心脏磁共振在二尖瓣脱垂患者心律失常风险分层中的作用:系统评价与荟萃分析
该系统评价与荟萃分析纳入11项研究共1278例二尖瓣脱垂患者,评估心脏磁共振特征与复杂性室性心律失常的关联。晚期钆增强与复杂性室性心律失常呈强且显著关联(LogOR 2.12,95%CI 1.00–3.23),汇总ROC曲线下面积0.83;二尖瓣环分离的LogOR为0.95(95%CI 0.30–1.60),可能补充风险分层。
要点
- 晚期钆增强是二尖瓣脱垂患者心律失常风险分层的核心心脏磁共振特征,汇总ROC曲线下面积0.83、敏感度0.70、特异度0.80。
- 二尖瓣环分离与复杂性室性心律失常相关(LogOR 0.95),但诊断效能低于晚期钆增强,汇总ROC曲线下面积0.69、敏感度0.77、特异度0.43。
- 左室舒张末期容积指数、左室射血分数和脱垂距离与复杂性室性心律失常的效应量小且无统计学意义。
核心结论
- 晚期钆增强是二尖瓣脱垂患者心律失常风险分层的关键心脏磁共振特征,二尖瓣环分离可能补充心律失常风险分层。
- 结合磁共振表现与临床特征对于评估和准确分层二尖瓣脱垂患者的心律失常风险至关重要。
- 未来需前瞻性多中心研究验证这些发现,并建立将心脏磁共振整合入二尖瓣脱垂管理的标准化指南。
研究设计与样本
- 系统评价与荟萃分析,检索EMBASE、PubMed/MEDLINE和CENTRAL至2023年3月1日,PROSPERO注册号CRD42023374185。
- 纳入11项研究共1278例接受心脏磁共振检查的二尖瓣脱垂患者,研究期间为2015年至2022年,其中1项前瞻性研究、9项回顾性研究。
- 研究间患者数中位数52例(四分位距38–69.5),主要终点为复杂性室性心律失常(非持续性室性心动过速、持续性室性心动过速、心室颤动或复苏成功的心脏性猝死)。
- 仅当至少3项研究报告某一心脏磁共振特征时才进行荟萃分析,采用Hedge’s g或汇总LogOR及95%CI估计关联。
- 采用Cochran Q检验和I²检验评估异质性,Q检验p<0.10且I²≥50%时采用随机效应模型。
关键影像表现/征象
- 晚期钆增强主要累及左室下壁和侧壁基底段,呈非缺血性表现(壁内或斑片状),较少见心内膜下模式和后内侧乳头肌。
- 收缩期中基底段侧壁卷曲可能构成潜在的电机械触发因素,进一步增强室性心律失常风险。
- 晚期钆增强与复杂性室性心律失常强且显著关联,LogOR为2.12(95%CI 1.00–3.23)。
- 二尖瓣环分离与复杂性室性心律失常显著关联,LogOR为0.95(95%CI 0.30–1.60)。
- 晚期钆增强百分比与复杂性室性心律失常的Hedge’s g为0.45(95%CI 0.08–0.83)。
诊断标准与关键数值
- 晚期钆增强预测复杂性室性心律失常的汇总ROC曲线下面积0.83(95%CI 0.69–0.91),敏感度0.70(95%CI 0.41–0.89),特异度0.80(95%CI 0.67–0.89),阳性似然比3.5(95%CI 2.1–5.9),阴性似然比0.37(95%CI 0.17–0.83),诊断比值比9(95%CI 3–29)。
- 晚期钆增强预测复杂性室性心律失常的验前概率23%,验后概率在有晚期钆增强时为51%、无晚期钆增强时为10%。
- 二尖瓣环分离预测复杂性室性心律失常的汇总ROC曲线下面积0.69(95%CI 0.54–0.81),敏感度0.77(95%CI 0.51–0.91),特异度0.43(95%CI 0.13–0.80),阳性似然比1.3(95%CI 0.8–2.2),阴性似然比0.54(95%CI 0.36–0.82),诊断比值比2(95%CI 1–5)。
- 二尖瓣环分离预测复杂性室性心律失常的验前概率17%,验后概率在有二尖瓣环分离时为22%、无二尖瓣环分离时为10%。
- 晚期钆增强预测持续性室性心动过速、心室颤动或复苏成功的心脏性猝死的LogOR为1.69(95%CI 0.81–2.56)。
临床应用与阅片要点
- ESC/EACTS指南指出关于二尖瓣反流、心脏性猝死和室性心律失常关系的证据存在显著空白,并强调三维超声心动图、心脏CT、心脏磁共振和生物标志物在瓣膜性心脏病中日益重要。
