目的:探究CT平扫血肿的形态、密度分级方式联合多个危险因素对自发性脑出血（SICH）早期血肿增大的预测作用。方法:纳入2015年1月至2019年12月广州医科大学附属第六医院脑血管病区收治的采用保守治疗的脑出血患者150例，全部病例在起病3 h内完成首次CT扫描。以24 h内复查CT平扫结果是否出现血肿相对体积增大33%或绝对体积增大6 ml为标准，分为血肿增大组（65例）和非血肿增大组（85例）。采用Logistics回归模型分析患者一般情况、既往服药史、实验室检查指标、Barras等学者提出的血肿CT平扫分级方式等各项指标对脑出血患者早期血肿增大的影响并建立回归模型。绘制受试者操作特征（ROC）曲线分析CT平扫血肿形态、密度分级方式联合多个危险因素的预测模型的预测效能。结果:最终纳入149例（血肿增大组64例、非血肿增大组85例）的研究数据。Logistics回归分析显示：既往使用抗凝药物（OR=4.855，95%CI：1.102~21.38，P=0.037）、既往抗血小板聚集药物（OR=3.831，95%CI：1.089~13.472，P=0.036）、格拉斯哥昏迷评分（OR=0.797，95%CI：0.671~0.947，P=0.01）、高密度脂蛋白（OR=0.116，95%CI：0.025~0.534，P=0.006）、血肿CT扫描Barras血肿形态（OR=2.481，95%CI：1.429~4.308，P=0.001）和密度分级结果（OR=2.28，95%CI：1.312~3.963，P=0.003）均为早期血肿增大的独立预测因素。ROC曲线分析提示Barras血肿形态和密度分级联合多个危险因素构建的回归方程[曲线下面积（AUC）=0.907，特异度80.0%，敏感度89.1%）]有更好的预测效能，单独应用Barras形态分级方式（AUC=0.746，特异度55.3%，敏感度82.8%）或密度分级方式（AUC=0.694，特异度55.3%，敏感度76.6%）或二者联合（AUC=0.799，特异度81.3%，敏感度62.4%）的预测效能均差于回归方程。结论:既往使用抗凝药物、抗血小板聚集药物，格拉斯哥昏迷评分，血清高密度脂蛋白浓度，Barras等学者提出的血肿CT扫描分级评分，均为SICH患者出现早期血肿增大的独立预测因素。应用Barras等学者提出的血肿CT平扫分级联合多危险因素对SICH早期血肿增大的预测效能较单一指标高。

自发性脑出血;血肿增大;X线计算机体层扫描

庄坚炜;陈向林;侯文仲;胡杨真;毛振敏;黄俊士

511518　广州医科大学附属第六医院脑血管病科

中华脑血管病杂志（电子版）

[1]庄坚炜;陈向林;侯文仲;胡杨真;毛振敏;黄俊士-.CT平扫血肿分级方式联合多危险因素对自发性脑出血早期血肿增大的预测作用)[J].中华脑血管病杂志（电子版）,2022(02):92-99

平扫,自发性脑出血,脑出血早期,血肿增大,预测作用,密度分级,SICH,广州医科大学,脑血管病,病区,保守治疗,脑出血患者,起病,复查,ml,Logistics,服药史,实验室检查指标,Barras,操作特征,血肿形态,预测效能,研究数据,抗凝药物,抗血小板聚集药物,格拉斯哥昏迷评分,预测因素,形态分级,均差,血清高密度脂蛋白,蛋白浓度,单一指标,标高,线计算,计算机体层扫描

0.180687