心脏及主动脉手术患者术后房颤预测模型：基于术前窦性心律的E/A比值、CHADS2评分与BMI的临床验证

《Heart and Vessels》：Response to the letter by Daungsupawong and Wiwanitkit regarding “Incidence and predictors of postoperative atrial fibrillation in patients with preoperative sinus rhythm undergoing cardiac or aortic surgery”

本刊推荐：针对心脏术后房颤(POAF)风险预测难题，Haijima团队开展了一项回顾性队列研究，通过构建包含E/A比值、CHADS2评分和BMI的三变量预测模型，在78例术前窦性心律患者中实现AUC=0.806的判别效能，为POAF高危人群筛查提供了简洁实用的床边工具。

　　

在心血管外科领域，心脏手术后新发的术后房颤（Postoperative Atrial Fibrillation, POAF）是一种常见且棘手的并发症。对于术前心律正常的患者而言，POAF的发生不仅会延长住院时间、增加医疗费用，更可能引发中风、心力衰竭等严重不良事件，直接影响手术效果和患者远期预后。尽管现有临床指南推荐对高危患者进行预防性抗凝治疗，但如何精准识别这类人群仍是临床实践的难点。目前多数预测模型依赖于术中或术后参数，缺乏基于术前常规检查指标的简易风险评估工具，这限制了预防策略的提前实施。

为应对这一挑战，日本国立医院机构埼玉医院心血管外科的Norimasa Haijima医生团队在《Heart and Vessels》发表了一项聚焦于术前窦性心律患者的研究，旨在开发一个仅使用术前易得指标的POAF风险预测模型。该研究通过回顾性分析单中心接受心脏或主动脉手术的患者数据，首次将超声心动图中的E/A比值（舒张早期血流峰值与舒张晚期血流峰值之比）、临床常用的CHADS₂评分（充血性心力衰竭、高血压、年龄≥75岁、糖尿病、卒中或短暂性脑缺血发作病史的评分系统）以及体重指数（Body Mass Index, BMI）整合为一个简洁的多变量预测模型。

研究团队采用单中心回顾性队列研究设计，纳入了78例术前为窦性心律、接受心脏或主动脉手术的成年患者。通过电子病历系统提取患者术前基线资料、超声心动图参数和手术类型等信息，以术后住院期间经心电图证实的房颤为终点事件。采用多因素逻辑回归分析构建预测模型，并通过受试者工作特征曲线下面积（Area Under the Curve, AUC）和Hosmer-Lemeshow检验分别评估模型的判别能力与校准度。

主要研究结果

预测模型的判别效能与校准度

最终模型包含E/A比值、CHADS₂评分和BMI三个预测变量。在训练队列中，该模型展现出良好的判别能力（AUC=0.806），表明模型能够较好地区分POAF发生与非发生者。校准度检验显示Hosmer-Lemeshow检验p值为0.530，Brier得分为0.168，提示预测概率与实际观察结果之间具有可接受的匹配程度。

预测变量的作用强度

多因素分析结果显示，E/A比值每增加一个单位，POAF发生的优势比（Odds Ratio, OR）为2.95，但其95%置信区间较宽（1.12-7.76），反映了小样本研究固有的估计不确定性。CHADS₂评分每增加一分，POAF风险增加约80%（OR=1.80）。BMI作为连续变量，也与POAF风险呈正相关。

模型简洁性与临床适用性

研究团队刻意保持模型的简洁性，仅纳入三个术前易得指标，使该工具适用于不同心脏手术类型（如冠状动脉旁路移植术、瓣膜手术等）患者的床边快速风险评估。这种设计避免了因纳入过多变量或进行亚组分析而导致的事件数过少和模型不稳定问题。

研究结论与讨论

Haijima团队的研究成功开发了一个基于术前常规指标的心脏手术后房颤风险预测模型。该模型通过整合超声心动图参数（E/A比值）、临床风险评分（CHADS₂）和人体测量指标（BMI），为术前窦性心律患者提供了一个简洁、实用的POAF风险评估工具。尽管研究存在单中心、小样本的局限性，导致某些估计值不够精确，但模型展现出的良好判别效能为其进一步验证和应用奠定了基础。

该研究的创新之处在于首次将E/A比值这一舒张功能指标纳入POAF预测模型，丰富了我们对POAF病理生理机制的理解——左心室舒张功能不全可能是POAF发生的重要促进因素。同时，研究采用的“少而精”变量选择策略，使模型具有较好的临床可行性和跨手术类型的适用性。

作者在回应同行评论时也明确指出，未来需要通过多中心、大样本的外部验证来确认模型的普遍适用性，特别是在低风险亚组（如择期单纯冠状动脉旁路移植术患者）中的表现。此外，研究团队计划探索更多超声心动图指标（如左心房力学参数）和生物标志物（如NT-proBNP）的增量价值，以及动态围术期预测因子的加入，有望进一步提升模型的预测精度。

这项研究为心脏外科围术期管理提供了重要启示：通过术前简单指标的组合评估，可能实现POAF高危患者的早期识别，从而有针对性地实施预防策略，改善患者预后。随着后续验证和优化工作的推进，这一简洁预测模型有望成为临床医生优化心脏手术患者围术期管理的有力工具。