Key risk factors and a prognostic model for vascular myelopathy

封面

如何引用文章

全文:

详细

BACKGROUND: Vascular myelopathy remains diagnostically challenging due to its polymorphic clinical presentation and the lack of clear differential diagnostic criteria, which leads to delayed diagnosis and worse outcomes. Although vascular risk factors are known to contribute to this condition, their combined interaction and relative contribution to spinal cord infarction are insufficiently understood.

AIM: This work aimed to systematize known and newly identified clinically significant risk factors for ischemic spinal cord injury and to develop a prognostic model of vascular myelopathy.

METHODS: A prospective and retrospective cohort study included 177 patients, divided into a spinal cord infarction group (n = 77) and a comparison group with other acute and subacute myelopathies (n = 100). Inclusion criteria were clinical and instrumental signs of myelopathy confirmed by magnetic resonance imaging, with subsequent stratification by etiology. The primary endpoint was identification of independent predictors of vascular spinal cord injury using multivariate logistic regression analysis.

RESULTS: Significant between-group differences were found in favor of the main group regarding atherosclerosis (75.3% vs 22.0%, p < 0.0001), aortic condition (50.6% vs 7.0%, p < 0.0001), hypercoagulable states (26.0% vs 2.0%, p < 0.0001), spinal cord arteriovenous malformations (20.8% vs 3.0%, p = 0.0002), and iatrogenic interventions (18.2% vs 3.0%, p = 0.001). Multivariate analysis identified four independent predictors of vascular myelopathy: aortic condition (OR = 28.1), thrombophilia (OR = 36.4), venous anomalies (OR = 21.4), and uncomplicated spinal trauma (OR = 11). These formed a prognostic model with AUC = 0.88, sensitivity of 87.0%, and specificity of 84.0%.

CONCLUSION: This study confirms the key role of macrovascular and thrombophilic factors in the pathogenesis of vascular myelopathy and proposes a clinically significant prognostic model for early diagnosis of this condition. The findings support the need for comprehensive angiographic and hemostasiologic assessment in patients with myelopathy of unclear origin.

作者简介

Grigory Ponomarev

Pavlov First Saint Petersburg State Medical University

编辑信件的主要联系方式.
Email: grigoryponomarev@yandex.ru
ORCID iD: 0000-0002-6219-8855
SPIN 代码: 1143-4227

MD, Cand. Sci. (Medicine)

俄罗斯联邦, Saint Petersburg

Aleksandr Amelin

Pavlov First Saint Petersburg State Medical University

Email: grigoryponomarev@yandex.ru
ORCID iD: 0000-0001-6437-232X
SPIN 代码: 2402-7452

MD, Dr. Sci. (Medicine), Professor

俄罗斯联邦, Saint Petersburg

Aleksandr Skoromets

Pavlov First Saint Petersburg State Medical University

Email: grigoryponomarev@yandex.ru
ORCID iD: 0000-0002-5884-3110
SPIN 代码: 6273-8033

