引用本文： 唐明煜, 蘇寧, 周立新, 姚明, 金征宇, 張抒揚, 崔麗英, 朱以誠, 倪俊. 社區人群排尿障礙與腦小血管病影像改變的相關性研究. 華西醫學, 2019, 34(10): 1109-1116. doi: 10.7507/1002-0179.201908156 復制
腦小血管病是累及腦小動脈、毛細血管、小靜脈系統，并造成相應病理、影像學及腦功能改變的一類疾病[1]。腦小血管病患病率隨年齡增加，50 歲以上人群患病率約為 5%，90 歲后可接近 100%[2]。腦小血管病早期可無癥狀，隨著疾病進展，可逐漸表現為認知功能障礙、運動功能和步態障礙、情緒改變、排尿障礙、假性球麻痹、日常生活能力下降等[3]。其中，排尿障礙是臨床較為常見卻易被忽略的癥狀之一。腦血管疾病中，最常見的泌尿系統癥狀是由逼尿肌過度活動引起的夜尿增多及急迫性尿失禁[4]，在疾病初期可表現為尿頻，中期可表現為尿失禁，至疾病終末期表現為完全性尿失禁[3, 5]。研究發現，排尿障礙可早于認知功能障礙和步態改變出現[6]，已成為老年人功能殘疾的重要原因之一，值得臨床和研究關注。腦小血管病的診斷依賴典型的影像學改變，包括腦白質高信號（white matter hyperintensity，WMH）、腔隙、腦微出血、表淺含鐵血黃素沉積、血管周圍間隙（perivascular space，PVS）、微梗死及腦萎縮等[1, 7]。大量研究表明，腦小血管病影像學改變與其臨床表現存在不同程度相關性，如 WMH 已被證實與認知功能障礙、步態改變、情緒改變、排尿障礙相關[8-11]。然而，迄今尚缺乏全面評估腦小血管病各影像學標志物與排尿障礙的相關性研究。本研究旨在探討社區人群中，排尿障礙的分布情況及其與腦小血管病影像改變的相關性。現報告如下。
1 資料與方法
1.1 研究對象
本研究為橫斷面研究，于 2013 年 6 月—2016 年 4 月納入了北京市順義地區大孫各莊鎮 5 個村、年齡≥35 歲的獨立生活的村民。本研究獲得北京協和醫院倫理審核會批準（批號：B-160）。參與者均簽署知情同意書。
從總人群中篩選出符合標準的參加者納入研究并統計分析。納入標準：年齡≥35 歲，獨立生活，并已完成 3 T 頭顱 MRI 檢查的參與者。排除標準：① 既往卒中病史；② 外周泌尿系統疾病病史（如泌尿系統腫瘤、腎囊腫、腎盂腎炎、腎功能不全等）；③ 影像質量不佳；④ 排尿相關數據不全。
1.2 一般資料及血管病危險因素收集
應用統一設計的調查問卷收集所有入組者的一般情況及臨床資料，包括個人信息、病史等，并記錄受試者血壓、身高、體重與血糖、血脂、血同型半胱氨酸等血液學檢查結果。各項危險因素的判定標準如既往研究所示[12]。所有參與者均接受了完整的神經系統體格檢查且由神經科醫生通過簡易精神狀態量表（Mini Mental State Examination，MMSE）進行了認知功能評估。
1.3 排尿障礙評估
通過問卷形式收集參與者的排尿障礙參數，定義標準如下：① 任何形式的排尿障礙：包括尿急、尿頻、尿不盡感及尿失禁；② 尿失禁：任何不自主的漏尿；③ 白天排尿頻度：分為<3 次/d、3～5 次/d 和>5 次/d；④ 夜尿頻度：分為<3 次/晚、3～5 次/晚、>5 次/晚。
1.4 腦影像結構特征評估
應用頭顱 MRI 后處理技術，對受試者的頭顱 MRI 腦皮質下損害（WMH、腔隙、腦微出血和 PVS）和皮質結構特征（腦皮質厚度、表面積和各腦區分布）進行數據采集。
1.4.1 MRI 參數
所有圖像均使用同一臺 3.0 T MRI 掃描儀采集（德國西門子公司 3 T 超導型 MRI 系統）。成像條件如本隊列既往研究所示[13]。
1.4.2 腦小血管病影像學改變的定義
