今天分享的是一篇年发表在Radiology上的文章，利用左房室耦合指数（LACI）来预测多种族人群房颤的发生。ChangeinLeftAtrioventricularCouplingIndextoPredictIncidentAtrialFibrillation:TheMulti-EthnicStudyofAtherosclerosis(MESA)。
01
INTRODUCTION
房颤（AF）是最常见的心律失常，到年美国将有-万人被确诊，到年，欧洲将达到万患者。因此AF是一种公众疾病造成重大经济负担的健康问题，其发病率和死亡率主要由于中风和心力衰竭。几项研究评估了左心房（LA）心脏MRI结构和功能发现，LA体积、峰值LA应变和射血分数在预测AF发生方面具有独立于传统危险因素的预后价值。有报道指出，不良LA重构通过促进异位触发器和改变可重入电路的波长来促进AF的启动。然而，许多研究强调，AF的发生并不仅仅是因为不良LA重构。事实上，左室(LV)舒张功能不全已被确定为AF的预后指标。因此，左室舒张功能不全可能通过两室功能的不耦合而导致房颤，从而损害左心功能。但是房室耦合是复杂的，因为LA和左室充盈、排空、主动收缩不是同步的。
虽然LA和LV参数在预测房颤方面具有独立的预后价值，但LA和LV之间固有的生理联系，因此该研究试图将左房室耦合指数（LACI）的变化和两端时间内LACI的改变，以预测多民族人群中发生的房颤概率。
02
CONCLUISION
在名参与者中(平均年龄59岁，名男性)，在第二次影像学检查（间隔10年）后的3.9年内发生房颤事件87起。在调整传统危险因素后，较大的LACI和ΔLACI与房颤独立相关(危险比分别为1.69[95%CI:1.46,1.96]和1.71[95%CI:1.50,1.94];P,0.)。调整后的LACI模型和ΔLACI与目前使用的房颤风险评分(CHARGE-AF评分)模型([AUC]，0.78vs0.74;AUC分别为0.80vs0.74;均P)；最终模型包括预测房颤发病率的单个LA或LV参数(AUC,0.78vs0.76;AUC分别为0.80vs0.78;P0.)。
03
METHODANDRESULT
患者纳入
该研究基于MESA计划，第一次MRI测量在年至年间，名年龄在45岁至84岁之间的男性和女性从6个美国实地中心招募，招募时没有临床心血管疾病。其次是-年；-；-；-年。该研究选用年至与-年相隔十年的患者。在这过程中，87名参与者发生房颤与没有房颤的参与者相比，房颤参与者的LA功能参数更低，左室重量(LVmass)和左室体积更高。
图像获得和处理
C-MRI由MESA提供的参数进行：1.5T的机器下，利用心电图门控快速梯度回波脉冲序列在二室和四室视图下获得长轴电影图像。采集一组包含两个心室的短轴电影图像，利用心脏图像建模软件测量左室舒张末期容积，软件CIMversion6.0。同时图像的时间分辨率约为50毫秒。在患者选择上，仅对窦性心律的患者进行心脏MRI检查。
心脏MRI左房室耦合指数(LACI)的评估方法
LACI由左房(LA)舒张末期容积与左室(LV)舒张末期容积的比值定义。左室体积是通过短轴图像测量的，四腔和两腔心中跟踪舒张末期LA壁运动，测量LA舒张末期容积。左室和左室体积是在二尖瓣关闭所确定的舒张末期测量。LACI值以百分比表示，LACI值越高，左室舒张末期LA与LV容积的比例失调越严重，左房室耦合受损越严重。此外，ΔLACI由第一次时测量的LACI值和10年后测量的LACI值(LACI10)的年差定义，ΔLACI值以每年的百分比表示。
房颤发生和模型比较
AF事件的定义基于心电图和出院诊断国际疾病分类-9代码（InternationalClassificationofDiseases–9codes,）房颤风险预测模型采用的是基因组流行病学心脏与衰老研究队列-心房颤动(CHARGE-AF)风险模型。LACI和ΔLACI更大与房颤独立相关（分别为HR1.69,95%CI[1.46-1.96]和HR1.71,95%CI[1.50-1.94]，p??0.0)。与目前使用的预测房颤发病率的房颤风险评分模型相比，LACI和ΔLACI的校正模型在模型识别方面显示出显著的改善（C-统计量：0.78vs.0.74，C-统计量：0.80vs.0.74）。与包括CHARGE-AF评分和单个LA或LV参数在内的多变量模型相比，LACI和ΔLACI对AF也表现出了优越的辨别性能。
在LACI和ΔLACI两个独立模型，以及加入临床预测后。LACI对AF事件的鉴别性优于带有单个LA或LV参数和CHARGE-AF评分危险因素的多变量模型。ΔLACI与CHARGE-AF危险因素的多变量模型相比，ΔLACI在预测AF事件方面的模型鉴别能力有所提高（AUC：0.80vs0.74)。ΔLAC也比LA或LV参数平均年化变化的多变量模型显示出更好的AF发病鉴别能力。
04
HIGHLIGHT
该研究基于十年时间的随访分析，利用MRI图像上的左室耦合指数来预测并且与临床指标和CHARGE-AF危险因素相互联系。
预览时标签不可点收录于合集#个上一篇下一篇