摘要
背景：心房颤动（AF）常与心力衰竭（HF）并存，并加重临床结局。然而，射血分数保留（HFpEF）和轻度降低的心力衰竭（HFmrEF）中与心房颤动相关的因素仍未明确。本研究旨在确定这些心衰表型中AF的临床、实验室和超声心动图决定因素。
方法：本回顾性单中心观察性研究纳入了2018年1月至2023年12月住院的700名连续HF患者。中位年龄为74岁（IQR 66-80）。女性在队列中占主导（55.3% vs. 44.7%，p < 0.001）。根据超声心动图评估的左心室射血分数，患者被分为射血分数保留（≥50%）、轻度降低（41-49%）和降低（≤40%）三组。使用单变量和多变量逻辑回归分析评估AF的决定因素，并使用ROC分析评估模型区分能力。
结果：在HFpEF和HFmrEF患者中，AF的最强决定因素是左心房大小（每增加1毫米的比值比为1.114；95%置信区间为1.054-1.177；p < 0.001）、中度和重度三尖瓣反流（比值比分别为4.092和6.957；p < 0.001）、男性性别（比值比为1.680；p = 0.022）和高龄（每年增加的比值比为1.070；p < 0.001）。
结论：在HFpEF和HFmrEF患者中，AF与心房重构密切相关，左心房扩大是关键的结构性决定因素。所确定的关联可能有助于更好地理解HFpEF和HFmrEF中的AF；然而，它们在风险分层中的潜在作用需要在前瞻性研究中进行验证。
1. 引言
心房颤动（AF）是全球最常见的持续性心脏心律失常，影响约2-3%的一般人群，其患病率随年龄增长而显著增加。流行病学研究表明，55岁以上个体的AF终身风险超过30%。根据全球疾病负担项目的数据，目前全球有超过5900万人患有AF，其患病率预计将继续上升，这是由于人口老龄化、心血管疾病生存率提高以及无症状病例检测的增强。
心力衰竭代表了另一项重大的全球健康挑战，其特点是高发病率、高死亡率和高医疗负担。心力衰竭的患病率估计在成人人口中约为1-2%，在70岁以上个体中超过10%。
AF和HF经常共存并具有复杂的双向相互作用。AF可能通过心房对心室充盈的贡献丧失、不规则的心室节律和心动过速性心肌病而诱发或加重HF。相反，与HF相关的结构和血流动力学变化——包括升高的充盈压、心房扩张、心肌纤维化和神经激素激活——创造了促进心房电不稳定性并促进AF发展和维持的基质。
最近，人们的兴趣集中在HF射血分数保留（HFpEF）和轻度降低（HFmrEF）的患者身上，这些代表了迅速扩展且异质性的HF人群。在这些表型中，AF是最常见的心律失常，在各种临床研究和注册表中报告的患病率在15%至40%之间。AF和HFpEF/HFmrEF的共存与更严重的症状、更高的住院率和比窦性心律患者更差的长期预后相关。
已经提出多种因素作为HF患者中AF的潜在决定因素，包括高龄、男性性别、高血压、肥胖、糖尿病、慢性肾脏疾病和结构性心脏病。此外，心电图异常和心房重构的超声心动图标志物——特别是左心房（LA）扩大——一直与AF风险增加相关。反映心肌应激、炎症和神经激素激活的生物标志物也被提议作为AF发展的额外贡献者。然而，现有数据仍然参差不齐，许多研究主要集中在HF射血分数降低（HFrEF）上，留下了对HFpEF和HFmrEF人群中与AF相关的因素理解的重要空白。
因此，确定HFpEF和HFmrEF患者中AF发生的可靠决定因素具有相当重要的临床意义。早期识别高风险个体可能促进有针对性的筛查策略、AF的早期诊断以及更有效的风险分层和管理。因此，本研究的目的是确定HFpEF和HFmrEF患者中与AF相关的临床、实验室和超声心动图因素。
2. 材料和方法