WMH、腔隙、腦微出血、PVS、腦體積的定義參照本隊列既往研究[13]。① WMH：參考 Fazekas 評分標準進行視覺評分[14]，并行 WMH 自動分割及容量計算，kappa 閾值定為 0.15。側腦室旁 WMH 或深部 WMH 的 Fazekas 評分≥2 分者定義為重度 WMH[13]。② 腔隙：將受試者按照有無腔隙分為 2 組。③ 腦微出血：將受試者按照有無腦微出血分為 2 組。④ PVS：對基底節區 PVS 或皮質下腦白質區 PVS，1 級或 2 級定義為輕度 PVS，3 級或 4 級定義為重度 PVS[15]。⑤ 腦體積：在三維 T1 加權像上用 SPM 12 軟件及 CAT 12 工具包進行腦結構自動分割，并計算腦灰質、腦白質和腦脊液體積。將腦灰質、腦白質及腦脊液體積之和定義為顱內總體積，將腦灰質體積與腦白質體積之和占顱內總體積的百分比定義為腦實質分數［又稱腦萎縮參數（brain parenchymal fraction，BPF）］[13]。定義腦體積較低組為 BPF<總人群 BPF 中位數，腦體積較高組為 BPF≥總人群 BPF 中位數。
1.4.3 一致性評估
影像資料由不接觸臨床資料的神經科醫師讀片。1 個月后隨機選擇 50 份入選者的影像資料，由相同醫師再次讀片，計算 kappa 值。腔隙的 kappa 值為 0.95，腦微出血 kappa 值為 0.9，基底節區和白質區 PVS 評分 kappa 值分別為 0.71 和 0.61。WMH 自動分割與手工半自動標注的 DICE 系數為 0.62。
1.5 統計學方法
采用 SAS 9.4 統計軟件進行數據分析。對于描述性統計結果，正態分布的連續變量以均數±標準差表示；對于分類變量，使用頻數和百分比進行描述。按排尿障礙形式（任何形式排尿障礙、尿失禁、日間排尿頻度、夜間排尿頻度）分組，比較各組間人口學信息及腦小血管病影像特征差異。腦小血管病影像特征包括：WMH（重度/輕度）、腔隙（有/無）、腦微出血（有/無）、腦白質區 PVS（重度/輕度）、基底節區 PVS（重度/輕度）、低腦體積（是/否）。對于連續型變量，兩組之間比較采用 t 檢驗或秩和檢驗，多組之間比較采用單因素方差分析；對于分類變量，組間比較使用 χ2 檢驗。使用多因素 logistic 回歸模型分析排尿障礙與腦小血管病影像特征的相關性。結局變量為多分類變量，使用多項式 logistic 回歸模型分析。Logistic 回歸模型中調整混雜變量，包括年齡、性別、糖尿病、高血壓、高脂血癥。計算比值比（odds ratio，OR）及其 95% 置信區間（confidence interval，CI）。檢驗水準 α=0.05。
2 結果
2.1 入選人群的基本信息
2.1.1 入選人群一般信息
共 1 323 人完成了頭顱 MRI 檢查，剔除既往卒中（n=79）、影像質量不佳（n=101）、外周泌尿系統疾病病史（泌尿系腫瘤 1 人、腎囊腫 9 人、腎盂腎炎 1 人、腎功能不全 2 人）（n=13）及排尿參數不全者（n=214），最終共 916 例受試者納入分析。916 例受試者平均年齡（57.4±9.4）歲，MMSE（27±2）分，WMH 體積中位數為 0.94 mL，平均 BPF 為（76.4±3.1）分，其他基線臨床資料及影像參數詳見表1。
表1
入選人群的一般信息（n=916）
2.1.2 入選人群排尿參數
存在任何形式的排尿障礙者占 10.8%；尿失禁者占 4.1%；按白天排尿頻度劃分，日間排尿<3 次/d 者占 6.0%，3～5 次/d 者占 86.4%，>5 次/d 者占 7.6%；按夜尿頻度劃分，夜間排尿<3 次/晚者占 92.7%，3～5 次/晚者占 6.2%，>5 次/晚者占 1.1%。見表2。
表2
入選人群的排尿參數（n=916）
