编辑推荐：
急性缺血性脑卒中（AIS）与短暂性脑缺血发作（TIA）临床区分困难，现有诊断方法存在局限。研究人员评估非高密度脂蛋白胆固醇（non - HDL - C）和血压（BP）对二者的诊断价值，发现 non - HDL - C 和收缩压是 AIS 独立危险因素，列线图模型可辅助诊断。这为临床诊断提供新方向。
在脑血管疾病的领域中，急性缺血性脑卒中（AIS）和短暂性脑缺血发作（TIA）如同隐藏在人体健康背后的 “定时炸弹”。AIS 是一种常见的脑卒中类型，全球范围内，其占所有脑卒中的比例超过 80% ，具有高发病率、高致残率、高死亡率以及高复发率的特点，给患者家庭和社会带来沉重的经济负担。而 TIA 常被称为 “mini - stroke”，虽然症状通常在 24 小时内缓解，但它与 AIS 发病机制相似，且 20% 的缺血性脑卒中在发病前数小时至数天内有 TIA 发作史，若不及时诊断和干预，后续发生脑卒中的风险极高。
目前，临床区分 AIS 和 TIA 面临诸多挑战。一方面，现有的诊断金标准依赖于神经影像学技术，如计算机断层扫描（CT）和磁共振成像（MRI），这些方法虽然准确，但存在成本高、设备要求高、操作需专业人员等问题，在资源有限的基层医疗单位难以普及。另一方面，现有的血清学指标大多是反映全身炎症、凝血功能或神经元损伤的通用标记，缺乏特异性，无法准确区分 AIS 和 TIA，导致临床指标的准确性、敏感性和特异性较低，预测能力不足。因此，开发一种高效、便捷的诊断方法迫在眉睫。
为了解决这些问题，来自新乡医学院三全学院医学院实验室等多个单位的研究人员开展了相关研究。他们旨在评估非高密度脂蛋白胆固醇（non - HDL - C）和血压（BP）在区分 AIS 和 TIA 中的诊断价值，并构建一种新的诊断模型。
研究人员采用了多种关键技术方法。首先，他们建立了样本队列，从河南省人民医院招募了 207 例发病 72 小时内未经治疗的 AIS 患者和 99 例年龄、性别匹配的 TIA 患者。其次，通过收集患者的临床资料、测量各项指标，运用单因素和多因素逻辑回归分析确定风险因素，利用受试者工作特征（ROC）曲线评估诊断性能，借助最小绝对收缩和选择算子（LASSO）回归结合多元逻辑回归构建列线图模型。
研究结果主要如下：
- 基线特征比较：AIS 组在高血压、糖尿病、糖尿病家族史和吸烟史的患病率上显著高于 TIA 组。在各项指标方面，AIS 组的甘油三酯（TG）、总胆固醇（TC）、低密度脂蛋白胆固醇（LDL - C）、同型半胱氨酸（Hcy）、non - HDL - C、收缩压和舒张压水平均显著高于 TIA 组，而高密度脂蛋白胆固醇（HDL - C）、葡萄糖（GLU）和缺血修饰白蛋白（IMA）在两组间无显著差异。
- 风险因素分析：单因素逻辑回归分析显示，TG、TC、LDL - C、GLU、Hcy、non - HDL - C、收缩压和舒张压与 AIS 的发生显著相关。多因素逻辑回归分析确定 non - HDL - C（OR = 1.663，95% CI：1.239 - 2.234，P < 0.01）和收缩压（OR = 1.035，95% CI：1.012 - 1.057，P < 0.01）是 AIS 的独立危险因素。
- 诊断性能评估：ROC 曲线分析表明，收缩压单独检测时诊断 AUC 为 0.686，敏感性为 78.7%，特异性为 51.5%；收缩压和 non - HDL - C 联合检测时，诊断 AUC 提升至 0.736，敏感性为 75.4%，特异性为 64.6%；10 项指标联合检测时，敏感性为 82.6%，特异性为 59.6%，AUC 达到 0.770。
- 列线图模型构建与评估：通过 LASSO 回归筛选变量，构建了包含吸烟习惯、收缩压、LDL - C、GLU 和 Hcy 的列线图诊断模型。该模型在训练集和验证集的 AUC 分别为 0.769 和 0.704，Hosmer - Lemeshow 拟合优度检验和校准曲线显示模型性能良好，决策曲线分析表明其具有实际应用价值。
在研究结论与讨论部分，研究明确了 non - HDL - C 和收缩压是 AIS 的独立危险因素，二者联合使用可提高区分 AIS 和 TIA 的诊断精度。列线图模型为区分 AIS 和 TIA 提供了一种实用工具，尤其适用于资源有限的基层医疗单位，有助于提高临床决策效率和患者预后。然而，该研究也存在一定局限性，如回顾性研究样本量较小、诊断模型样本有限导致 AUC 相对较低、列线图模型变量选择影响预测能力、高血压评估主要用于指导二级预防而非急性诊断等。
尽管如此，这项研究仍具有重要意义。它为临床医生在区分 AIS 和 TIA 时提供了新的血清学和临床参数参考，列线图模型的应用也为基层医疗单位提供了一种便捷的诊断工具。未来，若能扩大样本量、纳入更多临床数据，并借助现代人工智能技术进行大数据分析和建模，有望开发出更高效、低成本的诊断模型，优化临床决策过程，提升 AIS 和 TIA 的诊断和治疗水平，为广大患者带来更多福音。
