改良CPSSS量表对急性前循环大血管闭塞性脑梗死的预测价值分析

刘婷，廖娟，刘莉，赵立波，刘曙东，徐露，周婷，杨德雨，，4

血管内治疗能改善急性前循环大血管闭塞（large vessel occlusion，LVO）的预后并降低死亡率，如何快速识别并转运该类患者至具有血管内治疗能力的高级卒中中心是临床诊疗的关键环节之一[1-5]。国际上报道了多种卒中量表预测前循环LVO，包括NIHSS、辛辛那提院前卒中严重程度量表（Cincinnati prehospital stroke severity scale，CPSSS）等，但目前尚缺乏对量表项目及评分阈值的共识，且现有卒中量表不能同时具有较高的灵敏度和特异度[6-8]。研究发现，失语、凝视、偏瘫是评估前循环LVO的重要预测因子[9]。因失语评估的主观性强，Brian等[7]将其替换成客观性强的意识水平提问和指令项目，开发出CPSSS量表，当CPSSS分值≥2分时预测LVO的准确度为68%。随后Turc等[10]和Kummer等[11]进一步验证该量表预测LVO的准确度分别为78%和85%，认为该量表在预测LVO的准确度方面尚不能满足临床需求。心房颤动在普通人群中的患病率为0.95%，而在急性前循环LVO患者中的比例却高达27%[12-13]。最新的研究显示心房颤动与LVO密切相关且能提高部分卒中量表预测LVO的能力[14-15]。本研究在CPSSS的基础上增加心房颤动项目形成改良CPSSS（modified CPSSS，mCPSSS），评估mCPSSS对急性前循环LVO的预测能力。

1 对象和方法

1.1 研究对象 回顾性分析2019年5月-2020年4月连续就诊于重庆医科大学附属永川医院国家高级卒中中心的急性脑梗死患者的临床资料。纳入标准：①年龄≥18岁；②确诊为急性脑梗死，诊断符合《中国急性缺血性脑卒中诊治指南》的标准[16]，且经头颅MRI证实为新发的前循环脑梗死患者；③发病24 h内入院；④入院后在急诊科由专业的神经科医师完成NIHSS评分，并在入院病历中记录评分项目及对应分值；⑤入院后即刻完成颅内影像学检查（CTA、MRA、DSA中任意一项）明确责任血管。排除标准：①排除后循环脑梗死患者；②NIHSS评分记录不详；③住院期间未完成心电图检查；④既往有卒中病史并遗留神经功能缺陷（mRS＞2分）的患者。

本研究中前循环大血管包括：颈内动脉、大脑中动脉M1段、颈内动脉+大脑中动脉、大脑中动脉M2段、大脑前动脉A1段。

1.2 mCPSSS的构建方法 根据入组的前循环脑梗死患者是否有LVO分为LVO组和非LVO组，根据病历记录，收集两组患者的性别、年龄等人口学信息，既往高血压、糖尿病、吸烟、酗酒、心房颤动等病史，凝视、上肢无力、意识水平提问及指令回应症状或体征，以及患者就诊时NIHSS评分等资料。比较LVO组和非LVO组上述指标的差异，进行二元logistic回归分析以明确LVO的独立影响指标，根据分析结果构建mCPSSS。

1.3 mCPSSS对LVO预测价值的分析 研究者根据基线NIHSS评分的各个分项分值，进行CPSSS[7]，卒中现场评估和分类转运量表（field assesment stroke triage for emergency destination，FAST-ED），三项内容卒中量（3 item stroke scale，3I-SS），院前急性卒中严重程度量表（prehospital acute stroke severity scale，PASS），视野、失语、忽视量表（vision，aphasia，neglect，VAN），快速动脉闭塞量表（rapid arterial occlusion evaluation，RACE），凝视、失语或忽视、上肢瘫痪、心房颤动评分（gaze palsy，aphasia，or inattention，arm paresis，atrial fibrillation，GAI2AA）等量表的评定[7，15，17-21]。绘制上述各量表及mCPSSS量表预测LVO的ROC曲线，比较各量表预测LVO的价值。

