摘要
脑白质病变(white matter lesions，WML)又被称为脑白质疏松或脑白质高信号，WML是一个影像学术语，用来描述脑室旁和大脑深部白质斑点状或片状的病变，在大脑磁共振(magnetic resonance imaging，MRI)T2加权像和T2液体衰减反转恢复(FLAIR)序列呈高信号，T1加权像呈等信号或偏低信号。众多研究证明，严重的WML引起患者的认知功能下降、抑郁、尿便障碍、平衡和步态障碍，并且WML在预测卒中风险、心肌梗死、血管性死亡、致残率、死亡率等方面息息相关。红细胞分布宽度(red blood cell distribution width，RDW)是一个简单且快捷获得的检验指标，反映红细胞体积的离散程度，RDW升高表示红细胞体积大小不一及差异性增大，与红细胞生成和降解受损有关，例如缺铁性贫血、维生素B12缺乏症、叶酸缺乏、骨髓抑制等导致无效的红细胞产生增加或者红细胞破坏（溶血）、输血等会导致RDW水平增高，传统上RDW常用于贫血的鉴别诊断。目前研究发现RDW水平在心血管疾病（如充血性心力衰竭、急性冠脉综合征、高血压等）和非心血管疾病（急性肺栓塞、社区获得性肺炎、糖尿病、急性胰腺炎等）均是一种良好的预测评价指标，RDW值的大小可用于多个系统疾病预后的评估，但RDW与WML严重程度之间的关系目前研究较少。本研究将通过回顾性分析在中老年WML患者中，探讨RDW水平与WML严重程度的相关性。 目的: 通过回顾性分析，探讨在中老年WML患者中RDW水平与WML严重程度的相关性。 方法: 1.1 研究对象 回顾性收集2015年6月至2017年4月我院神经内科连续入院患者。 纳入标准:(1)年龄≥40岁;(2)完善头颅MRI检查（包括T1MRI、T2MRI、T2-FLAIR序列），证实存在脑白质病变者;(3)临床病例资料齐全，住院期间完善血常规、凝血功能、肝肾功能、血脂、血尿酸、血同型半胱氨酸等检查。 排除标准:(1)非血管源性的脑白质病变，如多发性硬化、脑白质营养不良等;(2)急性卒中或既往卒中病史患者;(3)肿瘤、痴呆和精神疾病患者;(4)已知有贫血或白血病等血液病;(5)严重肝肾功能异常;(6)有其他可能影响RDW值的情况或疾病，如冠心病、心房颤动、心力衰竭、严重感染、炎症性肠病等。 1.2 资料收集 1.2.1 临床资料:内容包括姓名、性别、年龄、有无高血压、有无糖尿病等。 1.2.2 血液指标资料:所有入组患者于入院后次日清晨采集空腹静脉血，送至我院临床检验科完善血常规、凝血功能、肝肾功能、血脂、血尿酸、血同型半胱氨酸等检查。收集指标包括白细胞计数、红细胞计数、血红蛋白、红细胞压积、红细胞平均体积、血小板计数、RDW、纤维蛋白原、肌酐、尿酸、总胆固醇、甘油三酯、高密度脂蛋白、低密度脂蛋白、同型半胱氨酸等。 1.2.3 影像学资料收集:所有入组患者于住院期间完善头颅1.5T MRI检查，由两位临床经验丰富的神经科医生采用双盲法根据Fezakas量表对所有入组患者进行WML评分，有异议者由第三位神经科医生再次评估后决定。将脑室旁和深部白质病变分开评分。脑室旁白质病变评分:1分:帽状或者铅笔样薄层病变;2分:病变呈光滑的晕圈;3分:不规则的脑室旁高信号，延伸到深部白质。深部白质病变评分:1分:点状病变;2分:病变开始融合;3分:病变大面积融合。两部分的得分相加计算总分，总分＜3为轻度组，总分≥3分为中重度组。 1.3 统计学分析 采用SPSS22.0统计学软件进行分析。呈正态分布的计量资料以均数±标准差表示，组间比较采用两独立样本t检验。计数资料以百分数表示，组间比较采用卡方检验。根据单因素分析结果将有意义的自变量纳入二分类多因素logistic回归模型中，筛选出中重度WML的独立危险因素。绘制受试者工作曲线（ROC曲线）评价相关指标的预测价值。P＜0.05时认为存在统计学差异。 结果: 1 临床特征 本研究共纳入409名患者，平均年龄为61.82±11.20岁，女性患者有241名(58.9％)，男性患者有168名(41.1％)。无高血压患者有227名(55.5％)，高血压患者有182名(44.5％)。无糖尿病患者357名(87.3％)，有糖尿病患者52名(12.7％)。轻度脑白质病患者266名(65％)，中重度脑白质病变患者143名(35％)。 2 轻度组与中重度组WML危险因素的单因素分析 与轻度WML比较，中重度WML患病年龄更大(P＜0.001)，高血压的患病率更高(P＜0.001)，红细胞计数、血红蛋白、总胆固醇水平更低，而RDW、纤维蛋白原、肌酐、同型半胱氨酸水平更高，除此之外还发现WML严重程度与白细胞计数、红细胞压积、红细胞平均体积、血小板计数、尿酸、甘油三酯、高密度脂蛋白、低密度脂蛋白水平无关，且与性别、糖尿病患病率无关。 3 二分类logistic逐步回归分析中重度WML的危险因素 根据单因素分析结果将P＜0.1的自变量纳入二分类logistic回归模型中。RDW作连续型变量资料，调整混杂因素后发现年龄(OR=1.158，95％CI:1.122-1.195,P＜0.001mm)、高血压(OR=2.103,95％CI:1.254-3.526,P=0.005)、RDW(OR=1.308，95％CI:1.062-1.610，P=0.011)是中重度WML的独立危险因素。将RDW以四分位数法分为四个等级，四个浓度等级分别为:Q1:≤12.2％，Q2:12.3-12.6％，Q3:12.7-13.2％,Q4:≥13.3％。调整混杂因素后，年龄(OR=1.160，95％CI:1.123-1.198,P＜0.001)、高血压（OR=2.161,95％CI:1.280-3.648,P=0.004）、RDW是中重度WML的独立危险因素。在WML患者中，当RDW≥13.3％时中重度WML的发生风险是RDW≤12.2％的2.861倍(OR=2.861，95％CI:1.387-5.898,P=0.004)。 4 绘制RDW与中重度WML的受试者工作曲线（ROC曲线） ROC曲线下面积(AUC)为0.643(95％CI:0.587-0.699，P＜0.001)。当约登指数最大时，RDW最佳截断值为13.05％，其对中重度WML预测敏感性51.0％，特异性为74.1％。根据最佳截断值，将RDW分成两层RDW≤13.05％和RDW＞13.05％，调整混杂因素后，年龄、高血压、RDW是中重度WML的独立危险因素。在WML患者中，当RDW＞13.05％时中重度WML的发生风险是RDW≤13.05％的2.425倍(OR=2.425,95％CI:1.419-4.144,P=0.001)。 结论: 在WML患者中，年龄、高血压、RDW是中重度WML的独立危险因素，高水平RDW对中重度WML有一定的预测价值。
NETL