2.2 排尿障礙影響因素的單因素分析
將受試者按照有無各種排尿障礙進行分組，比較各組間人口學及臨床特征的差異，發現：與無任何形式排尿障礙的受試者相比，有任意形式排尿障礙的受試者年齡更大（P<0.001），女性比例更低（P<0.001），高血壓患病率和腦微出血檢出率更高（P<0.05）；與無尿失禁的受試者相比，有尿失禁的受試者年齡更大（P<0.05），女性比例更高（P<0.01）；不同日間排尿頻度的受試者間高血壓患病率和低腦體積檢出率差異有統計學意義（P<0.05）；不同夜間排尿頻度的受試者間年齡、高血壓患病率、糖尿病患病率、重度 WMH 檢出率、腔隙檢出率、腦微出血檢出率、低腦體積檢出率差異有統計學意義（P<0.05）。見表3～6。
表3
有任何形式排尿障礙影響因素的單因素分析
表6
夜間排尿頻度的單因素分析
表4
尿失禁影響因素的單因素分析
表5
日間排尿頻度的單因素分析
2.3 排尿障礙影響因素的多因素分析
應用多因素 logistic 回歸分析方法分別分析各種形式的排尿障礙與腦小血管病影像改變（WMH 體積、合并腔隙、合并腦微出血、重度腦白質區 PVS/重度基底節區 PVS、低腦體積）的相關關系，根據單因素分析的陽性結果、文獻報道及臨床重要性，將年齡、性別、高血壓病史、糖尿病病史、高脂血癥病史納入 logistic 回歸模型進行多因素校正。模型中各個變量的賦值如表7 所示，強制全部自變量進入模型（Enter 法）。
表7
Logistic回歸分析變量賦值表
Logistic 回歸模型結果顯示，低腦體積與白天排尿頻度顯著相關［3～5 次/d 與<3 次/d 相比：OR=2.520，95%CI（1.278，4.972），P=0.008；>5 次/d 與<3 次/d 相比：OR=3.115，95%CI（1.317，7.372），P=0.010］。其他類型腦小血管病影像改變（WMH 體積、腔隙、腦微出血、腦白質區 PVS、基底節區 PVS）與白天排尿頻度不相關（P>0.05），各腦小血管病影像改變與任何形式的排尿障礙、尿失禁及夜間排尿頻度均不相關（P>0.05）。見表8～11。
表8
有任何形式排尿障礙影響因素的多因素logistic回歸分析
表11
夜間排尿頻度影響因素的多因素logistic回歸分析
表9
尿失禁影響因素的多因素logistic回歸分析
表10
日間排尿頻度影響因素的多因素logistic回歸分析
3 討論
目前腦萎縮已被公認為是腦小血管病影像學標志物之一，且與臨床功能相關。本研究中，我們較為全面地評估了多種形式的排尿障礙與多個腦小血管病影像標志物的關系，結果發現較低腦體積與白天排尿頻度增加有顯著的相關性，與既往研究結果相似：既往的遺傳性腦小血管病（伴皮質下梗死和白質腦病的常染色體顯性遺傳性腦動脈病）前瞻性隊列研究發現，相比微出血、腔隙及 WMH，皮質萎縮是影響認知功能的最重要影像學標志物[16]，暗示了腦體積與腦功能緊密相關；2018 年，Clarkson 等[17]使用基于體素的形態學分析發現，社區人群中，與對照組相比，急迫性尿失禁組的海馬旁區萎縮更重，提示排尿障礙與海馬局部腦萎縮相關。排尿反射受到包括腦、脊髓、周圍神經節在內的各級神經系統的復雜調節，該過程由脊髓-腦干-脊髓副交感神經反射通路介導，與導水管周圍灰質及腦橋排尿中樞相聯系，并受到島葉、前扣帶回及額葉排尿中樞調節。同時，許多皮質下結構，如小腦、下丘腦、延髓中縫核、藍斑下核等，也可直接或間接作用于排尿反射[4]。既往研究發現，前額葉皮質、額上回及額中回內側、前扣帶回、輔助運動區、島葉等結構損傷均會導致顯著排尿功能障礙[18]。根據本研究結果及既往理論，我們推測，腦體積減少可能導致相關結構功能障礙，從而影響排尿功能。
