脑小血管病（cerebral small vessel disease，CSVD）是指多种因素累及脑内小动脉、毛细血管、小静脉等引起的一系列临床、影像及病理综合征，主要影像学特征包括腔隙灶、脑白质高信号（white matter hyperintensity，WMH）、血管周围间隙扩大、脑微出血（cerebral microbleeds，CMB）等。CSVD发病隐匿，多以老年患者常见，其表现形式多样，即可表现为脑卒中、认知功能障碍等，又可表现为无症状。近年来，CSVD总负荷评分逐渐引起临床关注，相比于单一影像学特征，全面量化评估个体CSVD严重程度具有更高的临床价值[1-2]。既往CSVD研究多关注有症状患者，对无症状CSVD报道较少。无症状CVSD患者因缺乏临床可识别症状，不易察觉；在无症状阶段识别CSVD高负荷人群，对于今后指导防控，优化患者预后具有重要的公共卫生意义。鉴于此，本研究首次聚焦健康体检老年人群，分析老年人群无症状CSVD中度负荷危险因素并构建列线图模型，旨在为今后制订干预提供依据。

1 对象与方法

1.1 研究对象

选取2023年6月至2024年12月湖州学院附属南太湖医院431名健康体检老年人群作为研究对象。纳入标准：①年龄 ≥60岁；②行头颅MRI检查，可评估CSVD总负荷评分；③属于无症状人群。排除标准：①既往有脑血管病病史；②拒绝参与本调查。本研究经湖州南太湖医院医学科研与临床试验伦理委员会审查通过[2023伦审研（0501）号]。

无症状判定标准：①既往无脑血管病史、神经系统查体未见明显异常；②无认知障碍，蒙特利尔认知评估量表评分 ≥26分，如果患者教育年限 ≤12年，评分加1分[3]；③无运动障碍，Tinetti平衡与步态量表评分＞24分[4]；④无情感障碍，健康问卷抑郁量表-9评分＜10分[5]，广泛焦虑性量表评分＜5分[6]。

1.2 研究方法

收集研究对象的体检资料，包括年龄、性别、体质量指数（body mass index，BMI）、吸烟史、饮酒史、既往病史（高血压病、糖尿病、冠心病）、白细胞计数（white blood cell，WBC）、中性粒细胞与淋巴细胞比值（neutrophil-to-lymphocyte ratio，NLR）、红细胞分布宽度（red blood cell distribution width，RDW）、总胆固醇（total cholesterol，TC）、高密度脂蛋白胆固醇（highdensity lipoprotein cholesterol，HDL-C）、低密度脂蛋白胆固醇（low-density lipoprotein cholesterol，LDL-C）、总胆红素（total bilirubin，TBil）、白蛋白（albumin，Alb）、肌酐（creatinine，Cr）、尿酸（uric acid，UA）、甘油三酯-葡萄糖（triglyceride glucose，TyG）指数、CSVD总负荷评分。

所有研究对象均采用美国GE公司Architect AIR 3.0T MRI行头部MRI检查，扫描序列包括T1WI、T2WI、DWI、FLAIR、SWI。腔隙：位于皮质下圆形、卵圆形类似脑脊液信号的腔隙，表现为T1WI序列低信号，T2WI序列高信号，FLAIR序列中心低、外周包绕高信号环，直径为3~15 mm。脑WMH：脑白质区域中大小不规则的异常信号，T2WI、FLAIR序列为高信号，T1WI序列为等信号或低信号，采用Fazekas量表评价脑白质损害情况。CMB：SWI序列中可见边界清楚、均质的小圆形或卵圆形信号缺失灶，直径多为2~5 mm，多位于皮质和皮质下、深部灰质和白质。血管周围间隙：T2WI序列呈圆形或卵圆形、线样高信号，T1WI和FLAIR序列低信号，病灶直径＜3 mm，多位于基底节、皮质下和脑干等部位。CSVD总负荷评分：①腔隙 ≥1个，记1分；②Fazekas量表评分深部WMH评分 ≥2分和/或脑室旁WMH评分为3分，记1分[7]；③深部或幕下CMB ≥1个，记1分；④血管周围间隙（2~4级），记1分。CSVD总负荷评分为0～4分，分数越高，表明CSVD程度越重[8]。由2名高级职称影像科医师独立评估，评估结果不一致，则引入第3名主任医师协商后确定结果。

