È richiesta un abbonamento a JoVE per visualizzare questo contenuto. Accedi o inizia la tua prova gratuita.

Articolo di ricerca

Associazione tra indice di glicazione dell'emoglobina e infiammazione delle arterie coronarie nel diabete mellito di tipo 2 basata sulla CCTA

112 visualizzazioni

DOI:

10.3791/70457

22 maggio 2026

In questo articolo

Sommario

Questo studio ha analizzato i dati di pazienti con diabete mellito di tipo 2 per esaminare l'associazione tra indice di glicazione dell'emoglobina (HGI) e infiammazione delle arterie coronariche. Livelli più alti di HGI sono stati collegati a un aumento dell'infiammazione perivascolare e delle placche ad alto rischio per la TAC, suggerendo l'HGI come potenziale indicatore per la valutazione del rischio cardiovascolare.

Abstract

L'indice di glicazione dell'emoglobina (HGI) viene utilizzato per quantificare la variazione biologica dell'emoglobina A1c (HbA1c). Il presente studio ha esplorato la relazione tra HGI e infiammazione delle arterie coronarie in pazienti con diabete mellito di tipo 2 (T2DM). Un totale di 360 arterie coronarie malate provenienti da 185 pazienti con DM T2. I pazienti e i loro vasi malati sono stati suddivisi in tre gruppi distinti secondo i tertili dell'HGI: H1 (gruppo basso), H2 (gruppo medio) e H3 (gruppo alto). Sono stati confrontati dati clinici di base, indice di attenuazione del grasso perivascolare (FAI) nei 40 mm prossimali delle tre arterie coronarie, parametri quantitativi della placca e la proporzione di caratteristiche placche ad alto rischio per tomografia computerizzata (TC). Inoltre, è stata utilizzata un'analisi di regressione logistica multivariata per analizzare i fattori di rischio delle placche ad alto rischio per la TC. I risultati hanno mostrato che il FAI perivascolare dell'arteria discendente anteriore sinistra (LAD) e dell'arteria circonflessa sinistra (LCX), dei volumi fibrosi e lipidici, così come dei rispettivi rapporti di volume, è aumentato con l'aumento dell'HGI (P<0,05). La prevalenza delle placche ad alto rischio per TC è aumentata con l'incremento dell'HGI (P<0,001). HGI (odds ratio (OR) = 1,764, intervallo di confidenza (IC) al 95% = 1,363–2,284, P<0,001) e LAD-FAI (OR = 1,086, IC 95% = 1,032–1,143, P<0,05) erano fattori di rischio indipendenti per le targhe ad alto rischio della TC. In conclusione, l'HGI potrebbe rappresentare un potenziale biomarcatore complementare per l'infiammazione coronarica e la vulnerabilità alla placca nei pazienti con diabete tipo 2DM, e merita ulteriori convalide in studi prospettici più ampi.

Introduzione

La malattia cardiovascolare aterosclerotica (ASCVD) rimane la principale causa globale di mortalità e disabilità, con gli anziani (≥60 anni) che rappresentano una popolazione vulnerabile a rischiocardiovascolare elevato 1. Il diabete mellito di tipo 2 (T2DM), che è considerato una delle condizioni croniche più diffuse a livello mondiale, è collegato a varie complicazioni. Tra gli individui con diabete tipo 2DM, la malattia coronarica (CAD) rappresenta il principale fattore che contribuisce agli esitisfavorevoli 2. La CAD è causata principalmente da un processo infiammatorio cronico dovuto all'aterosclerosi coronarica, al metabolismo lipidico e alla disfunzionevascolare 3. Lo stato iperglicemico cronico nei pazienti con diabete tipo 2DM aggrava ulteriormente l'infiammazione vascolare. L'infiammazione vascolare non solo contribuisce alla formazione di placche aterosclerotiche coronarie, ma è anche un fattore chiave della rottura dellaplacca 4. Pertanto, quantificare l'infiammazione delle arterie coronarie può aumentare la stratificazione del rischio nei pazienti con CAD. Tuttavia, gli sforzi per utilizzare biomarcatori per valutare il processo infiammatorio sono in corso da anni; i marcatori infiammatori circolanti convenzionali, come la proteina C-reattiva ad alta sensibilità e l'interleuchina-6, mancano di specificità per l'infiammazione vascolare. Inoltre, sebbene la tomografia a emissione di positroni/tomografia computerizzata (PET/CT) possa monitorare l'infiammazione della parete arteriosa, non può valutare direttamente il carico infiammatorio delle arteriecoronarie 5ed è costosa e limitata nell'applicazione clinica.

