在密码性中风患者中对心房心脏病的多参数评估:对个性化临床管理的影响

科学领域:

• 心脏病学 心脏病学
• 神经学 神经学
• 医学诊断 医学诊断 医学诊断

背景情况:

• 密码性中风 (CS) 有异质的原因,心房心脏病变 (AC) 越来越被认为是一个重要的因素.
• 目前缺乏用于早期和准确识别CS患者的AC诊断工具.
• 心房心脏病是中风和心房动 (AF) 的关键基质.

研究的目的:

• 开发和验证一种诊断模型,用于识别密码性中风 (CS) 患者的心房心脏病变 (AC).
• 用生物标志物区分中风的心血管和非心血管病因.
• 评估多参数模型在指导个性化患者管理方面的临床实用性.

主要方法:

• 一项前性研究,涉及由于AF (CES-AF),非心血管血栓性中风 (NCES) 和CS引起的心血管血栓性中风的患者.
• 通过斑点追踪心电回声和血清AC标志物评估左心房应变 (LAS).
• 使用ROC分析开发后勤回归模型,以预测CS患者的AC概率.

主要成果:

• 在收缩期间NT-proBNP水平 (≥469 pg/mL) 和双平面LAS (LASct) (≥-10.2%) 的组合显示了AC检测的高精度 (AUC=0.995).
• 大约30%的CS患者表现出预测的AC概率>0.5.5.
• 预测高AC概率的CS患者年龄较大,中风更严重,随访期间AF发病率更高.

结论:

• 结合的NT-proBNP和双平面LASct模型为AC提供了高度敏感和特定的生物标志物.
• 这种多参数方法使得CS患者的个性化AC概率估计成为可能.
• 该模型显示了在区分中风病因和为个性化临床策略提供信息方面潜在的实用性.