首页 > 论文范文 > 医药卫生论文 > 影像检验论文 > 影像诊断论文 > 剪切波弹性成像在糖尿病周围神经病变诊断中的应用

剪切波弹性成像在糖尿病周围神经病变诊断中的应用

2025-01-21 90 上传者：管理员

摘要：目的探讨剪切波弹性成像(SWE)技术在糖尿病患者周围神经病变诊断中的应用价值。方法选取西藏自治区人民政府驻成都办事处医院85例2型糖尿病(T2DM)患者，其中伴周围神经病变(DPN)患者46例，不伴周围神经病变(NDPN)患者39例。比较两组患者临床资料(性别、年龄、病程)、高频超声检测正中神经的横截面积(CSA)及剪切波弹性成像参数：平均杨氏模量值(Emean)、剪切波速度(SWV)。将上述组间比较有统计学差异的指标进行多因素Logistic回归分析，筛选出在诊断糖尿病周围神经病变中的独立预测因子，并构建组合模型。使用受试者操作特征曲线下面积(AUC)、敏感度、特异度指标来评估临床资料、高频超声及SWE所测的定量参数(CSA、Emean、SWV)单一模型及组合模型在诊断糖尿病患者周围神经病变中的的诊断效能。结果年龄、病程、Emean、SWV及CSA在诊断糖尿病患者周围神经病变中均有统计学意义(P<0.05),AUC分别为0.658、0.754、0.839、0.822、0.736。基于病程、CSA及SWV构建的组合模型的诊断效能最高，其AUC、敏感度、特异度分别为0.887(0.800～0.946)、80.43%,84.62%。结论基于病程、CSA、SWV构建的组合模型，在糖尿病患者周围神经病变的诊断效能较高，在临床上有良好的应用价值。

关键词：
DPN
剪切波弹性成像
周围神经病变
正中神经
糖尿病
加入收藏

糖尿病是一种危及视网膜､肾脏､心血管系统及神经系统的慢性疾病,约有50%的糖尿病患者合并周围神经病变[1],患者可出现肢体麻木､疼痛及感觉异常,严重影响生活质量[2]｡糖尿病神经病变常累及正中神经､尺神经､桡神经和腓总神经[3]｡由于缺乏有效针对神经损伤的治疗方法,所以早筛查､早干预糖尿病周围神经病变(diabetic peripheral neuropathy, DPN) 对改善患者预后具有重要的意义｡目前,对DPN 的诊断主要依靠临床症状､体征结合神经电生理检查综合判断,神经病变早期不一定有症状,而神经电生理对小神经纤维及无髓鞘神经纤维的病变不敏感,且耗时长､费用高､患者耐受性差,无法作为常规筛查手段｡高频超声能够清晰显示周围神经的形态及结构[4],进而对其径线进行较准确的测量,但不能反映神经的功能变化[5]｡实时剪切波弹性成像( shear wave elas tograghy,SWE) 是一种新兴的检查技术,可以定量检测组织的硬度,以往主要应用于乳腺､甲状腺､肝脏､肾脏等病变,近年来逐渐应用于外周神经的研究中｡本研究选取西藏自治区人民政府驻成都办事处医院就诊的 85 例2型糖尿病(T2DM) 患者,以探讨SWE 技术在 DPN中的应用价值｡

1、材料与方法

1. 1 研究对象

选取2022年7月~2024年3月在西藏自治区人民政府驻成都办事处医院内分泌科就诊并诊断为 T2DM 患者共85例｡依据2020年版的《中国2型糖尿病防治指南》中的糖尿病及DPN诊断标准[6]将 T2DM 患者分为2组,T2DM合并DPN( DPN组) 患者 46 例,男34例,女12例,年龄35~68岁,平均(58.4± 10) 岁,T2DM 不合并DPN( NDPN组) 患者39例,男 27 例,女12例,年龄32~71岁,平均(53.2±10) 岁｡

