基于Lp-PLA2等关键指标的诺莫图模型预测急性缺血性卒中后进展性卒中的发生风险及临床价值

　　为解决急性缺血性卒中（AIS）后进展性缺血性卒中（PIS）的早期预测难题，Liu等开展了基于Lp-PLA2、年龄、T2DM和大动脉粥样硬化（LAA）的诺莫图模型研究。结果表明，该模型在训练集和测试集中AUC分别达0.849和0.829，校准曲线和决策曲线分析证实其具有良好的预测准确性和临床实用性，为神经科医生提供了有效的风险评估工具。

　　

缺血性卒中是全球范围内致残和致死的主要原因之一，其中进展性缺血性卒中（Progressive Ischemic Stroke, PIS）更是一种严重的脑血管事件，患者在急性缺血性卒中（Acute Ischemic Stroke, AIS）后神经功能缺损症状持续恶化，死亡率和致残率显著升高。尽管此前研究已发现年龄、糖尿病、血脂异常等因素与卒中复发相关，但针对PIS的预测模型仍较为缺乏，临床早期识别和高危患者干预存在明显不足。在这一背景下，Liu等人在《European Journal of Medical Research》发表了一项单中心回顾性研究，通过构建并验证一个结合脂蛋白相关磷脂酶A2（Lp-PLA₂）、大动脉粥样硬化（LAA）、2型糖尿病（T2DM）和年龄的诺莫图（Nomogram）模型，为PIS的早期预测提供了重要工具。

该研究回顾性纳入了2018年至2021年间在徐州医科大学附属医院就诊的580例AIS患者，所有患者均在症状出现6小时内接受抗血小板治疗，且未行静脉溶栓或血管内治疗。研究人员收集了包括人口学特征、病史、生化指标、神经功能评分（NIHSS）以及影像学数据，并采用免疫比浊法检测Lp-PLA₂水平。利用单因素及多因素Logistic回归分析筛选独立风险因素，进而建立诺莫图模型，并通过受试者工作特征（ROC）曲线、校准曲线和决策曲线分析（DCA）评估模型性能。

研究结果显示，在580例患者中，PIS发生率为14.31%。多因素分析确定T2DM、LAA、年龄和Lp-PLA₂为PIS的独立风险因素。诺莫图模型在训练集（70%样本）和测试集（30%样本）中均表现出色，AUC分别为0.849和0.829，Delong检验显示两组无显著差异（P>0.05）。校准曲线的Hosmer-Lemeshow检验P值分别为0.555和0.778，平均绝对误差为0.012，表明预测与实际结果高度一致。DCA分析进一步证实，当阈值概率设定在10%以上时，该模型具有较高的临床净获益。

通过ROC曲线分析，训练集和测试集的AUC值证实了模型具有稳定的判别能力。

校准曲线结果显示，预测概率与实际观测结果之间具有良好的一致性。

DCA分析凸显了模型在临床决策中的实用性，显著优于“全干预”或“无干预”策略。

作者在讨论部分强调，Lp-PLA₂作为一种与血管炎症和动脉粥样硬化斑块稳定性密切相关的生物标志物，可能通过促进氧化低密度脂蛋白（LDL）水解、触发炎症反应及血小板活化，从而加剧血栓形成和神经功能恶化。结合LAA、T2DM和年龄等不可变因素，该诺莫图模型为临床提供了一种简便、直观的工具，有助于早期识别PIS高危患者并实施个体化防控策略。

尽管如此，本研究仍存在一些局限性，包括单中心设计、样本量有限以及缺乏外部验证。此外，Lp-PLA₂作为可干预指标，其通过抗炎和调脂治疗对PIS的预防效果尚未明确。作者建议未来开展多中心、大样本的前瞻性研究，进一步验证该模型的泛化能力，并探索针对Lp-PLA₂的早期干预是否能够改善AIS患者的长期预后。

综上，这项研究不仅深化了对PIS机制的理解，还为临床医生提供了一个可靠、易用的风险评估工具，有望促进AIS管理的精准化和预防策略的前移。