建立和验证基于CTA的形态预测模型,以评估B型剖析的发生率

科学领域:

• 心血管成像和辐射学
• 医疗信息学和预测建模

背景情况:

• 乙型大动脉剖析 (TBAD) 经常出现严重的症状,需要及时干预的早期风险识别.
• 预测TBAD风险对于预防严重疾病和致命结果至关重要,使积极的预防和治疗策略成为可能.
• 大动脉形态分析为识别患有TBAD高风险的个体提供了潜在的途径.

研究的目的:

• 开发和验证B型大动脉剖析 (TBAD) 风险的预测模型.
• 确定与TBAD相关的主要人口,临床和几何特征.
• 为早期识别高风险个体建立一个临床工具.

主要方法:

• 使用173名急性斯坦福结核病患者和534名健康对照者的数据开发了一个预测模型.
• 大动脉的几何和解剖特征是从3D重建中提取的.
• 使用LASSO回归和多变量逻辑回归来选择特征并生成内部验证的预测模型.

主要成果:

• 最终的模型包括12个特征:年龄,大动脉门角度,胸前大动脉总距离,上升大动脉扭曲,大动脉门扭曲,远程下降大动脉扭曲,III型门 (保护因素) 和男性性别,高血压,大动脉门高度,大动脉门距离 (危险因素).
• 该模型在导出 (AUC,0.917) 和验证 (AUC,0.909) 两种集合中都显示出强烈的区别,并进行了良好的校准.
• 成功建立了用于预测TBAD的临床使用的诺米克图.

结论:

• 结合大动脉形态和临床数据的多变量后勤回归模型可以有效预测B型大动脉剖析 (TBAD).
• 开发的模型和名图为TBAD早期风险分层和管理提供了有价值的工具.