1.3 统计学方法

使用SPSS 26.0和R 4.3.0统计学软件进行数据分析。符合正态分布的计量资料采用均数±标准差表示，比较采用t检验；不符合正态分布的计量资料采用中位数（M）和四分位数（P25，P75）表示，比较采用Mann-Whitney U检验。计数资料采用人数和百分率[名（%）]表示，比较采用χ2检验。采用LASSO回归进一步筛选变量；老年人群无症状CSVD中度总负荷的危险因素采用logistic回归模型，rms包构建列线图模型。绘制受试者操作特征（receiver operating characteristic，ROC）曲线评估模型的预测效能；采用Bootstrap法对数据进行重复抽样1 000次以内部验证预测模型，校准曲线评估模型预测概率与实际概率一致性，决策曲线分析评估模型的临床净收益。以P＜0.05为差异有统计学意义。

2 结果

2.1 老年人群无症状CSVD影像学特征

本研究共选取健康体检老年人431名，145名影像学表现符合CSVD；CSVD总负荷评分：0分286名（66.36%）、1分99名（22.97%）、2分38名（8.82%）、3分8名（1.86%），4分0名。本研究将0~1分合并为正常与轻度总负荷组（385名），2~3分合并为中度总负荷组（46名）；CSVD中度总负荷检出率为10.67%（46/431）。

2.2 老年人群无症状CSVD中度总负荷单因素分析

两组年龄、吸烟、饮酒、高血压病、冠心病、NLR、RDW、HDL-C、Alb、Cr比较，差异有统计学意义（P＜0.05）。见表1。

表1 老年人群无症状CSVD中度总负荷单因素分析

注 CSVD：脑小血管病；BMI：体质量指数；WBC：白细胞计数；NLR：中性粒细胞与淋巴细胞比值；RDW：红细胞分布宽度；TC：总胆固醇；HDL-C：高密度脂蛋白胆固醇；LDL-C：低密度脂蛋白胆固醇；TBil：总胆红素；Alb：白蛋白；Cr：肌酐；UA：尿酸；TyG：甘油三酯-葡萄糖。

项目中度总负荷组（46名）正常与轻度总负荷组（385名）Z/x2/t组P组年龄[岁，M（P25，P75）]69.5（63.0，72.0）64.0（61.0，69.0）4.1590.001性别[例（%）]2.0810.149男30（65.22）208（54.03）女16（34.78）177（45.97）BMI[kg/m2，M（P25，P75）]24.92（22.53，26.49）23.81（21.96，27.86）1.7140.087吸烟[例（%）]18.798＜0.001有24（52.17）87（22.60）无22（47.83）298（77.40）饮酒[例（%）]8.4390.004有25（54.35）126（32.73）无21（45.65）259（67.27）高血压病[例（%）]7.0430.008有38（82.61）242（62.86）无 8（17.39）143（37.14）糖尿病[例（%）]3.0140.083有15（32.61）82（21.30）无31（67.39）303（78.70）冠心病[例（%）]31.010＜0.001有21（45.65）51（13.25）无25（54.35）334（96.75）WBC[×109/L，M（P25，P75）]5.80（4.70，6.53） 5.40（4.70，6.50）0.8510.395 NLR[M（P25，P75）]2.35（1.67，2.88） 1.81（1.45，2.49）3.2360.001 RDW[%，M（P25，P75）]13.1（12.9，13.6） 12.9（12.5，13.3）2.8590.004 TC[mmol/L，M（P25，P75）]5.03（4.13，5.46） 5.18（4.58，5.91）1.9310.054 HDL-C[mmol/L，M（P25，P75）]1.21（1.09，1.44） 1.35（1.15，1.55）2.0010.045 LDL-C[mmol/L，M（P25，P75）]2.43（1.76，3.00） 2.45（1.95，2.97）0.6320.527 TBil[µmol/L，M（P25，P75）]14.85（11.43，19.50） 16.40（13.30，20.20）1.4750.140 Alb[g/L，（xˉ±s）]41.49±2.2442.44±1.953.0600.002 Cr[µmol/L，M（P25，P75）]78.50（61.75，91.00） 69.00（59.00，81.00） 2.4670.014 UA[µmol/L，M（P25，P75）]338.65（242.18，414.00）314.10（257.30，378.15）0.8650.387 TyG指数[M（P25，P75）]8.79（8.48，9.49） 8.72（8.35，9.12） 1.8150.069

