跳到主要内容
访问密钥 NCBI主页 MyNCBI主页 主要内容 主导航
神经病学。2017年10月10日;89(15): 1569–1577.
数字对象标识:10.1212/所有权0000000000004490
预防性维修识别码:项目编号:5634663
PMID:28878046

脑小血管疾病的非线性时间动力学

RUN DMC研究
埃丝特·M.C.范莱森,理学硕士,* 英格堡W.M.范乌登、医学博士、博士,* Mohsen Ghafoorian公司,理学硕士,梅拉·博格坎普,理学硕士,瓦莱丽·洛纳,理学硕士,埃琳·科伊曼斯(Eline C.M.Kooijmans),理学学士,海伦娜·范德霍尔斯特、医学博士、博士,阿尼尔·M·图拉达尔、医学博士、博士,大卫·G·诺里斯,博士,伊沃德·范·迪克、医学博士、博士,Loes C.A.Rutten-Jacobs公司,博士,Bram平板,博士,Catharina J.M.Klijn女士、医学博士、博士和Frank-Erik de Leeuw公司,医学博士,博士通讯作者

关联数据

补充资料

摘要

目标:

在9年的时间里,通过3次连续评估来研究大脑小血管疾病(SVD)的时间动力学,区分进展和消退。

方法:

在9年中的3个时间点评估了Radboud大学奈梅亨扩散张量和磁共振成像队列(RUN-DMC)276名参与者的SVD标记物的变化。我们通过半自动分割评估白质高强度(WMH)容积,并手动评估腔隙和微出血。根据改良的Fazekas量表,我们将基线WMH严重程度分为轻度、中度或重度。我们进行了混合效应回归分析,包括年龄增长的二次项。

结果:

9年来的平均WMH进展为4.7毫升(0.54毫升/年;四分位区间0.95–5.5毫升),20.3%的患者出现了偶发性腔隙(2.3%/年),18.9%的患者出现偶发性微出血(2.2%/年。在第一次随访间隔期间,9.4%的参与者的WMH量下降,但在整个随访期间仅1名参与者(0.4%)下降。3.6%的参与者出现拉库内斯症状,5.7%的参与者发生微出血。WMH进展随着时间的推移而加速:包括随访期间年龄增长的二次项,显著改善了模型(第页< 0.001). 基线检查时,与轻度WMH患者相比,中度至重度WMH患者的SVD进展明显(比值比[OR]35.5,95%可信区间[CI]15.8–80.0,第页WMH进展<0.001;OR 5.7,95%CI 2.8–11.2,第页<0.001,对于偶发性腔隙;和OR 2.9,95%CI 1.4–5.9,第页=0.003(对于偶发微出血)。

结论:

SVD进展是非线性的,随着时间的推移而加速,并且是一个高度动态的过程,在平均显示进展的人群中,进展被一些人的减少所中断。

脑小血管病(SVD)的标志物在神经影像上几乎出现在60岁以上的每个人身上。它们包括白质高信号(WMH)、脑出血和脑微出血。1SVD及其进展被认为是导致痴呆的最重要的血管因素。2,因此,了解SVD进展的时间进程将有助于更好地了解SVD的病因和后果。

由于缺乏多个随访评估的研究,目前关于SVD时间动力学的知识有限。因此,这些研究只能报告SVD严重程度的平均线性变化。4,11然而,先前的研究表明,SVD进展可能是一个非线性过程,随着时间的推移而加速。12,13最近的研究表明,SVD可能通过影响远端大脑结构和功能发挥其临床作用。14,15到目前为止,SVD的变化与这些远端大脑结构随后的萎缩之间的时间关系尚不清楚。

最近,WMH量减少12,13,16,18以及腔隙数量的减少19,20和微出血21,22有报道称,这进一步挑战了SVD标记物线性进展的假设。这种消失的SVD的时间进程和大小都没有被调查过。