MD, Dr. Sci. (Medicine), Professor, Academician of the RAS

俄罗斯联邦, Saint Petersburg

参考

  1. Dokponou YCH, Ontsi Obame FL, Takoutsing B, et al. Spinal cord infarction: A systematic review and meta-analysis of patient’s characteristics, diagnosis accuracy, management, and outcome. Surg Neurol Int. 2024;15:325. doi: 10.25259/SNI_477_2024
  2. Gharios M, Stenimahitis V, El-Hajj VG, et al. Spontaneous spinal cord infarction: a systematic review. BMJ Neurol Open. 2024;6(1):e000754. doi: 10.1136/bmjno-2024-000754
  3. Barreras P, Fitzgerald KC, Mealy MA, et al. Clinical biomarkers differentiate myelitis from vascular and other causes of myelopathy. Neurology. 2018;90(1):e12–e21. doi: 10.1212/WNL.0000000000004765
  4. Da Ros V, Picchi E, Ferrazzoli V, et al. Spinal vascular lesions: anatomy, imaging techniques and treatment. Eur J Radiol Open. 2021;8:100369. doi: 10.1016/j.ejro.2021.100369
  5. Weidauer S, Nichtweiß M, Hattingen E, Berkefeld J. Spinal cord ischemia: aetiology, clinical syndromes and imaging features. Neuroradiology. 2015;57(3):241–257. doi: 10.1007/s00234-014-1464-6
  6. Zalewski NL, Rabinstein AA, Krecke KN, et al. Characteristics of Spontaneous Spinal Cord Infarction and Proposed Diagnostic Criteria. JAMA Neurol. 2019;76(1):56–63. doi: 10.1001/jamaneurol.2018.2734
  7. Zalewski NL. Vascular Myelopathies. Continuum (Minneap Minn). 2021;27(1):30–61. doi: 10.1212/CON.0000000000000905
  8. Rupp R, Biering-Sørensen F, Burns SP, et al. International Standards for Neurological Classification of Spinal Cord Injury: Revised 2019. Top Spinal Cord Inj Rehabil. 2021;27(2):1–22. doi: 10.46292/sci2702-1
  9. Skoromets AA, Afanasiev VV, Skoromets AP, Skoromets TA. Vascular diseases of the spinal cord: Handbook for praktitioners. Saint Petersburg: Politekhnika; 2019. doi: 10.25960/7325-1131-4 EDN: PNWABK
  10. Khoueiry M, Moussa H, Sawaya R. Spinal cord infarction in a young adult: What is the culprit? J Spinal Cord Med. 2021;44(6):1015–1018. doi: 10.1080/10790268.2019.1671077
  11. Kubota T, Hosaka T, Ando D, et al. Spinal Cord Infarction in an Adolescent with Protein S Deficiency: A Case Report and Literature Review. Intern Med. 2023;62(16):2415–2418. doi: 10.2169/internalmedicine.0153-22
  12. Vuong SM, Jeong WJ, Morales H, Abruzzo TA. Vascular Diseases of the Spinal Cord: Infarction, Hemorrhage, and Venous Congestive Myelopathy. Semin Ultrasound CT MR. 2016;37(5):466–481. doi: 10.1053/j.sult.2016.05.008
  13. Kiyosue H, Matsumaru Y, Niimi Y, et al. Angiographic and Clinical Characteristics of Thoracolumbar Spinal Epidural and Dural Arteriovenous Fistulas. Stroke. 2017;48(12):3215–3222. doi: 10.1161/STROKEAHA.117.019131
  14. Wang MX, Smith G, Albayram M. Spinal cord watershed infarction: Novel findings on magnetic resonance imaging. Clin Imaging. 2019;55:71–75. doi: 10.1016/j.clinimag.2019.01.023
  15. Yadav N, Pendharkar H, Kulkarni GB. Spinal Cord Infarction: Clinical and Radiological Features. J Stroke Cerebrovasc Dis. 2018;27(10):2810–2821. doi: 10.1016/j.jstrokecerebrovasdis.2018.06.008
  16. Vargas MI, Boto J, Meling TR. Imaging of the spine and spinal cord: An overview of magnetic resonance imaging (MRI) techniques. Rev Neurol (Paris). 2021;177(5):451–458. doi: 10.1016/j.neurol.2020.07.005
  17. Zalewski NL, Flanagan EP, Keegan BM. Evaluation of idiopathic transverse myelitis revealing specific myelopathy diagnoses. Neurology. 2018;90(2):e96–e102. doi: 10.1212/WNL.0000000000004796
  18. Zalewski NL, Rabinstein AA, Krecke KN, et al. Spinal cord infarction: Clinical and imaging insights from the periprocedural setting. J Neurol Sci. 2018;388:162–167. doi: 10.1016/j.jns.2018.03.029

补充文件

附件文件
动作
1. JATS XML
下载
2. Fig. 1. Concomitant pathology identified in patients in the study groups.

下载 (133KB)
索引源数据
3. Fig. 2. ROC curve of model No. 1 of binary logistic regression for the diagnosis of myocardial infarction.

下载 (95KB)
索引源数据
4. Fig. 3. ROC curve of model No. 2 of binary logistic regression for the diagnosis of myocardial infarction.

下载 (95KB)
索引源数据

版权所有 © Eco-Vector, 2025

Creative Commons License
此作品已接受知识共享署名-非商业性使用-禁止演绎 4.0国际许可协议的许可。

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».