- EHRA专家共识声明指出心脏磁共振在二尖瓣脱垂患者风险分层中起核心作用,应包括左室大小和功能、二尖瓣反流严重程度、瓣叶长度/厚度、二尖瓣环分离特征、卷曲和晚期钆增强评估。
- 评估二尖瓣脱垂患者时,须始终考虑其他可能导致类似晚期钆增强模式的原因(如心肌炎和冠状动脉疾病)。
- 二尖瓣环分离的长度超过一定范围(文献报道病理性二尖瓣环分离长度大于5 mm或8.5 mm),尤其是位于下侧壁并与二尖瓣脱垂相关时,与复杂性室性心律失常和心脏性猝死相关,但精确截断值仍有待确定。
- 心脏磁共振结果必须始终结合临床参数和患者个体特征进行全面的风险评估。
局限性
- 由于多数纳入研究为回顾性,无法排除固有偏倚。
- 研究设计和患者人群的异质性可能影响结果,但仅一项研究被评估为高偏倚风险。
- 因研究数量有限,无法分析二尖瓣反流严重程度、瓣叶长度/厚度、卷曲、二尖瓣环分离距离和标测技术的影响。
- 未尝试查找未发表或灰色文献,因本研究仅关注已发表文献。
- 未来需前瞻性多中心研究验证这些发现,并建立将心脏磁共振整合入二尖瓣脱垂管理的标准化指南。
全文中译13 节 · 点击展开
引言
二尖瓣脱垂(MVP)是一种瓣膜异常,其特征为一个或两个二尖瓣叶向上移位进入左心房[1],影响约2–3%的普通人群[2]。
在未经选择的队列中,预后主要由二尖瓣反流(MR)的严重程度决定,但有一部分患者存在恶性室性心律失常(VA)和心脏性猝死(SCD)的风险。社区MVP人群中SCD的发生率较低,每年在0.1%至0.4%之间[3, 4]
然而,一个回顾性定义为“致心律失常性二尖瓣脱垂”(AMVP)[5]的患者亚组可能具有显著更高的SCD风险。AMVP的特征尚不明确,因此,识别这些患者的诊断策略代表了一项未满足的需求。对MVP患者进行全面的无创心律失常风险分层可能有助于对高危患者进行定制监测(即植入式循环记录仪)和预防策略(β受体阻滞剂和植入式心律转复除颤器)[5]。
临床、心电图(ECG)和影像学特征,包括晕厥、T波倒置、QTc间期延长、室性心律失常负荷和复杂性、双叶脱垂、前二尖瓣叶较长、二尖瓣环分离(MAD)和晚期钆增强(LGE),此前已被认为与MVP患者的复杂性室性心律失常(co-VAs)相关[6]。
根据2021年ESC/EACTS瓣膜性心脏病(VHD)管理指南[7],在VHD中关于MR、SCD和VA之间关系的以下方面存在显著证据缺口。此外,已强调三维超声心动图、心脏计算机断层扫描、心脏磁共振(CMR)和生物标志物的无创评估在VHD中变得越来越重要。根据欧洲心律协会(EHRA)专家共识声明[5],CMR在MVP患者的风险分层中发挥核心作用,应包括左心室(LV)大小和功能、MR严重程度、瓣叶长度/厚度、MAD特征描述和卷曲以及LGE评估的测量。
这些CMR特征的影响仅在少数出版物中进行了分析[8–18],据我们所知,尚缺乏系统性综述。因此,本研究的目的是对接受CMR的MVP患者研究进行系统综述和荟萃分析,以探讨能够区分伴有co-VAs和不伴有co-VAs(N-co-VAs)患者的特征,从而为如何最好地利用CMR作为MVP心律失常风险分层的诊断工具提供全面证据。
方案与注册
本系统综述和荟萃分析按照系统综述和荟萃分析优先报告条目声明的指南进行[19]。PROSPERO注册号:CRD42023374185。
纳入标准
如果研究符合以下所有纳入标准,则被认为合格:MVP患者接受CMR并评估以下至少一项:(1)LV大小和功能,(2)MR严重程度,(3)瓣叶长度/厚度/脱垂距离,(4)MAD,(5)卷曲,(6)LGE(乳头肌和/或心肌),以及(7)T1 mapping。
报告了心律失常特征。
报告了至少一个CMR参数与心律失常特征之间的关联。
主要终点为一致性室性心律失常(co-VAs)。co-VAs包括非持续性室性心动过速(NSVT)、持续性室性心动过速(SVT)、心室颤动(VF)和心脏性猝死幸存(aSCD)。进行了一项亚分析,根据NSVT与SVT、VF和aSCD的存在情况将co-VAs进一步分为两组,并进行了一项敏感性分析以探究研究间的异质性。