本研究未發現其他腦小血管病的影像改變（WMH、腔隙、腦微出血及 PVS）與排尿障礙相關。目前，國際上尚無腔隙、腦微出血及 PVS 與排尿障礙相關關系的研究報道；對于 WMH 與排尿障礙是否相關，研究結果不一致，但大多數研究發現 WMH 與腦小血管病中的排尿障礙（如尿頻、尿失禁）相關[17, 19-21]，推測原因為全 WMH 負荷增加會影響與排尿相關的特定白質通路[20]。本研究并未證實 WMH 與排尿障礙相關，推測原因可能有以下幾點：① 影像學技術的差異：既往有多項研究時間較早，存在影像學技術不完善及對 WMH 評估水平不足的可能；② 統計學方法的差異：既往部分研究僅使用單因素分析，未使用多因素分析，不能較好地處理混雜偏倚；③ 選擇偏倚的影響：排尿過程易受到神經系統或其他系統疾病及物理或化學因素的損傷，研究發現，除腦小血管病外，其他神經系統疾病亦可出現逼尿肌過度活動所致的尿頻、尿失禁等排尿障礙，如正常壓力性腦積水、阿爾茨海默病、帕金森病、路易體癡呆、進行性核上性麻痹、多系統萎縮等[19, 22-25]。
本研究是國內首個在社區人群中進行的排尿障礙與腦小血管病影像改變相關關系的研究，樣本量較大，為進一步進行前瞻性研究奠定了基礎。此外本研究采用 3 T 高分辨 MRI 技術，有效提高了腦小血管病影像改變評估的準確度。本研究的不足之處：① 采用橫斷面研究方法，驗證病因與疾病的因果關系論證強度不足，需要前瞻性研究進一步證實因果關系。② 關于排尿障礙參數的采集僅憑調查問卷，缺乏相應的客觀數據（如尿動力學檢查、膀胱殘余尿等）；同時，對白天和夜間的具體時間點沒有區分，易受參與者主觀因素的影響從而產生信息偏倚。③ 在調查中難以完全除外可能導致排尿障礙的其他疾病（如男性前列腺增生、女性分娩相關的壓力性尿失禁），因此可能造成相應的選擇偏倚。
綜上所述，本研究發現在社區人群中，較低腦體積與白天排尿頻度顯著相關，提示腦萎縮相關的腦結構改變可能對白天排尿頻度造成影響，提示未來或可通過干預腦萎縮進展以改善腦小血管病患者的排尿障礙，增強日常生活能力，提高生活質量。
腦小血管病是累及腦小動脈、毛細血管、小靜脈系統，并造成相應病理、影像學及腦功能改變的一類疾病[1]。腦小血管病患病率隨年齡增加，50 歲以上人群患病率約為 5%，90 歲后可接近 100%[2]。腦小血管病早期可無癥狀，隨著疾病進展，可逐漸表現為認知功能障礙、運動功能和步態障礙、情緒改變、排尿障礙、假性球麻痹、日常生活能力下降等[3]。其中，排尿障礙是臨床較為常見卻易被忽略的癥狀之一。腦血管疾病中，最常見的泌尿系統癥狀是由逼尿肌過度活動引起的夜尿增多及急迫性尿失禁[4]，在疾病初期可表現為尿頻，中期可表現為尿失禁，至疾病終末期表現為完全性尿失禁[3, 5]。研究發現，排尿障礙可早于認知功能障礙和步態改變出現[6]，已成為老年人功能殘疾的重要原因之一，值得臨床和研究關注。腦小血管病的診斷依賴典型的影像學改變，包括腦白質高信號（white matter hyperintensity，WMH）、腔隙、腦微出血、表淺含鐵血黃素沉積、血管周圍間隙（perivascular space，PVS）、微梗死及腦萎縮等[1, 7]。大量研究表明，腦小血管病影像學改變與其臨床表現存在不同程度相關性，如 WMH 已被證實與認知功能障礙、步態改變、情緒改變、排尿障礙相關[8-11]。然而，迄今尚缺乏全面評估腦小血管病各影像學標志物與排尿障礙的相關性研究。本研究旨在探討社區人群中，排尿障礙的分布情況及其與腦小血管病影像改變的相關性。現報告如下。
1 資料與方法
1.1 研究對象
本研究為橫斷面研究，于 2013 年 6 月—2016 年 4 月納入了北京市順義地區大孫各莊鎮 5 個村、年齡≥35 歲的獨立生活的村民。本研究獲得北京協和醫院倫理審核會批準（批號：B-160）。參與者均簽署知情同意書。
