急性心肌梗死患者院內新發心房顫動的影響因素及其風險預測列線圖模型構建

張彬彬，何濤，吳娜，任永強，張俊義，姜文娟，李賓公

急性心肌梗死（acute myocardial infarction，AMI）是臨床常見的急危重癥，發病迅速，據相關數據顯示，中國2.9億心血管疾病患者中有250萬例AMI患者，且AMI死亡率高達10%［1］。近年隨著循證醫學發展，經皮冠狀動脈介入術（percutaneous coronary intervention，PCI）在AMI患者中得到較好的推廣與應用，其可使患者梗死血管被及時開通并實現再灌注，進而有效延緩病情發展［2］。但AMI患者PCI后并發癥仍是當前關注的重點，尤其是新發心房顫動，發生率高達6%～21%［3］。心房顫動會改變AMI患者血流動力學，使病情惡化，增加患者死亡風險。但AMI患者新發心房顫動的機制尚未明確，臨床缺乏有效的預測指標。基于此，本研究整合了AMI患者院內新發心房顫動的危險因素并構建風險預測列線圖模型，旨在幫助臨床醫生早期識別伴有新發心房顫動高風險的AMI患者并早期采取有針對性的干預措施。

1 對象與方法

1.1 研究對象 選取2017年1月至2021年3月在青島市市立醫院行急診PCI的513例AMI患者作為研究對象。納入標準：（1）年齡≥18歲；（2）既往無心房顫動病史；（3）發病后24 h內入院行急診PCI；（4）人口學特征、臨床資料完整。排除標準：（1）合并惡性腫瘤；（2）伴有非梗阻性冠心病、原發性心肌病；（3）有臨床感染證據；（4）伴有免疫系統疾病；（5）合并嚴重肝、腎功能障礙；（6）急診PCI前6個月內有嚴重創傷史、輸血史、手術史；（7）伴有貧血。按照患者院內是否新發心房顫動分為房顫組（n=82）和非房顫組（n=431）。

1.2 研究方法

1.2.1 資料收集 通過醫院信息系統（hospital information system，HIS）收集AMI患者人口學特征及入院時臨床資料，包括年齡、性別、吸煙史、心率、收縮壓、合并癥（包括高血壓、糖尿病及血脂異常）、心臟彩超檢查結果〔包括左心室射血分數（left ventricular ejection fraction，LVEF）、左心房內徑（left atrial diameter，LAD）及左房室瓣反流發生情況〕、Gensini積分、實驗室檢查指標〔包括白細胞計數、血紅蛋白、超敏C反應蛋白（high-sensitivity C-reactive protein，hs-CRP）、心肌肌鈣蛋白I（cardiac troponin I，cTnI）、N末端B型利鈉肽前體（N-terminal pro-B-type natriuretic peptide，NT-proBNP）〕。吸煙史定義：吸煙≥1支/d，連續吸煙時間＞6個月。高血壓參照《中國高血壓防治指南（2018年修訂版）》［4］中的相關診斷標準：收縮壓≥140 mm Hg（1 mm Hg=0.133 kPa）和／或舒張壓≥90 mm Hg。糖尿病參照《中國2型糖尿病防治指南（2017年版）》［5］中的相關診斷標準，即空腹血糖≥7.0 mmol/L或餐后隨機血糖≥11.1 mmol/L。血脂異常定義：存在高膽固醇血癥、高三酰甘油血癥、高低密度脂蛋白膽固醇血癥中的任意一項。根據冠狀動脈造影檢查結果計算Gensini積分［6］，每處病變積分為狹窄程度評分乘以病變部位評分，所有病變積分總和為Gensini積分。冠狀動脈狹窄程度及病變部位評分標準如下：（1）狹窄程度：100%記32分，91%～99%記16分，76%～90%記8分，51%～75%記4分，26%～50%記2分，1%～25%記1分；（2）病變部位：小分支記0.5分，左前降支遠段記1.0分，右冠狀動脈記1.0分，左回旋支中段或遠段記1.0分，左前降支中段記1.5分，左前降支或回旋支近段記2.5分，左主干記5分。

1.2.2 新發心房顫動診斷標準 患者住院期間行12導聯心電圖或動態心電圖檢查發現心房顫動或心房撲動，或在心電圖監護下能捕捉到持續30 s以上的心房顫動，則定義為新發心房顫動［7］。

