在健康体检人群中建立颈动脉硬化及颈动脉斑块的预测模型.docVIP

在健康体检人群中建立颈动脉硬化及颈动脉斑块的预测模型 目录 TOC \o 1-9 \h \z \u 目录 1 正文 1 文1：在健康体检人群中建立颈动脉硬化及颈动脉斑块的预测模型 1 见表1。 4 见表2、3。 4 见表4。 5 见图3-4。 5 文2：健康体检人群中甲状腺结节患病率研究 8 1 资料与方法 8 2 结果 9 3 讨论 9 参考文摘引言： 10 原创性声明（模板） 11 文章致谢（模板） 12 正文 在健康体检人群中建立颈动脉硬化及颈动脉斑块的预测模型 文1：在健康体检人群中建立颈动脉硬化及颈动脉斑块的预测模型 颈动脉硬化与颈动脉斑块形成是常见的血管壁病变，表现为血管壁增厚、硬化及重构，可明显增加心肌梗死、冠心病、缺血性脑卒中的发生风险。研究发现，颈动脉内中膜厚度每增加，卒中与心肌梗死的发生风险均增加10%以上[1]。既往发现的颈动脉斑块及颈动脉硬化的危险因素包括高龄、男性、肥胖、吸烟、高血压、体力活动过少、低密度脂蛋白胆固醇（LDL-C）水平较高等[2，3，4]。目前国内针对颈动脉斑块及硬化的预测模型报道较少，其中多数研究针对高危人群，且样本量相对较小，缺乏内部验证与模型校准度的评价。本研究旨在通过分析较大样本体检人群数据，建立颈动脉斑块与颈动脉硬化的预测模型，并对模型进行内部验证与校准度的评价，探讨其预测效能，现将研究结果报道如下。 1、对象和方法 对象 选取2016年3月至2018年12月于杭州市五云山医院进行体检者8308例，其中男5951例，女2357例；年龄17～96(±）岁。根据是否有颈动脉斑块，将研究对象分为两组：无颈动脉斑块组5899例，有颈动脉斑块组2409例。纳入标准：资料完整并完成了颈动脉彩色多普勒超声检查。排除标准：恶性肿瘤；结缔组织系统疾病；血液系统疾病；自身免疫系统疾病；骨质疏松；严重的肝肾损害；精神障碍患者。本研究获得杭州市五云山医院伦理委员会批准，研究对象在参与研究前均签署知情同意书。 方法 应用美国GELOGIQE9和意大利百胜MyLabClassC彩色多普勒超声诊断仪进行颈动脉内-中膜厚度（intima-mediathickness，IMT）检测，测量部位于颈总动脉壶腹部膨大前～处，以两侧颈动脉IMT最大值作为评价颈动脉粥样硬化程度的指标。根据《超声诊断学》（第3版）诊断标准，颈动脉内膜正常为IMT；颈动脉粥样硬化为颈动脉内膜局限性增厚（≤IMT）；动脉硬化斑块为IMT≥/L，或大于周围正常IMT值至少/50%且凸向管腔的局部结构变化。 (1）一般资料：包括性别、年龄、既往病史（高血压病、2型糖尿病）等内容。（2）生理测量数据：包括体质指数（BMI）、收缩压、舒张压等项目。（3）实验室生化检测数据：包括血红蛋白、丙氨酸氨基转移酶、碱性磷酸酶、γ-谷氨酰转肽酶（GGT）、总胆红素、直接胆红素、间接胆红素、空腹血糖、甘油三酯、血清总胆固醇、尿酸、LDL-C及高密度脂蛋白胆固醇（HDL-C）。（4）动脉超声检测数据：颈动脉内膜中层厚度检测。 、建模与验证 在8308例研究对象中，以是否为颈动脉斑块或颈动脉硬化为结局，将既往文献报道与结局相关的危险因素（男性、高龄、高血压病、高LDL-C、高空腹血糖、高GTT、低胆红素）[2，3，4]，及两组之间存在统计学差异的变量作为自变量纳入预测模型。采用简单随机抽样法，抽取70%的样本作为建模组，利用筛选后的变量对颈动脉斑块或颈动脉硬化预测模型进行建模，将剩余30%的样本作为验证组对预测模型进行验证。 统计学处理 采用统计软件。符合正态分布的计量资料以表示，组间比较采用独立样本t检验；非正态分布的计量资料以M(IQR）表示，组间比较采用Wilcoxon秩和检验。计数资料以百分率表示，组间比较采用χ2检验。以颈动脉斑块或颈动脉硬化为结局，将与结局相关的变量纳入logistic回归模型，采用逐步回归法筛选变量，变量进入与保留在模型的显著性水平界值均为，通过模型筛选出与结局相关的危险因素。采用logistic回归模型，根据筛选出的变量建立预测模型并绘制ROC曲线，评估颈动脉斑块或颈动脉硬化预测模型的诊断效能，在建模组中根据约登指数最大值确定诊断的最佳切点值，并使用该切点值评价验证组预测模型的诊断效能，分别采用ROC曲线下面积（AUC）、灵敏度、特异度、准确率及校准曲线对模型进行评价。P为差异有统计学意义。 2、结果 两组对象一般资料比较 见表1。 表1两组对象一般资料比较 由表1可见，与无颈动脉斑块组相比，有颈动脉斑块组男性比例更高，患高血压病与2型糖尿病的比例也更高，且年龄较大；此外，有颈动脉斑块组人群的BMI、收缩压、碱性磷酸酶、空腹血糖、尿酸、HDL-C更高，而