在这项研究中,我们通过9年的3次连续神经影像学评估,对SVD患者的SVD时间动力学进行了研究,区分了进展与衰退。作为二次分析,我们研究了与远端大脑结构萎缩相关的时间动力学。

方法

研究人群。

这项研究是拉德布大学-奈梅亨扩散张量和磁共振成像队列(RUN-DMC)研究的一部分,该研究前瞻性地调查了SVD的风险因素和临床后果。详细的研究方案已在之前发布。23在503名基线参与者中,281人在3个时间点进行了重复MRI评估。由于扫描质量不足,五名参与者被排除在外,为本研究提供了276名参与者的最终样本(图e-1神经病学.org).

标准方案批准、注册和患者同意。

医学审查伦理委员会地区Arnhem-Nijmegen批准了该研究,所有参与者都给出了书面知情同意书。

MRI协议。

在1.5T MRI上的3个时间点采集图像(2006年:西门子[德国慕尼黑],Magnetom Sonata;2011年和2015年:西门子,Magnetiom Avanto),包括以下全脑扫描:3D T1磁分离快速梯度回波(MPRAGE)成像(体素尺寸1.0×1.0×1.0 mm);液体衰减反转恢复(FLAIR)脉冲序列(基线:体素大小1.2×1.0×5.0 mm,层间间隙1.0 mm;随访:体素尺寸1.2×1.0 x 2.5 mm;层间间隙0.5 mm);和横向T2*加权梯度回波序列(体素尺寸1.3×1.0×5.0 mm,层间间隙1.0 mm)。前面已经描述了完整的收购细节。23在所有3个时间点使用相同的头部线圈。

为了最小化FLAIR序列变化的影响,我们使用线性插值对后续FLAIR图像进行重新分割,以匹配基线图像的切片厚度。

脑容量测定。

使用SPM12计算灰质(GM)、白质(WM)和脑脊液概率图(fil.ion.ucl.ac.uk/spm文件/)T1 MPRAGE图像上的统一分割例程。此外,我们使用WMH掩模来校正分割图像,因为最初有几个WMH损伤的大脑区域被错误分类。所有WMH体素均为平均WM强度,这些校正后的T1图像使用SPM12进行分割。对所有图像进行目视检查,以确定是否存在共配准和分割伪影。GM体积(GMV)、WM体积(WMV)和CSF体积(CSFV)是通过将属于该组织类别的所有体素乘以体素体积(mL)来计算的。颅内体积(ICV)是由GMV、WMV和CSFV与总脑体积(TBV)之和来确定的。

为了说明扫描间效应,我们校正了基线和随访之间ICV的差异。我们将所有体积归一化为基线ICV,以考虑头部大小。24

小血管疾病。

根据神经成像血管变化报告标准(STRIVE)标准对SVD进行评级。1WMH体积是通过一种半自动WMH分割方法计算的,该方法在其他地方已经详细描述过。25由一名受过训练的评分员目视检查分段错误,并对临床数据进行盲检。根据ICV的扫描间差异校正WMH体积,然后将其归一化为基线ICV。我们还分别计算了奇偶切片的WMH体积,以确定FLAIR序列切片厚度变化的影响。

我们使用改良的Fazekas量表对基线时的WMH严重程度进行分类(轻度:Fazekas0-1;中度:Fazeka 2;重度:Fazecas 3)。26

根据STRIVE标准,在FLAIR/T1加权和T2*加权MRI扫描中手动评估腔隙和微出血的数量和位置1由2名受过训练的评分员进行临床数据盲检。后续FLAIR图像被重新切片以匹配基线扫描,以防止基线扫描和后续扫描之间的部分体积效应差异。评分者之间和评分者之间的信度都很高。27发病率表示为出现新的腔隙或微出血的参与者人数。我们确定了腔隙或微出血是真的发生了还是消失了,以及发生的时间段。为了最大限度地降低因共同登记而导致错误分类的风险,我们目视检查了所有WMH分段,并根据手动评级更正了腔隙出现图。

