脂蛋白(a)与冠脉病变严重程度的相关性分析

背景 脂蛋白(a)[lipoprotein(a),Lp(a)]是一种特殊的脂蛋白胆固醇,是导致冠脉粥样硬化的独立危险因素.目的 探讨Lp(a)与冠脉病变严重程度的相关性.方法 选择2016年1月-2018年12月在解放军总医院第一医学中心因疑似冠心病(coronary artery disease,CAD)行冠脉计算机断层扫描血管成像(computed tomography angiography,CTA)检查的患者195例[其中男性150例,患者平均年龄(56.21±10.12)岁],分析其Lp(a)水平与基于冠脉CTA的冠脉节段受累评分(segment involvement score,SIS)、冠脉节段狭窄评分(segment stenosis score,SSS)及Leiden评分的相关性.根据冠脉管腔直径狭窄率将纳入患者分为阻塞性CAD组(74例)和非阻塞性CAD组(121例),进一步应用logistic回归分析阻塞性CAD的独立危险因素.结果 Lp(a)水平与SIS(r=0.175,P=0.015)、SSS(r=0.172,P=0.016)、Leiden评分(r=0.187,P=0.009)均呈弱相关关系.多因素logistic回归分析显示,年龄(OR=1.048,95％CI:1.015～1.083,P=0.005)、血清葡萄糖(OR=1.461,95％CI:1.179～1.811,P=0.001)、Lp(a)(OR=2.407,95％CI:1.133～5.115,P=0.022)与阻塞性CAD独立关联.结论 Lp(a)水平与冠脉病变严重程度呈弱相关,是阻塞性CAD的独立危险因素.     

影像组学在冠心病中的应用价值

<正>心血管CT血管造影(cardiovascular computed tomography angiography, CCTA)、心脏磁共振成像(cardiac magnetic resonance, CMR)等影像学检查指导冠心病的诊治在临床指南和临床实践中的基石地位不断得到巩固[1,2]。随着心血管成像技术迭代更新,最先进的扫描设备已达到亚毫米的空间和毫秒的时间分辨率,极大增加了从影像学图像中获取的信息量[3,4]。但临床工作中,     

冠状动脉斑块计算流体力学研究进展

为了探究冠状动脉斑块发生发展的具体影响因素,研究人员将目光投向了计算流体力学。病理状态下管壁切应力营造促进斑块发生、进展的环境,诱导斑块趋于易损,甚至破裂,增加远期不良心血管事件风险。以往研究多采用血管内超声或光学相干断层成像的侵入性成像方法对切应力进行计算评估。近年来,冠状动脉CT血管造影(CCTA)技术在图像质量上的进步则使基于CT计算管壁切应力与斑块轴向应力成为可能。基于无创影像学斑块检测技术的发展以及多种血管内血流应力的联合评价方式,都将进一步提高CCTA对于斑块转归与临床结局的预测价值。     

基于机器学习的阻塞性冠心病验前概率模型：来自C-Strat研究

目的:利用机器学习算法开发中国人群的阻塞性冠心病验前概率模型。方法:纳入冠状动脉斑块早期识别与风险预警的临床注册研究（Chinese regiStry in early deTection and Risk strAtificaTion of coronary plaques,C-Strat）中疑似为冠心病而接受冠状动...     

冠状动脉斑块计算流体力学研究进展

为了探究冠状动脉斑块发生发展的具体影响因素,研究人员将目光投向了计算流体力学。病理状态下管壁切应力营造促进斑块发生、进展的环境,诱导斑块趋于易损,甚至破裂,增加远期不良心血管事件风险。以往研究多采用血管内超声或光学相干断层成像的侵入性成像方法对切应力进行计算评估。近年来,冠状动脉CT血管造影(CCTA)技术在图像质量上的进步则使基于CT计算管壁切应力与斑块轴向应力成为可能。基于无创影像学斑块检测技术的发展以及多种血管内血流应力的联合评价方式,都将进一步提高CCTA对于斑块转归与临床结局的预测价值。     

基于聚类分析优化冠状动脉CT血管成像对非阻塞性冠心病的风险分层研究

目的探讨基于聚类分析方法优化冠状动脉CT血管成像(CCTA)对非阻塞性冠心病患者的风险分层价值, 识别非阻塞性冠心病患者中的心血管不良事件高风险人群。方法前瞻性连续纳入2015年1月1日至2017年12月31日就诊于解放军总医院, 疑似冠心病接受CCTA检查并明确为非阻塞性冠心病的患者, 收集患者的临床信息和CCTA诊断信息, 随后进行随访, 获取不良心血管事件信息。首先, 基于聚类分析方法挖掘CCTA信息, 将患者划分不同的类。然后, 比较不同类间人群的不良心血管事件风险差异。最后, 依次运用节段受累评分(SIS)、Leiden评分、SIS评分联合临床特征、Leiden评分联合临床特征和聚类信息联合临床特征对人群进行风险分层, 并绘制一致性指数-时间曲线和计算净重分类改善(NRI)指标来比较5个不同模型的风险分层能力。结果共有3 402例非阻塞性冠心病患者被纳入研究, 其中104例患者在随访期内发生了不良心血管事件。基于CCTA信息的聚类分析将患者划分为不同的3类。各类间的临床变量、CCTA信息和生存结局的差异具有统计学意义(P<0.05)。一致性指数-时间曲线结果显示, CC...