间充质肿瘤诱发的范可尼综合征：范可尼综合征的一种新分类方法

《Medicine》：Mesenchymal tumor-induced Fanconi syndrome: A novel classification of Fanconi syndrome

心脏瓣膜疾病妊娠期并发症风险评分模型DEVI、CARPREG II、ZAHARA和mWHO在印度三级产科中心的外部验证，显示DEVI评分AUC最高（0.846），优于其他模型。决策曲线分析表明在10-30%风险阈值下DEVI和CARPREG II具临床净收益，但需校准。

　　心血管疾病在孕期相关发病率和死亡率的上升已成为一个全球性的问题，尤其是在经济发达国家和低收入及中等收入国家（LMICs）中。这种趋势对医疗系统提出了新的挑战，尤其是在资源有限的地区，如何有效识别和管理高风险孕妇成为关键课题。在经济发达国家，先天性心脏病仍然是孕期心血管并发症的主要来源，而在LMICs中，风湿性心脏病则占据主导地位。值得注意的是，在这些资源匮乏的地区，许多女性首次在孕期被诊断出心脏疾病，这表明孕期可能成为发现潜在心血管问题的重要窗口。由于缺乏专业的医疗资源和基础设施，这些高风险孕妇的管理往往局限于区域或三级医疗中心，因此，及时转诊成为改善孕期结局的重要手段。

为了更好地预测孕期不良心脏事件的发生，多个风险分层工具已经被开发和验证。这些工具基于不同人群的队列数据，并且在高风湿性心脏病（VHD）患病率的环境中得到了验证。其中，修改版世界卫生组织（mWHO）分类是一种共识导向的风险评估方法，其没有采用任何统计学模型来构建预测模型。相比之下，DEVI评分是一种专门针对VHD的工具，它是在一个同质性较强的队列中开发和验证的，主要应用于LMICs环境。尽管DEVI评分在特定背景下表现良好，但为了确保其在不同地区和不同医疗水平下的适用性和可重复性，还需要进一步的外部验证。这不仅有助于提高模型的准确性，还能增强其在临床实践中的实用性。

本研究旨在在三级转诊产科中心对DEVI评分进行外部验证，并将其与CARPREG II评分、ZAHARA评分以及mWHO分类进行比较，以评估其在VHD孕妇中的预测性能。研究对象包括所有超过20周妊娠的女性，且她们在怀孕前18岁以上，且被诊断为患有VHD。这些女性的医疗记录被用来收集包括母体年龄、产次、超声心动图数据、临床数据、是否存在人工心脏瓣膜、系统性心室功能障碍、主动脉病变或冠状动脉疾病、药物使用情况、发绀、孕期前的心血管事件以及孕期中是否接受心脏干预等信息。此外，还记录了孕期的并发症，如子痫前期、胎盘早剥、分娩方式以及围产期事件。研究过程中，所有孕妇在初次产检时进行评估，并在怀孕的前32周每两周接受一次专家咨询，之后每周进行一次随访，同时根据心脏状况由心内科团队定期进行复查。

研究的主要结局是复合型不良心脏事件的发生率，包括死亡、心脏骤停、瓣膜或非瓣膜血栓事件、脑血管意外（如中风或短暂性脑缺血发作）、心力衰竭以及需要治疗的新发或复发性心律失常。数据显示，在205例孕妇中，有19例（9.3%）发生了不良心脏事件，其中肺水肿是主要的不良事件，占16例（7.8%），且大多数发生在孕期的产前阶段。此外，还有1例感染性心内膜炎、3例需要治疗的心律失常、2例中风，以及2例孕妇死亡。其中，一例死亡是由于人工心脏瓣膜血栓形成，另一例则因感染性心内膜炎和脑血管意外导致。后者还伴有严重二尖瓣反流和抗磷脂抗体综合征。

从模型的预测性能来看，DEVI评分的曲线下面积（AUC）为0.846（95%置信区间：0.765–0.927，P<0.001），而CARPREG II评分的AUC为0.762（95%置信区间：0.652–0.872，P<0.001），ZAHARA评分的AUC为0.716（95%置信区间：0.628–0.803，P<0.001），mWHO分类的AUC为0.826（95%置信区间：0.736–0.917，P<0.001）。这些结果表明，所有模型在区分可能发展为不良心脏事件的孕妇方面均表现出良好的判别能力。然而，通过比较这些模型的判别性能，研究发现它们的AUC并不完全相同，因此拒绝了所有模型AUC相等的假设（χ2=9.65，P=0.022）。这说明不同模型在预测能力上存在差异，其中DEVI评分在区分不良事件的发生上表现更优。

