各個年齡階段對腦卒中均有影響。研究表明[2]，在80～90歲腦卒中患者發病原因中，36%為房顫所致。另有研究表明[3]，在調整了各項其他危險因素后，NVAF患者發生腦卒中的危險比非房顫患者高5～6倍。因此，早期識別出老年NVAF患者發生缺血性腦卒中的高危人群，對于提高房顫患者生活質量、減少腦卒中的發病率有著重要的意義。近年來，雖我國學者已通過各種方法學建立了適合預測我國人群的腦卒中發病風險模型。但專門針對老年NVAF患者發生缺血性腦卒中的風險評估模型較少涉及。本研究主要通過病例對照的方法了解老年NVAF患者缺血性腦卒中的相關危險因素，明確其分布特征，旨在為腦卒中高危人群的早發現、早診斷、早治療提供指導。

1資料與方法

1.1一般資料" 選取2020年1月-2021年12月某三級甲等醫院完成健康檢查的304例體檢者。根據隨機數字表法分為病例組和對照組，病例組為NVAF合并缺血性腦卒中組；對照組為單純NVAF組。NVAF合并缺血性腦卒中組151例患者納入標準：①年齡≥65歲；②無明顯溝通障礙的體檢人群；③符合《2020 ECS/EACTS心房顫動診斷和管理指南》[4]中非瓣膜性房顫（NVAF）診斷標準；④符合《中國急性缺血性腦卒中診治指南2018》[5]缺血性腦卒中診斷標準。單純NVAF組153例患者納入標準：①符合《2020 ECS/EACTS心房顫動診斷和管理指南》[4]中NVAF診斷標準；②詢問病史明確無缺血性卒中發生者。排除標準：①人口學資料、臨床信息及實驗室數據不全者；②有明確診斷的慢性腎病、惡性腫瘤、傳染性疾病或精神性疾病者。本研究已通過合肥市第二人民醫院醫學倫理委員會批準，研究對象知情同意并簽署同意書。

1.2方法

1.2.1調查方法" 由經培訓合格后的研究人員收集本次調查對象的姓名、性別、年齡、職業、相關病史等基本資料。采用統一校對的設備測量血壓（BP）、腰圍（WC）身高、體重、并計算BMI，收集實驗室檢查結果。BMI的計算為BMI=體重（kg）/身高2（cm）。

1.2.2檢驗方法及儀器設備" 研究對象均要求禁食10 h以上，于上午8∶30～10∶00采取靜脈血，使用日立7600-020全自動生化分析儀測定空腹血糖（FBG）、淋巴細胞計數（LYM）、單核細胞計數（MONO）、總膽固醇（TC）、紅細胞計數（RBC）、血紅蛋白（HB）、尿素（UREA）、肌酐（Cr）高密度脂蛋白膽固醇（HDC）、低密度脂蛋白膽固醇（LDL）、甘油三脂（TG）、血小板（PLT）等生化指標。

1.2.3腦血流動力學檢查" 由體檢科檢驗醫師通過腦血管功能檢測儀（GT-300型）檢測個體腦血流動力學積分（CVHI）。檢查時體檢者仰面平躺于床上，使其頸部充分暴露。檢測結果主要包括10對相關指標及經計算過的總腦血管功能積分值[6]。

1.2.4變量的計算與分層" ①BMI：根據BMI水平將體重指數分為兩組，正常組BMI＜23.9 kg/m2，正差組BMI＞23.9 kg/m2[7]；②CVHI：最佳截斷點為75分，低于75分定義為腦卒中高危個體[7]。

1.2.5 OR值與RR值換算" 由于病例對照無法得到相對危險度，因此本研究中使用OR值估算RR值，RR=OR/[（1-P0）+（P0×OR）][8]。

1.2.6風險評估模型構建步驟" 基于循證醫學的基礎上，選擇腦卒中相關危險因素及其RR值的大小。使用能夠反映相關危險因素與腦卒中關聯強度的RR值，參照疾病發病風險等級指數危險分數轉換表的評價標準，確定每個風險等級相應的危險分值[9]，見表1。確定各危險因素的人群暴露率：人群暴露率主要來自于全國腦卒中防治報告、全國隊列數據及衛生年鑒等。人群平均風險分數的計算：具體計算公式如下：人群平均風險分數=∑（各危險因素的風險分數×各危險因素暴露率）。個體腦卒中風險分數的評估：根據個體的具體情況，參照表1計算每個危險因素的危險分值。獲取個體的危險分數的方法是將個體相關危險因素的危險分值進行相加。個體腦卒中風險分數與人群平均風險分數的比值：X=個體腦卒中風險分數/人群平均風險分數。等級風險水平的確定：根據步驟6中X值的大小，對個體腦卒中發病的危險水平進行等級的劃分，見表2。