2.1. 研究设计和人群
这是一项回顾性单中心观察性研究，纳入了2018年1月至2023年12月在三级心脏病诊所住院的700名连续慢性HF患者。HF的诊断是根据欧洲心脏病学会（ESC）指南，基于临床表现、实验室发现和超声心动图标准确定的。在射血分数保留（≥50%）的患者中，HFpEF的诊断是根据2021年ESC心力衰竭指南确定的，要求存在典型的HF症状和体征、升高的利钠肽水平以及相关的结构性和/或功能性心脏异常的客观证据，例如LA扩大、左心室（LV）肥厚或舒张功能障碍。
研究人群的中位年龄为74岁（四分位距[IQR] 66-80岁），女性占主导（55.3% vs. 44.7%，p < 0.001）。
根据通过超声心动图评估的左心室射血分数（LVEF），患者被分为以下HF表型：HF射血分数保留（LVEF ≥ 50%）、HF轻度降低射血分数（LVEF 41-49%）和HF射血分数降低（LVEF ≤ 40%），符合当前的ESC指南。HFpEF是最常见的表型（487名患者，69.6%），其次是HFrEF（107名患者，15.3%）和HFmrEF（106名患者，15.1%）（p < 0.001）。
除了HF表型分类外，患者还根据心脏节律进一步分类。为了分析的目的，所有形式的AF——包括阵发性、持续性、长期持续性和永久性AF——被视为单一实体，定义为AF的存在或不存在。因此，患者被分为两组：窦性心律（n = 317，45.3%）和AF（n = 383，54.7%），包括当前ESC指南定义的所有AF表型。AF在研究人群中更为普遍（p = 0.013）。
包括人口统计学特征、合并症、心血管危险因素、药物史、体格检查结果、实验室结果和仪器检查在内的临床数据从医院出院摘要和可用的医疗记录中回顾性收集，并录入标准化数据收集表。
由于回顾性设计和缺乏纵向随访，所分析的变量应被解释为与现患心房颤动相关的因素，而不是预测新发心房颤动的因素。
2.2. 纳入和排除标准
患者如果满足以下标准则有资格纳入：
- 年龄≥18岁
- 根据ESC HF指南确认的慢性HF诊断
- 在过去12个月内有LVEF的仪器评估
- 通过心电图（ECG）或Holter ECG监测确认的心脏节律（窦性心律、AF或其他节律）
- 有足够完整的用于分析的临床、实验室和影像学数据
排除标准包括：
- 在评估时间前≤90天有急性心血管事件（心肌梗死、缺血性或出血性卒中、急性外周动脉事件或其他）
- 植入了心律调节心脏设备（如永久起搏器、植入式心脏复律除颤器或心脏再同步治疗设备）
- 可能影响分析参数的显著不受控制的合并症（如活动性恶性肿瘤、严重肾衰竭、不受控制的内分泌疾病）
- 缺少用于分析的完整临床、实验室或超声心动图数据
总共94名患者因数据不完整而被排除。
2.3. 心电图和Holter ECG监测
对所有患者使用标准12导联心电图，使用Mortara ELI 280c心电图仪。心电图记录分析了心律、心率、电轴、P波形态、PR间期、QRS持续时间和形态以及ST段和T波异常。
在临床指示时，使用3通道（Contec V5.5.2.3）或7通道（Medilog Darwin V2）设备进行24-72小时Holter心电图监测，以检测心律失常并确认AF的存在。AF的诊断是根据心电图发现，按照当前ESC指南进行的。之前诊断的AF和在住院期间检测到的AF都包含在分析中。
Holter心电图监测仅在临床指示时进行；因此，无症状或阵发性AF发作可能未被充分检测到。
2.4. 超声心动图评估
