Page 66 - 《南京医科大学学报（自然科学版）》2025年第9期
P. 66

第45卷第9期
               ·1278 ·                           南 京    医 科 大 学 学         报                        2025年9月


              内容包括：①一般信息，如年龄、性别、基础疾病类型、                         变量则采用χ 检验。
                                                                            2
              CTD病程（首次确诊CTD至入组时的时间间隔）、PAH
                                                                2  结 果
              病程及右心导管资料；②甲襞微循环参数。
              1.2.2 NVC                                         2.1  CTD⁃PAH 组与 CTD⁃nonPAH 组人口学和临床
                  在室温 20~25 ℃的环境下，受试者安静休息                       特征比较
              10~20 min 后取坐位。选择双手的食指、中指、无名                           本研究共纳入147例CTD患者（表1），其中CTD
              指和小指，使用TR8000D型微循环显微检查仪依次                         ⁃PAH组52例（35.4%），女50例、男2例，中位年龄为
              进行观测（低倍镜放大 60 倍，高倍镜放大 200 倍），                     45.5 岁；CTD⁃nonPAH 组 95 例（64.6%），女 89 例、男
              并拍摄典型图像和录像以供回放分析。在高倍镜                             6 例，中位年龄为 50.0 岁。两组患者在性别、年龄、
              下，测量指标包括甲襞毛细血管数量、输入支管                             病程及原发病类型方面差异无统计学意义。然而，
              径、输出支管径、袢顶管径及血流速度等。同时，                            CTD⁃PAH 组患者的毛细血管袢长度及袢周积分显
              记录甲襞毛细血管交叉、畸形管袢、出血、渗出、乳                           著高于CTD⁃nonPAH组（P均<0.05）。
              头、红细胞聚集、汗腺导管、不规则扩大毛细血管、                           2.2  Logistic回归分析CTD患者发生PAH危险因素
              巨型管袢以及有无分支血管/丛状血管等，并观察                                 以 CTD 患者是否发生 PAH 作为因变量（1 表示
                                     ［8］
              血管排列是否整齐或紊乱 。检查结果由至少2名                            发生，0表示未发生），将表1中差异有统计学意义的
              主治医生进行综合分析，且分析专家对患者的病                             管袢长度、袢周积分纳入 Logistic 回归模型进行分
              情情况保持不知情。                                         析。既往研究发现SSc/MCTD 患者甲襞微循环较其
              1.2.3 甲襞微循环状况评估                                   他CTD患者更为严重，故将病种也纳入Logistic回归
                  采用“田牛甲襞微循环加权积分法”对甲襞微                          模型。结果显示，管袢长度和袢周积分均为 PAH
              循环状况进行评分和记录            ［7，15］ 。该方法主要依据形           发生的独立危险因素。具体而言，管袢长度每增
              态、流态和袢周 3 个方面来评估。形态积分涉及清                          加50 μm，发生 PAH 的风险增加 0.3 倍；袢周积分每
              晰度、管袢数量、管径大小、袢顶直径、管袢长度、交                          增加1分，发生PAH的风险增加0.268倍（表2）。
              叉情况和畸形管袢数量。流态积分关注流速、血管                            2.3  Nomogram构建CTD⁃PAH预测模型
              活动性、红细胞聚集程度、白细胞数量、白微栓和血                                根据多因素Logistic回归模型，估算了各危险因
              色。袢周积分则包括渗出、出血、乳头下静脉丛、乳头                          素的优势比（odds ratio，OR）及其95%置信区间。预
              和汗腺导管的情况。总积分由这3个积分总和而得。                                                    e LP
                                                                测 PAH 风险的公式为 P=              。公式中的线性预
                  正常的甲襞毛细血管形态为：毛细血管密度正                                                 1 + e LP
              常（≥7根/mm），毛细血管形态正常（发夹状、屈曲状、                       测值（linear programming，LP）计算如下：若病种为
              交叉1~2次），毛细血管袢径正常（袢径<20 μm），无大                     SSc/MCTD，LP=0.006×管袢长/50+ 0.237×袢周积分+
              量融合性出血。正常情况下，毛细血管管袢长为                             0.883；若病种为其他 CTD，LP=0.006×管袢长/50+
              150~250 μm。若袢径>20 μm 则为扩张毛细血管；                    0.237×袢周积分。管袢长及袢周积分与肺动脉高压
                                       ［16］
              若>50 μm则为巨大毛细血管 。                                 呈正相关。该预测模型通过列线图进行展示（图
              1.3  统计学方法                                        1），结果显示，管袢长每增加 50 μm，列线图模型评
                  采用 R 软件进行数据处理、分析及绘图。连续                        分增加8分；袢周积分每增加1分，列线图模型评分
              变量若符合正态分布，则以均数±标准差（x ± s）表                        增加3.5分；若患者为SSc/MCTD，列线图模型评分为
              示；若不符合正态分布，则以中位数（四分位数）［M                          0；若患者为其他CTD，列线图模型评分为26分。
             （P25，P75）］表示。分类变量以例数（百分率）表示。                            为了验证列线图模型对结缔组织病患者发生
              为进一步分析CTD患者发生PAH的危险因素，采用                          PAH 风险预测的准确性，本研究绘制了该模型的
              多因素 Logistic 回归分析，并绘制受试者工作特征                      ROC 曲线（图 2）。ROC 曲线结果显示，该模型的曲
             （receiver operating characteristic，ROC）曲线以评估       线下面积（area under the curve，AUC）值为0.705（P <
              模型的预测效能。使用R包rms绘制预测模型的列                           0.05，95% CI：0.618~0.792），灵 敏 度 0.59（0.49~
              线图和校准曲线，并进行 Hosmer⁃Lemeshow 拟合优                   0.69），特异度 0.79（0.68~0.90），Cut⁃off 的分数是
              度检验，以评估模型的准确性。不同组间的连续变                            0.314。表明该模型能较大程度预测 PAH 的发生。
              量采用 t 检验或 Wilcoxon 秩和检验进行比较，分类                    在此基础上，对该模型进行校准并绘制校准曲线
   61   62   63   64   65   66   67   68   69   70   71