排除标准:1) 1型糖尿病,遗传性､酒精性､代谢性因素引发或炎性､毒性因素引发的多发性神经病; 2) 干扰神经传导的皮肤损伤或肿胀;3) 有上肢手术史,周围血管病变严重者;4) 临床资料不全患者｡所有受试者均签署知情同意书,该研究经西藏自治区人民政府驻成都办事处医院医学伦理委员会批准 [批件编号:2022年科研第62号]｡

1. 2 研究方法

1. 2. 1 二维超声及SWE检查:嘱患者取坐位,双手前臂呈自然放松状态,平放于检查床｡将探头垂直放置于腕部,于腕横纹上约5 cm处显示正中神经横断面,测量横截面积3次取平均值｡在同一位置将探头旋转90°获取正中神经长轴切面,启动SWE模式,彩色杨氏模量值预设范围为0~100kPa,待图像稳定 3~5 s后冻结图像,启动Q-BOX功能,确定圆形感兴趣区域( ROI) 直径为2 mm,测量正中神经平均杨氏模量值( Emean) ､剪切波速度( shear wave velocity,SWV) , 每项参数测量3次取平均值｡检查过程中要涂抹厚层耦合剂,并避免对皮肤施加压力｡所有测量均由 1 名擅长肌骨超声检查的高年资医师完成｡

1. 2. 2 临床资料:记录所有受试者性别､年龄､病程｡

1. 3 统计学分析

采用SPSS( 版本25.0) ､Medcalc( 版本 20.0) 统计软件分析数据｡符合正态分布的计量资料以均值 ±标准差( x ±s) 表示,组间比较采用独立样本t检验; 非正态分布的计量资料以M(Q1 ,Q3 ) 表示,组间比较采用Mann-Whitney U 检验｡性别为计数资料,使用卡方检验进行组间比较｡然后将组间有统计学差异的特征纳入单因素Logistic回归分析,以评估各指标对糖尿病患者周围神经病变的诊断价值｡随后将 P<0. 05 的独立预测因子纳入多因素Logistic回归分析,采用逐步向后法筛选变量,并构建组合模型｡使用受试者工作特征( receiver operating characteristic, ROC) 曲线的曲线下面积( area under curve,AUC) ､敏感度､特异度评估单一模型及组合模型的诊断效能｡

2、结果

2. 1 基本临床资料比较年龄､病程组间比较均有统计学意义(P<0.05) ( 表1) ｡两组性别比较差异无统计学意义｡ 2. 2 超声定量参数比较 CSA､Emean 及 SWV 组间比较均有统计学意义 ( P<0. 05) ( 图 1,2 和表1) ｡

表1 NDPN组与DPN组临床､超声参数组间比较

2.3单因素Logistic回归分析

将年龄､病程､Emean､SWV及CSA组间有统计学意义的指标进行单因素Logistic回归分析,分析结果显示年龄､病程､Emean､SWV及CSA的OR值均大于1,因此推断这些因素与糖尿病伴周围神经病变呈正相关(表2)｡

2.4多因素Logistic回归分析

首先将年龄､病程､Emean､SWV及CSA组间有统计学意义进行共线性诊断,结果显示Emean的方差膨胀因子(varianceinflationfactor,VIF)为41.661 (VIF>10),容差为0.024<0.1,表示Emean与其它几个指标存在共线性关系｡因此将Emean指标剔除,年龄､病程､SWV及CSA进行多因素Logistic回归分析,通过逐步向后的方法筛选,结果显示只有病程､SWV及CSA为鉴别糖尿病伴或不伴周围神经病变的独立预测因子(表2)｡