Recentemente, la modifica dell'attenuazione del tessuto adiposo pericoronarico (PCAT) valutata dall'angiografia coronarica computerizzata (CCTA) è emersa come un nuovo biomarcatore sensibile per la rilevazione dell'infiammazionecoronarica 6. Questo nuovo marcatore, noto come indice di attenuazione del grasso perivascolare (FAI), ha dimostrato di prevedere in modo significativo gli eventicardiovascolari 4. Inoltre, le caratteristiche delle placche ad alto rischio della tomografia computerizzata (TC) fungono da marcatori indiretti dell'infiammazione vascolare e indicano anche la vulnerabilità e il rischio di rottura delle placche (la rottura è causata principalmente da infiammazione)7, che possono essere identificate contemporaneamente tramite CCTA.

L'emoglobina A1c (HbA1c) è il punto di riferimento nella pratica clinica per la valutazione del controllo glicemico nei pazienti diabetici, dove un buon controllo glicemico non solo aiuta a ridurre le complicazioni microvascolari, ma è anche indipendentemente associato all'insorgenza di eventi cardiovascolari maggiori nei pazienti con diabete tipo 2 e CAD8 multivascolare. Tuttavia, le variazioni nei livelli di HbA1c possono spiegare solo il 60%–80% dei livelli medi di glucosio nel sangue (MBG) 9, e le differenze nell'HbA1c possono essere influenzate dalla variabilità individuale nel metabolismo del glucosio, dalle caratteristiche fisiologiche e dalla predisposizionegenetica 10. Pertanto, la misurazione dell'HbA1c non può riflettere pienamente lo stato del metabolismo glicemico.

L'indice di glicazione dell'emoglobina (HGI) viene utilizzato per quantificare la variazione biologica dell'HbA1c indipendentemente dai livelli medi di glucosio nel sangue (MBG). HGI può identificare individui i cui livelli di HbA1c sono più alti o inferiori alla media rispetto ad altri con concentrazioni di glucosio nel sanguesimili 11. Diversi studi hanno confermato l'associazione tra HGI e complicazioni del diabete, come i maggiori rischi di nefropatia o retinopatia diabetica in soggetti con HGI12, 13 e diabete diabetici T2DM. Un HGI più alto è associato a un rischio aumentato di malattie vascolaricroniche 12,13.

Attualmente, l'associazione tra HGI e infiammazione delle arterie coronarie nei pazienti con DM2 rimane sfuggente. Pertanto, questo studio mirava a indagare l'associazione tra HGI e FAI perivascolare, vari parametri dei componenti della placca e caratteristiche della placca ad alto rischio nella CT basate sulla CCTA, per migliorare la stratificazione del rischio nei pazienti con diabete tipo 2DM con aterosclerosi coronarica concomitante.

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Protocollo

Questo studio è stato approvato dal Consiglio di Revisione Istituzionale dell'Ospedale Affiliato dell'Università di Nantong (approvazione n. 2025-K179-01) e il requisito del consenso informato è stato rimosso. Il software e le attrezzature utilizzate sono elencati nella Tabella dei Materiali.

