超声二维斑点追踪显像Logistic回归和ROC曲线联合评价

1、超声二维斑点追踪显像Logistic回归和ROC曲线联合评价慢性心功能不全患者心肌扭转的改变    关键词 心功能不全；扭转；斑点跟踪显像技术；Logistic 模型；ROC曲线；超声心动描记技术 摘要    目的 建立并运用数学模型筛选超声二维斑点显像技术检测左室旋转/扭转运动改变的敏感指标，初步探讨其诊断心功能不全的应用价值。    方法 心功能不全患者24例和正常健康志愿者32例，分别获取左室二尖瓣口水平和心尖水平短轴观图像。测量各短轴观图像在标化时间点处的旋转角度，并

2、依此计算出各标化点处的左室扭转角度。同步记录左室扭转峰值、心尖旋转峰值、心底旋转峰值、收缩末期左心室扭转值、收缩末期心尖旋转值、收缩末期心底旋转值，采用Logistic逐步回归，筛选、鉴别诊断心功能不全患者左室旋转/扭转的相关指标，建立相应数学模型回归方程；对筛选指标绘制ROC曲线并获得界值。    结果 心功能不全患者收缩期左室心尖与二尖瓣口水平短轴观的旋转角度峰值及左室扭转角度峰值均显著低于正常组（p    结论 运用斑点追踪成像技术（speckle tracking imaging，STI)显示心功能不全患者

3、时LVtor-at-AVC可敏感评价收缩期左室扭转形变。    新近出现的超声斑点追踪显像技术（speckle tracking imaging STI）可计算心脏的旋转运动，为心脏运动力学与心肌运动形变之间的联系提供了一种全新的定量评价方法1-3。研究结果表明心功能不全组与正常对照组在扭转峰值(Peak LVtor)、心尖旋转峰值(Peak apical rotation PAR)、心底旋转峰值(Peak basal rotation PBR)、收缩末期左室扭转值(LVtor-at-AVC)、收缩末期心尖旋转值(apical rotation at A

4、VC AR-at-AVC)和心底旋转值(basal rotation at AVC BR-at-AVC)间差异有统计学意义45。目前评价心功能不全心室旋转/扭转时尚无一种公认的敏感而特异的指标。本研究旨在应用STI技术对心功能不全患者左室扭转形变特征进行显像，结合应用Logistic回归与ROC曲线，建立数学模型筛选和确立能准确评价心功能不全患者心室扭转改变的特异参数。 资料与方法    一、研究对象    选择2006年10月至2006年12月在我院住院或门诊就诊的慢性心功能不全患者24例，男14例，女10例；年

5、龄3877岁，平均(55.31±11.41)岁，均经临床、病史、部分经冠状动脉造影或心肌活检确诊。入选标准：按纽约心脏病学学会（NYHA）心功能分级，级20例，级4例。24例中高血压性心脏病10例缺血性心脏病8例，病毒性心肌炎2例，扩张型心肌病4例，左室舒张末内径（LVEDD）>55mm，左室射血分数（LVEF）    二、仪器与方法    、仪器： GE Vivid 7 Dimension 彩色多普勒超声成像仪，M3S探头，频率1.54.0MHz。EchoPAC多参数分析工作站。 

6、60;  、超声检查    超声二维切面数据获取：受检者取左侧卧位，同步记录心电图。显示清晰的胸骨旁左室长轴观、左室短轴二尖瓣水平、乳头肌水平及心尖水平观、心尖四腔、两腔及左室长轴观图像。图像帧频>50帧/s，系列左室短轴成像时显示标准的左室短轴切面。乳头肌水平和心尖水平图像定义为舒张末期心尖四腔观上左室长径上、下1/3处的短轴切面。检查时嘱受检者深吸气后屏气于呼气末，获取心率稳定的连续3个心动周期的动态图像并储存，行脱机后分析。    STI与参数选择：将原始图像导入工作站进行分析。在胸

7、骨旁左室长轴观测量左房收缩末期内径、左室舒张末期内径、室间隔及左室后壁厚度；双平面Simpson法测量左室射血分数(EF)。双平面周期的动态原始    左室旋转及扭转分析步骤如下：选取清晰的系列短轴观图像，在收缩末期仔细勾画左室心内膜后，系统通过斑点追踪技术自动勾画出包括心内膜、中层和心外膜解剖结构在内的感兴趣区(ROI)，手工调整感性趣区至适合室壁厚度的宽度，然后选定Processing键，系统自动将左室壁分为六个节段，并分别对室壁各节段追踪效果进行评分，追踪满意者评为V，追踪不满意评为X，选取所有节段均为V的短轴图像进行后续分析。选定Approve键