模型的校准性能也得到了评估。校准图显示，CARPREG II评分的总体校准（校准在大样本中）为?0.404（95%置信区间：?0.922–0.113，P<0.001），表明预测概率高于实际观察到的比例，其期望与实际事件（E/O）比为1.345:1。这提示CARPREG II评分可能在高概率人群中存在过度拟合的现象。同样，DEVI评分的校准图也显示了类似的过度拟合趋势，其校准斜率为0.833（95%置信区间：0.480–1.186，P<0.001），表明在该人群中，预测概率与实际事件之间存在一定的不匹配。校准斜率的目标值为1，值小于1意味着预测的风险过于极端，而值大于1则意味着风险估计较为温和。因此，DEVI评分和CARPREG II评分在高风险人群中的预测可能不够准确，这可能是由于模型在特定队列中过度调整所致。

此外，决策曲线分析（DCA）显示，在10%至30%的风险阈值范围内，DEVI评分和CARPREG II评分在预测不良心脏事件方面表现出相似的临床净效益。然而，在更低或更高的概率阈值下，这些评分的净效益并不明显，这意味着在某些情况下，这些评分可能无法提供显著的临床优势。相比之下，mWHO分类和ZAHARA评分由于缺乏个体风险预测所需的统计信息，无法进行校准分析或决策曲线评估。这表明，虽然这些工具在临床实践中被广泛应用，但在需要精确预测个体风险的情况下，它们的局限性可能会影响其应用效果。

在临床实用性和风险分层方面，研究结果表明，DEVI评分和CARPREG II评分在预测不良心脏事件方面具有相似的临床净效益。然而，DEVI评分在区分不良事件的发生上表现更为优越，这可能与其基于VHD特定特征的构建方式有关。同时，由于这些评分在高风险人群中表现出过度拟合的现象，因此在实际应用前可能需要进行重新校准，以确保其预测的准确性。重新校准可能需要考虑更多与不良事件相关的风险因素，例如房颤、严重二尖瓣反流等，以提高模型的适用性。

在讨论研究结果时，研究者指出，尽管VHD在孕期中的不良事件发生率较低（9.3%），但这一数据仍低于其在原开发队列中的发生率（12%–15%）。这可能与研究人群的管理方式有关，例如在三级转诊中心，高风险孕妇可能得到了更积极的干预和治疗，从而降低了不良事件的发生率。此外，研究中还发现，许多孕妇在孕期前并未被诊断为VHD，这可能与诊断手段的普及程度和医疗资源的可及性有关。因此，在LMICs中，开发和推广适用于本地人群的风险评估工具显得尤为重要。

VHD在孕期中的不良事件发生率虽然较低，但其对孕妇和胎儿的健康影响不容忽视。例如，研究中发现，超过三分之一的孕妇在孕期经历了需要紧急干预的情况，其中包括13例经皮球囊瓣膜成形术和2例因人工心脏瓣膜血栓而接受溶栓治疗。这些数据表明，VHD孕妇在孕期中可能面临较高的医疗需求，尤其是在处理急性并发症时。因此，建立一个可靠的、基于可获取信息的风险分层系统对于识别高风险孕妇至关重要。这不仅有助于及时转诊至具备专业知识的医疗中心，还能帮助家庭提前安排资金和资源，以应对后续的医疗需求。

风险分层系统的另一个重要功能是辅助临床决策，尤其是在产前咨询和干预规划方面。通过早期识别高风险孕妇，医疗团队可以采取更有针对性的监测和管理措施，从而降低不良事件的发生率，优化孕期结局。此外，该系统还能用于向孕妇及其家属提供更准确的预后信息，帮助他们更好地理解孕期可能面临的风险，并做出知情决策。这种基于风险评估的个性化管理方式，对于改善VHD孕妇的健康状况具有重要意义。

尽管研究结果提供了有价值的信息，但该研究也存在一些局限性。首先，由于事件发生率较低，可能影响模型的校准性能。其次，研究中未涵盖所有可能的不良事件，例如在分娩后发生的并发症，这可能会影响对整个孕期风险的全面评估。此外，由于医疗数据的记录不完整，一些在出院后发生的事件未能被纳入研究分析，这可能会影响模型的准确性。因此，未来的研究需要进一步探索这些模型在不同医疗环境中的适用性，并通过更全面的数据收集来完善其预测性能。

总的来说，这项研究为VHD孕妇的风险评估提供了重要的参考依据。DEVI评分在区分不良事件的发生方面表现出更优的预测能力，而CARPREG II评分在某些情况下也显示了良好的临床实用性。然而，为了确保这些模型在不同地区的广泛应用，还需要进一步的外部验证和校准。特别是在LMICs中，由于医疗资源有限，开发一个易于实施、基于可获取信息的风险评估工具，对于提高孕妇的生存率和孕期结局具有重要意义。此外，这些模型的临床应用还需要结合实际医疗环境，进行必要的调整和优化，以确保其预测的准确性和实用性。通过这样的努力，未来有望为VHD孕妇提供更精准的风险评估和管理策略，从而改善她们的健康状况和生活质量。