所有患者都接受了由经验丰富的心脏病专家使用标准成像协议进行的超声心动图检查。检查使用GE HealthCare Technologies, Inc.（芝加哥，IL，USA）的GE Vivid E95超声系统进行，并按照欧洲心血管影像协会的建议进行。
使用标准M模式和二维成像进行心脏结构评估。通过使用双平面Simpson方法计算LVEF来评估左心室收缩功能。
通过在胸骨旁长轴视图中测量LA大小和在心尖四腔视图中测量LA纵向直径，以及测量室间隔厚度和后LV壁厚度来评估心脏腔室尺寸和几何形状。LV尺寸通过在胸骨旁长轴视图中测量舒张末期和收缩末期直径以及在心尖四腔视图中测量LV舒张末期和收缩末期容积进一步表征。
2.5. 实验室检查
实验室分析在进行研究的医院中央临床实验室进行。分析的变量包括钾、钠、血红蛋白、血细胞比容、C反应蛋白（CRP）、N末端B型利钠肽前体（NT-proBNP）、尿酸、血清肌酐和使用CKD-EPI 2021公式计算的估计肾小球滤过率（eGFR）。
2.6. 伦理考虑
研究方案在国家医学图书馆的ClinicalTrials.gov协议注册和结果系统（PRS）中注册，唯一的协议ID为PK36-3117-27/04/22。研究按照《赫尔辛基宣言》的伦理原则和良好临床实践原则进行。由于研究的回顾性和非干预性设计以及使用完全匿名的临床数据，根据适用的国家法规和机构政策，豁免了知情同意的要求。
2.7. 统计分析
所有统计分析均使用SPSS软件（IBM SPSS Statistics，版本19.0，IBM Corp.，Armonk，NY，USA）进行。连续变量以中位数和四分位距（IQR）表示，而分类变量以绝对数和百分比表示。使用χ²检验比较分类变量，使用Kruskal-Wallis检验或Mann-Whitney U检验（如适用）比较连续变量。
使用单变量逻辑回归分析初步评估与AF相关的潜在因素。多变量逻辑回归模型中纳入的变量选择基于单变量统计显著性和临床相关性的结合，并考虑了文献中报告的已建立的危险因素。
然后进行多变量分析以确定与AF独立相关的因素。为了减少多重共线性的风险，系统地评估了候选变量之间的相关性，未发现强烈的变量间相关性。
在多变量模型中联合分析了HFpEF和HFmrEF人群，因为这些表型共享重叠的病理生理特征，并为本分析目的被视为非降低射血分数HF的连续体。
使用受试者工作特征（ROC）曲线分析评估模型性能，计算曲线下面积（AUC）。未使用正式的统计方法（例如校准图或Hosmer-Lemeshow检验）正式评估校准，模型性能应在这一背景下解释。
p值<0.05被认为具有统计学意义。
人工智能使用：人工智能（ChatGPT，OpenAI，GPT-5.3，2026）仅用于协助创建图1和图2。未使用AI工具进行数据分析、解释或稿件撰写。作者对内容的完整性和准确性承担全部责任。
3. 结果
表1总结了根据HF表型的患者的人口统计学和流行病学特征。HFpEF是最主要的表型（69.6%）。在HFmrEF和HFrEF组中观察到性别分布的显著差异（p < 0.001）。年龄和年龄分布在表型之间没有显著差异（p = 0.738和p = 0.051），70岁及以上的患者构成了队列的大部分。在HF表型中，新冠大流行前后的病例分布相似，没有达到统计学显著性。
表2总结了研究人群的临床概况，包括HF持续时间、NYHA功能分级以及根据HF表型的AF患病率和形式。
HF持续时间在各组之间没有显著差异（p = 0.077）。
NYHA分级分布存在显著差异（p < 0.001），NYHA III级在所有表型中占主导地位，NYHA IV级在HFrEF中更为常见。NYHA III级的主导地位可能反映了住院研究人群的性质，其中患者通常由于症状性失代偿或恶化HF而入院。
