二级预防中需要个性化风险评估来激励患者并指导治疗
作者：Caitlin E. Cox
2025年10月16日
根据最近发表在《JACC：进展》杂志上的一项研究，研究人员新开发的两种用于预测已确诊动脉粥样硬化性心血管疾病（ASCVD）患者10年内心血管死亡风险的工具，其表现优于目前常用于二级预防风险评估的模型。
论文的两位资深作者之一、美国波士顿麻省总医院布莱根医疗系统的萨米娅·莫拉医学博士表示，有了患者10年内心血管死亡风险的评估，临床医生能够更好地设定预期并为ASCVD患者量身定制治疗方案。
莫拉在接受TCTMD采访时说，在二级预防中，"并非每个人的风险都相同。未来事件（无论是心血管死亡还是其他非致死性事件）的风险存在很大差异。"
她指出，对于高风险个体，更积极地处理风险因素并鼓励最佳药物治疗是有意义的。另一方面，如果患者风险较低，则无需进行可能带来副作用的强化治疗。
另一位资深作者、麻省总医院布莱根医疗系统和瑞士苏黎世联邦理工学院的奥尔加·V·德姆勒博士通过电子邮件评论道："临床实践指南基于风险制定，因此准确的风险评估对于确保患者接受适当的预防和治疗干预至关重要。"
德姆勒补充说，一级预防中的风险预测模型"有着悠久且完善的历史"，并不断发展，但二级预防领域"并未经历同样严格严谨的模型开发过程"。她强调，由于"先前的心血管事件会极大地改变患者的风险状况"，为一级预防开发的工具无法在此领域发挥作用。"尽管机器学习最近取得了进展，但当前的二级预防指南仍依赖于简单的分类规则或表格，将患者分为广泛的组别（'平均'、'高'或'非常高'风险），而非估计连续的风险概率。"
英国生物银行和麻省总医院布莱根医疗系统数据集
该研究由第一作者、苏黎世联邦理工学院和德国图宾根马克斯·普朗克智能系统研究所的奥尔加·米内耶娃博士领导，研究人员使用了32,994名英国生物银行参与者的数据（平均年龄61岁；35.5%为女性）进行模型开发和验证，这些参与者于2006年至2010年间入组，并随访至2021年。此外，他们还在一个包含54,969名患者（平均年龄71岁；41.4%为女性）的麻省总医院布莱根医疗系统队列中对外部验证了这些模型，这些患者于2007年入组，并随访至2018年。所有参与者均确诊有ASCVD。
研究人员利用人工智能算法，创建了两个残余风险评分，其因素基于常规可获取的指标：
- RRS16，基于16个常规可用因素
- RRS24，基于24个常规可用因素以及患者的自我报告健康状况（即，"总体而言，您如何评价自己的整体健康状况？"）和额外的生物标志物
米内耶娃及其同事将这些评分与美国心脏协会（AHA）、美国心脏病学会和其他多个专业协会2018年胆固醇指南中建立的指标进行了比较，该指南主要关注一级预防。对于二级预防，该文件建议根据10个因素将患者分为三类风险（平均、高和非常高风险）——值得注意的是，它不提供针对个体患者的绝对风险的个性化估计，也不考虑性别因素。
莫拉表示，作为一名心脏病专家，"如果我面前有一位患者，真的很难使用AHA算法，因为你必须尝试将他们放入[其中一个]风险桶中。这很难做到，因为它基于所有这些临床变量，然后你必须询问。这需要时间。"相比之下，他们的方法旨在利用电子健康记录（EHRs）中通常保存的信息并自动进行计算。
[在二级预防中]，未来事件（无论是心血管死亡还是其他非致死性事件）的风险存在很大差异。 萨米娅·莫拉
研究人员发现，更简单的RRS16（莫拉表示"基本上可以从几乎任何电子健康记录应用"）在英国生物银行队列中的C统计量为0.752，在麻省总医院布莱根医疗系统队列中为0.750。它表现优于2018年指南模型，后者分别产生0.658和0.580的C统计量。
另一方面，更全面的RRS24在英国生物银行中达到了0.784的C统计量。然而，由于它包含该医疗系统的电子健康记录中不可用的变量，因此无法在麻省总医院布莱根医疗系统队列中进行外部验证。
两个评分都校准良好，P值均大于0.1。
使用RRS16，与较高风险最紧密相关的因素是吸烟（风险比2.21；95%置信区间1.98-2.47）、充血性心力衰竭病史（风险比2.16；95%置信区间1.88-2.48）、男性性别（风险比1.70；95%置信区间1.51-1.91）、心房颤动病史（风险比1.61；95%置信区间1.42-2.84）和糖尿病病史（风险比1.61；95%置信区间1.43-1.81）。白蛋白、尿素和C反应蛋白也具有预测性。
使用RRS24，心血管死亡率的最强指标是自我报告的"健康状况差"（风险比1.90；95%置信区间1.67-2.17）。有趣的是，维生素D水平也与风险密切相关——莫拉表示，他们的工作在这方面可以帮助"指导我们了解哪些因素可能与风险相关，而临床医生可能不会首先想到这些因素，特别是对于心血管疾病患者。"
研究者总结道："新评分的改进表现可归因于纳入了更广泛的临床变量和先进建模技术，包括机器学习。"
他们补充说："我们的研究结果还表明，当前ASCVD一级预防风险模型中未使用的某些因素，如自我报告的整体健康评分和特定生物标志物（即白蛋白、C反应蛋白、糖化血红蛋白、尿素和维生素D），虽然容易获取，但在二级风险评估中起着重要作用。"
准确的风险评估对于确保患者接受适当的预防和治疗干预至关重要。 奥尔加·V·德姆勒
研究者明确指出，目前这些残余风险评分旨在用于研究环境。尽管如此，经过外部验证的RRS16可免费在线获取。
德姆勒表示："虽然该工具目前尚未准备好用于临床决策，但我们希望它能刺激进一步评估，并最终有助于用现代、经过验证和数据驱动的风险模型更新当前的临床指南，最终改善对最易受复发性心血管事件影响的患者的护理。"
莫拉说："我们希望人们会觉得它有用。该评分是在来自美国和英国的两个大型当代人群中推导和验证的。我们通过提供在线计算器，努力使其易于应用，但未来的研究也应评估这些风险评分在其他更多样化人群中的准确性。"
她建议，展望未来，理想情况下应进行研究，以考察实施情况以及残余风险评分如何可能改善药物依从性或临床结果。其他研究可以探索它们在不同地理区域和捕获不同程度风险的数据集中的表现。
作者：Caitlin E. Cox
Caitlin E. Cox是TCTMD的新闻编辑，也是心血管研究基金会的编辑内容副主管。她负责制作相关医学内容。
【全文结束】
