《Frontiers in Neurology》：A nomogram integrating hemodynamic and inflammatory markers to predict early neurological deterioration after tenecteplase in branch atheromatous disease: an early in-hospital risk stratification model
编辑推荐：
目的：研究人员旨在调查接受静脉替奈普酶溶栓的分支动脉粥样硬化病（BAD）患者早期神经功能恶化（END）的危险因素，并构建一个预测列线图模型。方法：研究人员从安徽第二人民医院（训练集，n=193）和亳州市人民医院（外部验证集，n=265）回顾性收集了2021年9
目的：研究人员旨在调查接受静脉替奈普酶溶栓的分支动脉粥样硬化病（BAD）患者早期神经功能恶化（END）的危险因素，并构建一个预测列线图模型。方法：研究人员从安徽第二人民医院（训练集，n=193）和亳州市人民医院（外部验证集，n=265）回顾性收集了2021年9月至2025年10月期间接受静脉替奈普酶溶栓的BAD患者的临床数据。END定义为美国国立卫生研究院卒中量表（NIHSS）运动项目评分增加≥1分或总分增加≥2分（发病后72小时内）。采用最小绝对收缩和选择算子（LASSO）回归和多变量逻辑回归识别相关因素并构建列线图。模型性能通过受试者工作特征曲线、校准曲线和临床影响曲线评估。使用500次Bootstrap重抽样进行乐观校正，并通过外部验证集验证模型泛化性。结果：LASSO回归识别出四个预测因子：24小时收缩压变异系数（CV-24hSBP）、空腹血糖（FBG）、全身炎症反应指数（SIRI）和血尿素氮与白蛋白比值（BAR）。多变量逻辑回归显示，CV-24hSBP（OR=2.704，95% CI：1.471–4.967，p=0.001）、FBG（OR=1.253，95% CI：1.016–1.547，p=0.034）、SIRI（OR=3.140，95% CI：1.584–6.223，p<0.001）和BAR（OR=1.480，95% CI：1.207–1.815，p<0.001）是与END相关的独立因素。训练集中模型的表观AUC为0.850（95% CI：0.796–0.904）；经Bootstrap乐观校正后，校正AUC为0.837（95% CI：0.780–0.889）。外部验证集的AUC为0.824（95% CI：0.778–0.879）。校准曲线和临床影响曲线表明模型具有良好的校准度和临床实用性。结论：基于CV-24hSBP、FBG、SIRI和BAR的列线图模型对接受静脉替奈普酶溶栓的BAD患者END具有良好的预测性能和泛化性。由于CV-24hSBP需要溶栓后24小时连续血压监测，该模型不适用于溶栓前或超早期预测，但可作为院内早期风险分层工具，识别高风险患者并指导个体化干预。
**论文解读：整合血流动力学和炎症标志物的列线图预测分支动脉粥样硬化病替奈普酶治疗后早期神经功能恶化**
**研究背景与目的**
分支动脉粥样硬化病（BAD）是亚洲人群急性缺血性卒中的常见类型，约占所有病例的10%~15%。BAD患者常表现为腔隙性预警综合征或桥脑预警综合征，临床症状易进展恶化。尽管静脉溶栓（如替奈普酶）已广泛用于低NIHSS评分患者，但BAD患者溶栓后早期神经功能恶化（END）的发生率仍高达37%~46.7%，且溶栓能否降低END风险存在争议。因此，早期识别END高风险患者并进行个体化干预具有重要临床意义。该研究旨在探索接受静脉替奈普酶溶栓的BAD患者发生END的危险因素，并构建一个预测列线图模型，为临床提供科学依据。论文发表在《Frontiers in Neurology》。
**研究方法与结论**
研究人员回顾性收集了2021年9月至2025年10月期间安徽第二人民医院（训练集，n=193）和亳州市人民医院（外部验证集，n=265）的BAD患者临床资料。通过LASSO回归和多变量逻辑回归筛选独立预测因子，构建列线图，并采用ROC曲线、校准曲线、临床影响曲线及500次Bootstrap重抽样进行内部验证和外部验证。结论：基于24小时收缩压变异系数（CV-24hSBP）、空腹血糖（FBG）、全身炎症反应指数（SIRI）和血尿素氮与白蛋白比值（BAR）的列线图模型具有良好预测性能（训练集表观AUC=0.850，校正AUC=0.837；外部验证集AUC=0.824），可作为院内早期风险分层工具，指导高风险患者的个体化干预。