1.3統計學處理" 采用SPSS 25.0統計軟件進行本研究的統計學分析，Kolmogorov Smirnov進行正態性檢驗。對于符合正態分布的計量資料以（x±s）描述，多組間比較采用方差分析，兩組間比較采用獨立樣本t檢驗；計數資料以頻數（%）描述，組間比較采用？字2檢驗；以單因素分析差異有統計學意義的變量為自變量，擬合多因素非條件Logistic回歸分析。老年NVAF患者缺血性腦卒中風險評估方法的構建使用哈佛癌癥風險指數法， 同時隨機抽取的150例老年NVAF患者納入到本研究中所建立的風險評估模型中，同時計算出每位患者的比值X，并應用ROC曲線來驗證患者發生缺血性卒中的擬合效果。以P＜0.05為差異有統計學意義。

2結果

2.1一般資料" 本研究中共納入研究對象304例，其中男207例（68.09%），女97例（31.91%）；平均年齡為（66.32±12.65）歲；NVAF伴缺血性卒中組151例（49.67%），NVAF組153例（50.33%）；吸煙、久坐、卒中家族病史在NVAF伴缺血性卒中組中異常率更高，且NVAF伴缺血性卒中SBP、DBP、WC、FBG、LYM、MONO、PLT、TC、HDC、BMI、CVHI值均高于單純非瓣膜性房顫組，差異有統計學意義（P＜0.05），見表3。

2.2多因素Logistic回歸分析" 根據上述單因素分析的結果，以老年NVAF患者是否發生缺血性卒中為因變量，將單因素分析中統計學有意義的指標為自變量進行Logistic逐步回歸分析，結果顯示SBP、WC、FBG、BMI、PLT、CVHI、卒中家族病史均為老年NVAF患者發生缺血性卒中獨立危險因素（P＜0.05），見表4。

2.3老年NVAF伴缺血性卒中風險評估模型的建立" 根據哈佛癌癥風險評估模型的構建步驟，經過確定危險因素、計算危險分數、得出本研究中老年NVAF伴缺血性卒中平均風險分數為27.97分。繼而計算出每個個體總的危險分值，得出老年NVAF患者缺血性卒中風險分數與人群缺血性卒中平均危險分數比值X。最后得到老年NVAF患者發病的危險水平。

2.4 實例分析" 根據已建立的老年NVAF患者缺血性卒中風險評估模型進行預測。以1例老年NVAF患者患缺血性腦卒中風險預測過程為例?；颊咴\斷房顫2年，BP為155/65 mmHg（5分）、CVHI積分為24.5（25）分、FBG為5.3 mmol/L（0）分、PLT為256（0）分、BMI為25.2（25）分、WC為90 cm（10分）、母親患有腦卒中（10）分。根據本研究中構建的風險評估模型，該患者缺血性卒中風險得分與人群平均分值的比值X為2.68。根據表2危險等級劃分標準，該老年NVAF患者發生缺血性腦卒中存在較高風險。

2.5老年NVAF患者缺血性卒中風險評估模型驗證" 結果顯示該風險評估模型的AUC為0.804，95%CI為0.810（0.755～0.852）。當比值X為1.25時可定義為其對于缺血性卒中是否發病的最佳陽性臨界值。其對應的靈敏度為0.742，特異度為0.637。

3討論

老年NVAF患者缺血性卒中風險評估方法的構建，對于個體卒中危險評估和預防策略的提出具有重要的意義。房顫的發生與年齡緊密相關，我國一項全國性的調查顯示，房顫的患病率分別從45～54歲年齡組的0.8%和0.6%增加到75歲以上年齡組的5.4%和4.9%[10]。目前關于NVAF患者缺血性卒中風險評估模型的構建相對比較成熟[11，12]，但目前對于模型并未做到危險分層，同時僅針對老年患者的風險評估方法涉及較少。本研究通過多因素Logistic回歸篩選出與老年NVAF患者缺血性卒中發生相關的危險因素?；赟BP、WC、FBG、PLT、BMI、CVHI、腦卒中家族病史，采用哈佛癌癥風險指數法建立了老年NVAF患者缺血性卒中風險評估方法。