心律分布也存在显著差异（p < 0.001），HFpEF中窦性心律更常见，而永久性AF在HFmrEF和HFrEF中占主导。
表3总结了根据HF表型的HF患者的合并症概况。大多数心血管和非心血管合并症以及心肌代谢危险因素在表型间分布相似。然而，冠状动脉疾病（p = 0.009）、慢性肾脏疾病（p = 0.015）、外周动脉疾病（p = 0.004）和既往心脏手术（p < 0.001）在HFmrEF和HFrEF患者中更为常见。
表4展示了根据HF表型和心脏节律的CHA₂DS₂-VA评分分布。在HFpEF患者中，中位评分在不同节律类别中从3到4分不等。在HFmrEF和HFrEF患者中观察到类似的值。总体而言，CHA₂DS₂-VA评分在HF表型中显示出相似的分布，组间无统计学显著差异（p = 0.568）。
表5展示了根据HF表型和心脏节律的HAS-BLED评分分布。所有HF表型的中位HAS-BLED值均为2分，四分位距重叠较大。因此，组间未观察到统计学显著差异（p = 0.523）。
表6总结了根据HF表型的研究人群的血流动力学和人体测量特征。办公室收缩压（BP）在组间存在显著差异（p = 0.002），HFpEF患者中观察到更高的值。心率在表型间也显示出显著差异（p < 0.001），HFmrEF和HFrEF中心率更高。在舒张压或体重指数（BMI）方面未观察到显著差异。
表7展示了根据HF表型的研究人群的选定实验室参数。血清钠水平和eGFR在组间存在显著差异（p = 0.038和p = 0.037，分别）。相比之下，钾水平、血红蛋白浓度和血清肌酐值在HF表型间相当。
表8总结了根据HF表型的研究人群的超声心动图特征。在HF表型间观察到LA大小和多个LV结构和功能参数的显著差异（所有p < 0.01）。HFrEF患者表现出更大的LV尺寸和容积，而HFpEF以较小的心室尺寸为特征。LA尺寸也在HF表型间呈渐进性增加，在HFrEF患者中检测到最大值。这些发现反映了HF表型间不同的心脏重构模式，在HFrEF中表现为更明显的LV扩张，在HFpEF中表现为相对保留的心室几何形状。
为了确定不同HF表型中与AF相关的因素，分别对每个亚组进行了单变量二元逻辑回归分析（表9、表10、表11、表12、表13和表14）。在HFpEF中，AF与最广泛的人口统计学、临床、实验室、超声心动图、瓣膜和治疗相关变量相关。在HFmrEF中，显著关联的范围更为有限，主要包括年龄、心率和LA大小。在HFrEF中，AF主要与年龄、血流动力学参数和LV几何指标相关。多变量逻辑回归进一步确定了与AF相关的特定表型的独立因素。
基于确定的与AF相关的因素，在合并的HFpEF/HFmrEF人群（n = 593）中开发了一个AF关联模型。该模型纳入了年龄、性别、心率、办公室收缩压、eGFR、在胸骨旁长轴视图中测量的LA大小、三尖瓣反流的存在和严重程度、代谢综合征以及HF表型的指示变量。鉴于横断面设计和缺乏内部验证，这些发现反映了关联而非预测性能。
该关联模型表现出良好的区分能力，在合并队列中ROC曲线下面积（AUC）为0.789。当按HF表型分层时，该模型保持了良好且相当的区分能力：HFpEF中AUC为0.795（95% CI 0.756-0.834），HFmrEF中AUC为0.818（95% CI 0.727-0.897）。表型间区分性能的差异无统计学显著性（ΔAUC = 0.023，95% CI -0.074-0.111；p = 0.598），表明该模型在两种HF表型中具有稳定的预测性能（图1）。
