卒中后认知障碍的预测模型构建及临床意义：一项基于792例患者的回顾性研究

本研究针对卒中后认知障碍(PSCI)的高发病率(55.18%)，通过回顾性分析792例首发卒中患者数据，构建了包含年龄、BMI、病灶位置等13项指标的预测模型。研究人员采用LASSO回归筛选变量，建立列线图模型(AUC=0.925)，发现年龄≥60岁(OR=6.806)、基底节/额颞顶叶病灶(OR=6.04-6.20)为关键风险因素，而高中以上学历(OR=0.17)和下肢肌力保留(OR=0.83)具有保护作用，为PSCI早期干预提供了循证依据。

　　

卒中已成为全球第二大死亡原因，随着人口老龄化加剧，约半数卒中患者会发展为卒中后认知障碍(PSCI)，这种并发症不仅严重影响患者康复进程和生活质量，更使死亡率显著升高。然而，PSCI的发生发展涉及年龄、病灶位置、共病状态等多因素交互作用，现有研究存在样本量小、影响因素覆盖不全等局限。为此，江南大学附属精神卫生中心联合无锡市康复医院的研究团队开展了一项大规模回顾性研究，成果发表在《Scientific Reports》上。

研究团队收集了2020-2022年间792例首发卒中患者的临床数据，通过单因素分析、LASSO回归和多元logistic回归等方法系统评估了26项潜在影响因素。关键技术包括：1)采用简易精神状态检查量表(MMSE)进行认知功能筛查；2)基于美国国立卫生研究院卒中量表(NIHSS)评估神经功能缺损；3)通过血压变异性(SBPV/DBPV)分析血管调节功能；4)利用列线图构建预测模型并通过ROC曲线、校准曲线和决策曲线(DCA)验证效能。

研究结果
PSCI发生率与单因素分析
55.18%的患者出现PSCI，单因素分析显示年龄≥60岁、BMI≥24、基底节/额颞顶叶病灶、白质变性、吸烟史、糖尿病史、秋季发病等因素与PSCI显著相关(p<0.05)。

LASSO回归筛选变量
从26个候选变量中筛选出13个关键指标，包括年龄、教育程度、BMI、特定病灶位置等，最优λ值为0.022，有效避免过拟合。

多因素logistic回归
发现年龄≥60岁使风险增加6.8倍，基底节(OR=6.04)和额颞顶叶病灶(OR=6.20)风险相当，白质变性使风险增加3.18倍。值得注意的是，高中(OR=0.48)和大学学历(OR=0.17)呈现剂量依赖性保护效应，下肢肌力每增加1级风险降低17%。

预测模型验证
列线图模型展现出色区分度(AUC=0.925)，敏感度88.8%，特异度81.7%。校准曲线紧贴理想线，DCA显示良好临床适用性。

结论与意义
该研究首次系统整合了脑血管病变特征(如基底节/额颞顶叶病灶)、代谢因素(BMI、糖尿病)、功能指标(NIHSS评分、下肢肌力)和教育储备等多维度预测因子。特别揭示血压变异性(DBPV)作为新型可调控靶点，每增加1单位风险上升39%。临床实践中，该模型可快速识别高风险患者，针对性地强化血压控制(尤其舒张压波动)、体重管理和下肢康复训练。教育水平保护效应提示认知储备建设的重要性，为社区预防提供新思路。未来需通过前瞻性研究验证模型在异质人群中的普适性，并探索aphasia(失语症)等未评估因素的影响。这项研究为PSCI的精准防控奠定了重要理论基础和实践框架。