從總人群中篩選出符合標準的參加者納入研究并統計分析。納入標準：年齡≥35 歲，獨立生活，并已完成 3 T 頭顱 MRI 檢查的參與者。排除標準：① 既往卒中病史；② 外周泌尿系統疾病病史（如泌尿系統腫瘤、腎囊腫、腎盂腎炎、腎功能不全等）；③ 影像質量不佳；④ 排尿相關數據不全。
1.2 一般資料及血管病危險因素收集
應用統一設計的調查問卷收集所有入組者的一般情況及臨床資料，包括個人信息、病史等，并記錄受試者血壓、身高、體重與血糖、血脂、血同型半胱氨酸等血液學檢查結果。各項危險因素的判定標準如既往研究所示[12]。所有參與者均接受了完整的神經系統體格檢查且由神經科醫生通過簡易精神狀態量表（Mini Mental State Examination，MMSE）進行了認知功能評估。
1.3 排尿障礙評估
通過問卷形式收集參與者的排尿障礙參數，定義標準如下：① 任何形式的排尿障礙：包括尿急、尿頻、尿不盡感及尿失禁；② 尿失禁：任何不自主的漏尿；③ 白天排尿頻度：分為<3 次/d、3～5 次/d 和>5 次/d；④ 夜尿頻度：分為<3 次/晚、3～5 次/晚、>5 次/晚。
1.4 腦影像結構特征評估
應用頭顱 MRI 后處理技術，對受試者的頭顱 MRI 腦皮質下損害（WMH、腔隙、腦微出血和 PVS）和皮質結構特征（腦皮質厚度、表面積和各腦區分布）進行數據采集。
1.4.1 MRI 參數
所有圖像均使用同一臺 3.0 T MRI 掃描儀采集（德國西門子公司 3 T 超導型 MRI 系統）。成像條件如本隊列既往研究所示[13]。
1.4.2 腦小血管病影像學改變的定義
WMH、腔隙、腦微出血、PVS、腦體積的定義參照本隊列既往研究[13]。① WMH：參考 Fazekas 評分標準進行視覺評分[14]，并行 WMH 自動分割及容量計算，kappa 閾值定為 0.15。側腦室旁 WMH 或深部 WMH 的 Fazekas 評分≥2 分者定義為重度 WMH[13]。② 腔隙：將受試者按照有無腔隙分為 2 組。③ 腦微出血：將受試者按照有無腦微出血分為 2 組。④ PVS：對基底節區 PVS 或皮質下腦白質區 PVS，1 級或 2 級定義為輕度 PVS，3 級或 4 級定義為重度 PVS[15]。⑤ 腦體積：在三維 T1 加權像上用 SPM 12 軟件及 CAT 12 工具包進行腦結構自動分割，并計算腦灰質、腦白質和腦脊液體積。將腦灰質、腦白質及腦脊液體積之和定義為顱內總體積，將腦灰質體積與腦白質體積之和占顱內總體積的百分比定義為腦實質分數［又稱腦萎縮參數（brain parenchymal fraction，BPF）］[13]。定義腦體積較低組為 BPF<總人群 BPF 中位數，腦體積較高組為 BPF≥總人群 BPF 中位數。
1.4.3 一致性評估
影像資料由不接觸臨床資料的神經科醫師讀片。1 個月后隨機選擇 50 份入選者的影像資料，由相同醫師再次讀片，計算 kappa 值。腔隙的 kappa 值為 0.95，腦微出血 kappa 值為 0.9，基底節區和白質區 PVS 評分 kappa 值分別為 0.71 和 0.61。WMH 自動分割與手工半自動標注的 DICE 系數為 0.62。
1.5 統計學方法