1. Argomenti di studio e raggruppamento

Tra gennaio 2016 e maggio 2023 sono stati raccolti dati per 752 pazienti con diabete diabetica di tipo 2 che hanno sottoposto il CCTA presso l'Ospedale Affiliato dell'Università di Nantong. Il T2DM è stato diagnosticato secondo le Linee guida per la prevenzione e il trattamento del diabete di tipo 2 in Cina (edizione 2020). I criteri di esclusione erano i seguenti: (1) scarsa qualità dell'immagine CCTA; (2) anomalie coronariche congenite, impianto di stent coronarico o bypass post-coronarico; (3) gravidanza o emoglobinopatia; (4) malattie cardiogeniche diverse dalle malattie coronariche; (5) dati di base incompleti. Un totale di 185 soggetti sono stati inclusi nell'analisi finale. Sono state analizzate in totale 360 arterie coronarie malate, tra cui i rami principali con placche coronarie includevano la principale sinistra (LM), la sinistra anteriore discendente (LAD), l'arteria circonflessa sinistra (LCX) e l'arteria coronarica destra (RCA). I dati clinici di base, tra cui glucosio plasmatico a digiuno (FPG), HbA1c, colesterolo totale (TC), trigliceridi (TG), colesterolo lipoproteico ad alta densità (HDL-C), colesterolo lipoproteico a bassa densità (LDL-C) e acido urico (UA), sono stati raccolti entro 48 ore prima e dopo l'esame CCTA.

Poiché l'HGI è un residuo di regressione lineare, l'HbA1c previsto può essere generato inserendo FPG nell'equazione di regressione lineare univariata tra HbA1c e FPG nella popolazione di studio. L'HGI è definito come la differenza tra l'HbA1c effettivo e l'HbA1c previsto. I pazienti e i loro vasi coronarici colpiti sono stati stratificati in tre gruppi secondo i tertili HGI: H1 (gruppo basso) ≤-0,91, -0,91< H2 (gruppo medio) <0,49, H3 (gruppo alto) ≥0,49. Il disegno dello studio e i criteri di selezione dei pazienti sono mostrati nella Figura 1.

2. Esame CCTA

Gli esami CCTA sono stati eseguiti utilizzando uno scanner di tomografia computerizzata (TC) a 256 fette con il seguente protocollo: collimazione del rivelatore di 160 mm × 0,5 mm, velocità di rotazione del portale di 0,28 s/rotazione, spessore della fetta di 0,625 mm, prodotto corrente-tempo del tubo di 350–635 mAs e tensione del tubo di 100–120 kVp. Tutti i pazienti sono stati scansionati utilizzando una tecnologia retrospettiva con elettrocardiogramma. La scansione è stata eseguita da 1 cm sotto la biforcazione tracheale rispetto alla superficie diaframmatica del cuore.

L'imaging con contrasto è stato eseguito dopo la somministrazione endovenosa di un agente di contrasto non ionico nella vena brachiale con una portata di 5 mL/s, seguito immediatamente da un lavaggio con soluzione salina da 20 mL erogato alla stessa velocità. Il dosaggio dell'agente di contrasto era di 0,8 mL per chilogrammo di peso corporeo. Per scansioni avanzate, è stata utilizzata la tecnologia di triggering per il tracciamento con agenti di contrasto, che rileva automaticamente il valore CT della radice aortica, con una soglia di trigger di 120 unità di Hounsfield (HU).

3. Analisi della FAI

Le immagini originali CCTA sono state caricate sul Deepwise Vascular Analysis Software (DW-CACTAS, Deepwise Corporation, Cina) da un radiologo con oltre tre anni di esperienza, che non vedeva le informazioni cliniche e TAC del paziente. Il software delimita automaticamente il PCAT attorno ai 40 mm prossimali di LAD e LCX e a 10–50 mm di RCA e consente regolazioni manuali della rappresentazione automatica delle pareti coronariche, calcolando successivamente il FAI per queste tre arterie coronarie. La PCAT è stata caratterizzata come tessuto adiposo situato radialmente a una distanza pari al diametro del vaso coronarico dalla parete esterna, fissando il suo valore di soglia tra -190 e -30 HU14. La FAI è stata definita come il valore medio di attenuazione TC della PCAT (Figura 2).