信息来源与检索策略
本研究使用的数据库包括Excerpta Medica数据库、医学文献分析与检索在线系统(PubMed/MEDLINE)和Cochrane对照试验中心注册库(CENTRAL)。检索截至2023年3月1日。所使用的检索式报告于补充材料中。除电子检索外,还对所选论文的参考文献列表进行了手工检索,以查找符合纳入标准的其他研究。
选择与数据收集过程及数据提取
两名研究者F.P.和A.S.采用两阶段方法使用纳入标准检索研究。首先,他们审查了出版物的标题和摘要,随后审查了全文。记录了在此后续阶段排除研究的原因。对两次检索的结果进行了比较,然后对出现的任何不一致进行了审查。在存在分歧的情况下,通过第三名研究者(称为M.G.)参与咨询过程达成解决。所选文章在Microsoft Excel(Microsoft)中下载、导入并去重。
提取了以下数据:研究标题、作者、发表日期、研究设计、纳入患者数量、相关基线特征(包括Co-VA的定义及用于评估其的相应参考标准)、CMR特征,以及CMR特征与研究结局之间的关联。
研究偏倚风险评估
两名评审者(F.P.和A.S.)分别评估了所选研究的质量,任何差异均通过讨论和共识解决。根据医疗保健研究与质量局的指南[20],从选择、实施、失访、检测、报告和总体偏倚风险方面对每项研究的偏倚风险(分为低、中或高)进行了审查。
数据分析与合成
如果每个CMR参数与co-VAs的关联在至少三项研究中有报告,则对其进行荟萃分析。在适当情况下,通过计算Hedge's g或合并LogOR及其相应的95%CI来估计CMR特征的存在与co-VAs之间的关联。使用Cochran's Q检验和I2检验测量研究间的异质性。对于Q检验,p < 0.10表示显著异质性;否则,异质性无统计学意义。对于I2检验,I2在0%至25%之间被视为低异质性;I2在25%至50%之间被视为中度异质性,I2超过50%被视为高异质性。因此,如果p < 0.10且I2 ≥ 50%,则存在异质性,应用随机效应模型。生成Galbraith图和漏斗图以评估纳入研究内的异质性。
采用从每项研究收集的2×2列联表,计算二分类心脏磁共振(CMR)参数检测室性心律失常(co-VA)的敏感度、特异度、阳性似然比(+LR)和阴性似然比(−LR)以及诊断比值比(DOR)及其95%置信区间(CI)。采用双变量随机效应模型分析、合并并绘制多项研究的诊断性能指标。利用敏感度、特异度及其各自方差的logit值生成分层总结受试者工作特征曲线(HSROC)。在患者层面,利用似然比基于贝叶斯定理、Fagan列线图、似然比散点图和概率修正图生成验后概率,以评估各CMR参数的临床准确性。采用Stata(版本17.1,Stata Corp LP)进行统计分析。
研究特征与偏倚风险
表1总结了纳入的研究,表2提供了详细的基线特征。研究时间范围为2015年至2022年,包括1项前瞻性研究和9项回顾性研究。
纳入研究共包括1278例患者(每项研究中位数52例(四分位距38–69.5例))。4项研究共213例患者纳入左心室舒张末期容积指数(LVEDVI)和左心室射血分数(LVEF)的评估。3项研究共181例患者评估了瓣叶脱垂距离。4项研究共653例患者评估了二尖瓣环分离(MAD)。8项研究共1173例患者调查了晚期钆增强(LGE)的存在,3项研究共181例患者评估了LGE百分比。值得注意的是,仅3项研究共556例患者评估了LGE对室性心动过速(SVT)、心室颤动(VF)和心律失常性猝死(aSCD)发生的预测价值。
表3显示了各项研究的偏倚评估。在总体风险评价分析中,仅1项研究[12]被认定为高偏倚风险。值得注意的是,该研究仅报告了心律失常与乳头肌LGE之间的相关性,未被纳入任何荟萃分析。
风险分层