**主要关键技术方法**
- 样本队列来源：安徽第二人民医院（训练集，n=193）和亳州市人民医院（外部验证集，n=265），均接受静脉替奈普酶溶栓的BAD患者。
- 变量筛选：采用LASSO回归（10折交叉验证）从众多潜在变量中选出最精简特征子集。
- 模型构建：多变量逻辑回归建立预测方程，并绘制列线图。
- 模型评估：ROC曲线评估区分度，Hosmer-Lemeshow检验和校准曲线评估校准度，临床影响曲线评估临床实用性；通过500次Bootstrap重抽样进行乐观校正，并利用外部验证集进行固定系数法验证。
**研究结果**
**3.1 训练集与外部验证集基线特征比较**
训练集与外部验证集在年龄、发病到溶栓时间（ONT）和入院到溶栓时间（DNT）上存在显著差异（p<0.05），但其他基线变量（如性别、既往病史、责任动脉、基线NIHSS评分、血压参数、实验室指标等）均无显著差异，表明两组具有良好的可比性，支持外部验证。
**3.2 训练集中END组与非END组人口学、临床和实验室数据比较**
END组（n=57）与非END组（n=136）相比，24小时平均收缩压、CV-24hSBP、FBG、SIRI和BAR均显著升高（p<0.05），而其他变量（如年龄、性别、BMI、病史、ONT、DNT、NIHSS评分、DWI时间等）无显著差异。
**3.3 LASSO回归变量选择**
以END为因变量进行LASSO回归，通过交叉验证选择最优惩罚系数λ.1se，筛选出四个非零系数变量：CV-24hSBP、FBG、SIRI和BAR，作为最优特征子集。
**3.4 与END相关的因素分析及列线图构建**
多变量逻辑回归显示，CV-24hSBP（OR=2.704，95% CI：1.471–4.967，p=0.001）、FBG（OR=1.253，95% CI：1.016–1.547，p=0.034）、SIRI（OR=3.140，95% CI：1.584–6.223，p<0.001）和BAR（OR=1.480，95% CI：1.207–1.815，p<0.001）均为END的独立影响因素。其中SIRI风险最高（OR>3），其次为CV-24hSBP（OR>2），FBG和BAR风险较低（OR<2）。基于此构建列线图，每个预测因子分配分值，总分对应END预测概率。
**3.5 模型区分度、校准度和临床实用性评估**
训练集ROC曲线显示表观AUC=0.850（95% CI：0.796–0.904），Youden指数0.567，灵敏度0.912，特异度0.654；经500次Bootstrap乐观校正后，校正AUC=0.837（95% CI：0.780–0.889），表明过拟合程度低。外部验证集AUC=0.824（95% CI：0.778–0.879），泛化性良好。Hosmer-Lemeshow检验p=0.581，校准曲线显示预测概率与观察风险高度一致（训练集校正后截距0.060，斜率0.853，R2=0.955；外部验证集截距0.0308，斜率0.9162，R2=0.9721）。临床影响曲线表明，在阈值0.5时，预测高风险患者数与实际END病例数接近，模型具有良好的临床实用性。
**讨论与结论**
讨论部分指出，END的病因是多因素的，联合多因素可提高预测准确性。该研究发现CV-24hSBP与END显著相关，提示血流动力学波动在BAD进展中起重要作用；FBG升高反映应激性高血糖，与END风险增加相关；SIRI作为复合炎症指标，其预测能力优于单一指标，与不良预后显著相关；BAR整合肾功能、炎症、营养和内皮功能，与脑小血管病及卒中死亡率相关。该模型较以往预测模型优势在于：纳入血流动力学指标（CV-24hSBP而非单次血压）和炎症-营养复合指标（SIRI和BAR），提高了对BAD患者的特异性。但仅使用单次基线SIRI和BAR测量，未能捕捉动态变化，未来可探究多时间点监测。
**结论**：基于四个独立预测因子（CV-24hSBP、FBG、SIRI、BAR）成功构建并验证了预测BAD患者接受静脉替奈普酶溶栓后早期神经功能恶化（END）的列线图模型。该模型在训练集中表现出良好的区分度（表观AUC=0.850，乐观校正AUC=0.837）和校准度（Hosmer-Lemeshow检验p=0.581），并在外部验证集中初步验证（AUC=0.824）。由于CV-24hSBP需要溶栓后24小时连续血压监测，该模型不适用于溶栓前或超早期预测，但可作为院内早期风险分层工具。未来需前瞻性多中心研究进一步验证模型泛化性，并探索缩短监测窗口（如6或12小时）以实现更早的风险预测。
