目的:采用Logistic回归分析和ROC曲线评估步态运动学特征联合MRI总负荷对脑小血管病(cerebral small vessel disease,CSVD)步态障碍患者跌倒风险的预测价值。方法:选取2019年3月1日—2020年3月30日就诊于甘肃省人民医院中法神经康复科...目的:采用Logistic回归分析和ROC曲线评估步态运动学特征联合MRI总负荷对脑小血管病(cerebral small vessel disease,CSVD)步态障碍患者跌倒风险的预测价值。方法:选取2019年3月1日—2020年3月30日就诊于甘肃省人民医院中法神经康复科诊断为CSVD且以步态障碍为主要症状的43例患者为研究对象,统计临床数据,根据TUG测试时间将所有患者分为高跌倒风险(high risk of falling,HRF;TUG时间≥15s)组和低跌倒风险(low risk of falling,LRF;TUG时间<15s)组,采用Logistic回归分析和ROC曲线评估步态运动学特征联合MRI总负荷对CSVD步态障碍患者跌倒风险的预测价值。结果:研究共纳入43例患者,平均年龄(71.07±8.17)岁。其中女性26例(60.4%),高血压患者30例(69.8%),Logistic回归分析显示,在校正年龄和TUG后,步长(OR 0.821,95%CI 0.702—0.959,P=0.013)为CSVD步态障碍患者跌倒风险的独立保护因素,MRI总负荷(OR 4.217,95%CI 1.444—12.317,P=0.009)为CSVD步态障碍患者跌倒风险的独立危险因素。ROC曲线分析显示步长和MRI总负荷联合对CSVD步态障碍患者的跌倒风险具有较高的预测价值(AUC=0.904),敏感性为82.6%,特异性为90%。结论:步长联合MRI总负荷对CSVD步态障碍患者的跌倒风险有较高的预测价值。展开更多
文摘目的:采用Logistic回归分析和ROC曲线评估步态运动学特征联合MRI总负荷对脑小血管病(cerebral small vessel disease,CSVD)步态障碍患者跌倒风险的预测价值。方法:选取2019年3月1日—2020年3月30日就诊于甘肃省人民医院中法神经康复科诊断为CSVD且以步态障碍为主要症状的43例患者为研究对象,统计临床数据,根据TUG测试时间将所有患者分为高跌倒风险(high risk of falling,HRF;TUG时间≥15s)组和低跌倒风险(low risk of falling,LRF;TUG时间<15s)组,采用Logistic回归分析和ROC曲线评估步态运动学特征联合MRI总负荷对CSVD步态障碍患者跌倒风险的预测价值。结果:研究共纳入43例患者,平均年龄(71.07±8.17)岁。其中女性26例(60.4%),高血压患者30例(69.8%),Logistic回归分析显示,在校正年龄和TUG后,步长(OR 0.821,95%CI 0.702—0.959,P=0.013)为CSVD步态障碍患者跌倒风险的独立保护因素,MRI总负荷(OR 4.217,95%CI 1.444—12.317,P=0.009)为CSVD步态障碍患者跌倒风险的独立危险因素。ROC曲线分析显示步长和MRI总负荷联合对CSVD步态障碍患者的跌倒风险具有较高的预测价值(AUC=0.904),敏感性为82.6%,特异性为90%。结论:步长联合MRI总负荷对CSVD步态障碍患者的跌倒风险有较高的预测价值。
