心肌灌注CMR自动估算肺通过时间与肺血容量的预后价值
这项回顾性双中心研究纳入985例临床行腺苷负荷心肌灌注CMR的患者,通过自动卷积神经网络方法从首过灌注图像中提取右、左心室动脉输入函数曲线,计算肺通过时间(PTT)及肺血容量指数(PBVi)。中位随访28.6个月,校正临床和CMR参数后,静息PTT和PBVi均为主要不良心血管事件(MACE)的独立预测因子,但与全因死亡无关。
要点
- 静息PTT和PBVi可从常规CMR灌注映射中全自动获得,无需额外采集或手动处理。
- PTT每增加1个标准差(2.39秒),MACE风险校正后HR为1.43。
- PBVi每增加1个标准差(118 ml/m2),MACE风险校正后HR为1.42。
诊断标准与关键数值
- PTT定义为右心室与左心室动脉输入函数曲线重心之间的时间间隔,排除再循环成分。
- PBVi = PTT × 心输出量 / 体表面积,其中心输出量由静息电影序列测量的每搏输出量乘以心率得出。
- 静息PTT每增加1个标准差(2.39秒),校正后MACE的HR为1.43(95%CI 1.10-1.85,p=0.007)。
- 静息PBVi每增加1个标准差(118 ml/m2),校正后MACE的HR为1.42(95%CI 1.13-1.78,p=0.002)。
- 负荷PTT每增加1个标准差(2.64秒),校正后MACE的HR为1.34(95%CI 1.048-1.723,p=0.020)。
临床应用与阅片要点
- PTT和PBVi可作为CMR灌注映射的附加生物标志物,在报告中提示心肺轴功能状态。
- 静息PTT中位数为7.7秒(IQR 6.4-9.2秒),PBVi中位数为400 ml/m2(IQR 335-475 ml/m2),可作为参考范围。
- PTT与LVEF、心率、左房面积指数、年龄、房颤、糖尿病、高血压和静息心肌血流量独立相关,解释57%的变异。
- 需注意排除已知心内分流和先天性心脏病患者,因指示剂稀释原理不适用。
局限性
- 回顾性研究设计,存在选择偏倚可能。
- 全因死亡数据中死因信息仅部分患者可得,限制了对心血管死亡的分析。
- 研究人群为临床转诊行灌注CMR的患者,结果外推需谨慎。
全文中译15 节 · 点击展开
肺循环与心脏生理密不可分,但我们对各种疾病状态下心肺轴的了解仍然有限。使用无创影像生物标志物作为心肺状态的替代指标可能有助于风险分层和结局预测,从而有可能促进个性化临床诊疗。
肺通过时间(PTT)和肺血容量(PBV)是反映心肺血流动力学的生理参数(1)。已知两者在多种疾病状态下均发生改变,包括心力衰竭(2,3)、肺动脉高压(4,5)和慢性肺病(6),并与肺(7)和心脏功能(8)的结构、功能和生化参数相关。肺通过时间定义为对比剂团注从右侧循环通过至左侧循环的时间间隔,PBV(PTT与心输出量的乘积)与已确立的预后生物标志物相关,包括右心室(RV)和左心室(LV)射血分数(9)、LV舒张功能标志物(10)、脑钠肽水平(9)和肺血管阻力(4)。重要的是,少量研究提示PTT和PBV在特定疾病模型中具有独立的预后价值(2,5,11)。
尽管大量研究支持PTT和PBV的临床实用性,但大规模分析和临床采用受到数据获取困难的阻碍,需要侵入性导管检查(1)或从无创检查中手动分割和提取数据(2,5, 6, 7, 8, 9, 10)。定量心血管磁共振(CMR)灌注的最新进展允许在常规灌注成像图中在线自动估算PTT,无需额外采集或处理,从而使大规模数据分析成为可能,并有可能促进临床采用。
在本研究中,部署了一种全自动机器学习方法,用于在首过灌注成像期间识别RV和LV动脉输入函数,从而允许在线估算PTT并随后计算PBV。我们使用一个大型双中心患者队列,通过评估与其他参数的相关性及任何独立预后意义,研究了PTT和PBV的潜在临床实用性。
方法
患者与研究设计