图2说明了根据HFpEF和HFmrEF患者中多变量模型预测的风险三分位数观察到的AF患病率。根据预测概率将患者分为三类：低风险（<0.33）、中风险（0.33-0.66）和高风险（>0.66）。观察到的AF患病率在这些组中逐渐增加，从低风险类别的21.7%到中风险类别的53.3%和高风险类别的82.3%，展示了风险分层模型的良好区分性能。
4. 讨论
4.1. 研究的主要发现
本研究提供了对HF不同表型患者中AF临床、实验室和超声心动图决定因素的全面评估。主要发现可以总结如下。首先，HFpEF患者表现出与AF相关的最广泛因素谱，包括人口统计学特征、肾功能参数、血流动力学变量和心房重构标志物。其次，在HFmrEF中，风险概况更为有限，主要与年龄、心率和LA扩大有关。第三，在HFrEF中，AF的决定因素主要与心室几何指标而非心房参数相关。最后，多变量分析证实，与AF相关的因素在HF表型间存在显著差异，表明这些患者群体中AF发展的潜在病理生理机制不同。
虽然本研究的主要重点是HFpEF和HFmrEF，但HFrEF被纳入分析作为临床上相关的比较表型，而不是作为主要目标人群。将HFrEF用作比较器在方法上被认为比纳入健康对照更为合适，因为HF和AF都代表了在衰老、心血管重构和多发病背景下出现的复杂临床综合征。在这个背景下，与另一个HF表型的比较比与没有结构性心脏病的个体的比较提供了更有意义的病理生理参考。
这种方法使我们能够证明HFpEF和HFmrEF患者携带大量的合并症和血栓栓塞及出血风险标志物负担，这反映在升高的CHA₂DS₂-VA和HAS-BLED评分中。这些发现表明，不应将HFpEF和HFmrEF患者视为临床上较低风险的人群，因为它们的风险概况可能与HFrEF中观察到的相当。同时，AF的决定因素似乎在HF表型间有所不同，强调了表型特异性风险评估的重要性。
因此，本研究中的预测建模有意集中在HFpEF和HFmrEF上。这些表型在当代临床实践中尽管患病率迅速增加、年龄较大且多发病负担高，但关于AF预测的信息仍然不足。此外，HFpEF和HFmrEF中的AF似乎更密切地与心房重构、舒张功能障碍和系统性合并症相关，而在HFrEF中，心律失常基质可能更受心室重构和晚期收缩功能障碍的强烈影响。将预测分析集中在HFpEF和HFmrEF上因此解决了重要的知识空白，并可能促进早期识别可能从强化节律监测中受益的患者。
4.2. HFpEF中AF决定因素的解释
在本研究中，HFpEF表现出与AF最复杂的关联模式。确定了多个独立决定因素，包括年龄、男性性别、心率、降低的肾功能、较低的收缩压和LA扩大，以及中度或重度三尖瓣反流的存在。在这些变量中，LA大小被证明是最一致的决定因素之一，这与心房结构重构在AF发病机制中的既定作用一致。
我们在队列中观察到的三尖瓣反流与AF之间的强关联可能反映了心房扩张、肺动脉高压和右心重构的综合影响，这些在HFpEF患者中经常遇到。同样，肾功能损害和心率增加可能代表系统性疾病负担和神经激素激活的标志物，这两者都是已知的心律失常促成因素。
值得注意的是，一些确定的变量，如LA扩大、三尖瓣反流和肾功能障碍，可能反映了心血管疾病的总体严重程度和血流动力学负担，而不是作为AF的独立因果决定因素。这些变量可能代表结构性重构和疾病严重程度的相互关联的标志物，突显了心力衰竭和心房颤动之间的复杂病理生理相互作用。
有趣的是，代谢综合征在我们的模型中显示出与AF的逆向独立关联。虽然代谢异常通常被认为是促心律失常的，但一些观察性研究中报告了类似的悖论性关联，可能反映了在心血管疾病中描述的反向流行病学现象。一种可能的解释是，身体成分、代谢储备和系统性炎症谱的差异可能以表型依赖的方式影响心房结构重构和电生理基质。此外，残余混杂、竞争风险和代谢综合征成分内的异质性可能部分解释了这些意外关联。
