在中风风险分层中使用 carotid web血管架构

科学领域:

• 血管神经学 血管神经学
• 医疗成像医学成像
• 生物医学工程 生物医学工程

背景情况:

• 頸動脈網 (CWs) 是頸動脈的先天性異常.
• 对CW的风险分层是至关重要的,特别是在偶然发现的无症状病例中.
• 以前的研究表明,几何参数可以预测CW相关的中风风险.

研究的目的:

• 为了验证之前描述的状动脉网 (CW) 风险分层评估.
• 为了评估特定的几何CW角度和中风风险在一个更大的患者队列之间的关联.
• 评估CW几何学在对症状和无症状CW分层风险的有用性.

主要方法:

• 对被诊断患有CW的患者电子病历的回顾性分析 (2017-2024年).
• 包括有症状和无症状 (偶然发现) 的CW患者.
• 测量CW角度 (CCA-网袋,CCA-袋头,ICA-网袋,ICA-袋头) 使用CT血管图的斜腰重建.
• 包括后勤回归在内的统计分析,以将角度与中风状态相关联.

主要成果:

• 分析了52名患者 (26名有症状,26名无症状).
• 所有测量的角参数都显示出与中风状态的统计学上显著关联.
• 在CCA-网络-袋的角度有最强的关联 (p=2.07×10−4).
• 每个高风险角度都增加了中风的几率9.47倍 (p<0.0001).
• 脑卒中的概率从6.3% (没有高风险角度) 增加到85.9% (两个高风险角度).
• 该模型实现了高灵敏度 (84.6%) 和特异性 (88.5%),F1得分为0.863.

结论:

• 几何参数有效地分层动脉网 (CW) 风险.
• 经过验证的评估可以识别高风险的CW,包括偶然发现的CW.
• 使用CW几何参数可以改善患者对干预的选择.