这是一项回顾性队列研究,纳入2016年3月至2018年8月期间在英国伦敦两家中心(Barts心脏中心和Royal Free医院)转诊接受腺苷负荷CMR的患者。该队列曾用于探讨心肌血流量(MBF)和心肌灌注储备(MPR)的预后作用,并已在既往文献中描述(12)。简言之,连续纳入转诊接受心肌灌注扫描的成年患者。排除先天性心脏病、已知心内分流(已知会影响基于指示剂稀释原理的方法[13])以及遗传性或浸润性心肌病(肥厚型心肌病和心脏淀粉样变)的患者。
主要结局是主要不良非致死性心血管事件的发生率(定义为心肌梗死、卒中、心力衰竭入院以及室性心动过速或适当的植入式心律转复除颤器(ICD)治疗[包括ICD电击和/或抗心动过速起搏])。鉴于样本量和广泛未选择的患者人群,全因死亡率被定义为次要结局,这意味着死亡原因常与心肺疾病无关,并包括脓毒症和癌症相关死亡。死亡率数据来自英国国家医疗服务体系Spine门户,仅少数患者可获得死亡原因数据。临床数据从电子患者记录中检索,随访从灌注心脏磁共振(CMR)检查日期开始。主要分析结局在死亡和随访期结束时进行删失。记录的合并症包括高血压、血脂异常、糖尿病、心房颤动、卒中或短暂性脑缺血发作、吸烟、既往心肌梗死、经皮冠状动脉介入治疗(PCI)或冠状动脉旁路移植手术(CABG)以及癌症病史(均基于病历)。
本研究经英国国家医疗服务体系研究伦理委员会和健康研究管理局批准(Barts BioResource,获REC ID 14/EE/0007许可;Royal Free Hospital:REC ID 07/H0715/101)。本研究符合《赫尔辛基宣言》原则,所有患者均提供书面知情同意。
心血管磁共振
CMR研究在4台1.5-T(Aera)或3-T扫描仪(Prisma,Siemens Healthineers,Erlangen,Germany)中的1台进行。所有研究均采用标准临床方案,包括 cine 成像以及负荷和静息灌注,随后进行晚期钆增强。根据指南使用腺苷作为药物负荷药物进行负荷心肌灌注(14)。心肌灌注序列为先前描述的单次团注、双序列(15)。在负荷和静息状态下均采集基底段、中间段和心尖段短轴灌注图像。图像采集在60至90个心动周期内完成,并在最大充血期间及随后静息状态下(分别用于评估负荷和静息心肌血流量(MBF))以4 ml/s给予0.05 mmol/kg钆特酸葡胺(Dotarem,Guerbet,Paris,France)团注。MPR定义为负荷MBF与静息MBF的比值。PTT数据由灌注成像计算得出,PBV利用由短轴堆叠 cine 图像获得的心脏容积测得的静息心输出量进行估算。
影像分析
使用商用软件(CVI42,Circle Cardiovascular Imaging,卡尔加里,艾伯塔,加拿大)进行心脏容积参数以及晚期钆增强的存在与分布的图像分析。所采用的灌注序列(15)涉及同时采集分别优化的心肌和血池信号序列。利用来自基底短轴视图的运动校正低分辨率动态图像提取右心室(RV)和左心室(LV)的动脉输入函数(AIF)。定量映射采用卷积神经网络方法自动分割左心室和右心室腔,从而允许在对比剂首过期间估计两个心室的动脉输入函数(信号强度随时间变化)。血池检测过程此前已有详细描述(16)。所得信号强度曲线随后基于自动生成的磁化Bloch模拟查找表转换为钆浓度(mmol/l)。重建和后处理在Gadgetron软件框架内执行(17),允许在线估计右心室和左心室曲线AIF曲线之间的时间间隔。
PTT和PBV的估计
无创容积估计方法基于指示剂稀释原理,此前已针对有创热稀释方法进行了验证(18)。PTT估计为右心室和左心室动脉输入函数曲线重心(质心)之间的时间,排除再循环成分后(图1)。此前已证明使用AIF曲线的质心在PBV估计方面优于峰对峰方法(19)。按心率归一化的肺通过时间(PTTn)通过将PTT除以心动周期持续时间(R-R间期,以秒计)来估计,与此前研究中的做法一致(8,9):
肺血容量估计为PTT与心输出量的乘积,如指示剂稀释方法最初所述(20):
将其按体表面积(BSA)进行指数化,从而允许计算肺血容量指数(PBVi):