1.3 統計學方法 采用SPSS 19.0統計學軟件進行數據處理。計數資料以n（%）表示，組間比較采用χ2檢驗；計量資料以（±s）表示，組間比較采用成組t檢驗；采用多因素Logistic回歸模型分析AMI患者院內新發心房顫動的影響因素；采用R 3.4.3軟件包繪制列線圖模型，通過rms程序包建立列線圖模型及校準曲線，并進行Hosmer-Lemeshow擬合優度檢驗；繪制受試者工作特征（receiver operating characteristic，ROC）曲線以評估列線圖模型的預測效能，并采用Bootstrap方法重復抽樣1 000次驗證列線圖模型的預測效能。

2 結果

2.1 兩組人口學特征及入院時臨床資料比較 房顫組與非房顫組男性占比、心率＞100次/min者所占比例、收縮壓＜100 mm Hg者所占比例、高血壓發生率、血脂異常發生率、LVEF＜50%者所占比例、左房室瓣反流發生率、白細胞計數、血紅蛋白、hs-CRP、cTnI比較，差異無統計學意義（P＞0.05）；房顫組年齡和LAD大于非房顫組，有吸煙史者所占比例、糖尿病發生率、Gensini積分、NT-proBNP高于非房顫組，差異有統計學意義（P＜0.05），見表1。

2.2 多因素Logistic回歸分析 以AMI患者院內是否新發心房顫動（賦值：否=0，是=1）為因變量，以表1中差異有統計學意義的指標為自變量，進行多因素Logistic回歸分析，結果顯示，年齡、吸煙史、糖尿病、LAD、Gensini積分、NT-proBNP是AMI患者院內新發心房顫動的獨立影響因素（P ＜0.05），見表2。

表1 兩組人口學特征及入院時臨床資料比較Table 1 Comparison of demographic features and clinical data at admission between the two groups

表2 AMI患者院內新發心房顫動影響因素的多因素Logistic回歸分析Table 2 Multivariate Logistic regression analysis on influencing factors of new onset atrial fibrillation during hospitalization in patients with AMI

2.3 列線圖模型構建與驗證 將多因素Logistic回歸分析篩選出的6個獨立影響因素作為預測指標，構建AMI患者院內新發心房顫動風險預測列線圖模型，見圖1。Hosmer-Lemeshow擬合優度檢驗結果顯示，列線圖模型的風險預測值與實際觀察值的偏差比較，差異無統計學意義（χ2=10.654，P=0.222），說明預測模型不存在過擬合現象。ROC曲線分析結果顯示，列線圖模型預測AMI患者院內新發心房顫動的曲線下面積（area under curve，AUC）為0.839〔95%CI（0.786，0.892）〕，見圖2，說明列線圖模型的區分能力較好。采用Bootstrap方法重復抽樣1 000次驗證列線圖模型發現，校準曲線的平均絕對誤差（mean absolute error，MAE）為0.019，說明校準曲線與理想曲線貼合良好，見圖3。

圖1 AMI患者院內新發心房顫動風險預測列線圖模型Figure 1 Nomogram model for predicting the risk of new onset atrial fibrillation during hospitalization in patients with AMI

圖2 列線圖模型預測AMI患者院內新發心房顫動的ROC曲線Figure 2 ROC curve of nomogram model in predicting the risk of new onset atrial fibrillation during hospitalization in patients with AMI

圖3 列線圖模型預測AMI患者院內新發心房顫動的校準曲線Figure 3 Calibration curve of nomogram model in predicting the risk of new onset atrial fibrillation during hospital in patients with AMI

3 討論

新發心房顫動不僅會引起AMI患者心功能進一步惡化，還會增加缺血性卒中發生風險，進而影響患者預后。MAAGH等［8］研究表明，心房顫動會增加AMI患者院內死亡率并縮短患者院外生存時間。WORE等［9］研究表明，合并新發心房顫動的AMI患者總死亡率高于無新發心房顫動的AMI患者，究其原因可能如下：心房顫動可導致患者心率加快、心室電活動不規則、心室充盈量減少，心肌耗氧增加，缺血、缺氧加重，使患者血管梗死面積擴大、心功能惡化加速，進而增加死亡風險。因此，早期有效、鑒別伴有新發心房顫動高風險的AMI患者極為重要。