1.4 统计学方法 使用SPSS 26（BIM，USA）进行数据分析，计量资料进行正态分析，不符合正态分布的用M（P25～P75）表示，组间比较采用秩和检验；计数资料采用例数（%）表示，组间比较采用χ2检验。二元logistic回归分析以是否LVO为因变量，将单因素分析中P＜0.05的变量纳入回归方程进行二元logistic回归分析，逻辑回归分析中的结局变量表示为回归系数及其95%CI。

通过比较心房颤动取值为1分和2分时的曲线下面积（area under the curve，AUC）大小来确定将心房颤动加入到CPSSS量表中的最佳取值。绘制mCPSSS预测LVO的ROC曲线，计算出约登指数及AUC确定mCPSSS预测LVO的最佳诊断界值及该量表的预测能力。计算各量表预测LVO的灵敏度、特异度、阳性预测值、阴性预测值、约登指数，并进行量表之间的比较，AUC差异的显著性使用DeLong’s检验[22]。

2 结果

2.1 基线资料比较 研究期间共登记1080例急性脑梗死患者，根据纳入及排除标准共入组263例急性前循环梗死患者。入组患者年龄28～97岁，平均70.6±11.9岁，非LVO患者141例（53.61%），LVO患者122例（46.39%），其中大脑中动脉M1段病变62例（50.82%），大脑中动脉M2段病变22例（18.03%），颈内动脉病变27例（22.13%），颈内动脉+大脑中动脉串联病变10例（8.20%），大脑前动脉病变1例（0.82%）。

组间比较显示，LVO患者具有更高的年龄、更高的心房颤动发生率及吸烟史、更容易存在凝视、异常的意识水平指令及提问、上肢无力，且与非LVO组间差异具有统计学意义（表1）。

表1 两组基线资料比较结果

2.2 二元logistic回归分析分析结果 单因素分析结果提示年龄、吸烟、凝视、意识水平提问及指令、上肢无力、心房颤动与LVO有关，将上述因素再次通过二元logistic回归分析模型得出只有凝视、意识水平提问及指令、上肢无力、心房颤动是前循环LVO的独立危险因素（表2）。

表2 LVO影响因素二元logistic回归分析结果

2.3 mCPSSS构建 mCPSSS量表的评分项目主要包括凝视、意识水平提问及指令、上肢无力、心房颤动，前三项来源于CPSSS，保留其分值，对于新增项目心房颤动，通过ROC曲线计算出最佳取值为1分（心房颤动为1分时，AUC为0.955，心房颤动为2分时，AUC为0.950），当心房颤动取值为1分时mCPSSS的最佳截断值为1.5分，敏感度为90.2%，特异度为94.3%（图1）。具体评定规则及分值见表3。

表3 mCPSSS量表项目及分值

图1 心房颤动不同取值时mCPSSS对LVO的预测价值

2.4 mCPSSS与其他常见量表预测LVO价值的比较 当mCPSSS分值≥2分时，ROC曲线显示其对LVO的预测效能最佳，此时灵敏度为90.16%，特异度为94.33%，约登指数为0.84，AUC为0.955，阳性预测值为93.22%，阴性预测值为91.72%（表4）。与其他量表相比，mCPSSS对急性前循环LVO的预测能力最强（AUC值最高）。在CPSSS的基础上增加心房颤动项目后，mCPSSS量表对LVO的预测能力，即AUC由0.941上升至0.955，差异具有统计学意义（P=0.032，DeLong’s检验）。mCPSSS对LVO的预测能力还高于VAN，3I-SS和RACE量表，差异有统计学意义（图2A），mCPSSS对LVO的预测能力与FAST-ED、PASS、NIHSS、GAI2AA量表相比，仍具有更高的预测价值，但差异未达统计学意义（图2B）。

