冠状动脉钙化患者主动脉瓣钙化危险因素分析及预测模型构建OA

目的 探讨冠状动脉钙化(CAC)患者发生主动脉瓣钙化(AVC)的独立危险因素,并构建临床预测模型,为早期识别高风险患者提供依据。方法 本研究回顾性纳入2019年1月至2022年9月期间在东南大学附属中大医院接受冠状动脉CT血管成像(CCTA)且CAC积分> 0的住院患者1458例,按7∶3随机分为训练集(n=1 020)和验证集(n=438)。通过单因素和多因素logistic回归分析钙化性主动脉瓣疾病(CAVD)的危险因素,本研究采用LASSO回归进行变量筛选,并基于筛选出的变量构建列线图预测模型。通过ROC曲线、校准曲线和决策曲线分析(DCA),分别验证了模型出色的区分能力、预测准确性以及潜在的临床应用价值。结果 训练集中AVC发生率为30.6%。多因素分析显示,年龄(OR=1.055,95%CI:1.040~1.071)、身高(OR=0.980,95%CI:0.962~0.997)、右心室舒张末期内径(RVEDd,OR=1.719,95%CI:1.102~2.692)及他汀类药物使用(OR=1.408,95%CI:1.047~1.899)是AVC的独立预测因素。模型在训练集和验证集中的AUC分别为0.738和0.715,校准曲线显示预测与实际风险高度一致,DCA证实其临床净获益显著。结论 年龄、身高、RVEDd及他汀类药物使用是CAC患者发生AVC的独立预测因素。基于此构建的列线图模型展现出优异的预测能力,有助于对高危患者进行早期识别与临床管理。