| 摘要: |
| 目的 基于动态血压监测（ABPM）构建并验证冠状动脉病变程度的预测模型。 方法 回顾性选取 2017 年 7 月至
2021 年 10 月于宁波大学附属第一医院心血管内科住院期间接受冠状动脉造影及 ABPM 检查的 274 例可疑冠心病患者为研究对
象。以Gensini评分作为评估冠状动脉病变程度的标准，将患者分为轻度病变组（＜16分）和重度病变组（≥16分）。比较两组患者
一般资料、实验室检查指标、超声心动图指标和 ABPM 参数。采用最小绝对收缩和选择算子（LASSO）回归进行预测参数筛选，并
将筛选后的参数用于构建预测冠状动脉病变程度的临床参数预测模型和临床参数结合 ABPM 参数预测模型，比较两种模型的预
测性能及净重分类能力。 结果 重度病变组患者糖尿病史、高血压史比例均高于轻度病变组，白细胞计数、肌酐、空腹血糖、室间
隔厚度均高于轻度病变组，估算肾小球滤过率、总胆固醇、高密度脂蛋白胆固醇均低于轻度病变组，差异均有统计学意义（均 P＜
0.05）。重度病变组患者24 h平均收缩压、夜间平均收缩压、夜间平均舒张压、夜间平均动脉压、夜间平均脉压均高于轻度病变组，
24 h收缩压变异系数、白天收缩压变异系数均低于轻度病变组，差异均有统计学意义（均P＜0.05）。在收缩压昼夜节律方面，重度
病变组患者非杓型及反杓型血压比例均高于轻度病变组，杓型血压比例低于轻度病变组，差异均有统计学意义（均P＜0.05）；而在
舒张压昼夜节律方面，重度病变组患者反杓型血压比例高于轻度病变组，杓型血压比例低于轻度病变组，差异均有统计学意义（均
P＜0.05）。LASSO回归共筛选出23项参数，其中ABPM参数4项，据此构建预测模型。ROC曲线分析显示，临床参数结合ABPM
参数预测模型的AUC高于临床参数预测模型的AUC，差异有统计学意义（P＜0.05）。同时，通过Bootstrap重抽样1 000次获得相
对净重新分类指数（NRI）（95%CI）和绝对 NRI（95%CI）分别为 0.377（0.142~0.612）和 0.200（0.074~0.326），进一步支持了临床参
数结合ABPM参数预测模型在重分类改善方面的优势。 结论 在临床参数中纳入ABPM参数可提高冠状动脉病变程度预测模型
的预测效能，为临床医生更准确预测患者的冠状动脉病变程度提供参考。 |
| 关键词: |
| DOI： |
| 分类号: |
| 基金项目:浙江省“尖兵”“领雁”研发攻关计划项目（2023C04017）；浙江省卫生健康科技计划项目（2022KY344） |
|
|
|
|
| Abstract: |
|
| Key words: |