不同CMR参数与Co-VAs的关联在效应量和CI方面存在较大差异。二尖瓣反流(MR)严重程度、瓣叶长度/厚度、瓣叶卷曲、MAD距离及标测技术因报告的研究少于3项而未纳入荟萃分析。LVEDVi、LVEF和脱垂距离的Hedge's g值分别为0.02(95% CI:[−0.31, 0.34])、−0.17(95% CI:[−0.49, 0.16])和0.14(95% CI:[−0.30, 0.58]),表明效应量小且无统计学意义(图2A–C)。对于MAD,效应量显著,对数比值比(OR)为0.95(95% CI:[0.30, 1.60]);对于LGE,对数OR为2.12(95% CI:[1.00, 3.23])(图3A、B)。LGE百分比的Hedge's g为0.45(95% CI:[0.08, 0.83])(图2D)。
仅在LGE中才能进行亚组分析,根据SVT、VF和aSCD的存在进一步将患者的心律失常风险分为两组,其对数比值比为1.69(95% CI:[0.81, 2.56])(图4)。
用于评估研究异质性的敏感性分析的详细内容见补充材料。
敏感性、特异性和诊断效能
对于LGE,HSROC AUC为0.83(CI:0.69, 0.91),表明总体预测准确性良好(图5A)。敏感性和特异性分别为0.70(CI:0.41, 0.89)和0.80(CI:0.67, 0.89)。LGE的阳性似然比为3.5(CI:2.1, 5.9),表明试验判别后疾病可能性有小幅增加。相反,阴性似然比为0.37(CI:0.17, 0.83),提示试验判别后疾病可能性有小幅降低。DOR为9(CI:3, 29),证明了LGE的判别能力。Fagan列线图显示,Co-VAs的验前概率为23%,在有LGE存在时验后概率为51%,无LGE存在时为10%(图5B)。
对于MAD,HSROC AUC为0.69(CI:0.54, 0.81),敏感性为0.77(CI:0.51, 0.91),特异性为0.43(CI:0.13, 0.80)(图5C)。阳性和阴性似然比分别为1.3(CI:0.8, 2.2)和0.54(CI:0.36, 0.82)。MAD的DOR为2(CI:1, 5),表明与LGE相比总体诊断效能较低。根据MAD的Fagan列线图,验前概率为17%,若存在MAD则验后概率为22%,若不存在则为10%(图5D)。
讨论
我们的系统评价和荟萃分析评估了CMR在二尖瓣脱垂(MVP)患者心律失常风险分层中的作用。
本研究结果强调了LGE在MVP患者心律失常风险分类过程中的重要意义。具体而言,LGE的存在显示出良好的总体预测准确性,在识别有Co-VA风险的MVP患者方面表现均衡,Log OR为2.12,阳性似然比为3.5,阴性似然比为0.37,敏感性为0.70,特异性为0.80,AUC为0.83。此外,LGE还与SVT-VF-aSCD相关(log OR为1.69),突显了其在识别主要心律失常事件风险较高的MVP患者中的效用。
这一观察结果与越来越多强调LGE对MVP患者Co-VAs和SCD预测价值的证据相一致[8–10, 14, 16, 17, 21]。事实上,在LGE累及乳头肌和LV侧壁/下侧壁(在MVP合并复杂性心律失常患者中)的病例中,电生理研究已发现更高范围的低电压区,支持纤维化作为电生理基质的作用[22]。
二尖瓣脱垂(MVP)中的心肌纤维化似乎是乳头肌牵拉力增加及周围心肌机械性牵张的结果。因此,晚期钆增强(LGE)主要累及左心室下壁和侧壁基底段,呈非缺血性表现(壁内或斑片状),较少表现为心内膜下模式及后内侧乳头肌受累[23]。此外,中基底段侧壁的收缩期卷曲可能构成潜在的电机械触发因素,进一步增强室性心律失常(VA)的风险[23]。
越来越多的证据支持LGE评估纤维化在多种临床情境下用于心律失常风险分层的价值。Al-Sadawi等人[24]近期对逾一万名非缺血性心肌病患者进行的荟萃分析证实,LGE阳性患者中VA和心脏性猝死(SCD)的风险显著增加4.6倍。总体而言,在评估MVP患者时,始终有必要考虑其他可能导致类似LGE模式的可能病因(如心肌炎和冠状动脉疾病)。总体而言,我们的发现证实并强化了LGE评估在MVP患者中用于心律失常风险分层的价值。
重要的是,尽管与复合室性心律失常(Co-VAs)存在强关联,但不可忽视比例的事件也发生在无LGE的患者中,提示心律失常的病因是多因素的,并支持需要进一步研究以实现多参数风险分层。值得注意的是,仅通过标测技术检测到的间质纤维化可能部分解释了这一差异。事实上,MVP患者侧壁 native T1 和细胞外容积(ECV)值升高与心律失常事件相关,即使在无LGE的情况下也是如此[15, 25]。然而,由于可纳入的研究数量有限,我们无法对T1标测进行荟萃分析。未来研究将阐明这些有前景的标志物在MVP患者中相对于LGE的增量价值。