采用 SAS 9.4 統計軟件進行數據分析。對于描述性統計結果，正態分布的連續變量以均數±標準差表示；對于分類變量，使用頻數和百分比進行描述。按排尿障礙形式（任何形式排尿障礙、尿失禁、日間排尿頻度、夜間排尿頻度）分組，比較各組間人口學信息及腦小血管病影像特征差異。腦小血管病影像特征包括：WMH（重度/輕度）、腔隙（有/無）、腦微出血（有/無）、腦白質區 PVS（重度/輕度）、基底節區 PVS（重度/輕度）、低腦體積（是/否）。對于連續型變量，兩組之間比較采用 t 檢驗或秩和檢驗，多組之間比較采用單因素方差分析；對于分類變量，組間比較使用 χ2 檢驗。使用多因素 logistic 回歸模型分析排尿障礙與腦小血管病影像特征的相關性。結局變量為多分類變量，使用多項式 logistic 回歸模型分析。Logistic 回歸模型中調整混雜變量，包括年齡、性別、糖尿病、高血壓、高脂血癥。計算比值比（odds ratio，OR）及其 95% 置信區間（confidence interval，CI）。檢驗水準 α=0.05。
2 結果
2.1 入選人群的基本信息
2.1.1 入選人群一般信息
共 1 323 人完成了頭顱 MRI 檢查，剔除既往卒中（n=79）、影像質量不佳（n=101）、外周泌尿系統疾病病史（泌尿系腫瘤 1 人、腎囊腫 9 人、腎盂腎炎 1 人、腎功能不全 2 人）（n=13）及排尿參數不全者（n=214），最終共 916 例受試者納入分析。916 例受試者平均年齡（57.4±9.4）歲，MMSE（27±2）分，WMH 體積中位數為 0.94 mL，平均 BPF 為（76.4±3.1）分，其他基線臨床資料及影像參數詳見表1。
表1
入選人群的一般信息（n=916）
2.1.2 入選人群排尿參數
存在任何形式的排尿障礙者占 10.8%；尿失禁者占 4.1%；按白天排尿頻度劃分，日間排尿<3 次/d 者占 6.0%，3～5 次/d 者占 86.4%，>5 次/d 者占 7.6%；按夜尿頻度劃分，夜間排尿<3 次/晚者占 92.7%，3～5 次/晚者占 6.2%，>5 次/晚者占 1.1%。見表2。
表2
入選人群的排尿參數（n=916）
2.2 排尿障礙影響因素的單因素分析
將受試者按照有無各種排尿障礙進行分組，比較各組間人口學及臨床特征的差異，發現：與無任何形式排尿障礙的受試者相比，有任意形式排尿障礙的受試者年齡更大（P<0.001），女性比例更低（P<0.001），高血壓患病率和腦微出血檢出率更高（P<0.05）；與無尿失禁的受試者相比，有尿失禁的受試者年齡更大（P<0.05），女性比例更高（P<0.01）；不同日間排尿頻度的受試者間高血壓患病率和低腦體積檢出率差異有統計學意義（P<0.05）；不同夜間排尿頻度的受試者間年齡、高血壓患病率、糖尿病患病率、重度 WMH 檢出率、腔隙檢出率、腦微出血檢出率、低腦體積檢出率差異有統計學意義（P<0.05）。見表3～6。
表3
有任何形式排尿障礙影響因素的單因素分析
表6
夜間排尿頻度的單因素分析
表4
尿失禁影響因素的單因素分析
表5
日間排尿頻度的單因素分析
2.3 排尿障礙影響因素的多因素分析
應用多因素 logistic 回歸分析方法分別分析各種形式的排尿障礙與腦小血管病影像改變（WMH 體積、合并腔隙、合并腦微出血、重度腦白質區 PVS/重度基底節區 PVS、低腦體積）的相關關系，根據單因素分析的陽性結果、文獻報道及臨床重要性，將年齡、性別、高血壓病史、糖尿病病史、高脂血癥病史納入 logistic 回歸模型進行多因素校正。模型中各個變量的賦值如表7 所示，強制全部自變量進入模型（Enter 法）。
表7
Logistic回歸分析變量賦值表
Logistic 回歸模型結果顯示，低腦體積與白天排尿頻度顯著相關［3～5 次/d 與<3 次/d 相比：OR=2.520，95%CI（1.278，4.972），P=0.008；>5 次/d 與<3 次/d 相比：OR=3.115，95%CI（1.317，7.372），P=0.010］。其他類型腦小血管病影像改變（WMH 體積、腔隙、腦微出血、腦白質區 PVS、基底節區 PVS）與白天排尿頻度不相關（P>0.05），各腦小血管病影像改變與任何形式的排尿障礙、尿失禁及夜間排尿頻度均不相關（P>0.05）。見表8～11。
