编辑推荐：
房颤（AF）患者卒中风险评估面临挑战，现有工具对心电图关注不足。研究人员开展 “心率变异性（HRV）参数与非瓣膜性阵发性房颤患者卒中风险关系” 的研究，发现 HRV 参数异常变化与急性缺血性卒中（AIS）风险有关，新指标可改善 AIS 风险预测模型。
在医学领域，心房颤动（Atrial Fibrillation，AF）就像一颗隐藏在人体里的 “定时炸弹”，它是临床中最常见的持续性心律失常，更是诱发卒中，尤其是缺血性卒中的重要危险因素。随着人们年龄的增长，AF 的患病率也在不断攀升，给公共卫生带来了沉重的负担。目前，想要从众多 AF 患者中准确找出高卒中风险人群，是医学上的一大难题。传统的风险分层工具，比如 CHA
2DS
2-VASc 评分，主要侧重于患者的病史，对心电图（Electrocardiogram，ECG）方面的关注相对较少，这就导致在预测个体风险时不够精准。而心率变异性（Heart Rate Variability，HRV）作为衡量连续心跳时间间隔变化的指标，有可能成为评估自主神经功能障碍和整体心血管健康的生物标志物。已有研究表明，HRV 降低与包括卒中在内的多种心血管事件风险增加相关，但 HRV 参数与 AF 患者卒中风险之间的关系还需要更深入的探索。为了解决这一问题，武汉大学中南医院的研究人员开展了一项关于 HRV 参数与非瓣膜性阵发性房颤（Non - valvular Paroxysmal Atrial Fibrillation，NVP AF）患者卒中风险关系的研究，该研究成果发表在《European Journal of Medical Research》上。
这项研究采用回顾性病例对照研究设计，数据来源于 2022 年武汉大学中南医院神经内科电子病历系统。研究人员收集了符合特定纳入和排除标准的 AF 患者数据，这些患者被分为病例组（发生急性缺血性卒中，Acute Ischemic Stroke，AIS）和对照组。研究人员收集的信息包括患者的年龄、性别、病史（高血压、糖尿病等）、血压、脑钠肽（Brain Natriuretic Peptide，BNP）、低密度脂蛋白（Low - Density Lipoprotein，LDL）、心率、CHA2DS2-VASc 评分、是否使用新型口服抗凝药（NOAC）以及 HRV 参数（分为时域和频域参数等）。研究人员通过统计分析，探究 HRV 参数与 AIS 风险之间的关系，并构建了基于 HRV 参数的卒中风险预测模型。
研究结果主要从以下几个方面展开：
- 病例选择与组间比较：研究人员最初检索到 3218 份 AF 患者病历，经过严格筛选，最终确定了 192 例患者，其中病例组 93 例，对照组 99 例。两组患者在年龄上没有显著差异，但病例组中高血压病史的比例明显高于对照组，且病例组的 CHA2DS2-VASc 评分更高，使用 NOAC 的频率更低。在 HRV 参数方面，病例组的 SDNN（标准偏差正常到正常间隔，Standard Deviation of Normal - to - Normal Intervals）均值秩和低频（Low Frequency，LF）明显低于对照组，其他 HRV 参数在病例组中也有降低趋势，但差异未达到统计学意义。
- HRV 参数与卒中风险的相关性：研究人员通过分析由 HRV 参数衍生的分类变量发现，时域异常变化（Abnormal Variation in Time Domain，AVTD）与非瓣膜性阵发性房颤患者急性缺血性卒中的发生显著相关。虽然频域异常变化（Abnormal Variation in Frequency Domain，AVFD）和致心律失常性异常变化（Abnormal Variation in Arrhythmogenicity，AVA）单独与 AIS 的关系不显著，但由 AVTD、AVFD 和 AVA 组成的复合变量（Compound Degree of Variation，CDV）与 AIS 的发生存在显著关联。
- 回归分析：通过单因素和多因素二元逻辑回归分析，研究人员发现 SDNN、高血压病史、CHA2DS2-VASc 评分以及 AVTD 在单因素和多因素分析中都是 AIS 风险的重要预测指标，而 CDV 仅在单因素分析中具有显著性。构建的预测模型具有一定的拟合优度，其敏感性为 80.6%，特异性为 79.8%，整体能正确分类 80.2% 的患者，相比仅依靠传统风险因素的模型有了明显改进。
研究结论和讨论部分指出，该研究明确了 HRV 参数与非瓣膜性阵发性房颤患者缺血性卒中风险之间存在紧密联系。研究中独特地整合多个 HRV 参数开发出的新指标，如 AVTD、AVFD、AVA 和 CDV，与 AIS 风险呈现出显著关联。这些新指标结合传统风险因素和 CHA2DS2-VASc 评分，极大地提升了 AIS 风险模型的预测能力，为更精准地评估 AF 患者的卒中风险提供了新的方向。然而，该研究也存在一些局限性，比如回顾性研究设计可能导致选择偏倚，样本量相对较小，单中心研究的结果可能无法推广到更广泛人群，研究未涵盖所有相关的自主神经功能标志物，生活方式因素对结果的影响未充分考虑，以及可能遗漏亚临床卒中对 HRV 参数的影响等。尽管如此，这项研究仍然为后续进一步探究 HRV 在 AF 患者卒中风险评估中的应用奠定了基础。未来的研究可以通过开展前瞻性、大样本、多中心的研究，进一步验证和完善相关预测模型，为临床实践中 AF 患者的管理和卒中预防提供更有力的支持。