4. Analisi quantitativa della targa CCTA

Le placche aterosclerotiche coronariche si riferiscono a un tipo di struttura tissutale presente all'interno o adiacente al lumen dell'arteria coronarica, con un'area superiore a 1mm 2, distinta dal tessuto pericardico, dal tessuto adiposo epicardico e dal lumenvascolare 15. Le immagini CCTA sono state trasferite su una postazione di lavoro commerciale per l'analisi quantitativa delle placche. Nelle immagini CCTA, i valori di soglia per la TC per i diversi componenti della placca erano i seguenti: il valore della CT della componente lipidica era impostato a -100–30 HU, il valore della componente fibrosa a 31–130 HU, il valore della CT della componente calcificata a 131–300 HU16, e il volume totale della placca di ciascuna arteria coronarica malata è stato misurato.

Le quattro caratteristiche di vulnerabilità alla TAC delle placche coronarie ad alto rischio erano rimodellamento positivo, placca a bassa attenuazione, calcificazione a macchie e il segno dell'anello nel tovagliolo. Le placche coronarie che presentavano due o più delle caratteristiche sopra descritte sono state definite come placche ad alto rischio per laTAC 17.

5. Analisi statistica

I dati categorici sono stati espressi come frequenza e percentuale [%], analizzati tramite il test chi-quadrato, e ulteriormente confrontati tra gruppi usando la partizione chi-quadrato riga per colonna ( corretto P = 0,0167). Il test di Kolmogorov-Smirnov è stato utilizzato per esaminare la normalità dei dati quantitativi. I dati quantitativi normalmente distribuiti sono stati presentati come media ± deviazione standard (SD), e le differenze statistiche sono state valutate tramite analisi della varianza (ANOVA). I dati quantitativi non normalmente distribuiti sono presentati come intervallo mediano e interquartile [M (Q1, Q3)], con il test di Kruskal-Wallis applicato per confronti tra più gruppi. Sono state condotte analisi di regressione logistica binaria univariata e multivariata per identificare fattori di rischio indipendenti associati alle placche ad alto rischio per la TC. L'analisi statistica è stata condotta utilizzando il software SPSS 26.0. Un P-valore di <0,05 è stato considerato statisticamente significativo.

6. Analisi di regressione lineare dell'HGI con FAI perivascolare

È stata eseguita una regressione lineare multivariabile per valutare l'associazione tra HGI (continua) e FAI PERIVASCOLARE (LAD-FAI e LCX-FAI), aggiustando per le stesse covariate dell'analisi primaria.

7. Analisi di sensibilità utilizzando i quartili HGI

Per valutare la robustezza dei risultati, l'HGI è stata suddivisa in quartili e la sua associazione con le placche ad alto rischio per la TC è stata rivalutata utilizzando una regressione logistica multivariabile, aggiustando per le stesse covarie dell'analisi primaria.

8. Analisi di sottogruppi e interazioni

Le analisi dei sottogruppi sono state effettuate in base a età, genere e livello di controllo glicemico utilizzando regressione logistica multivariabile, aggiustando per le stesse covariabili dell'analisi primaria, ad eccezione della variabile di stratificazione stessa. I termini di interazione tra HGI e ogni variabile di stratificazione sono stati testati per valutare la modifica dell'effetto.