血管危险因素。

如前所述,我们通过标准化问卷评估了高血压、吸烟、饮酒、体重指数、糖尿病和高胆固醇血症的存在。23

统计分析。

我们使用单变量分析计算了参与者和那些没有随访的参与者之间基线特征的差异。采用非参数检验对基线时轻度与中度或重度WMH患者以及有或无WMH进展患者之间的微型精神状态检查(MMSE)得分差异进行了检验。

我们创建了WMH概率图和腔隙分布图。WMH下降被定义为体积下降超过0.25 mL,因为这是可以目测确认的最小变化。15我们使用R软件包ggplot2(2.1.0版)绘制了WMH体积随年龄的变化。28使用R包lme4进行线性混合效应回归分析,分析WMH变化与基线年龄和时间的关系(版本1.1-12)。29我们使用了随机截距和随机斜率模型,该模型允许估计整个队列的平均斜率,同时考虑到个体间的变异性。通过黄土平滑曲线,我们探索了WMH随年龄增长的平均变化。为了评估可能的二次关系,指示SVD的非线性进展,我们使用似然比检验比较了完整模型和完整模型之间的模型拟合度,以及随访期间年龄增长的二次项,并评估了Akaike信息标准(AIC)的变化。

为了确定SVD进展的远期影响,我们通过线性回归分析分析了第一次随访间隔内WMH进展与随后的脑萎缩之间的关系。利用回归分析研究了不同SVD标记之间的多重共线性。

为了确定SVD标记物回归个体中血管危险因素的差异,我们通过方差分析和Bonferroni校正,比较了SVD标记回归和未回归参与者的血管危险因素,以及那些相对稳定的参与者的血管风险因素。

我们创建了根据基线年龄和基线WMH严重程度分层的WMH概率图。我们重复按基线WMH严重程度分层的混合效应回归分析,以分别探讨这些组中WMH的变化。我们通过logistic回归分析,根据基线Fazekas 0–1和Fazekas2–3计算SVD进展的几率,并对年龄和性别进行调整。

使用SPSS统计软件版本20和R编程语言版本3.2.1进行统计分析。

结果

基线特征见表1基线检查时的平均年龄为62.5±7.7岁,59.1%为男性。第一次随访前的平均随访时间为5.4±0.2年,第二次随访前为8.7±0.2年。基线时患有中度至重度WMH的参与者MMSE得分较低(27.7±1.7 vs 28.4±1.5;第页<0.001)与轻度WMH患者相比。与WMH保持相对稳定的参与者相比,WMH进展的参与者的MMSE评分急剧下降(-0.95±2.5 vs-0.32±1.8;第页= 0.031). 与参与者相比,随访失败的患者年龄更大,基线SVD特征更严重(表e-1)。

表1

人口统计学和影像学特征

保存图片、插图等的外部文件。对象名称为NEUROLOGY2017807909TT1.jpg

SVD的时间动态。

WMH概率图如图e-2和视频1所示。平均WMH进展为0.54 mL/y(中位数0.24;四分位范围[IQR]0.11–0.64 mL/年)。WMH的进展随着基线年龄的增加而增加(图1、A和B; 视频2)。在混合效应回归分析中,基线年龄的每一年增加都会导致WMH增加0.10%(95%置信区间0.07%–13.7%)。在随访期间加入一个增加年龄的二次项显著改善了模型(AIC基础模型2995.2 vs AIC扩展模型2932.9,似然比检验,χ2= 64.3,数据流= 1,第页< 0.001). WMH的严重程度和进展在男性和女性中具有可比性。

保存图片、插图等的外部文件。对象名称为NEUROLOGY2017807909FF1.jpg
白质高强度(WMH)进展的时间动力学

(A) 在3个时间点内,不同年龄个体的WMH体积(mL)变化。(B) 在2个随访期(mL/y)内,WMH体积变化在个体水平上按年龄加速。(C) WMH体积(mL)在3个时间点内按年龄在个体水平上的变化,按基线WMH严重程度分层。基线WMH严重程度分为轻度(Fazekas 0–1;n=211)、中度(Fazeka 2;n=33)或重度(Fazekas 3;n=20)。使用黄土平滑的平滑曲线表示WMH随年龄增长的平均变化。