图2 mCPSSS与其他常见量表预测LVO的ROC曲线分析

表4 mCPSSS量表与其他常见量表的预测价值比较

3 讨论

本研究通过对急性前循环脑梗死患者临床特点的分析，在CPSSS的基础上进行了改良，增加了能独立预测前循环LVO的心房颤动项目，构建了mCPSSS，并通过ROC分析对mCPSSS与目前临床上常用的预测前循环LVO的量表进行了预测LVO能力的比较，证实mCPSSS具有较高的预测急性前循环LVO的价值，有望成为简单、有效地对急性前循环LVO患者进行院前识别、院内分诊及转诊的工具。

既往对评估LVO风险量表的研究多纳入入院6 h内的脑梗死患者，包括CPSSS、GAI2AA、3I-SS、RACE、CPSS等量表[7，15，18，21，23]。2015年，Lansberg等[24]的研究证实只要存在可挽救的缺血脑组织，发病6 h后的患者仍可通过再灌注获益。2018年应用DWI或CTP联合临床不匹配对醒后卒中和晚就诊卒中患者使用Trevo装置行神经介入治疗（DWI or CTP Assessment with Clinical Mismatch in the Triage of Wake Up and Late Presenting Strokes Undergoing Neurointervention with Trevo，DAWN）和影像评估筛选缺血卒中患者血管内治疗研究（Endovascular Therapy Following Imaging Evaluation for Ischemic Stroke 3，DEFUSE 3）研究将机械取栓的时间窗由6h扩展到24 h，特别是针对临床症状与脑梗死体积不匹配的LVO患者[25-26]。因此本研究将研究对象限定为入院24 h内的急性脑梗死患者。

2019年，Narwal等[14]的研究发现，在洛杉矶运动量表（Los Angeles motor scale，LAMS）的基础上增加心房颤动可提高该量表对LVO患者的预测能力。另外，GAI2AA量表加入心房颤动后预测急性前循环LVO具有较高的灵敏度（88%）和特异度（81%）。本研究也证实心房颤动可提高CPSSS对前循环LVO的预测能力。不过，Grewal等[27]的研究认为心房颤动并不能提高现有量表对前循环LVO的预测价值，不过该研究入组人数较少，且未将入院时心电图作为诊断心房颤动的参考。

既往一项meta分析表明目前现有LVO预测量表的灵敏度在47%～73%之间，特异度在78%～90%之间[8]。本研究中所有量表的灵敏度和特异度均高于70%，主要原因可能是既往研究中多包括后循环脑梗死的患者，而后循环脑梗死症状的局灶性症状不典型且意识障碍多见，NIHSS评分对后循环的预测效能较低[28]。本研究中只包括了前循环脑梗死患者，减少了后循环脑梗死对准确度的影响。此外，本研究的研究对象包括最初就诊于初级卒中中心后转运至高级卒中中心的患者，因而LVO患者比例较高，这也可能导致本研究中量表预测价值的提高。

本研究证实mCPSSS量表与国际通用的NIHSS量表具有相同的预测能力。但NIHSS评分量表项目繁多，评估过程复杂，其准确度高度依赖专业的神经科医师，因此并不适合院前急救。与相同子项目数量的3I-SS量表相比，mCPSSS量表的预测能力显著提高。Singer等[18]构建3I-SS用于预测大脑中动脉闭塞，其最佳截断值为4分。为适应临床需求，使更多的患者从血管内治疗获益，可通过设置合适的截断值使漏诊率＜10%[10]，本研究选择了美国卒中学会指南推荐的截断值≥2分，其灵敏度为95%，但其误诊率却达到30%。因此量表的最佳截断值仍需进一步在临床中验证。

本研究中存在一定的局限性。第一，本研究为回顾性的单中心研究，入组人群经过筛选且是确诊的急性脑梗死患者，存在一定的选择性偏移。第二，部分患者入院时神经功能缺损重而血管未见明显异常，考虑血管自发再通或小血管病变可能，可能会影响对患者分类的判断。第三，mCPSSS并没有纳入疑似卒中、脑出血、后循环梗死的患者，在临床应用中其灵敏度和特异度可能有所降低，因此该量表需要在真实世界中进一步验证。

【点睛】mCPSSS在CPSSS基础上增加取值1分的心房颤动项目，其预测急性前循环LVO的效能明显提高，有助于临床对急性前循环LVO患者的识别和分诊。