左心室每搏输出量使用稳态自由进动(SSFP)电影图像通过手动平面测量法在舒张末期和收缩末期的完整短轴堆栈进行估计,患者静息时的心率用于推导心输出量(心输出量 = 每搏输出量 × 心率)。静息PTT用于主要分析,包括PBV的估计,因为心输出量数据仅在静息时可用。负荷PTT与结局之间的关联作为次要探索性分析进行。
统计分析
连续变量在正态分布时以均值±标准差表示,非正态分布时以中位数(四分位距[IQR])表示。正态性通过频率直方图目视检查评估,并使用Kolmogorov-Smirnov检验进行量化。分类变量以频数和百分比汇总。MACE组与非MACE组之间连续变量的比较根据正态性采用双尾非配对Student t检验或Mann-Whitney U检验,分类变量采用卡方检验比较。相关性使用Spearman秩相关系数评估。静息PTT的预测因素采用多变量回归分析评估,其模型纳入的参数为既往研究(8)中已显示与静息PTT相关的参数,或具有与PTT相互作用的生理学基础的参数。静息PTT在回归模型中进行对数转换以满足模型假设。获得非标准化beta系数,使预测因素能够以其原始单位表示。为确定MACE和全因死亡的独立预后因素,分别进行Cox比例风险回归分析,并校正以下协变量:年龄、性别、左心室射血分数(LVEF)、晚期钆增强(LGE)的存在、MPR、左心房面积指数、糖尿病、血脂异常、高血压以及既往心肌梗死/PCI/CABG史。比例风险假设使用Schoenfeld残差检验(补充图S1)。还进行了敏感性分析以获得Firth偏倚校正估计值,以确保由于事件率相对较低而不会导致估计系数存在偏倚。结果与原始模型相似。生存曲线按Kaplan-Meier法构建,并以人群中PTT和PBVi的均值作为截断值对二分类组进行比较。p值<0.05被认为具有统计学意义。分析使用SPSS Statistics 26.0版(IBM,Armonk,纽约)进行。
结果
队列描述与基线特征
如既往所述(12),共有1,049例具有CMR心肌灌注成像数据的患者可供纳入。其中,4例(0.4%)确诊存在心内分流而被排除,此外还有60例(5.7%)患者静息灌注数据不完整或有误(包括自动血池识别不正确、对比剂给药时间不正确以及右心室或左心室AIF信号不佳)。因此,共有985例具有可用静息PTT数据的患者纳入主要分析。
患者的中位年龄为62岁(IQR:52至71岁),其中660例(67%)为男性。281例(28.6%)患者患有糖尿病,306例(31%)患者有PCI或CABG既往史。整个队列的中位LVEF为62%(IQR:54%至69%)。基线特征汇总于表1。
静息PTT、心脏参数与临床特征之间关联的分析
静息PTT中位数为7.7秒(IQR:6.4至9.2秒)。PBV指数中位数为400 ml/m2(IQR:335至475 ml/m2)。静息PTT与左心室舒张末期容积指数(r = 0.37)和左心房面积指数(r = 0.33)相关,与LVEF(r = −0.39)、心率(r = −0.51)及静息心肌血流量(r = −0.43)呈负相关(图2)。在多变量回归分析中,LVEF(β = −0.007;95%置信区间[CI]:−0.008至−0.006;p < 0.001)、静息灌注时测量的心率(β = −0.008;p < 0.001)、年龄(β = 0.003;p < 0.001)、LA面积指数(β = 0.019;p < 0.001)、心房颤动(β = 0.118;p < 0.001)、男性(β = 0.052;p < 0.001)、糖尿病(β = −0.060;p < 0.001)、高血压(β = −0.038;p = 0.003)及静息心肌血流量(β = −0.098;p = 0.006)与loge PTT独立相关(表2)。这些预测因素解释了静息PTT变异的57.0%。
静息PTT和PBV与结局的关联
