弗雷明汉心血管疾病风险评分与10年心血管死亡风险的关联：一项在印度南部进行的回顾性队列研究

《Indian Heart Journal》：Association of Framingham cardiovascular disease risk scores with 10-year risk of cardiovascular mortality: a retrospective cohort study in South India

心血管疾病风险预测模型在印度农村人群中的应用验证。该研究通过回顾性队列设计，分析2011-2012年基线Framingham风险评分与2012-2022年10年心血管死亡关联，发现无论是脂质基还是BMI基FRS，≥20%风险组人群的死亡风险较<10%组分别高达11.18-30.63倍（男性）和17.51-21.95倍（女性），验证了FRS在低资源环境的适用性。

　　心血管疾病（CVD）在全球范围内是导致死亡的主要原因之一，尤其在印度等发展中国家，其负担日益加重。随着印度人口结构的变化和生活方式的转变，CVD的发病率和死亡率显著上升，尤其是在最富有生产力的年龄层。因此，准确评估心血管疾病的长期风险，对于制定有效的预防和干预措施至关重要。本研究旨在探讨Framingham风险评分（FRS）在印度农村地区对心血管死亡的预测能力，通过回顾性队列研究，分析基线FRS分类与10年内心血管死亡之间的关系。

研究背景表明，CVD的全球患病率在过去30年间翻倍，从1990年的2.71亿增至2019年的5.23亿。在印度，CVD死亡率也从1990年的140.5例/10万人上升至2019年的185.1例/10万人。这种上升趋势不仅增加了公共卫生负担，还导致了灾难性健康支出的增加。因此，印度迫切需要早期诊断和治疗手段，以减轻CVD带来的影响。FRS作为一种基于多种风险因素的预测工具，已被广泛应用于全球范围内的CVD风险评估。然而，其在印度人群中的适用性和预测能力仍需进一步验证。

本研究采用回顾性队列研究设计，分析了2011-12年在印度泰米尔纳德邦维洛尔地区开展的STEPs风险因素调查中获得的基线数据，评估FRS在10年内的预测效果。研究对象为30至64岁且无已知CVD病史的农村成年人，共3799人，其中3418人（89.97%）被纳入分析。这些参与者在2011-12年的基线调查中被评估了多种风险因素，包括血脂水平、血压、体重指数（BMI）、吸烟状况、糖尿病史及高血压治疗情况。研究团队通过与当地社区医学部门的计算机化健康信息系统（HIS）结合，追踪了这些个体在2011-12年至2022年期间的死亡情况，并通过已建立的死亡监测系统获取了死亡原因信息。

研究结果显示，男性和女性的CVD死亡率分别为3.01和1.36例/1000人年。在基线FRS分类中，那些FRS≥20%的个体，无论是使用原始的血脂基础评分还是经过重新校准的评分，其心血管死亡风险均显著高于FRS<10%的个体。具体而言，男性中，原始血脂基础FRS≥20%的个体心血管死亡风险为11.18倍（95%置信区间：4.67–26.79），而重新校准后的血脂基础FRS≥20%的个体风险为12.72倍（95%置信区间：4.38–36.92）。对于BMI基础的FRS，男性中≥20%的风险个体心血管死亡风险为13.29倍（95%置信区间：5.85–30.19），而重新校准后的BMI基础FRS≥20%的风险个体风险为10.58倍（95%置信区间：4.34–25.78）。女性中，原始血脂基础FRS≥20%的风险个体心血管死亡风险为17.51倍（95%置信区间：6.07–50.55），而重新校准后的血脂基础FRS≥20%的风险个体风险为21.95倍（95%置信区间：7.35–65.55）。对于BMI基础的FRS，女性中≥20%的风险个体心血管死亡风险为30.63倍（95%置信区间：10.24–91.64），而重新校准后的BMI基础FRS≥20%的风险个体风险为18.99倍（95%置信区间：7.35–49.03）。这些结果表明，无论使用哪种评分方式，FRS在预测心血管死亡方面均表现出良好的能力。

此外，研究还评估了不同评分方式的预测性能，通过Harrell的C统计量进行模型区分能力的分析。在男性中，原始血脂基础FRS的C统计量为0.755，重新校准后的血脂基础FRS为0.751，而BMI基础的FRS分别为0.767和0.758。在女性中，原始血脂基础FRS的C统计量为0.734，重新校准后的血脂基础FRS为0.842，BMI基础的FRS分别为0.798和0.807。这些统计量表明，重新校准后的BMI基础FRS在女性中表现出更好的区分能力，这可能与其在印度人群中更易获得且更适用于基层医疗环境有关。

研究还发现，原始的FRS在预测心血管死亡方面与重新校准后的FRS相比，并未显著改善模型的拟合度或性能。这表明，尽管在某些情况下重新校准可能有助于提高预测准确性，但原始FRS在印度农村人群中已经具有足够的预测价值。这一发现与德国的一项研究一致，该研究显示原始和重新校准的30年FRS在预测CVD事件方面表现相似。然而，中国的研究则发现重新校准后的FRS在预测死亡率方面略优于原始评分。这提示，FRS的适用性可能因人群和地理区域的不同而有所变化，因此在不同人群中进行重新校准可能是必要的。

本研究的一个重要发现是，BMI基础的FRS在预测心血管死亡方面表现出优于血脂基础评分的区分能力。这可能是因为BMI在低资源环境中更容易测量，且其在印度农村人群中具有较高的可操作性。此外，研究还发现，BMI基础的FRS与血脂基础的FRS之间在男性和女性中均表现出较高的一致性，通过加权Cohen’s Kappa统计量评估，男性为0.855，女性为0.819。这一结果表明，BMI基础的FRS可以作为血脂基础评分的有效替代，特别是在缺乏血脂检测条件的基层医疗机构中。

研究的局限性在于仅涵盖了印度南部农村的一个特定地区，且在10年内的CVD事件数量相对较少，这限制了模型的统计效力。此外，由于缺乏非致命CVD事件的数据，研究仅能评估FRS对致命事件的预测能力，而无法预测总CVD事件的发生。因此，未来的研究需要更广泛的样本覆盖，并考虑使用前瞻性设计来收集非致命事件的数据，以更全面地评估FRS的预测性能。

综上所述，本研究证实了FRS在印度农村人群中对心血管死亡的预测价值，支持其在临床实践中的应用。然而，进一步的研究仍需进行，以评估FRS在不同印度人群中的适用性，并开发更适合印度人群的风险方程。此外，探索更多潜在的风险因素，如压力、饮食和营养等，也将有助于提高FRS的预测能力。研究团队强调，尽管本研究是回顾性的，但其依赖于长期运行的死亡监测系统，提供了高质量的死亡数据，这对于缺乏资源的地区具有重要意义。未来，通过前瞻性研究和更全面的数据收集，有望进一步优化FRS在印度人群中的应用。