患者筛选与数据收集
获取具有缺血性卒中或TIA的患者数据,并收集基线的eGFR和影像学资料。
从MICON协作网络纳入14个中心9,195例患者,排除缺少EPVS数据或肾功能数据者,最终纳入7,254例。
Association of Enlarged Perivascular Spaces and Total Small Vessel Disease Burden With Kidney Function
研究基于7,254例患者的多中心横断面数据分析,包含EPVS、cSVD等多维度影像学评估,并通过多变量逻辑回归和多种敏感性分析进行验证。
缺血性卒中或TIA患者队列
eGFR分类定义(高滤过为大于年龄性别调整的95百分位,eGFR 30-60,eGFR <30) EPVS和cSVD负担的视觉评分量表(5点顺序量表) 多变量有序逻辑回归调整的混杂因素(年龄、性别、东亚研究中心、高血压、糖尿病、高脂血症、缺血性心脏病、吸烟) 亚组分析(年龄、性别、卒中病因等)
提炼研究问题、关键发现与证据,快速把握文章的核心贡献。
按研究推进顺序梳理实验设计、验证步骤与关键观察。
获取具有缺血性卒中或TIA的患者数据,并收集基线的eGFR和影像学资料。
从MICON协作网络纳入14个中心9,195例患者,排除缺少EPVS数据或肾功能数据者,最终纳入7,254例。
根据eGFR将患者分为正常、高滤过、中度受损和严重受损。
使用CKD-EPI方程计算eGFR,定义为高滤过(eGFR>年龄性别调整95百分位)、eGFR 30-60、eGFR<30,正常eGFR≥60且无高滤过。
评估EPVS严重程度和总的cSVD负担。
使用5点顺序量表对BG-EPVS和CSO-EPVS进行视觉评分,使用Fazekas量表评估WMH,使用MARS评估CMB,并计算总cSVD负担评分。
检验eGFR类别与EPVS和cSVD负担的独立关联。
采用多变量有序逻辑回归模型,调整年龄、性别、东亚研究中心、高血压、糖尿病、高脂血症、缺血性心脏病和吸烟,并考虑中心聚类效应。进行敏感性分析和亚组分析。
按研究目的归类文中使用的方法,便于定位所需技术。
汇总复现实验时建议重点确认的条件及原文阅读提示。
| 环节 | 核对要点 |
|---|---|
| 患者选择 | 年龄>18岁,缺血性卒中或TIA诊断,MRI包括血液敏感序列,eGFR和EPVS数据完整 阅读提示:见Methods部分'Patient Selection' |
| 肾功能评估 | eGFR计算使用CKD-EPI方程,肌酐值范围20-2000 mL/min 阅读提示:见Methods部分'Classification of Glomerular Function and eGFR Estimation' |
| 影像学评估 | EPVS评分使用5点顺序量表,WMH使用Fazekas量表,CMB使用MARS 阅读提示:见Methods部分'Neuroimaging Rating Procedures' |
| 统计分析 | 多变量有序逻辑回归模型调整年龄、性别、东亚研究中心、高血压、糖尿病、高脂血症、缺血性心脏病和吸烟,考虑中心聚类效应 阅读提示:见Methods部分'Statistical Analysis' |