缺血性脑卒中患者阿司匹林抵抗风险预测模型的构建与临床验证

本研究针对缺血性脑卒中(IS)患者阿司匹林抵抗(AR)的临床难题，通过回顾性分析285例患者数据，构建了包含性别(女性)、年龄(≥60岁)、吸烟、糖尿病(DM)、高脂血症(HLP)、血小板计数(PLT)>350×109 /L和糖化血红蛋白(HbA1c)>6.5%等7项独立风险因素的预测模型。ROC曲线下面积(AUC)达0.834，Hosmer-Lemeshow检验证实模型拟合良好(P=0.267)，为早期识别高危患者提供了可靠工具。

　　

在脑血管疾病防治领域，缺血性脑卒中(IS)占所有卒中病例的60-82%，而阿司匹林作为经济有效的抗血小板药物，其临床响应率却存在显著个体差异——约40%患者会出现阿司匹林抵抗(AR)，导致血栓事件复发风险增加3倍。这种"治疗失效"现象因机制不明且缺乏早期预警手段，成为临床实践中的重大挑战。

为破解这一难题，北华大学附属医院的研究团队开展了一项创新性研究。通过回顾性收集2021-2023年间285例IS患者的临床数据，采用逻辑回归和机器学习技术，首次构建了具有临床实用价值的AR风险预测模型。这项发表在《BMC Neurology》的研究，为个体化抗血小板治疗提供了重要决策依据。

研究采用三项关键技术：1)基于血栓弹力图(TEG)和花生四烯酸(AA)诱导血小板聚集率>30%的AR诊断标准；2)7:3随机分组的训练集-验证集设计；3)结合β×4系数加权和基线评分两种模型优化方法。所有数据均来自医院电子病历系统，经双人核查确保质量。

风险因素筛选
通过单因素分析发现，性别(X²
=6.687)、年龄(X²
=7.859)、吸烟(X²
=12.243)等11个因素与AR显著相关(P<0.05)。多因素逻辑回归最终确定7个独立预测因子，其中PLT>350×10⁹
/L的OR值高达8.319(95%CI:2.004-34.539)，女性性别OR值为4.352。

模型验证
训练组AUC达0.834(95%CI:0.772-0.896)，验证组AUC为0.819，显示优异判别效能。Hosmer-Lemeshow检验(X²
=9.979,P=0.267)证实模型校准良好。

评分系统比较
基线评分×分级法PPV达86.1%，但漏诊48例；β×4系数法则将漏诊降至39例，NPV提升至83.4%。最终采用β×4系数法建立三级风险分层：无风险(0-3分)、低风险(4-15分)、高风险(16-36分)。

讨论与意义
该研究首次系统揭示了AR的性别差异机制——女性患者风险较男性高4.35倍，可能与COX-1(环氧化酶-1)抑制效率差异有关。对于PLT>350×10⁹
/L患者，模型预警价值尤为突出，这类人群AR风险增加8倍以上。临床转化方面，该模型可实现：1)对高风险患者提前换用氯吡格雷等替代药物；2)指导HbA1c>6.5%的糖尿病患者强化血糖控制；3)优化抗血小板治疗方案选择。

研究存在单中心回顾性设计的局限性，未来需开展多中心前瞻性验证。但作为首个针对IS患者AR风险的预测工具，其创新性在于整合了实验室指标(PLT、HbA1c)与临床特征，突破了传统模型依赖主观因素的局限。这项成果为精准医疗时代下的卒中二级预防提供了重要技术支撑。