本研究結果顯示，本組患者中院內新發心房顫動82例，發生率為15.98%，與國內外報道基本一致［10-11］本研究多因素Logistic回歸分析結果顯示，年齡、吸煙史、糖尿病、LAD、Gensini積分、NT-proBNP是AMI患者院內新發心房顫動的獨立影響因素，可能原因如下：（1）隨著年齡增長，心肌出現退化及纖維化，導致心肌應激性、自律性、興奮性及傳導性下降，心肌電活動不穩定，進而增加患者心房顫動發生風險，與熊丹群等［12］研究結果一致。（2）吸煙產生的煙霧及微粒狀物質均可刺激交感神經傳遞，引起血漿中兒茶酚胺濃度升高，致使心率加快；另外，香煙中的尼古丁還可作用于心房肌細胞中的離子通道，導致心肌電活動不穩定，進而易誘發心房顫動，與SUZUKI等［13］報道的吸煙是心房顫動的獨立危險因素一致。（3）糖尿病患者長期處于糖代謝紊亂狀態，可造成心肌收縮力、心輸出量降低，直接導致包括心房顫動在內的心律失常［14］；而隨著患者體內腎上腺素被激活，心肌壞死可直接導致應激性高血糖，進而誘發心房顫動。KORACEVIC等［15］研究報道，伴有高血糖的AMI患者住院期間新發心房顫動的風險是未伴有高血糖的AMI患者的14.5倍。（4）AMI患者因部分冠狀動脈堵塞導致心肌失去血液供應而壞死，在該過程中患者左心室舒張末期壓力明顯增高，使左心房負荷增加及LAD增大，引起機械-電反饋和神經改變［16］，使擴張的心房電活動不穩定，進而增加心房顫動發生風險。（5）Gensini積分是評估冠狀動脈病變嚴重程度的常用工具，積分越高提示患者冠狀動脈病變程度越嚴重，其側支循環供血越差、心肌缺血越嚴重，故該類患者心功能更易受損，腎素-血管緊張素-醛固酮系統激活也更明顯，這極大地增加了心房顫動的發生風險。（6）NT-proBNP是一種無生物活性的蛋白質，其生物學機制相對穩定［17］。但在左心室容量增大的情況下NT-proBNP水平會明顯升高［18］，NT-proBNP水平與冠心病患者心功能呈負相關［19］。AMI患者心肌缺血缺氧導致冠狀動脈痙攣、血管重塑、血液黏稠度增加、醛固酮水平升高，這一過程可使心房壓力增加、心房受到牽拉，致使心肌細胞合成或分泌NT-proBNP并進入血液循環。而心房壓力增大與心房牽拉均會導致心房有效不應期縮短，無法保障臟器得到較好的血流灌注，進而增加心房顫動發生風險。

良好的預測模型不僅需要篩選有效的預測指標，還需要臨床應用的簡便化。既往研究表明，列線圖模型在預測AMI患者術后院內心源性休克風險［20］、急性腎損傷風險［21］等方面均具有較好的效果。但國內尚缺乏對AMI患者院內新發心房顫動風險預測列線圖模型的探索。本研究將多因素Logistic回歸分析篩選出的6個獨立影響因素作為預測指標，構建AMI患者院內新發心房顫動風險預測列線圖模型，并經過內、外部驗證表明，該列線圖模型不存在過擬合現象，區分能力較好，且預測AMI患者院內新發心房顫動風險與實際新發心房顫動風險具有良好的一致性。

綜上所述，年齡、吸煙、糖尿病、LAD、Gensini積分及NT-proBNP是AMI患者院內新發心房顫動的獨立影響因素，而基于上述影響因素構建的AMI患者院內新發心房顫動風險預測列線圖模型具有較高的預測效能，臨床可根據該列線圖模型篩選出伴有新發心房顫動高風險的AMI患者并給予其針對性的預防措施，以降低患者院內新發心房顫動風險。

作者貢獻：張彬彬進行文章的構思與設計，負責撰寫、修訂論文；何濤、李賓公進行研究的實施與可行性分析；張彬彬、張俊義、姜文娟進行數據收集、整理、分析；張彬彬、吳娜、任永強、姜文娟進行結果分析與解釋；李賓公負責文章的質量控制及審校，并對文章整體負責、監督管理。

本文無利益沖突。