2.3 变量筛选

将表1中差异有统计学意义（P＜0.05）的变量纳入LASSO回归进一步筛选变量，最终筛选出4个变量，分别为年龄、吸烟、冠心病、NLR。见图1、2。

图1 LASSO回归交叉验证曲线图

图2 LASSO回归系数剖面图

2.4 老年人群无症状CSVD中度总负荷多因素logistic回归分析

以老年人群无症状CSVD总负荷为因变量（中度总负荷=1，正常与轻度总负荷=0），年龄（实际值）、吸烟（有=1，无=0）、冠心病（有=1，无=0）、NLR（实际值）作为自变量，4个变量方差膨胀因子（variance inflation factor，VIF）均＜5，变量之间不存在多重共线性问题。多因素logistic回归分析结果显示，年龄、吸烟、冠心病、NLR是老年人群无症状CSVD中度总负荷的独立危险因素（P＜0.05）。见表2。

表2 老年人群无症状CSVD中度总负荷多因素logistic回归分析

注 CSVD：脑小血管病；NLR：中性粒细胞与淋巴细胞比值；VIF：方差膨胀因子。

项目βS.E.Waldχ2P值OR值95%CIVIF年龄0.1160.03411.822＜0.0011.1231.051～1.1991.042吸烟1.1850.34411.907＜0.0013.2721.669～6.4151.034冠心病1.3840.35215.441＜0.0013.9902.001～7.9561.061 NLR0.2630.1175.0870.0241.3011.035～1.6361.021常数-11.2722.32623.490

2.5 老年人群无症状CSVD中度总负荷列线图模型构建与验证

根据多因素分析结果，构建列线图模型，见图3。ROC曲线显示，该模型预测老年人群CSVD中度总负荷的曲线下面积为0.801（95%CI：0.727～0.874），灵敏度为84.78%，特异度为69.09%，见图4。Bootstrap法内部验证ROC曲线下面积为0.790（95%CI：0.718～0.861）。校准曲线显示，该模型预测概率与实际概率一致性较好（χ2=10.086，P=0.259），见图5。决策曲线分析显示，当阈值范围为0.05～0.41、0.46、0.48～0.49、0.57～0.58、0.78～0.85时，该模型具有一定的临床净收益，见图6。

图3 老年人群无症状CSVD中度总负荷列线图

图4 ROC曲线

图5 校准曲线

图6 决策曲线

3 讨论

据报道，CSVD占脑卒中病因的25%～30%，占痴呆病因的45%，严重威胁老年人群生命安全[9]。CSVD发病隐匿，较单一影像学特征，累积增加的影像学特征对患者危害更大[10]。本研究结果显示，431名健康体检老年人群中，无症状CSVD检出率为33.64%，其中CSVD总负荷评分为0、1、2、3分者分别占66.36%、22.97%、8.82%、1.86%，未发现4分，鉴于此，本研究将0~1分合并为正常与轻度总负荷组，2~3分合并为中度总负荷组，CSVD中度总负荷检出率为10.67%。日本一项研究显示，无症状CSVD检出率约为28%，其中CSVD中重度负荷约占8%[11]，与本研究结果相似。国内一项调查显示，无症状CSVD检出率约为66%[12]，与本研究差异较大，可能是因为该研究人群平均年龄显著高于本次调查。

马佳丽等[13]调查显示，年龄每增加1岁，CSVD总负荷进展为更高负荷的风险增加6.8%。王春雨等[14]研究显示，年龄增长是CSVD中重度总负荷的独立危险因素（OR=1.046）。本研究结果发现，年龄每增长1岁，老年人群发生无症状CSVD中度总负荷的风险上升1.12倍。分析其机制可能是随着年龄增长，血管结构功能呈进行性退化，脑血流量减少、储备能力减弱损害血-脑屏障；此外，衰老易增加氧化应激水平、引发慢性炎症状态，进而损伤脑组织，导致CSVD总负荷增加。

秦凡宜[15]研究发现，有吸烟史患者发生CSVD高负荷的风险可增加2.25倍。朱翠婷和胡文立[16]调查显示，吸烟是头晕/眩晕患者CSVD总负荷评分升高的独立危险因素（OR=2.39）。本研究结果显示，老年人群吸烟发生无症状CSVD中度总负荷的风险是不吸烟的3.27倍。分析其机制可能是烟草烟雾中尼古丁、一氧化碳等化学物质能直接损伤血管内皮细胞，诱发氧化应激及慢性炎症，破坏血-脑屏障，损害脑小血管，增加影像学总负荷。

近年来，有研究表明冠状动脉粥样硬化与CSVD发生及病情进展存在关联。Mejia等[17]研究发现，冠心病患者动脉粥样硬化微循环障碍与异常脑血流动力学、CSVD有关。Johabsen等[18]调查显示，冠状动脉斑块及其体积与脑WMH呈正相关。本研究结果显示，冠心病可导致老年人群发生无症状CSVD中度总负荷的风险上升2.99倍。分析其机制可能是冠状动脉粥样硬化易导致管腔狭窄，心脏灌注减少，引起颅脑供血不足，脑灌注减低，进而损伤神经功能，诱发CSVD影像学改变。

