《Neurological Research and Practice》：Evaluation of predictors indicating paroxysmal atrial fibrillation in patients with acute ischemic strokes: the Find-AFRANDOMISED trial
编辑推荐：
（编辑推荐）本研究通过前瞻性队列数据，评估了多项指标对急性缺血性卒中后隐匿性阵发性房颤的预测价值。结果表明，室上性心动过速（SV-runs≥20次）和脑钠肽（BNP≥100 pg/ml）是识别高危患者最有效的独立预测因子，优于传统的年龄或可疑卒中病因（TOAST分类）评估。这为临床优化有限的长程心电监测资源提供了循证依据，提示应聚焦于反映心房结构/电学改变的指标。
背景
心房颤动（AF）是脑缺血的常见病因，其诊断会改变二级预防用药策略。然而，阵发性房颤（pAF）常呈隐匿性，需通过复杂的长程心电监护才能发现。考虑到监测手段的成本与可及性，定义有效的房颤预测因子以将强化监测聚焦于高危患者至关重要。德国心脏与脑工作组的一份共识文件曾列出包括高龄、左心房扩大（左心房直径，LAD）、利钠肽升高以及室上性异位活动增强（ESVEA，如频发房性早搏或长程室上性心动过速）在内的多项预测指标，并建议将特定卒中病因（基于TOAST分类）也视为高风险因素。Find-AFRANDOMISED是一项随机多中心试验，旨在研究强化霍尔特心电监护对≥60岁卒中幸存者新发房颤检出率的影响。本分析旨在比较这些不同预测因子的价值，以指导临床医生如何分配有限的增强心电监测资源。
方法
本研究是对Find-AFRANDOMISED试验干预组数据的二次分析。共纳入200名≥60岁、无已知房颤的急性缺血性卒中患者。他们在6个月内接受了三次为期十天的霍尔特心电监护。房颤（AF）定义为持续≥30秒的典型发作。研究评估了以下预测因子：年龄、24小时内房性早搏（APB）数量、最长室上性心动过速（SV-run）持续时间、基线脑钠肽（BNP）水平、经胸超声心动图测得的左心房直径（LAD）以及根据TOAST分类判定的可疑卒中病因。此外，还分析了更复杂的超声指标，如左心房容积指数（LAVI）和反映心房功能的组织多普勒测量（a’），并计算了LAVI/a’指数。
统计分析包括比较基线特征、进行受试者工作特征曲线（ROC）分析计算曲线下面积（AUC），并应用共识文件中预设的截断值（如APB≥480/天、SV-runs≥20跳、BNP≥100 pg/ml、LAD≥45 mm等）将患者分为低、中、高风险组，计算各指标的敏感性、特异性、阳性及阴性预测值。最后，通过多变量逻辑回归模型（先构建全模型，再使用基于预设截断值的分类变量进行逐步选择）确定独立的房颤预测因子。
结果
在200名患者中，有27名（13.5%）在6个月随访期间被新诊断为房颤。单变量分析显示，长程SV-runs、频发APB、BNP水平升高和LAD增大在房颤组与非房颤组之间存在显著差异，而可疑卒中病因（TOAST分类）和年龄则无显著差异。
ROC分析显示，APB的预测性能最佳（AUC=0.75），其次为BNP（AUC=0.72）、SV-runs（AUC=0.65）和LAD（AUC=0.67）。年龄（AUC=0.55）和可疑卒中病因（AUC=0.57）的预测价值有限。更复杂的超声指标LAVI和LAVI/a’的AUC分别为0.70和0.74，但因数据缺失较多（仅分别有45.5%和37.5%的患者可用），应用受限。
应用预设截断值分析发现，SV-runs≥20跳具有最高的特异性（95.3%）和阳性预测值（33.3%），其次为BNP≥100 pg/ml（特异性85.7%，阳性预测值32.4%）。左心房直径<40 mm的亚组房颤检出率最低（4.3%）。
多变量逻辑回归分析（基于131名拥有全部参数数据的患者）显示，在调整其他因素后，仅BNP≥100 pg/ml和SV-runs≥20跳是房颤的独立预测因子。APB和LAD未能在多变量模型中保持独立预测性，可能与它们分别同SV-runs和BNP存在多重共线性有关，也可能与LAD数据存在较多缺失有关。
讨论
本研究的主要发现是，BNP升高和长程SV-runs是卒中患者罹患阵发性房颤最有效的独立预测因子，而左心房扩大和频发APB也有预测价值。相反，基于TOAST分类的可疑卒中病因以及年龄在本队列中未显示出显著预测价值。这表明，与房颤风险更直接相关的是反映心房结构和电学改变（即“心房心肌病”）的指标，而非卒中本身的表现类型。
室上性异位活动增强（ESVEA）作为房颤预测因子已在多项人群和卒中研究中得到证实。本研究进一步明确了SV-runs≥20跳这一具体截断值能定义出一个房颤高风险亚组。同样，BNP作为心房压力或容量负荷的生物标志物，其预测价值也已被广泛认可，本研究中BNP≥100 pg/ml识别出了高危患者，且其敏感性优于SV-runs截断值。
左心房扩大是已知的房颤预测因子，在本研究的单变量分析中有效，但未能在多变量模型中保持独立，可能与BNP存在信息重叠（均反映心房结构改变），以及超声数据缺失率较高（仅70%患者有LAD数据）有关。年龄预测作用有限，可能与本试验排除了<60岁患者且≥80岁高龄患者比例较小（15.5%）有关，同时，研究心电监护启动平均延迟了4天，可能已通过常规检查排除了部分有持续房颤发作的老年患者。
综上所述，关注心房结构和电学改变的指标，比依赖可疑卒中病因，能更有效地识别出需要强化心电监测以发现隐匿性房颤的卒中患者。正在进行的Find-AF 2试验正是基于此发现，采用了一种风险适应策略：根据是否存在长程SV-runs来分配植入式循环记录仪或7天霍尔特心电监护。
局限性与优势
本研究的局限性包括样本量和事件数相对较少，影响了多变量调整的效力；超声心动图等数据存在缺失（尤其是更精细的指标），可能低估了其预测效应；仅54.5%的患者进行了磁共振成像扫描，可能影响卒中病因判断的准确性；仅测量了BNP，未涉及NT-proBNP；研究人群仅限于≥60岁的欧洲白人，结论可能不适用于其他人群。
优势在于所有数据均来源于一项前瞻性随机对照试验，提供了大量特征明确的卒中患者的长程、高质量心电数据分析及随访数据。
总结
总之，在本研究队列中，长程室上性心动过速（SV-runs）和升高的脑钠肽（BNP）是识别卒中后隐匿性阵发性房颤高风险患者最有帮助的预测指标。未来的诊断性研究应考虑采用这些反映心房电学或结构改变的参数来分配强化心电监测资源，而非聚焦于可疑的卒中病因。