4.3. HFmrEF中的AF决定因素
在HFmrEF患者中，与AF相关的因素范围比HFpEF更为有限。在单变量和多变量分析中，LA大小是AF的唯一独立预测因子。这一发现表明心房结构重构在这一中间HF表型中AF发展中的核心作用。
HFmrEF越来越被认为是HFpEF和HFrEF之间的过渡表型，具有异质性的病理生理背景。在这种背景下，LA扩大可能代表了一个综合标志物，反映了慢性舒张功能障碍、升高的充盈压力和系统性合并症负担的累积影响。在该亚组中观察到的心房大小与AF之间的强关联支持了心房重构是HFmrEF患者心律失常基质关键决定因素的概念。
4.4. HFrEF中的AF决定因素
与HFpEF和HFmrEF相反，HFrEF中AF的决定因素主要与心室几何指标而非心房参数相关。在多变量分析中，左心室舒张末期容积是AF的唯一独立预测因子。这一观察表明心室重构和晚期收缩功能障碍可能在这一表型的心律失常基质中起主导作用。
这些发现与HFrEF中AF发展的既定病理生理模型一致，在该模型中，心室扩张、升高的充盈压力和神经激素激活有助于进行性心房结构和电重构。在这种情况下，心室参数可能间接反映了心肌疾病的严重程度及其对心房血流动力学的影响。
4.5. 与先前研究的比较
本研究的结果与先前证明心房重构与HF患者中AF发生之间存在强关系的研究基本一致。LA扩大一直被确定为各种心血管人群中AF的最可靠决定因素之一，包括HFpEF和HFmrEF患者。
几项研究强调了高龄和系统性合并症作为HF患者AF发展的重要贡献者的角色。特别是，CHART-2注册表的数据表明，高龄是HFpEF患者新发AF及其进展的强独立预测因子。我们的发现与这些观察结果一致，显示高龄、降低的肾功能和更高的心率与这一人群中AF独立相关。这些因素可能共同反映了更高级别的系统性和心脏重构阶段，其特征是心房压力和容量负荷增加、神经激素激活以及进行性心房结构变化，促进心房心律失常，特别是在HFpEF表型中。
同时，我们在分析中观察到的表型特异性差异表明，AF的机制可能在HF表型间显著不同。先前研究表明，在HFpEF和HFmrEF中，AF的发展主要由与慢性升高的充盈压力、心房扩张和心肌纤维化相关的心房重构驱动。相比之下，在HFrEF中，心律失常基质可能更密切地与晚期心室重构和收缩功能障碍相关，这间接导致心房扩张和电不稳定性。我们的发现与这些观察结果一致，并进一步支持HF表型间AF的决定因素可能不同的概念，强调了在评估AF风险和开发风险分层模型时考虑HF表型的重要性。
4.6. 临床意义
识别与AF表型特异性相关的因素有几个潜在的临床意义。早期识别AF风险增加的患者可能促进更有针对性的节律监测策略，特别是在AF可能在长时间内临床上保持隐匿的人群中。
在HFpEF和HFmrEF患者中，AF与左心房扩大之间的强关联表明，超声心动图对心房大小的评估可能在常规临床实践中作为风险分层的实用工具。同样，现成的临床变量如年龄、心率、肾功能和血压可能有助于识别可能受益于强化心电图监测的患者。
重要的是，本研究开发的AF关联模型表现出良好的区分能力，在合并的HFpEF/HFmrEF队列中AUC接近0.8。该模型将患者分层为不同风险类别的能力进一步支持了其潜在的临床实用性。被分类为高风险的患者可能受益于更密切的节律监测、延长的动态心电图监测以及一旦记录AF后更早考虑抗凝治疗。
基于开发的多变量模型，构建了HFpEF和HFmrEF患者节律监测的概念框架（图3）。该模型表现出良好的区分性能（AUC = 0.789），并分类患者为三个风险类别：低风险、中风险和高风险。所提议的监测间隔代表了一个与当前AF筛查建议和可用的动态心电图节律监测方式一致的实用协议。