MACE数据在中位28.6个月(IQR:22.6至35.7个月)的随访期内可获得,该期间61例(6.2%)患者中共发生71例(7.2%)MACE。其中包括29例(2.9%)心肌梗死、10例卒中(1%)、23例(2.3%)心力衰竭住院及9例室性心动过速或适当的ICD治疗(0.9%)。发生MACE的患者静息PTT更长(8.4秒;IQR:7.1至10.5秒 vs. 7.6秒;IQR:6.3至9.1秒;p = 0.005),PBVi更大(430 ml/m2;IQR:360至542 ml/m2 vs. 398 ml/m2;IQR:333至472 ml/m2;p = 0.009)。静息PTTn也观察到类似差异(8.5秒;IQR:7.6至9.8秒 vs. 9.2秒;IQR:8.0至10.8秒;p = 0.003)。发生MACE的患者年龄更大,且更常有糖尿病、高血压、既往血运重建及卒中病史(表3)。静息PTT和PBVi的Kaplan-Meier无事件生存估计曲线见图3。
全因死亡率数据在中位31.4个月(IQR:26.7至38.3个月)的随访期内可获得,该期间53例(5.4%)患者死亡。随访期间存活者与死亡者之间静息PTT(7.7秒;IQR:6.5至9.1秒 vs. 7.6秒;IQR:5.9至10.7秒;p = 0.851)、静息PTTn(8.4秒;IQR:7.64至9.81秒 vs. 8.8秒;IQR:7.22至11.1秒;p = 0.347)及PBVi(402 ml/m2;IQR:337至474 ml/m2 vs. 393 ml/m2;IQR:287至512 ml/m2;p = 0.526)无统计学显著差异。
在多变量校正的Cox回归分析中,静息PTT和PBVI均为MACE的独立预测因素(表4)。该模型对年龄、性别、糖尿病、高血压以及预后影像学参数(LVEF、晚期钆增强的存在)进行了校正。静息PTT每增加1×SD(2.39秒)对MACE的校正风险比(HR)为1.43(95%CI:1.10至1.85;p=0.007)。PBVi每增加1×SD(118 ml/m2)的校正HR为1.42(95%CI:1.13至1.78;p=0.002)。在不同模型间进行了敏感性分析,多变量模型中纳入的变量受到限制以防止过拟合。在纳入不同变量的其他模型中,包括MPR、左心房面积指数、血脂异常病史以及既往心肌梗死/PCI/CABG病史,静息PTT和PBVi仍可预测MACE(补充表1至3)。静息PTT与PBVi高度相关(r=0.63),在预测MACE方面表现相似(补充图S3)。
鉴于灌注CMR检查本身触发的早期血运重建与结局之间可能存在交互作用,我们在剔除接受早期血运重建(定义为灌注CMR后≤90天)的病例(n=17)后重复了分析,静息PTT和PBVi仍均为MACE的独立预测因素。对与表4所用相同的变量进行校正后,PTT每增加1×SD对MACE的HR为1.33(95%CI:1.02至1.76;p=0.038),PBVi每增加1×SD的校正HR为1.379(95%CI:1.09至1.75;p=0.007)。用心率对PTT进行归一化(PTTn)后,其与MACE和死亡率的关联保持不变。PTTn的额外敏感性分析见补充表4和补充图S2。
负荷PTT与结局的关联
在腺苷负荷首过灌注过程中也提取了PTT,并对负荷PTT与结局之间进行了探索性分析。排除负荷灌注数据不完整或错误的病例后,共有963例具有负荷PTT数据的病例可供分析。正如预期,负荷PTT中位数短于静息PTT,为6.2 s(IQR:5.1至7.7 s)对7.7 s(IQR:6.4至9.2 s),尽管二者高度相关(r = 0.69;p < 0.001)。负荷PTT还与LVEF(r = −0.37)、负荷MBF(r = −0.31)、LV舒张末期容积指数(r = 0.24)和LA面积指数(r = 0.32)相关(所有p < 0.001)。在随访期间,该队列中有57例患者发生MACE。负荷PTT可预测MACE(p = 0.020),但不能预测全因死亡率(p = 0.064)。在调整年龄、LVEF、高血压、糖尿病、性别和LGE存在后,负荷PTT每增加1-SD(2.64 s)的HR为1.34(95% CI:1.048至1.723;p = 0.020)(补充表S5,补充图S4)。
讨论
本研究探讨了在常规定量心肌灌注CMR中自动、在线测量的肺通过时间和PBV的预后价值。我们证明,在临床转诊接受灌注CMR的患者中,PTT和PBVi与不良心血管事件独立相关,其预后价值在已确立的临床危险因素和影像生物标志物之上具有增量价值。