目前CSVD发病机制尚未明确，但有研究认为，炎症状态参与CSVD病情进展。王青青等[19]调查表明，NLR预测CSVD中重度负荷的曲线下面积为0.802。孙晨等[20]研究显示，NLR是CSVD高负荷的独立危险因素（OR=1.34）。本研究结果显示，NLR每增加1个单位，老年人群发生无症状CSVD中度总负荷的风险上升约30%。分析其机制可能是NLR升高表明患者体内出现炎症和免疫失衡，中性粒细胞过度释放促炎介质易损伤脑血管内皮细胞，淋巴细胞减少导致免疫调节功能减弱，患者体内持续炎症状态易破坏脑微血管稳态，加重CSVD总负荷。

本研究基于健康体检老年人群，构建老年人群无症状CSVD中度总负荷列线图模型。ROC曲线显示模型区分度较好；校准曲线显示模型校准度较好；决策曲线分析显示模型具有一定的临床实用性。但本研究存在一定的局限性：首先，本研究为单中心研究，仅采用内部验证；其次，本研究数据来源于健康体检老年人群，部分指标未检测，今后仍需开展多中心研究、纳入更多指标优化模型效能。

综上所述，老年人群无症状CSVD检出率较高，以轻中度为主。年龄、吸烟、冠心病、NLR是老年人群无症状CSVD中度总负荷的独立危险因素。此外，本研究开发的列线图模型预测效能较好，可为今后指导精准化防控提供参考。

利益冲突声明：本文所有作者均声明不存在利益冲突。

[参考文献]

[1] KLARENBEEK P，VAN OOSTENBRUGGE R J，ROUHL R P，et al. Ambulatory blood pressure in patients with lacunar stroke：association with total MRI burden of cerebtal small vessel disease [J]. Stroke，2013，44（11）：2995-2999.

[2] 中国研究型医院学会脑小血管病专业委员会《中国脑小血管病诊治专家共识》编写组. 中国脑小血管病诊治专家共识2021[J]. 中国卒中杂志，2021，16（7）：716-726.

[3] NASREDDINE Z S，PHILLIPS N A，BEDIRIAN V，et al.The Montreal cognitive assessment, MoCA：a brief screening tool for mild cognitive impairment [J]. J Am Geriatr Soc，2005，53（4）：695-699.

[4] 中国老年保健医学研究会老龄健康服务与标准化分会，《中国老年保健医学》杂志编辑委员会，北京小汤山康复医院. 中国社区平衡功能障碍评定与康复治疗技术专家共识[J]. 中国老年保健医学，2019，17（4）：27-36.

[5] 曲姗，史欣欣，谢稚鹃，等. 病人健康问卷和广泛性焦虑量表在非心源性胸痛患者中筛查抑郁焦虑的效度和信度[J]. 中国心理卫生杂志，2021，35（5）：376-381.

[6] 韩欣，赵兵，孙涛，等. 青岛市中青年高血压患者焦虑、抑郁状况及其相关影响因素分析[J]. 中国社会医学杂志，2024，41（4）：455-459.

[7] CEDRES N，FERREIRE D，MACHADO A，et al. Predicting Fazekas scores from automatic segmentations of white matter signal abnormalities [J]. Aging（Albany NY），2020，12（1）：894-901.

[8] STAALS J，MAKIN S D，DOUBAL F N，et al. Stroke subtype，vascular risk factors，and total MRI brain smallvessel disease burden [J]. Neurology，2014，83（14）：1228-1234.

[9] 向函，成红江，许丽娜. 颅内动脉形态学指标与脑小血管疾病相关性的研究进展[J]. 浙江医学，2025，47（9）：997-1002.

[10] JOKINEN H，KOIKKALAINEN J，LAAKSO H M，et al.Global burden of small vessel disease related brain changes on MRI predicts cognitive and functional decline [J].Stroke，2020，51（1）：170-178.

[11] YAKUSHIJI Y，CHARIDIMOU A，NOGUCHI T，et al.Total small veseel disease score in neurologically healthy Japanese adults in the Kashima scan study [J]. Intern Med，2018，57（2）：189-196.

[12] 马欣昕，刘芳，陈涓，等. 老年人群无症状脑小血管病影像学特征及其影响因素研究[J]. 中华老年医学杂志，2022，41（2）：162-167.

[13] 马佳丽，王玉青，王恺闻，等. 脑小血管病总负荷的影响因素探索及临床预测模型建立[J]. 中国卒中杂志，2022，17（5）：523-528.