高血壓作為房顫、腦血管事件發病可控的危險因素之一，已成為心腦血管疾病干預的重要靶點。研究顯示[13]，有效的控制血壓可降低缺血性腦卒中發病率的50%。Vemulapalli S等[14]研究顯示，收縮壓每增高10 mmHg，其卒中的發生或全身性栓塞發生的風險比將增加1.07，95%CI（1.02～1.13），主要可能由于長期的高血壓，易使腦部小動脈硬化，血管管腔逐漸狹窄，當狹窄和閉塞到一定程度時，可使腦組織發生缺血缺氧從而發生腦血管疾病。肥胖是個體能改變的危險因素之一，WC和BMI是評價肥胖水平最常用的指標。房顫隨著BMI的升高而升高[9，15]，房顫伴肥胖患者卒中與全身栓塞發生率高于正常體重者[16]。因此將BP、WC及BMI控制在正常范圍內是預防老年NVAF患者發生缺血性卒中的重要途徑之一。

同時本研究表明FBG、PLT、CVHI及腦卒中家族病史等均為老年NVAF患者發生缺血性卒中的重要影響因素。FBG水平可作為房顫患者發病的重要預測指標[17]。研究顯示[18]，在2101例糖尿病伴房顫患者中，結糖尿病年限＞3年者比0～3年者既往更有可能診斷出缺血性卒中或外周動脈性疾病，主要可能是由于高水平的FBG可引起心房結構重塑、電結構重塑以及自主神經張力的改變等。血小板在出血過程中發揮著非常重要的作用，過高或過低與出血和血栓的產生緊密相關。研究表明[19]，高水平的血小板伴房顫患者缺血性卒中或出血性卒中發病率高于正常血小板組及低血小板伴房顫患者組。證明高水平的血小板是非瓣膜性房顫缺血性卒中重要的預測因素。CVHI是近年評估腦卒中的重要指標之一，目前已被廣泛應用于臨床及其他各種風險評估模型中[20]。王艷等[21]研究表明，CVHI與腦卒中發病緊密相關，可作為腦卒中的獨立預測因素。同時具有容易獲取與應用廣泛的優勢，因此本研究將CVHI添加到本次風險預測模型中，增加其預測價值。腦卒中家族病史是腦卒中發病難以干預的危險因素之一。腦卒中的發生具有廣泛的遺傳范式，國外研究表明缺血性卒中與房顫相關的遺傳變異也存在相關性。Lubitz SA等[22]使用選取2374例卒中患者與5175例無卒中病史患者，采用病例對照法進行了房顫遺傳風險與卒中之間的關聯研究，結果顯示房顫基因與心源性卒中存在相關性。因此腦卒中發病風險增加。

哈佛癌癥風險指數是一種能簡易計算疾病風險的一種方法。此風險評估方法是可基于Logistic回歸基礎進行構建，同時它能夠精準、高效的識別出老年NVAF患者發生缺血性卒中的主要危險因素及所個體所位于的風險等級，具有較強推廣價值。本研究基于老年NVAF患者發生缺血性腦卒中的主要危險因素，并構建出其風險評估模型，可達到快速、高效、個體化預測的目的，為該病提供了一套實用性的風險評估工具。

確定上述獨立危險因素及建模方法后，構建了NVAF患者缺血性卒中個體化的風險評估模型。經過內部驗證，本模型AUC為0.804，95%CI為0.810（0.755～0.852）。當比值X為1.25時可定義為其對于缺血性卒中是否發病的最佳陽性臨界值，其對應的靈敏度為0.742，特異度為0.637，提示本模型預測效果良好。同時，此模型中涉及的危險因素疾病史等可通過直接問診的方式獲得，BMI、CVHI等體格檢查指標及生化指標檢測技術成熟，且具有檢測費用低、痛苦少、依從性高，易于推廣的特點。

此外，本研究的研究對象均來自某個三級甲等醫院單中心回顧性病例，結果可能會存在一定偏倚。模型內部驗證中研究對象選擇方法采取的是整群重復樣本抽樣，因此模型外部的有效性可能會存在一定的局限性。但本研究模型中所納入的研究指標獲取方便、費用低廉，具有較強的臨床實用性。在未來的研究中還需更多關注于老年NVAF患者缺血性卒中相關危險因素的大型隊列研究，將更高質量的危險因素納入模型，增加其可靠性。

參考文獻：

[1]January CT，Wann LS，Calkins H，et al.2019 AHA/ACC/HRS focused update of the 2014 AHA/ACC/HRS guideline for the management of patients with atrial fibrillation： A Report of the American College of Cardiology/American Heart Association Task Force on Clinical Practice Guidelines and" the Heart Rhythm Society[J].Heart Rhythm，2019，16（8）：e66-e93.

[2]Oz O，Tasdemir S，Akgun H，et al.Decreased cerebral vasomotor reactivity in patients with obstructive sleep apnea" syndrome[J].Sleep Med，2017，30：88-92.

[3]Boursier-Bossy V，Zuber M，Emmerich J.Ischemic stroke and non-valvular atrial fibrillation： When to introduce" anticoagulant therapy？[J].J Med Vasc，2020，45（2）：72-80.