PTT和血容量作为预后影像生物标志物
PTT代表静脉注射对比剂团注从心脏右侧通过至左侧所需的平均时间(12)。PTT及其衍生的PBV的潜在临床效用数十年来一直是广泛研究的焦点(20)。通过右心和左心导管检查对PTT衍生PBV进行有创评估,已被证明与二尖瓣狭窄患者(21)以及不同心力衰竭和肺动脉高压模型(22)中的症状和纽约心脏协会功能分级相关。
最近,多种无创成像方式,包括超声心动图(23)、计算机断层扫描(CT)(8)和心血管磁共振(CMR)(2,5,9,10),已被用于测量PTT,但由于需要手动分割和数据提取,临床采用和大规模评估受到阻碍。对源自首过灌注的动脉输入函数曲线进行动力学分析,综合了心肺轴的结构和血流动力学参数,提供了一个生理学框架,支持PTT与不良心血管结局的关联。本研究中测试的临床终点具有共同的病理生理机制,包括大血管和微血管改变、血流模式变化(24)以及内皮功能障碍(25),这些过程可能对PTT和PBVi产生生理学影响。由于PTT和PBVi似乎可作为心肺疾病的替代生物标志物,并且已知与生化指标(脑钠肽)、临床指标(6分钟步行试验、纽约心脏协会功能分级)以及结构和血流动力学参数(心输出量、肺动脉楔压、瓣膜疾病严重程度)相关,因此这些指标与常规临床终点相关并不令人意外。从临床角度来看,PTT和PBVi可能提供新型无创成像生物标志物,能够更全面地评估心肺生理学,不孤立地聚焦于心肌参数(例如应变、LVEF、舒张性能),而是反映生理组分的综合,包括心腔几何形态、舒张和收缩功能、瓣膜疾病以及肺循环。
此前很少有研究探讨PTT参数与结局的关联,且这些研究集中于特定疾病实体。在中位随访26个月(n = 112)期间,Ricci等(2)显示,PBVi升高(>492 ml/m2)与心力衰竭门诊患者的不良结局独立相关。同样,Swift等(5)显示,在85例肺动脉高压患者6个月随访期间,PTT是死亡的独立预测因子。在本研究中,PTT和PBVi均与MACE独立相关,但与全因死亡率无关。并非所有患者均有死亡原因数据,但与心血管死亡率存在关联的可能性值得进一步评估。
既往CMR研究数据显示,在收缩期左室功能受损的患者中,PTT和PBVi升高(2,3,9),并且在肥厚型心肌病患者中与舒张功能标志物相关(10)。Colin等人(8)利用肺动脉高压患者的计算机断层扫描数据,近期证明PTT与二尖瓣反流加重程度及右心导管测定的肺动脉楔压估计值升高呈正相关。在本研究中,PTT仅与LVEF和左室舒张末期容积指数呈中度相关。然而,与既往研究相比,本研究样本量更大,且患者人群为已知或疑似冠心病患者,范围广泛且未经选择,包括具有不同病理状态的患者(包括瓣膜病、舒张和收缩功能障碍、心房颤动及肺部疾病),这可能解释了本数据中观察到的PTT与心脏参数相关性略弱的原因。
多项研究在探讨PTT与心脏容积或生物标志物之间的关系时,采用了按心率校正的标准化PTT。各研究中PTT的校正方法有所不同(10,23),但鉴于本数据同样显示心率与PTT之间存在关联(图2,表2),我们使用按心率标准化的PTT(PTTn)进行了进一步分析。PTTn同样可预测MACE,且与PTT和PBVi类似,不能预测全因死亡(补充表4,补充图S2)。由于PBVi的估算纳入了静息心输出量的使用,静息心率的影响已纳入该指标中。
在腺苷负荷灌注过程中提取的负荷PTT同样被发现与结局独立相关。然而,负荷PTT是一个 very 新颖的参数,缺乏既往与静息PTT相关的侵入性验证和临床相关性研究工作。例如,腺苷作为一种药物性血管扩张负荷剂,对负荷期间影响PTT的血流动力学参数的作用尚不完全清楚,且可能在不同药物负荷剂与运动之间有所差异。在本队列中,负荷PTT与静息PTT高度相关;因此,该参数在负荷期间相对于静息的增量价值仍不确定。事实上,负荷PTT在特定疾病模型中是否表现不同,值得进一步研究。