[14] 王春雨，董爱勤，王文慧，等. 小动脉硬化型脑小血管病总负荷与非高密度脂蛋白胆固醇相关性研究[J]. 中国现代神经疾病杂志，2025，25（5）：396-402.

[15] 秦凡宜. 甘油三酯葡萄糖指数、残余胆固醇与脑小血管病总负荷的相关性研究[D]. 石家庄：河北医科大学，2024.

[16] 朱翠婷，胡文立. 头晕/眩晕患者脑小血管病总负荷的危险因素分析[J]. 中国卒中杂志，2022，17（4）：354-359.

[17] MEJIA-RENTERIA H，TRAVIESO A，MATIAS-GUIU J A，et al. Coronary microvascular dysfunction is associated with impaired cognitive function：the cerebralcoronary connection study（C3 study）[J]. Eur Heart J，2023，44（2）：113-125.

[18] JOHANSEN M C，GOTTEDMAN R F，KRAL B G，et al.Association of coronary artery atherosclerosis with brain white matter hyperintensity [J]. Stroke，2021，52（8）：2594-2600.

[19] 王青青，王少颖，王鸿静，等. 炎症指标与脑小血管病严重程度的关系研究[J]. 国际检验医学杂志，2025，46（3）：271-275.

[20] 孙晨，刘国荣，潘晓华. 红细胞分布宽度、中性粒细胞与淋巴细胞比值和脑小血管病影像学总负荷的相关性分析[J]. 华西医学，2023，38（5）：674-679.

Construction and verification of the nomogram model for total burden of asymptomatic cerebral small vessel disease in the elderly population

ZHANG Jun1 PAN Guangyou1 SHEN Li2 YE Yongqiang1

1.Department of Radiology, South Taihu Hospital Affiliated to Huzhou College, Zhejiang Province, Huzhou 313000,China; 2.Department of Neurology, South Taihu Hospital Affiliated to Huzhou College, Zhejiang Province, Huzhou 313000, China

[Abstract] Objective To construct the nomogram model for total burden of asymptomatic cerebral small vessel disease(CSVD) in the elderly population and evaluate its efficacy. Methods A total of 431 elderly people with physical examination in South Taihu Hospital Affiliated to Huzhou College from June 2023 to December 2024 were selected as the research subjects. All research subjects were examined with brain MRI. According to the total burden score of CSVD, they were divided into normal and mild total burden group and moderate total burden group. Following variable screening using univariate analysis and LASSO regression,multiple logistic regression analysis was used to identify independent risk factors for moderate total burden of CSVD, and nomogram model was constructed. Receiver operating characteristic (ROC) curve, calibration curve,and decision curve analysis were used to evaluate the efficacy of model, and Bootstrap method was used to verify the internal stability of the model. Results Among 431 research subjects, 46 people had moderate total burden of CSVD, the detection rate was 10.67%. Univariate analysis showed that there were statistically significant differences in age, smoking, drink, hypertension, coronary heart disease,neutrophil to lymphocyte ratio (NLR), red blood cell distribution width, high-density lipoprotein cholesterol, albumin,and creatinine between the two groups (P＜0.05). LASSO regression analysis screened four variables, including age,smoking, coronary heart disease, and NLR. Multiple logistic regression analysis showed that age（OR=1.123）, smoking（OR=3.272）, coronary heart disease（OR=3.990）， and NLR （OR=1.301）were independent risk factors for moderate total burden of CSVD （P＜0.05）. ROC curve showed that the area under the curve of the model in group was 0.801（95%CI：0.727-0.874） and area under the curve of internal validation in internal validation was 0.790（95%CI：0.718-0.861）. The calibration curve showed that the model had good calibration. The decision curve amalysis showed that the model had good clinical practicality. Conclusion The nomogram model of moderate total burden of asymptomatic CSVD in the elderly constructed in this study has good predictive value and can provide a basis for future intervention.

[Key words] Cerebral small vessel disease; Total burden; Risk factor; Nomogram model

[中图分类号] R743

[文献标识码] A

[文章编号] 1673-7210（2026）03（a）-0045-06

DOI：10.20047/j.issn1673-7210.25081774

[通讯作者] 叶永强（1983.10-），男，硕士，主任医师；研究方向：心脑血管疾病影像学诊断。

[基金项目] 浙江省医药卫生科技计划项目（2023XY172、2025KY1569）；浙江省湖州市科技计划项目（2023GYB01）。

[作者简介] 张军（1981.5-），男，副主任医师；研究方向：心脑血管疾病影像学诊断。

（收稿日期：2025-08-27）

（修回日期：2025-11-23）