到底哪些房颤病人更容易长血栓呢？ / 四六文摘

众所周知，房颤(AF)会增加血栓栓塞性卒中的风险。有研究表明几乎所有心源性脑卒中的血栓都来源于左心耳（LAA），经食道超声心动图(TEE)被认为是检测左房血栓（LAT）的金标准。但对于部分回声图像质量较差的患者，很难将左心耳血栓（LAAT）与梳状肌区分开来，造成血栓漏诊。一些研究试图建立一种新的方法，利用临床危险因素和/或TEE参数预测LAAT是否存在。但是在目前的临床实践中，由于现有数据的复杂性，还没有一个简单可靠的LAAT的风险预测模型。

近期，一项多中心研究建立了一种新的预测模型，来帮助临床医生确定在心脏复律或射频消融术前患者是否存在LAAT,帮助临床医生对非瓣膜性房颤（NVAF）患者的诊疗方案作出决策。其结果发表在《International Journal of Cardiology》杂志上，值得我们借鉴。

该研究回顾性分析了2013年7月至2014年6月行TEE检查的405位连续收治的NVAF患者。其中有89位患者因超声图像质量欠佳或没有测到左心耳血流速度（LAAV）而被排除在该研究之外。所有NVAF患者的平均年龄为67.1岁，其中男性占73.6%,有33例(10.7%)在LAA中发现血栓。根据LAA内是否有血栓将其分为左心耳血栓组（LAAT组 n=33）与无左心耳血栓组（N-LAAT组 n=274）。与N-LAAT组相比，LAAT组的老年、自发声学显影现象（左房内有血瘀滞可出现云雾状回声为自发超声造影现象SEC）和LA增大的患者更多。LAAT组患者的左心耳排空速度(LAAEV)和显著的二尖瓣反流（MR）则低于N-LAAT组。在口服抗凝方面，LAAT组与N-LAAT组无统计学差异。

通过进行ROC曲线分析，分析检验各个因素对NVAF患者LAAT预测的诊断价值（表2）。通过使用logistic回归单变量分析发现具有预测性的变量，然后进行多变量分析以确定它们对预测LAAT的价值(表3)。最后采用多元logistic回归方法建立各个参数对LAAT的组合预测方程，建立组合预测模型（图1）。

结果显示：LAAT患者LAAEV明显降低，SEC更多，MR≤轻度，LA增大，年龄较大; 其中LAAEV、SEC、≤轻度MR是LAAT的独立危险因素。

ROC曲线分析的曲线下面积（AUC）：

(1)SEC：(AUC：0.72敏感性66.7%,特异性77.1%,95% CI 0.62-0.82, P<0.0001)；

(2)≤轻度MR：(AUC:0.61敏感性84.8%,特异性37.9%,95%CI0.52-0.71, P=0.035)；

(3)LAAEV≤ 21.5 cm/s:(AUC：0.76 敏感性 85.0%,特异性63.6%,95% CI 0.67-0.87,P<0.0001)。

结合以上3个因素预测LAAT的能力强于使用任何一个单一因素。三因素组合预测模型(AUC：0.88;灵敏度84.8%;特异性84.3%; 95% CI 0.810-0.947)对LAAT的预测具有良好的判别能力。

总结

可见，LAAEV、SEC、MR的综合评价LAAT可能有助于对NVAF患者进行风险分层，当TEE后LAA成像质量在确定血栓方面不理想时。这些参数可以帮助临床医生对非瓣膜性房颤患者的诊疗方案作出决策。

表1：研究人群基线资料