本研究利用了灌注CMR的最新技术进展,实现了全自动化分析流程,使其在临床工作流程中的采用成为可行。PTT的测量和报告作为常规灌注扫描的一部分完成,不需要额外的规划或序列(中心图示)。尽管事件数量较少,PTT和PBVi被证明可独立预测心血管结局,其预测能力在LVEF和LGE等成熟影像生物标志物以及MPR(12)等更当代的标志物之上具有增量价值。对负荷PTT的探索性分析揭示了与结局类似的预后关联。所呈现的数据强调了在未来针对特定疾病队列的前瞻性研究中对PTT指标进行系统评估的必要性,因为这些指标可能为潜在病理生理机制和潜在治疗靶点提供额外见解。
研究局限性
尽管对若干临床和CMR参数进行了校正,但我们的分析未对舒张功能障碍或瓣膜疾病的指标进行校正(这些数据仅部分病例可获得),而二者均已知会影响PTT。每搏输出量通过短轴堆叠电影图像的平面测量法计算,而非相位对比速度测量法,因为后者不可获得。尽管这可能引入一定程度误差,尤其在瓣膜疾病背景下,但据信不会改变结论,因为PTT和PBVi的变化动态范围远大于心输出量。此外,本研究主要旨在评估生物标志物(PTT和PBVi)的预后价值,这些标志物可从作为常规临床成像方案一部分所获得的CMR序列中自动导出。尽管所有首过灌注研究均依赖于指示剂稀释原理,但不同PTT估算方法之间存在重要差异。已描述了不同的采样位置,包括肺动脉干至左心房 (19)、右心室至左心房,以及右心室至左心室 (8,9,23)。显然,PTT和PBVi的估算将因所选解剖标志而异。在我们的研究中,采用右心室和左心室腔进行采样,因为这些可在灌注序列期间轻松采样,无需额外规划和图像采集。患者在临床上被转诊进行心肌灌注CMR,因此该队列主要纳入已知或疑似冠状动脉疾病的患者。这可能在接受PTT指标的关联方面引入偏倚。然而,我们的分析对若干心血管危险因素以及心肌灌注储备进行了校正,后者先前已显示可在该患者队列中独立预测不良事件 (12)。
结论
PTT和PBV作为心肺系统指标,现已可从最新一代CMR灌注标测研究中自动导出,无需用户输入。在此,我们表明这些指标在传统因素之外独立与不良心血管事件相关,可能提供临床可行的反映心肺生理的影像生物标志物。观点:医学知识胜任力:PTT可从静息灌注CMR成像自动导出,无需额外图像采集或用户输入。PTT和PBVi均编码预后信息,该信息独立于既定成像参数,包括LVEF和LGE的存在。
转化展望:需要进一步研究以确定PTT指标能否作为特定疾病模型中风险分层和早期预警信号的无创生物标志物,以及这些指标能否随治疗而改变。
资金支持与作者利益披露
本研究由英国心脏基金会临床培训研究奖学金(授予Seraphim博士,FS/18/83/34025)资助,并直接和间接获得伦敦大学学院医院及Barts Health国家卫生服务信托的国家健康研究所生物医学研究中心的资助。本研究还得到美国国立卫生研究院国家心肺血液研究所院内研究部的资助(Z1A- HL006214-05 和 Z1A- HL006242-02)。本工作是Barts生物医学研究中心转化研究组合相关研究领域的一部分,该中心由国家健康研究所支持和资助。Petersen教授曾担任Circle Cardiovascular Imaging Inc.的顾问,并为其股东。所有其他作者均声明与本文内容无相关利益关系需要披露。
引用
- Seraphim A, Knott KD, Menacho K, et al. Prognostic Value of Pulmonary Transit Time and Pulmonary Blood Volume Estimation Using Myocardial Perfusion CMR. JACC Cardiovasc Imaging. 2021. PMID: 34023269. doi:10.1016/j.jcmg.2021.03.029
- 全文:PMC8560640(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC8560640/
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。