9. Analisi delle spline cubiche limitate

Per esplorare potenziali relazioni dose-risposta e non lineari tra HGI e gli esiti, sono state effettuate analisi a spline cubiche ristrette (RCS) con HGI modellata come variabile continua. Per la targa ad alto rischio CT, sono stati installati modelli di regressione logistica RCS, mentre per LAD-FAI sono stati utilizzati modelli di regressione lineare RCS. Tutti i modelli sono stati aggiustati per le stesse covarie dell'analisi primaria. L'associazione complessiva e la componente non lineare sono state valutate utilizzando il test di Wald.

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Risultati

Associazione tra HbA1c e FPG

È stata stabilita una relazione lineare tra le misurazioni di HbA1c e FPG dei pazienti, derivando l'equazione di regressione: HbA1c previsto = 0,28 × FPG + 5,75, con r = 0,508 e P < 0,001 (Figura 3).

Confronto tra dati clinici di base e FAI tra diversi gruppi

I valori HGI dei gruppi H1, H2 e H3 e...

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Discussione

Il presente studio ha rilevato che il volume e la proporzione di placche calcificate e non calcificate aumentano con l'aumento dei livelli di HGI. Contemporaneamente, la presenza e la proporzione di caratteristiche ad alto rischio per la TC (placche a bassa attenuazione) nelle placche aterosclerotiche delle arterie coronarie sono aumentate con l'incremento dei livelli di HGI. Le misurazioni dei valori di FAI nelle tre principali arterie coronarie hanno mostrato che anche i valori di LAD-...

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Dichiarazioni

Tutti gli autori dichiarano di non avere conflitti di interesse legati a questo studio.

Ringraziamenti

Gli autori desiderano esprimere la loro sincera gratitudine al Professor Xianhua Wu per la sua preziosa guida, i suggerimenti costruttivi e il continuo supporto durante tutta la ricerca. Ringraziamo inoltre il personale dell'Ospedale Affiliato dell'Università di Nantong per il loro aiuto nel recupero dati e nella revisione dei casi.

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Materiali

Elenco dei materiali utilizzati in questo articolo
NomeAziendaNumero di catalogoCommenti
Postazioni di lavoro commercialiTecnologia ShukunSistema diagnostico assistito da IA per la TAC coronaricaUtilizzato per l'analisi quantitativa delle placche aterosclerotiche coronariche.
Sistema di Tomografia ComputerizzataGE HealthcareRevolution CT (256-slice)Utilizzato per gli esami di angiografia da tomografia computerizzata coronarica (CCTA). Parametri di scansione: collimazione del rivelatore di 160 x 0,5 mm, velocità di rotazione del portale di 0,28 secondi/rotazione, spessore della fetta di 0,625 mm.
Agente di contrasto non ionicoBayer HealthcareUltravist 370Agente di contrasto endovenoso. Il dosaggio era di 0,8 mL per kg di peso corporeo, tasso di iniezione di 5 mL/secondo, seguito da un lavaggio salino di 20 mL alla stessa velocità.
Software statisticoIBMSPSS 26.0Utilizzato per tutte le analisi statistiche, inclusi ANOVA, test chi-quadrato e analisi di regressione logistica.
Software per l'analisi vascolareDeepwise CorporationDW-CACTASUtilizzato per delimitare automaticamente il tessuto adiposo pericoronarico e calcolare l'indice di attenuazione del grasso (FAI). Operato da un radiologo cieco alle informazioni dei pazienti.

