编辑推荐：
为评估心血管疾病（CVD）风险模型中多重疾病测量的情况，研究人员进行了一项范围综述，发现相关研究较少且存在证据缺口。
心血管疾病（Cardiovascular Disease，CVD），作为全球范围内导致人类发病和死亡的 “头号杀手”，时刻威胁着人们的健康。想象一下，在世界各地，每分每秒都有人因心血管疾病而倒下，它如同一个无形的 “恶魔”，肆意地破坏着人们的生活。近年来，一个不容忽视的现象出现了，那就是心血管疾病患者常常伴随着多种其他长期健康问题，也就是多重疾病（Multimorbidity）。在英国的一项大型初级医疗队列研究中，从 2000 年到 2014 年，虽然非致命性心血管疾病的新发病例有所减少，但患有多种并发症的心血管疾病患者比例却在大幅上升。这就像是一个 “组合拳”，多重疾病和心血管疾病相互作用，使得患者的健康状况更加复杂和严峻。
传统的心血管疾病风险预测工具，比如美国心脏病学会 / 美国心脏协会推荐的 Pooled Cohort Equations，以及英国的 QRISK3，在面对患有多重疾病的成年人时，却表现得有些 “力不从心”。这些工具在不同多重疾病亚组中的预测准确性差异很大，有时会高估某些人群的风险，有时又会低估，这让医生和患者在制定预防和治疗方案时感到十分困惑。而且，目前在健康研究中，对于如何准确量化多重疾病，也没有一个统一的标准方法，各种量化方式层出不穷，让人眼花缭乱。
在这样的背景下，来自奥克兰大学（University of Auckland）的研究人员挺身而出，开展了一项意义重大的研究。他们进行了一项范围综述（Scoping review），旨在全面收集心血管疾病风险模型中纳入多重疾病测量的相关证据，评估其研究方法，并找出目前文献中的证据缺口。该研究成果发表在《BMC Public Health》杂志上。
为了完成这项研究，研究人员主要运用了以下关键技术方法：他们依据 Arksey 和 O’Malley 的框架，在 Medline、Embase 和 Cochrane 等多个医学数据库中进行了全面搜索，涵盖了 2012 年 1 月 1 日至 2022 年 9 月 23 日期间发表的文献。同时，他们还手动检索了参考文献列表，以确保没有遗漏重要信息。在筛选文献时，制定了严格的纳入和排除标准，由主要评审人员进行标题、摘要和全文的筛选，遇到不确定的情况，会与其他作者共同讨论决定。最后，通过制定数据图表形式，提取并总结相关研究的信息。
研究结果主要体现在以下几个方面：
- 研究和人群特征：在筛选出的 14 项初级定量研究中，10 项是期刊文章，4 项是会议摘要。研究涉及的队列类型多样，包括初级预防队列、二级预防队列和混合队列。研究人群来自不同的地区和疾病群体，如德国的非手术患者、美国的冠心病患者等。大部分研究在以白人 / 欧洲人为主的人群中开展，只有少数研究提供了详细的种族数据。研究预测的心血管疾病结局各不相同，包括心血管疾病住院 / 手术、心血管疾病死亡率等，时间跨度从 6 个月到 10 年不等。
- 多重疾病变量：在众多研究中，最常用的多重疾病变量是 Charlson 共病指数（Charlson Comorbidity Index，CCI），14 项研究中有 12 项使用了该指数，且版本多样。此外，还有研究使用了多药治疗（Polypharmacy）、新开发的 “Multimorbid” 指数等作为多重疾病相关变量。数据来源也各不相同，涵盖了 ICD 编码的住院或医疗索赔、临床试验等多种类型。
- 纳入多重疾病变量的额外益处：14 项研究中只有 4 项评估了多重疾病变量对现有预测因子的额外增量价值。例如，Livingstone 等人在初级预防队列中，将改良的 CCI 纳入竞争风险心血管疾病模型，发现该模型在预测非心血管疾病死亡的竞争风险方面表现出色，同时改善了校准和重新分类能力。Erickson 等人在急性冠状动脉综合征（Acute Coronary Syndrome，ACS）患者队列中，发现添加 CCI 显著提高了模型对观察数据的捕捉能力。
- 报告的局限性：研究中发现，多重疾病变量的推导存在一些问题。基于索赔或行政数据的变量，存在数据质量、缺失数据等问题；诊断和基于药房的多重疾病指数，可能无法准确反映个体疾病的贡献和相互作用；多药治疗作为变量，受到多种因素影响，其与心血管疾病风险的关系也不明确。
研究结论和讨论部分指出，虽然有 14 项研究报告了包含多重疾病变量的心血管疾病风险模型，但目前的研究仍存在诸多不足。在临床相关人群中，评估多重疾病变量在心血管疾病风险模型中增量价值的研究较少，这限制了对特定亚人群心血管疾病风险的准确预测。在不同种族人群中，评估多重疾病变量对心血管疾病风险模型影响的研究也十分缺乏，而不同种族在心血管疾病发病率、慢性病患病率和多重疾病模式上存在差异，这可能影响模型的适用性和准确性。此外，对于除 CCI 之外的替代多重疾病变量的评估也很少，难以确定哪种测量方法能更好地反映多重疾病的累积效应。因此，未来需要开展更多研究，在不同种族和多重疾病亚组中，深入探讨使用多重疾病变量在心血管疾病风险预测模型中的益处，为制定更有效的循证策略提供支持，从而更好地管理患有多重疾病患者的心血管疾病风险，促进健康公平。