基于上述结果,将病程､SWV及CSA构建组合模型,计算公式如下: ln(P/1-P)=-16.972+0.166× 病程+0.882×CSA+2.046×SWV｡用Hosmer Lemeshow检验(简称H-L检验)来评估模型的拟合优度,结果显示P值为0.830>0.05,说明模型拟合良好｡其结果显示由病程､SWV及CSA构建的组合模型的诊断效能优于年龄､病程､Emean､SWV､CSA 单一模型(表3,图3)｡

图3组合模型､Emean､CSA､SWV､病程､年龄的ROC曲线

3、讨论

本研究选取糖尿病患者正中神经进行研究,首先对临床资料进行比较,结果显示DPN组患者的平均年龄较NDPN组大,糖尿病病程也较NDPN组长,可能是随着病程的进展,糖尿病机体增厚的微

表2单因素及多因素Logistic回归分析

表3临床､超声,SWE各参数及组合模型的诊断效能

血管基底膜更容易发生血栓,使周围神经变性､坏死,促进DPN的发生[7]｡其次对高频超声所测正中神经的CSA进行比较,结果显示DPN组的CSA较 NDPN 组增大,这可能是由于持续的高血糖状态导致细胞内山梨醇大量堆积,使得神经细胞内渗透压增高,细胞肿胀､变性[8],这与既往报道相似[9-10],说明CSA对DPN具有一定的评估价值｡

SWE 通过测量神经的杨氏模量值或剪切波传播速度来评估神经的硬度或弹性,这种变化与组织内部的微观结构和病理改变密切相关｡本研究结果得出,DPN组的Emean和SWV均较NDPN组高,这与既往报道一致[11]｡有研究发现,SWE 在评估外周神经弹性方面具有较高的可靠性和重复性[12],相较于传统超声技术,SWE能够提供更客观､定量的组织硬度信息,有助于早期发现DPN的微小病理变化｡

本研究使用多因素Logistic回归分析显示病程､ SWV 及CSA为鉴别糖尿病伴或不伴周围神经病变的独立预测因子,ROC 结果显示,病程､CSA､SWV 对DPN具有一定的诊断价值,且三者构建的组合模型诊断效能最高｡

综上所述,基于糖尿病病程､CSA､SWV构建的组合模型对DPN具有较高的诊断价值,可为临床诊断提供依据｡但本研究样本量较小,超声测量选取位置局限,对于神经整体的形态､弹性变化缺乏客观性,以后应增加样本量及测量点位进一步深入研究｡

参考文献:

[2]李艳飞,王晶,陈定章,等.下肢神经剪切波弹性成像对不同程度糖尿病周围神经病变的诊断效能分析[j].陕西医学杂志,2022,51: 1102-1105.

[3]中华医学会糖尿病学分会神经并发症学组.糖尿病神经病变诊治专家共识(2021年版) [j].中华糖尿病杂志,2021,13: 540-557.

[4]王嘉颖,赖振汉,佘博宇.超声新技术在糖尿病周围神经病变诊断中的应用进展[j].中华神经医学杂志, 2024,23: 959-965.

[6]中华医学会糖尿病学分会.中国2型糖尿病防治指南 ( 2020 年版) [j].中华糖尿病杂志,2021,13: 315-409.

[7]郭梦洋,李美玉,吕殊星,等.2型糖尿病患者并发亚临床周围神经病变的影响因素分析[j].中国慢性病预防与控制,2023,31: 289-293.

[8]胡云南,沈小琼. 依帕司他联合甲钴胺治疗糖尿病周围神经病变( dpn) 的疗效[j].当代医学,2021,27: 110-112.

[9]聂堂政,孟宪宇,薛雯. 高频超声在周围神经病变的临床研究及进展[j]. 临床医学进展,2024,14: 1579 1583.

[10] 杨晓丽,李明星.高频超声及弹性成像评估2型糖尿病周围神经病变的临床价值[j].实用医学杂志,2020, 36: 390-394.

基金资助:成都市医学科研项目(2022501,2022460);西藏自治区自然科学基金(xz202201zr0031g,xz202401zr0066);