Riferimenti

  1. Hu, B., et al. Global assessment of atherosclerotic cardiovascular disease quality of care index in adults aged ≥60 years. Nutr Metab Cardiovasc Dis. 36 (3), 104422 (2026).
  2. Arnett, D. K., et al. 2019 ACC/AHA Guideline on the primary prevention of cardiovascular disease: executive SHORT ABSTRACT: a report of the American College of Cardiology/American Heart Association Task Force on Clinical Practice Guidelines. J Am Coll Cardiol. 74 (10), 1376-1414 (2019).
  3. Figueiredo, C. S., et al. Inflammation in coronary atherosclerosis: insights into pathogenesis and therapeutic potential of anti-inflammatory drugs. Pharmaceuticals. 16 (9), 1242 (2023).
  4. Ichikawa, K., et al. High pericoronary adipose tissue attenuation on computed tomography angiography predicts cardiovascular events in patients with type 2 diabetes mellitus: post-hoc analysis from a prospective cohort study. Cardiovasc Diabetol. 21 (1), 44 (2022).
  5. Antoniades, C., Antonopoulos, A. S., Deanfield, J. Imaging residual inflammatory cardiovascular risk. Eur Heart J. 41 (6), 748-758 (2019).
  6. Antonopoulos, A. S., et al. Detecting human coronary inflammation by imaging perivascular fat. Sci Transl Med. 9 (398), eaal2658 (2017).
  7. Maurovich-Horvat, P., Ferencik, M., Voros, S., Merkely, B., Hoffmann, U. Comprehensive plaque assessment by coronary CT angiography. Nat Rev Cardiol. 11 (7), 390-402 (2014).
  8. Rezende, P. C., et al. Association of longitudinal values of glycated hemoglobin with cardiovascular events in patients with type 2 diabetes and multivessel coronary artery disease. JAMA Netw Open. 3 (1), e1919666 (2020).
  9. Nathan, D. M., et al. Translating the A1C assay into estimated average glucose values. Diabetes Care. 31 (8), 1473-1478 (2008).
  10. Gonzalez-Covarrubias, V., et al. Transporters, TBC1D4, and ARID5B variants to explain glycated hemoglobin variability in patients with type 2 diabetes. Pharmacology. 106 (11-12), 588-596 (2021).
  11. Soros, A. A., Chalew, S. A., McCarter, R. J., Shepard, R., Hempe, J. M. Hemoglobin glycation index: a robust measure of hemoglobin A1c bias in pediatric type 1 diabetes patients. Pediatr Diabetes. 11 (7), 455-461 (2010).
  12. Kim, W., Go, T., Kang, D. R., Lee, E. J., Huh, J. H. Hemoglobin glycation index is associated with incident chronic kidney disease in subjects with impaired glucose metabolism: a 10-year longitudinal cohort study. J Diabetes Complications. 35 (1), 107760 (2021).
  13. McCarter, R. J., Hempe, J. M., Gomez, R., Chalew, S. A. Biological variation in HbA1c predicts risk of retinopathy and nephropathy in type 1 diabetes. Diabetes Care. 27 (6), 1259-1264 (2004).
  14. Oikonomou, E. K., et al. Non-invasive detection of coronary inflammation using computed tomography and prediction of residual cardiovascular risk (the CRISP CT study): a post-hoc analysis of prospective outcome data. Lancet. 392 (10151), 929-939 (2018).
  15. Otsuka, K., et al. Napkin-ring sign on coronary CT angiography for the prediction of Acute Coronary Syndrome. JACC: Cardiovasc Imaging. 6 (4), 448-457 (2013).
  16. Motoyama, S., et al. Computed tomographic angiography characteristics of atherosclerotic plaques subsequently resulting in acute coronary syndrome. J Am Coll Cardiol. 54 (1), 49-57 (2009).
  17. Small, G. R., Chow, B. J. W. CT imaging of the vulnerable plaque. Curr Treat Options Cardiovasc Med. 19 (12), 92 (2017).
  18. Hempe, J. M., Gomez, R., McCarter, R. J., Chalew, S. A. High and low hemoglobin glycation phenotypes in type 1 diabetes: a challenge for interpretation of glycemic control. J Diabetes Complications. 16 (5), 313-320 (2002).