[4]譚琛.《2020ECS/EACTS心房顫動診斷和管理指南》解讀[J].中國循證心血管醫學雜志，2021，13（2）：129-132.

[5]中華醫學會神經病學分會，中華醫學會神經病學分會腦血管病學組.中國急性缺血性腦卒中診治指南2018[J].中華神經科雜志，2018，51（9）：666-682.

[6]黃久儀，郭吉平，曹奕豐，等.腦血管功能積分預測10年首發腦卒中風險方法的建立[J].中華神經科雜志，2021，54（5）：434-440.

[7]中華人民共和國衛生部疾病控制司.中國成人超重和肥胖癥預防控制指南[M].北京：人民衛生出版社，2006.

[8]Zhang J，Yu KF.What's the relative risk？ A method of correcting the odds ratio in cohort studies of common outcomes[J].JAMA，1998，280（19）：1690-1691.

[9]Pouwels S，Topal B，Knook MT，et al.Interaction of obesity and atrial fibrillation： an overview of pathophysiology and clinical management[J].Expert Rev Cardiovasc Ther，2019，17（3）：209-223.

[10]Du X，Guo L，Xia S，et al.Atrial fibrillation prevalence， awareness and management in a nationwide survey of" adults in China[J].Heart，2021，107（7）：535-541.

[11]Claxton JS，MacLehose RF，Lutsey PL，et al.A new model to predict ischemic stroke in patients with atrial fibrillation using" warfarin or direct oral anticoagulants[J].Heart Rhythm，2019，16（6）：820-826.

[12]羅立，黃素蘭，代彤宇，等.非瓣膜性心房顫動患者發生缺血性腦卒中風險列線圖預測模型的構建和評價[J].心肺血管病雜志，2021，40（4）：309-314.

[13]Tomiyama H，Ohkuma T，Ninomiya T，et al.Simultaneously Measured Interarm Blood Pressure Difference and Stroke： An Individual Participants Data Meta-Analysis[J].Hypertension，2018，71（6）：1030-1038.

[14]Vemulapalli S，Hellkamp AS，Jones WS，et al.Blood pressure control and stroke or bleeding risk in anticoagulated patients" with atrial fibrillation： Results from the ROCKET AF Trial[J].Am Heart J，2016，178：74-84.

[15]Lavie CJ，Pandey A，Lau DH，et al.Obesity and Atrial Fibrillation Prevalence， Pathogenesis， and Prognosis： Effects of" Weight Loss and Exercise[J].J Am Coll Cardiol，2017，70（16）：2022-2035.

[16]Chaudhary D，Khan A，Gupta M，et al.Obesity and mortality after the first ischemic stroke： Is obesity paradox real？[J].PLoS One，2021，16（2）：e246877.

[17]Qi W，Zhang N，Korantzopoulos P，et al.Serum glycated hemoglobin level as a predictor of atrial fibrillation： A systematic review with meta-analysis and meta-regression[J].PLoS One，2017，12（3）：e170955.

[18]Ashburner JM，Go AS，Chang Y，et al.Effect of Diabetes and Glycemic Control on Ischemic Stroke Risk in AF Patients： ATRIA Study[J].J Am Coll Cardiol，2016，67（3）：239-247.

[19]Michowitz Y，Klempfner R，Shlomo N，et al.Thrombocytopenia and thrombocytosis are associated with different outcome in atrial" fibrillation patients on anticoagulant therapy[J].PLoS One，2019，14（11）：e224709.

[20]惠新晨，郭雯，朱晨，等.腦血流動力學指標與改良FSP量表預測體檢人群卒中風險的初步比較[J].中華健康管理學雜志，2020，14（6）：527-530.

[21]王艷，黃久儀，陳慶華，等.左心室肥厚與腦血流動力學變化及腦卒中發病風險的關系[J].中華老年心腦血管病雜志，2017，19（12）：1295-1298.

[22]Lubitz SA，Parsons OE，Anderson CD，et al.Atrial Fibrillation Genetic Risk and Ischemic Stroke Mechanisms[J].Stroke，2017，48（6）：1451-1456.

收稿日期：2022-07-12；修回日期：2022-09-14

編輯/肖婷婷

基金項目：1.合肥市二院院級基金項目（編號：2021ygkt48）；2.蚌埠醫學院自然科學類項目（編號：2020byzd321）

作者簡介：王文慧（1991.6-），女，安徽合肥人，碩士，護師，主要從事神經內科護理學研究

通訊作者：余樂華（1983.6-），女，安徽合肥人，本科，主管護師，主要從事內科護理學管理研究