Neurology：北大公卫风险预测模型：利用中国Kadoorie生物库建立预测10年内缺血性和出血性卒中及缺血性心脏病风险
2022-04-30 Naomi MedSci原创
由于存在地区差异，当代心血管疾病（CVD）风险预测模型在我国很少应用于常规临床实践。近日有研究基于中国RHR中广泛可用的变量，包括IHD、IS和HS，建立实用的特定疾病和整体心血管疾病风险预测模型。
心血管疾病（CVD），包括缺血性心脏病（IHD）、缺血性卒中（IS）和出血性卒中（HS），是全球疾病负担的主要原因。风险预测模型是识别高危个体的重要工具，以便在CVD的一级预防中进行早期干预。虽然许多模型的出现促使研究人员专注于在当地人群中定制和改进现有的模型，但目前还没有一种模型同时具有以下三个特征，并且可以在中国人群中广泛使用。
首先是区分IS和HS之间的风险。中国人有HS的发病率远高于西方人口。然而，目前全球推荐的模型，包括中国，要么没有将HS作为结果，或者没有将IS与HS区分开来。第二，通过链接动态电子健康记录，实现风险预测模型的高效和广泛使用。在中国，自2009年以来，建立居民健康档案（RHR）一直是国家基本公共卫生服务计划（NBPHSP）提供的基本服务之一，覆盖中国大陆所有人口。所有人口的免费RHR包括社会人口信息、个人和家庭病史、生活方式和非侵入性体检（例如，身高、体重、腰围和血压）。免费的血液胆固醇测量只提供给≥65岁的人。然而，以前的模型大多依赖于血脂。三是广泛适用于不同地区。不同心血管病子类别的风险因素可能不同，或具有不同的影响估计。对于预测综合结果风险的模型（单一模型估计，例如总心血管疾病），关联的大小（即模型中的回归系数）可能受到每个心血管疾病子类别在派生数据集中的构成比例的影响，从而导致潜在的偏向估计。因此，考虑到中国不同地区心血管疾病三个亚类的绝对风险差异很大，以往基于单模型方法的风险预测模型对中国广大地区的适用性较差。为解决这一问题，世界卫生组织（WHO）心血管疾病风险图工作组提出了一种新的建模和重新校准方法，以帮助原始模型适应不同地区。
基于全球最大的人群队列之一的中国嘉道理生物库（China Kadoorie Biobank，CKB），近日有研究人员基于中国RHR中广泛可用的变量，包括IHD、IS和HS，建立实用的特定疾病和整体心血管疾病风险预测模型。同时还评估了两种基于WHO CVD提出的方法的模型重新校准方法风险图工作组调整模型以适应不同的地区。还进一步评估了更多预测因子对衍生模型的潜在增量价值。
研究人员中国Kadoorie生物库中分别建立了缺血性心脏病（IHD）、缺血性卒中（IS）和出血性卒中（HS）以及总心血管疾病（CVD）的性别模型。受试者年龄在30-79岁之间，基线时没有心血管疾病。预测因素包括年龄、收缩压和舒张压、使用降压治疗、当前每日吸烟者、糖尿病和腰围。使用三个子模型的预测风险，将总的心血管疾病风险以条件概率的形式组合。采用“实用”和“理想”两种方法对各地区的风险模型进行重新校准，并对重新校准前后的风险预测进行估计。
- 在11年的随访期中，489,596人参与了模型研究，包括45,947例IHD，43,647例IS和11,168例HS患者。
- 在女性中，IHD、IS和HS的哈雷尔C分别为0.732（95%CI 0.706-0.758）、0.759（0.738-0.779）和0.803（0.778-0.827）。
- 重新校准前、实际重新校准后和理想重新校准后的模型的哈雷尔C分别为0.734（0.732-0.736）、0.754（0.752-0.756）和0.774（0.772-0.776）。
- 重新校准后模型的标定性能有所提高，理想重新校准后的模型表现出最好的模型性能。男性的结果与女性的结果相当。
该心血管风险预测模型除了不包括血脂外，还能很好地区分IHD和卒中亚型。灵活地重新校准我们针对不同地区的模型，可以使用覆盖整个中国人口的居民健康记录来实现更广泛的使用。
证据分类：这项研究提供了I类证据，即包含可访问的临床变量的预测模型预测了30-79岁中国人群中缺血性心脏病、缺血性卒中和出血性卒中的10年风险。
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
#缺血性#
48
#Neurol#
41
学习受益
45
***#学习#
61
#预测模型#
51
#缺血性心脏病#
48
#出血性卒中#
45
#风险预测#
36
#风险预测模型#
45
#心脏病风险#
33