  19. Wang, Y., et al. Association between hemoglobin glycation index and 5-year major adverse cardiovascular events: the REACTION cohort study. Chin Med J. 136 (20), 2468-2475 (2023).
  20. Marini, M. A., et al. Association between hemoglobin glycation index with insulin resistance and carotid atherosclerosis in non-diabetic individuals. PLoS One. 12 (4), e0175547 (2017).
  21. Koska, J., et al. Advanced glycation end products, oxidation products, and incident Cardiovascular Events in Patients With Type 2 Diabetes. Diabetes Care. 41 (3), 570-576 (2018).
  22. Kim, M. K., et al. Hemoglobin glycation index predicts cardiovascular disease in people with type 2 diabetes mellitus: a 10-year longitudinal cohort study. J Diabetes Complications. 32 (10), 906-910 (2018).
  23. Ahn, C. H., et al. Hemoglobin glycation index is associated with Cardiovascular Diseases in People With Impaired Glucose Metabolism. J Clin Endocrinol Metab. 102 (8), 2905-2913 (2017).
  24. Van Diemen, P. A., et al. Prognostic value of RCA pericoronary adipose tissue CT-Attenuation Beyond High-Risk Plaques, Plaque Volume, and Ischemia. JACC: Cardiovasc Imaging. 14 (8), 1598-1610 (2021).
  25. Yu, Y., et al. Increased coronary pericoronary adipose tissue attenuation in diabetic patients compared to non-diabetic controls: a propensity score matching analysis. J Cardiovasc Comput Tomogr. 16 (4), 327-335 (2022).
  26. Ma, R., et al. Towards reference values of pericoronary adipose tissue attenuation: impact of coronary artery and tube voltage in coronary computed tomography angiography. Eur Radiol. 30 (12), 6838-6846 (2020).
  27. Calle, M. C., Fernandez, M. L. Inflammation and type 2 diabetes. Diabetes Metab. 38 (3), 183-191 (2012).
  28. Nicoll, R., Henein, M. Y. Arterial calcification: a new perspective?. Int J Cardiol. 228 (1), 11-22 (2017).
  29. Erlinge, D., et al. Identification of vulnerable plaques and patients by intracoronary near-infrared spectroscopy and ultrasound (PROSPECT II): a prospective natural history study. Lancet. 397 (10278), 985-995 (2021).
  30. Neumann, F. J., et al. 2018 ESC/EACTS Guidelines on myocardial revascularization. Kardiol Pol. 76 (12), 1585-1664 (2018).
  31. Sagris, M., et al. Pericoronary fat attenuation index—a new imaging biomarker and its diagnostic and prognostic utility: a systematic review and meta-analysis. Eur Heart J Cardiovasc Imaging. 23 (12), e526-e536 (2022).
  32. Oikonomou, E. K., et al. Non-invasive detection of coronary inflammation using computed tomography and prediction of residual cardiovascular risk (the CRISP CT study): a post-hoc analysis of prospective outcome data. Lancet. 392 (10151), 929-939 (2018).
  33. Lisi, C., et al. The pericoronary adipose tissue attenuation in CT strongly depends on kernels and iterative reconstructions. Eur Radiol. 35 (5), 2866-2876 (2025).
  34. Mancini, G. B. J., Kamimura, C., Yeoh, E., Ryomoto, A. Effects of adaptive or fixed thresholds and different platforms on the assessment of plaque characteristics using coronary computed tomography angiography. J Cardiovasc Comput Tomogr. 18 (3), 297-303 (2024).
  35. Vattay, B., et al. Impact of virtual monoenergetic levels on coronary plaque volume components using photon-counting computed tomography. Eur Radiol. 33 (12), 8528-8539 (2023).
  36. Hu, B., et al. The atherogenic index of plasma predicts long-term outcomes in patients with severe coronary artery calcification undergoing rotational atherectomy: a machine learning-based cohort study. Cardiovasc Diabetol. 25 (1), 2 (2025).

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Ristampe e permessi

Tag

Angio TC coronaricaplacca ad alto rischioattenuazione del grasso perivascolarevulnerabilit della placcaregressione logisticaquantificazione della placcabiomarcatore del diabete