56名参与者(20.3%)在9年内出现了新的缺陷(2.3%/年;表2). 腔隙的分布如图e-2和视频3所示。第二个随访期的腔隙发生率(3.5%/y)高于第一个随访期(2.7%/y)。

表2

每个大脑部位的拉伤和微出血

保存图片、插图等的外部文件。对象名称为NEUROLOGY2017807909TT2.jpg

50名参与者(18.9%)在9年内出现了新的微出血(2.2%/年)(表2). 第二个随访期的微出血发生率(4.2%/y)高于第一个随访期(1.7%/y)。第一个随访期内的WMH进展与第二个随访期的脑萎缩相关(β=0.124;第页=0.040)以及WM萎缩(β=0.149;第页=0.013),但不伴有GM萎缩(β=0.045;第页= 0.461). SVD标记之间的多重共线性如表e-2所示。

SVD标记的回归。

我们还观察到SVD标志物的回归。我们观察到,在第一个随访期内,26名参与者(9.4%;中位数下降-0.5毫升;IQR下降-0.9至-0.3毫升)的WMH量下降,在第二个随访期,5名参与者(1.8%;中位下降-0.5 mL;IQR-0.9至-0.4毫升)的量下降。在一名参与者中,WMH量在9年内下降(0.4%;-0.4mL)。在10名参与者(3.6%)中,随访成像时未发现14个腔隙(表2). 在15名参与者(5.7%)中,经过9年的随访,37例微出血不再被检测到(表2). 随访图像中不再可见的腔隙和微出血示例如所示图2。与那些在9年的病程中保持相对稳定的患者相比,有无SVD标记物回归的参与者在任何血管危险因素方面都没有差异(数据未显示)。

保存图片、插图等的外部文件。对象名称为NEUROLOGY2017807909FF2.jpg
在后续成像中,拉伤和微出血不再可见

在后续成像(a)中无法再检测到的腔隙示例,该腔隙似乎已被心室吸收。微出血(B)似乎随着时间的推移逐渐消失。

SVD时间动态的异质性。

9年来,轻度WMH参与者的平均WMH进展为2.4 mL,中度WMH参与者为12.0 mL,重度WMH参与者则为15.2 mL(图1C和3和视频4)。在基线检查时患有轻度WMH的参与者中,6%的人的WMH进展超过测量误差,而患有中度或重度WMH的患者中,这一比例为75%。基线时患有中度至重度脑脊髓炎的参与者的脑脊髓炎进展风险是轻度脑脊髓炎参与者的36倍(OR 35.5,95%CI 15.8–80.0;第页< 0.001). 中度至重度WMH患者也更容易出现事件缺陷(OR 5.7,95%CI 2.8–11.2;第页<0.001)和微出血(OR 2.9,95%CI 1.4–5.9;第页=0.003)。

保存图片、插图等的外部文件。对象名称为NEUROLOGY2017807909FF3.jpg
白质高信号(WMH)概率图按基线WMH严重程度分层

根据基线WMH严重程度分层的WMH出现概率,色码百分比为5%至75%。基线WMH严重程度确定为轻度(Fazekas 0–1;n=211)、中度(Fazeka 2;n=33)或重度(Fazekas 3;n=20)。9年的总体变化如右列所示。视频4中可以看到整个大脑的概率图。

讨论

在这项研究中,我们通过9年的3次成像评估,显示了SVD的时间动态,揭示了SVD进展和回归。我们证明,所有SVD标记物的进展都以非线性方式发生,随着时间的推移加速,符合二次曲线。此外,我们还发现,中度或重度WMH患者SVD进展的可能性很高,而轻度基线SVD患者在9年的时间内表现为轻度进展。