所提出的筛查方法可能作为识别更可能有AF的患者的框架，并为未来风险分层策略的开发提供信息。应将其视为探索性和假设生成的，因为它未经内部或外部验证，且不打算用于立即临床实施。
对于AF先验概率较低的患者，常规延长监测的诊断收益率有限；因此，基于定期12导联心电图和症状触发的Holter监测的偶发性筛查方法似乎是合理的。
在中风险患者中，更频繁的心电图评估和定期动态心电图监测可能是适当的，因为当前建议允许Holter监测从24小时到几天不等。
在高风险组中，主要目标是减少检测阵发性或亚临床AF的时间。延长动态节律监测增加了检测心律失常发作的可能性，而当代指南承认长达14天的贴片监测是有效的筛查工具。无论风险类别如何，一旦出现症状或临床怀疑AF，都应立即进行动态节律监测。
4.7. 亮点
- 与AF相关的表型特异性因素在HF表型间有所不同。
- HFpEF表明与AF的最复杂临床和超声心动图决定因素网络。
- LA扩大是HFpEF和HFmrEF中AF最一致的决定因素。
- 结合临床和超声心动图参数的多变量模型显示出良好的预测性能（AUC ~0.79）。
- 基于预测概率的风险分层有效区分了AF的低、中和高风险组。
4.8. 优势和局限性
本研究应承认几个优势。首先，分析基于一个相对较大的住院慢性HF患者真实世界队列。其次，研究包括对人口统计学、临床、实验室、超声心动图和治疗变量的综合评估，允许对AF的潜在决定因素进行详细评估。第三，分析分别针对不同的HF表型进行，这使得能够识别表型特异性决定因素并提高研究结果的临床可解释性。
然而，应考虑几个局限性。回顾性单中心设计可能限制研究结果的普遍性。AF基于住院期间或可用临床记录中的心电图记录确定，且未系统进行节律监测，这可能导致无症状或阵发性AF的漏检。此外，由于缺乏纵向随访，AF未被评估为新发结果；因此，确定的变量应被解释为与现患AF相关的因素，而不是预测新发AF的因素。使用了完整案例分析方法，可能引入了选择偏差。尽管进行了多变量建模，但不能排除过拟合的风险。使用相关性分析评估了共线性，未发现强烈的变量间相关性；然而，正式诊断如方差膨胀因子未计算。重要的是，未应用内部验证技术（例如自助法或交叉验证）和正式校准方法。因此，模型可能受到过拟合的影响，其性能可能过于乐观。因此，研究结果应被视为探索性和假设生成的，需要在独立队列中进行外部验证，然后才能考虑任何潜在的临床应用。此外，HFpEF和HFmrEF被联合分析，不能排除潜在的表型特异性差异。尽管HFpEF是根据ESC指南诊断的，但回顾性设计和依赖于可用临床数据可能限制了全面诊断算法的均匀应用，并且不能排除一定程度的误分类。
5. 结论
在HF患者中，与AF相关的因素在HF表型间有所不同。在本研究中，HFpEF以包括高龄、男性性别、高心率、降低的肾功能、较低的收缩压、LA扩大和显著的三尖瓣反流的复杂临床和超声心动图关联为特征。相比之下，HFmrEF中的AF主要与心房重构相关，而在HFrEF中，心室几何结构成为主要的相关因素。
这些发现支持HF表型间AF的潜在机制不同的概念，并强调了表型特异性评估的重要性。为HFpEF和HFmrEF患者开发的多变量模型提供了与AF相关的因素的综合表示，并允许根据不同估计概率水平进行分层。
然而，鉴于横断面设计、缺乏内部验证以及缺乏正式校准评估，该模型应被视为探索性和假设生成的。所提出的框架需要在独立队列中验证，然后才能考虑任何潜在的临床应用。需要纳入内部和外部验证的未来研究来评估模型的稳健性和普遍性。
【全文结束】