8、后，系统自动计算出各节段室壁的旋转角度、旋转率等参数。记录左室各短轴观中室壁各节段顺时针和逆时针旋转峰值，以及AVC点对应的旋转值。左室短轴水平的旋转为短轴水平六个节段室壁旋转角度的均值；左室扭转为心尖旋转与心底旋转的差值。以上所有测值均取3个心动周期平均值，时间参数均采用心率标化。    三、统计学分析    采用SPSS13.0统计分析软件，测量数据以均数表示。两组均数比较使用t检验。所有数据在t检验前行正态性检验和方差齐性检验，若不齐改为秩和检验。使用Binary Logistic对两组间差异有统计学意义的心

9、肌旋转及扭转参数进行逐步回归分析，筛选诊断慢性心功能不全的优质变量。运用前进法（forward selection），入=0.1、出=0.15。建立Logistic回归方程，对自变量作Wald或记分检验(score test)回归方程作拟合优度X2检验。再使用ROC过程，以筛选的变量作为检验变量，以临床诊断结果为状态变量，分别对入选变量绘制ROC曲线，确定各指标的界值。 结果    一、常规超声心动图测量结果比较    心功能不全组与正常组比较，年龄、体质量、身高、室壁厚度差异均无统计学意义；左房前后径(p

10、0;   二、正常对照组与心功能不全组患者左心室旋转与扭转测值比较    心功能不全组患者左心室心底、心尖水平短轴观旋转峰值角度和左室扭转峰值，收缩末期其旋转角度和左室扭转角度均小于正常组，两组间差异均有统计学意义。    三、Logistic回归模型建立和变量筛选    结果表明，第一步自变量LVtor-at-AVC入选，方程分类能力达75.00；第二步自变量Peak LVtor入选，方程分类能力达85.7；   

11、 自变量Wald检验(p=.030p=0.0900)差异有统计学意义；未入选变量作记分检验，PAR、 PBR 、AR-at-AVC和 BR-at-AVC差异均无统计学意义（p0.15）。    LVtor-at-AVC和Peak LVtor回归系数均为负值，且LVtor-at-AVC的标准回归系数绝对值大于Peak LVtor的标准回归系数绝对值（b=-2.212 、b=-1.262）。    LVtor-at-AVC的优势比为0.548，优势比95.0可信区间（0.318，0.945）。扭转峰值的优势比

12、为0.687，优势比95.0可信区间（0.445，1.060）。    方程有效性经2检验，差异有统计学意义(2=23.69，P    四、ROC曲线    1 ROC曲线：计算扭转峰值和收缩末期扭转角度对心功能不全诊断的灵敏性、特异性及假阳性率后，根据不同截断点下灵敏性及假阳性率绘制ROC曲线（图2）。    2 ROC曲线下面积：经ROC分析计算，扭转峰值和收缩末期扭转角度的ROC曲线下面积分别为0.797(95 CI: 0.620

13、.97)和0.891(95 CI: 0.771.01)。曲线下面积分别和0.5比较非参数检验差异有统计学意义（p=0.008p    3 选择各曲线上最靠左上方的点，根据统计结果中各可能切点的灵敏度和特异度计算灵敏度特异度，最高值为临界值，从SPSS输出的表中查出具体值：收缩末期左室扭转角度=9.15°，左室扭转峰值=11.02°。界值处诊断心功能不全敏感性、特异性分别为81.25、83.34和75、 91.67（表5）。 讨论    心功能不全在人群中占到2-5，老年人发病率更高，在出现心衰以

14、前可无症状6。目前有多种检查手段评价心功能不全，为临床提供有效的诊断依据7-10。二维斑点追踪技术可判断局部心肌和心室整体形变能力，评价左心室整体收缩和舒张功能，且该技术成像时对声束无角度依赖，帧频较高时间分辨率好。近来研究表明STI 评价心功能不全患者左室旋转和扭转时有多个参数指标在病例组与对照组间差异存在统计学差异。本研究采用Logistic回归和ROC曲线的联合运用对各指标与心功能不全相关性进行综合分析。    一、Logistic回归筛选变量    Logistic回归是研究二分类观察结果与一些影响因素之间

15、关系的一种多变量分析方法10。自变量的数目较多时，为了使建立的Logistic回归模型比较稳定和便于解释，可以通过一定的方法将回归效果显著的自变量选入模型中，作用不显著的自变量则排除在外。本研究通过Logistic逐步回归分析进行变量筛选，最后选定收缩末期左室扭转角度和左室扭转峰值两个指标，并提示二者与心功能不全呈负相关。收缩末期左室扭转角度在评价心功能不全方面价值大于左室扭转峰值，原因尚不清楚。可能是收缩末期扭转角度体现在主动脉瓣关闭时左心室的扭转形变程度，这与心脏收缩功能紧密相连；而左室扭转峰值可以出现在收缩末期前后2、6，与心脏收缩功能相关性稍差有关。本研究中，心尖旋转峰值、心底旋转峰值、收缩末期心尖旋转角度和心底旋转角度被排除在回归方程之外。是因为心肌扭转峰值和收缩末期扭转角度是通过心尖与心底旋转角度差计算得出，因此扭转峰值和收缩末期扭转角度在一定程度上包含上述四个指标的信息6。  &#