我们的研究表明,SVD的发展不是线性的,而是随着年龄的增长而加速的。虽然我们研究的平均进展与其他研究相当,4,11通过3次成像评估,我们发现SVD的进展随着时间的推移而加快,为非线性过程提供了证据。12,13此外,我们的结果表明,SVD随时间变化的二次过程是合理的,因为包含二次项可以改进模型。虽然我们需要3个以上的时间点来进一步研究指数函数,但我们的研究表明SVD级数的非线性时间动力学。我们的研究结果不支持假设的天花板效应,即WMH进展在高年龄和高病变体积时达到一定阈值,2我们还看到,在那些高龄且SVD病变负荷高的患者中,WMH的进展。

WMH进展与随后的WM萎缩和TBV萎缩之间的关系表明SVD影响邻近脑结构。WM萎缩可能是SVD导致的白质束断开导致的结果,顺行或逆行变性导致轴突丢失,继而导致脑容量丢失。,30临床观察表明,SVD负荷相似的患者在临床症状上表现出异质性,这可能是由于WM通道断开所致。

在平均显示进展的队列中,3个时间点的影像学评估也使我们能够识别SVD标记物的回归和进展。这一观察进一步证明了SVD并不是逐渐演变的,而是一个动态过程,在某些情况下,其演变被回归所打断。迄今为止,很少有其他研究报告WMH量下降,12,13,16,17可能是因为特定时间窗口内的WMH下降被随后的WMH进展所补偿(反之亦然)。两种影像学评估不允许将退化性发作与进展性发作区分开来。

观察到的WMH下降可能有几种解释。首先,第一次随访期间的WMH下降可以部分解释为基线检查和第一次随访之间FLAIR序列的轻微调整导致的部分容积效应。然而,这是不太可能的,因为根据奇偶切片计算的WMH体积是相同的,并且我们还发现第二次和第三次MRI评估之间的WMH下降。其次,扫描仪中参与者的不同方位也可能部分解释SVD消失的原因,尤其是对于较小的病变。为了防止出现这种情况,我们将WMH回归归类为体积下降超过0.25 mL。第三,最近发展的WMH可能代表组织水肿区域。后期组织水肿减轻可能导致WMH体积减少。16第四,改善对血管危险因素或影响血脑屏障的因素的控制可能通过减少WMH容量发挥作用。16,17腔隙消失可能是由于部分容积效应,腔隙塌陷或腔隙并入心室所致(图2).19,20微出血消失可能是由于部分容积效应以及含含铁血黄素的巨噬细胞的清除。22我们的发现与后一种假设一致。在大多数情况下,微出血似乎在2006年至2011年间逐渐消失,2015年不再可见。

基线时所有SVD标记物都是SVD进展的重要预测因子,以非线性方式且与年龄无关。通过微出血分布对SVD标记物的进展进行的额外分析没有显示出与深部微出血患者相比,严格肺叶患者的进展有显著差异(数据未显示),尽管该分析可能不够有力。尽管我们需要更长的随访时间来排除所有轻度基线WMH患者最终进展为重度WMH的可能性,但我们的数据显示,即使是年龄最大的轻度基线WMH9年的患者也很少出现进展。这表明轻度和重度基线WMH参与者的进展曲线不同,这意味着轻度和重度SVD病因的异质性。小的WMH体积,代表间断性WMH或小的室周帽,可能包括血管周围间隙扩大和室管膜下胶质增生。7相反,融合性WMH表现为缺血性组织损伤的连续性,从轻度纤维丢失到完全梗死,并且在认知功能恶化方面可能具有更恶性的病程。这些不同的病因需要不同的诊断和治疗方法。WMH严重程度和进展与MMSE评分之间的相关性强调了我们对SVD进展个体间变异性的研究结果的临床相关性。

