《Journal of Stroke and Cerebrovascular Diseases》：Using Clinical and Thrombus Characteristics to Predict the Etiology of Ischemic Stroke: An Analysis of the INSIGHT Registry
编辑推荐：
背景与目的：缺血性卒中约占美国所有卒中病例的87%，其中约20%为心源性栓塞（CE）病因，另有25%被归类为不明来源栓塞性卒中（ESUS）。ESUS患者功能结局与生存率较差，因此明确卒中病因差异具有重要临床意义。方法：研究人员分析了“缺血性卒中及血肿清除血栓调
背景与目的：缺血性卒中约占美国所有卒中病例的87%，其中约20%为心源性栓塞（CE）病因，另有25%被归类为不明来源栓塞性卒中（ESUS）。ESUS患者功能结局与生存率较差，因此明确卒中病因差异具有重要临床意义。方法：研究人员分析了“缺血性卒中及血肿清除血栓调查”（INSIGHT）注册队列（NCT04693767），共纳入388例患者（CE组208例，房颤[AFIB]亚组142例，非CE组180例）。分析涵盖人口学、既往病史、基线血液实验室指标、术中数据及血栓特征等123项特征，采用相关性分析、单变量分析及最小绝对收缩与选择算子（LASSO）机器学习模型进行病因预测。结果：多项临床变量与卒中病因显著相关。未使用抗凝药物患者中，基线凝血酶原时间及国际标准化比值（INR）升高，基线使用抗心律失常药、降压药及改良Rankin量表（mRS）评分较高，均显著增加CE及AFIB病因风险；基线血小板及红细胞计数较高则与AFIB病因风险降低相关（均p<0.05）。LASSO模型预测CE及AFIB病因的曲线下面积（AUC）分别为0.71及0.73。结论：多种临床特征与卒中病因密切相关，结合机器学习模型可有效预测病因。
本研究针对缺血性卒中病因分型中不明来源栓塞性卒中（ESUS）比例高、预后差且复发风险大的临床难题，旨在探索可量化的临床及血栓特征以提高病因识别准确性。当前，TOAST分型系统是卒中病因分类的主要依据，但仍有9%–25%的病例无法明确病因，限制了二级预防策略的精准实施。在此背景下，研究人员依托前瞻性多中心INSIGHT注册队列，系统分析患者人口学、既往病史、实验室检查、术中数据及血栓组织学特征，构建统计与机器学习模型，以期为临床病因判断提供客观依据。该研究发表于《Journal of Stroke and Cerebrovascular Diseases》。
在研究方法上，研究人员纳入2021至2022年间美国25家中心的388例急性缺血性卒中并接受机械取栓的患者，病因按TOAST标准分为CE、大动脉粥样硬化（LAA）、小血管病、其他及隐源性卒中。数据采集包括外周血样本及取栓获得的血栓组织，特征涵盖人口学、既往病史、影像学、血液生化、神经功能评分、术中指标及血栓组成等86项。统计分析采用R语言环境，连续变量比较使用Student’s t检验，分类变量采用Fisher精确检验及卡方检验，相关性分析采用Pearson相关系数，病因预测分别构建单变量与多变量回归模型，并使用LASSO回归（glmnet包）进行特征选择与建模，训练集与测试集按70:30划分。
研究结果分为四部分。均值差异分析显示，CE及AFIB组年龄显著高于非CE组，房颤史、基线mRS评分、抗凝药、降压药及抗心律失常药使用率、凝血酶原时间与INR、首次通过效应（FPE）发生率均显著更高；在未使用抗凝剂的患者中，CE组的凝血酶原时间与INR仍显著高于非CE组；AFIB组血小板及红细胞计数显著低于非CE组。相关性分析证实，年龄、房颤史、降压药、抗心律失常药、抗凝药使用、mRS评分及凝血酶原时间与CE及AFIB病因呈正相关。回归分析表明，高龄、房颤史、联合降压治疗、抗心律失常及抗凝药使用显著增加CE及AFIB风险，阿司匹林联合P2Y12受体抑制剂则降低风险；年龄与凝血酶原时间与CE风险呈线性正相关，红细胞计数与AFIB风险呈线性负相关。机器学习模型方面，LASSO回归预测CE病因的AUC为0.71，预测AFIB病因的AUC为0.73，重要预测因子包括年龄、FPE、降压药、抗心律失常药、mRS评分、瓣膜置换史、NT-proBNP水平、颈外颈动脉粥样硬化（负向）、房颤史、凝血酶原时间、出院时神经保护药物使用及远端栓塞（负向）。
讨论部分指出，本研究首次在同一模型中整合了广泛临床与血栓特征进行病因预测，并单独分析AFIB这一CE的重要亚型，为个体化二级预防提供了依据。研究发现凝血酶原时间与INR在未使用抗凝患者中仍可区分CE与非CE，提示其作为病因标志物的潜力。此外，降压药和抗心律失常药的使用率差异反映了基础疾病管理的分布特征，而mRS评分与CE严重程度的相关性拓展了功能评分的临床意义。LASSO模型的预测效能虽略低于既往仅基于电子健康记录的研究，但通过加入血栓组织学特征为病因机制提供了更多线索。研究局限性在于ESUS病例数较少，可能影响其与CE的比较效力，且取栓成功的血栓可能存在选择性偏倚。结论重申，多种临床特征在不同分析方法中一致显示与CE或AFIB病因相关，未来研究应进一步结合电子健康记录、遗传数据与影像资料以提升预测模型的准确性。