表8
有任何形式排尿障礙影響因素的多因素logistic回歸分析
表11
夜間排尿頻度影響因素的多因素logistic回歸分析
表9
尿失禁影響因素的多因素logistic回歸分析
表10
日間排尿頻度影響因素的多因素logistic回歸分析
3 討論
目前腦萎縮已被公認為是腦小血管病影像學標志物之一，且與臨床功能相關。本研究中，我們較為全面地評估了多種形式的排尿障礙與多個腦小血管病影像標志物的關系，結果發現較低腦體積與白天排尿頻度增加有顯著的相關性，與既往研究結果相似：既往的遺傳性腦小血管病（伴皮質下梗死和白質腦病的常染色體顯性遺傳性腦動脈病）前瞻性隊列研究發現，相比微出血、腔隙及 WMH，皮質萎縮是影響認知功能的最重要影像學標志物[16]，暗示了腦體積與腦功能緊密相關；2018 年，Clarkson 等[17]使用基于體素的形態學分析發現，社區人群中，與對照組相比，急迫性尿失禁組的海馬旁區萎縮更重，提示排尿障礙與海馬局部腦萎縮相關。排尿反射受到包括腦、脊髓、周圍神經節在內的各級神經系統的復雜調節，該過程由脊髓-腦干-脊髓副交感神經反射通路介導，與導水管周圍灰質及腦橋排尿中樞相聯系，并受到島葉、前扣帶回及額葉排尿中樞調節。同時，許多皮質下結構，如小腦、下丘腦、延髓中縫核、藍斑下核等，也可直接或間接作用于排尿反射[4]。既往研究發現，前額葉皮質、額上回及額中回內側、前扣帶回、輔助運動區、島葉等結構損傷均會導致顯著排尿功能障礙[18]。根據本研究結果及既往理論，我們推測，腦體積減少可能導致相關結構功能障礙，從而影響排尿功能。
本研究未發現其他腦小血管病的影像改變（WMH、腔隙、腦微出血及 PVS）與排尿障礙相關。目前，國際上尚無腔隙、腦微出血及 PVS 與排尿障礙相關關系的研究報道；對于 WMH 與排尿障礙是否相關，研究結果不一致，但大多數研究發現 WMH 與腦小血管病中的排尿障礙（如尿頻、尿失禁）相關[17, 19-21]，推測原因為全 WMH 負荷增加會影響與排尿相關的特定白質通路[20]。本研究并未證實 WMH 與排尿障礙相關，推測原因可能有以下幾點：① 影像學技術的差異：既往有多項研究時間較早，存在影像學技術不完善及對 WMH 評估水平不足的可能；② 統計學方法的差異：既往部分研究僅使用單因素分析，未使用多因素分析，不能較好地處理混雜偏倚；③ 選擇偏倚的影響：排尿過程易受到神經系統或其他系統疾病及物理或化學因素的損傷，研究發現，除腦小血管病外，其他神經系統疾病亦可出現逼尿肌過度活動所致的尿頻、尿失禁等排尿障礙，如正常壓力性腦積水、阿爾茨海默病、帕金森病、路易體癡呆、進行性核上性麻痹、多系統萎縮等[19, 22-25]。
本研究是國內首個在社區人群中進行的排尿障礙與腦小血管病影像改變相關關系的研究，樣本量較大，為進一步進行前瞻性研究奠定了基礎。此外本研究采用 3 T 高分辨 MRI 技術，有效提高了腦小血管病影像改變評估的準確度。本研究的不足之處：① 采用橫斷面研究方法，驗證病因與疾病的因果關系論證強度不足，需要前瞻性研究進一步證實因果關系。② 關于排尿障礙參數的采集僅憑調查問卷，缺乏相應的客觀數據（如尿動力學檢查、膀胱殘余尿等）；同時，對白天和夜間的具體時間點沒有區分，易受參與者主觀因素的影響從而產生信息偏倚。③ 在調查中難以完全除外可能導致排尿障礙的其他疾病（如男性前列腺增生、女性分娩相關的壓力性尿失禁），因此可能造成相應的選擇偏倚。
綜上所述，本研究發現在社區人群中，較低腦體積與白天排尿頻度顯著相關，提示腦萎縮相關的腦結構改變可能對白天排尿頻度造成影響，提示未來或可通過干預腦萎縮進展以改善腦小血管病患者的排尿障礙，增強日常生活能力，提高生活質量。