本研究的优势包括SVD患者的大量队列和较长的随访时间。此外,3个时间点的成像评估使我们能够表征SVD随时间的变化,包括SVD回归。根据标准化程序对SVD进行评级,1将错误分类的风险降至最低。此外,半自动WMH量化降低了信息偏差的风险。2此外,使用SPM12最新的分割程序确定大脑体积,并使用WMH掩码纠正分割错误。最后,我们的研究对普通神经病学诊所的SVD患者具有较高的外部效度。

我们研究的一个局限性是MRI扫描仪在基线检查和首次随访之间的变化。然而,通过考虑第三次MRI评估,我们能够捕捉到大多数可能的偏差。基线检查和首次随访之间FLAIR序列的轻微调整可能会导致对偶发腔隙的过高估计。然而,我们在评估腔隙之前,通过对基线FLAIR图像的重新跟踪,限制了可能的负面影响。此外,正常脑组织和WMH信号特征的改变可能导致了更高的损伤发生率。然而,我们认为这不太可能,因为我们还观察到在相当大比例的参与者中,从第二到第三个时间段SVD标记物的回归。此外,由于低分辨率T2*序列,我们可能错过了较小的微出血。然而,由于相似的梯度回波序列适用于所有时间点,错误分类的风险将导致所有时间点的可比系统误差。不可避免的是,由于长期随访,可能会出现人员流失偏见,这可能导致对SVD进展的低估,因为辍学者年龄较大,SVD更严重。

我们的研究表明,SVD进展是一个非线性、动态和高度可变的过程,主要见于基线时患有中度或重度WMH的参与者。同样重要的是,轻度WMH患者在9年的病程中很少出现进展。由于SVD进展与认知能力下降和痴呆症的发展有关,我们对SVD进展的个体间变异性的研究可能是发展个性化治疗方法的重要一步。SVD的进展有时会被回归中断,SVD的发展是以二次型的方式发生的,因此不像以前认为的那样是逐步的、线性的进展,这一发现表明了应该如何考虑SVD过程的范式转变。未来的研究应详细阐述这种SVD进展的非线性动态时间过程的临床后果。

补充材料

数据补充:

词汇表

AIC公司Akaike信息准则
脑脊液病毒CSF容量
天赋流体衰减反演恢复
通用汽车灰质
通用汽车公司灰质体积
智能网联汽车颅内容积
IQR公司四分位范围
最小均方误差微型精神状态检查
MPRAGE(英里)磁化分离快速梯度回波
努力神经影像学血管变化报告标准
SVD公司小血管病
TBV(待定)大脑总体积
WM公司白质
WMH公司白质高强度
WMV公司白质体积

脚注

补充数据位于神经病学.org

作者贡献

范莱森博士:研究的设计和概念化;数据的采集、分析和解释;起草和修改手稿以获取知识内容。van Uden博士:研究的设计和概念化;数据的采集、分析和解释;为知识内容起草和修改手稿。Ghafoorian博士:数据分析和解释;修改手稿的知识内容。博格坎普博士:数据的获取、分析和解释;修改手稿的知识内容。Lohner博士:数据采集和分析;修改手稿的知识内容。E.C.M.Kooijmans:数据采集和分析;修改手稿的知识内容。范德霍斯特博士:数据采集和分析;修改手稿的知识内容。Tuladhar博士:数据采集和分析;修改手稿的知识内容。诺里斯博士:研究的设计和概念化;修改手稿的知识内容。van Dijk博士:研究的设计和概念化;修改手稿的知识内容。Rutten-Jacobs博士:数据分析和解释;修改手稿以获取知识内容。Platel博士:数据分析和解释;修改手稿的知识内容。Klijn博士:研究的设计和概念化;数据解释;为知识内容起草和修改手稿。de Leeuw博士:研究的设计和概念化;数据解释;为知识内容起草和修改手稿。van Leijsen博士、van Uden博士和Rutten-Jacobs博士进行了统计分析。