该分析还支持二尖瓣环分离(MAD)在预测心律失常风险中的作用。尽管MAD的存在与Co-VAs呈中度关联(对数OR 0.95),具有相对较高的敏感性(0.77)和阴性似然比(1.3),但MAD的预测价值似乎低于LGE。其低特异性(0.43)可能确实与MAD的二分法评估有关,而非基于MAD范围和部位的评估。事实上,一定程度的MAD在一般人群中似乎较为普遍,可能代表二尖瓣环解剖的正常变异[26]。相反,MAD超过一定长度,尤其是在MVP背景下,与Co-VAs和SCD相关,病理性MAD报告的长度大于5 mm或8.5 mm [9, 27],尽管精确的截断值仍有待确定,且当局限于下侧壁并与MVP相关时[9, 23, 26]。与MVP相关时,较长的MAD似乎会恶化二尖瓣环动力学,随后导致更严重的机械性室壁牵张和纤维化,共同诱发心律失常。
对二尖瓣脱垂(MVP)患者采用多模态方法的重要性日益受到认可,尤其是对于心律失常风险分层。事实上,通过动态心电图(Holter-ECG)或植入式循环记录仪进行连续心律监测的价值已证实了室性心律失常(VA)负荷和复杂性在预测危及生命事件方面的重要性[28]。这些工具可与心脏磁共振(CMR)综合联合使用,尽管其联合性能仍有待评估。此外,新的CMR参数可能补充晚期钆增强(LGE)评估。
与既往研究[8, 10]相反,我们的分析显示脱垂距离、左心室舒张末期容积指数(LVEDVi)和左心室射血分数(LVEF)与室性心律失常(co-VAs)无显著相关性。这一差异可能源于各研究患者选择标准的差异。然而,这也凸显了MVP的复杂性及其相关心律失常风险的多因素性质。因此,单一参数可能不足以捕捉MVP患者细微的风险特征。
总体而言,我们的研究结果证实了CMR方法在MVP患者心律失常风险分层中的实用性,正如ESC/EACTS指南及EHRA专家共识声明[5, 7]所推荐的那样。鉴于MVP相关心律失常的多面性,结合多个CMR特征,尤其是LGE和二尖瓣环分离(MAD)特征,可能提供更全面、更准确的风险评估。
本分析的一些局限性必须予以承认。由于纳入研究大多为回顾性设计,无法排除固有偏倚。此外,研究设计和患者人群的异质性可能影响了结果,然而,仅有一项研究被评估为存在高偏倚风险。此外,我们无法分析二尖瓣反流(MR)严重程度、瓣叶长度/厚度、卷曲、MAD距离和标测技术的影响,因为可用的研究数量有限。这凸显了进一步研究的重要性,以评估这些参数是否可能改善当前经过充分验证的风险分层标志物。最后,未尝试查找未发表或灰色文献,因为本研究的重点仅在于已发表的文献。
总之,本系统评价和荟萃分析强调了LGE作为评估MVP患者心律失常风险分类的关键CMR特征的价值。此外,MAD的存在可能进一步对这些患者进行分层。因此,多参数CMR方法提供了更全面的风险评估。需要未来的前瞻性多中心研究来验证这些发现,并建立将CMR整合到MVP管理中的标准化指南。最后,虽然CMR是风险分层的有用工具,但其结果必须始终与临床参数和个体患者特征相结合,以进行全面的风险评估。
补充信息
电子补充材料
引用
- Gatti M, Santonocito A, Papa FP, et al. Role of cardiac magnetic resonance in stratifying arrhythmogenic risk in mitral valve prolapse patients: a systematic review and meta-analysis. Eur Radiol. 2024. PMID: 38844620. doi:10.1007/s00330-024-10815-3
- 全文:PMC11519141(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC11519141/
供执业医师工作参考,不替代临床判断;数值与分级以指南原文为准。