研究资金

未报告有针对性的资金。

披露

E.van Leijsen、I.van Uden、M.Ghafoorian、M.Bergkamp、V.Lohner、E.Kooijmans和H.van der Holst未报告与手稿相关的任何披露。A.Tuladhar是荷兰心脏基金会的初级工作人员(2016T044号拨款)。D.Norris报告没有披露与手稿有关的信息。E.van Dijk获得了荷兰大脑基金会的个人奖学金(H04-12;F2009[1]-16)。L.Rutten-Jacobs由英国心脏基金会直接研究奖学金(FS/15/61/31626)资助。B.Platel报告没有披露与手稿有关的信息。C.Klijn获得了荷兰心脏基金会的临床研究人员拨款(2012年T077拨款)和荷兰卫生研究与发展组织的Aspasia拨款(ZonMw拨款015.008.048)的支持。F.de Leeuw得到了荷兰心脏基金会临床研究人员拨款(2014年T060拨款)、荷兰卫生研究与发展组织VIDI创新拨款(ZonMw拨款016.126.351)和特温特大学MIRA生物医学技术与技术医学研究所的支持。神经病学.org进行全面披露。

参考文献

1Wardlaw JM、Smith EE、Biessels GJ等。。小血管疾病研究的神经影像学标准及其对衰老和神经变性的贡献.柳叶刀神经病学2013;12:822–838.[PMC免费文章][公共医学][谷歌学者]
2Prins ND和Scheltens P。白质高强度、认知障碍和痴呆:最新进展.Nat Rev Neurol公司2015;11:157–165. [公共医学][谷歌学者]
三。Banerjee G、Wilson D、Jager HR、Werring DJ。脑小血管疾病和血管认知障碍的新成像技术.Biochim生物物理学报2016;1862:926–938. [公共医学][谷歌学者]
4Benjamin P、Zeestraten E、Lambert C等。。脑小血管疾病MRI标记物的进展:临床试验的样本量考虑.大脑血流代谢杂志2016;36:228–240.[PMC免费文章][公共医学][谷歌学者]
5Gouw AA、van der Flier WM、van Straaten EC等人。。视觉量表与容量法评估白质高强度进展的可靠性和敏感性.脑血管病2008;25:247–253. [公共医学][谷歌学者]
6Maillard P、Crivello F、Dufouil C、Tzourio-Mazoyer N、Tzourio C、Mazoyer B。大队列老年人个体白质高信号的纵向随访.神经放射学2009;51:209–220. [公共医学][谷歌学者]
7施密特R、恩辛格C、罗佩尔S、施密特H、法泽卡斯F;奥地利中风预防研究。脑白质病变的进展:奥地利卒中预防研究的6年结果.柳叶刀2003;361:2046–2048. [公共医学][谷歌学者]
8Akoudad S、Ikram MA、Koudstaal PJ等人。。脑微出血与缺血性血管病变的进展有关.脑血管病2014;37:382–388.[PMC免费文章][公共医学][谷歌学者]
9Gouw AA、van der Flier WM、Pantoni L等。。偶发性脑腔隙的病因:来自LADIS研究的纵向观察.冲程2008;39:3083–3085. [公共医学][谷歌学者]
10丁杰、西格德松S、加西亚M等。。与老年人发生脑微出血相关的危险因素:年龄、基因/环境易感性(AGES)——雷克雅未克研究.JAMA Neurol公司2015;72:682–688.[PMC免费文章][公共医学][谷歌学者]
11Klarenbeek P、van Oostenbrugge RJ、Rouhl RP、Knottnerus IL、Staals J。动态血压升高与新的脑微出血相关:腔隙性卒中患者的2年随访研究.冲程2013;44:978–983。[公共医学][谷歌学者]
12Ramirez J、McNeely AA、Berezuk C、Gao F、Black SE。阿尔茨海默病和正常衰老中白质高强度的动态进展:来自Sunnybrook痴呆研究的结果.前老化神经科学2016;8:62.[PMC免费文章][公共医学][谷歌学者]
13van Dijk EJ、Prins ND、Vrooman HA、Hofman A、Koudstaal PJ、Breteler MM。与危险因素和认知后果相关的脑小血管疾病进展:鹿特丹扫描研究.冲程2008;39:2712–2719. [公共医学][谷歌学者]
14Duering M、Righart R、Csanadi E等。。发生的皮层下梗死导致相连皮层区域的局灶性变薄.神经病学2012;79:2025–2028. [公共医学][谷歌学者]
15Lambert C、Benjamin P、Zeestraten E、Lawrence AJ、Barrick TR、Markus HS。症状性小血管病患者脑白质疏松症和脑萎缩的纵向模式.大脑2016;139:1136–1151.[PMC免费文章][公共医学][谷歌学者]
16Wardlaw JM、Valdes Hernandez MC、Munoz-Maniega S。白质高强度是由什么构成的?与血管认知障碍的相关性.J Am心脏协会2015;4:001140。[PMC免费文章][公共医学][谷歌学者]
17Cho AH、Kim HR、Kin W、Yang DW。缺血性卒中患者白质高强度:可能会随时间推移而退化.J冲程2015;17:60–66.[PMC免费文章][公共医学][谷歌学者]
18Sachdev P、Wen W、Chen X、Brodaty H。3年以上老年人白质高信号的进展.神经病学2007;68:214–222. [公共医学][谷歌学者]
19Okazaki S、Hornberger E、Griebe M、Gass A、Hennerici MG、Szabo K。幕上新近小皮质下梗死演变的MRI特征.前Neurol2015;6:118.[PMC免费文章][公共医学][谷歌学者]
20Loos CM、Staals J、Wardlaw JM、van Oostenbrugge RJ。首次腔隙性卒中患者深腔隙性梗死的空洞化:一项2年MR随访研究.冲程2012;43:2245–2247. [公共医学][谷歌学者]
21Poels MM、Ikram MA、van der Lugt A等。。普通人群脑微出血的发病率:鹿特丹扫描研究.冲程2011;42:656–661. [公共医学][谷歌学者]
22Lee SH、Lee ST、Kim BJ等。。脑微出血的动态时间变化:长期随访MRI研究.公共科学图书馆一号2011;6:e25930。[PMC免费文章][公共医学][谷歌学者]
23van Norden AG、de Laat KF、Gons RA等。。脑小血管疾病的原因和后果:RUN DMC研究:前瞻性队列研究:研究原理和方案.BMC神经2011;11:29.[PMC免费文章][公共医学][谷歌学者]
24Colliot O、Chetelat G、Chupin M等人。。使用海马体自动分割区分阿尔茨海默病、轻度认知障碍和正常衰老.放射科2008;248:194–201. [公共医学][谷歌学者]
25Ghafoorian M、Karssemeijer N、van Uden IW等。。自动检测脑小血管疾病中各种大小白质高信号.医学物理学2016;43:6246. [公共医学][谷歌学者]
26Fazekas F、Chawluk JB、Alavi A、Hurtig HI、Zimmerman RA。阿尔茨海默病痴呆和正常衰老患者1.5T时的MR信号异常.AJR Am J伦琴诺1987;149:351–356. [公共医学][谷歌学者]
27van Uden IW、Tuladhar AM、van der Holst HM等。。海马体扩散张量成像预测痴呆风险;RUN DMC研究.Hum大脑映射2016;37:327–337.[PMC免费文章][公共医学][谷歌学者]
28威克姆H。ggplot2:用于数据分析的优雅图形。纽约:施普林格;2009[谷歌学者]
29Bates D、Machler M、Bolker BM、Walker SC。用lme4拟合线性混合效应模型.J Stat软件2015;67:1–48。[谷歌学者]
30Dziedzic T、Metz I、Dallenga T等。。Wallerian变性:多发性硬化早期轴突病理的主要组成部分.大脑病理学2010;20:976–985.[PMC免费文章][公共医学][谷歌学者]

文章来自神经病学由以下人员提供美国神经病学学会