编辑推荐：
心力衰竭（HF）精准风险预测困难，研究人员整合人口统计学、心电图（ECG）、超声心动图和生化参数，开发并验证综合预后模型。研究发现该模型能有效预测全因死亡率，为临床决策和患者分层提供帮助。
心力衰竭，这一全球性的健康难题，正严重威胁着人类的生命健康。据统计，全球约有 6430 万人受其困扰，且随着人口老龄化和心血管疾病生存率的提高，心力衰竭的患病率持续攀升。尽管治疗手段不断进步，但患者的预后仍不理想，5 年死亡率超 50%。在这样的背景下，准确的风险预测工具显得尤为重要，它能为临床决策和资源分配提供关键依据，而传统的单一参数预测方法难以满足需求，综合多参数的预测模型成为研究的焦点。
为了解决这一难题，中国人民解放军总医院的研究人员开展了一项针对心力衰竭患者全因死亡率的研究。他们通过整合人口统计学特征、心电图参数、超声心动图测量值、NT-proBNP（N 末端 B 型脑钠肽前体，是一种反映心脏功能的生物标志物）水平以及纽约心脏协会（NYHA）心功能分级，构建并验证了一个综合预后模型。该研究成果发表在《BMC Cardiovascular Disorders》杂志上。
研究人员采用了一系列关键技术方法。首先，进行回顾性队列研究，收集 2017 年 10 月至 2024 年 6 月心内科住院的心力衰竭患者数据。随后，运用 LASSO 回归和向后逐步 Cox 回归进行特征选择，确定独立预测因子。同时，使用多种分析方法评估模型性能，如时间依赖性受试者工作特征（ROC）曲线、校准曲线和决策曲线分析等，还通过随机生存森林分析验证变量重要性。
研究结果如下：
- 患者特征和结局：研究共纳入 445 例患者，随机分为训练集（n=312）和验证集（n=133）。在中位随访 4.14 年期间，有 142 例（31.91%）患者死亡。多数基线特征在两组间无显著差异。
- 特征选择和模型构建：LASSO 回归筛选出 15 个潜在预测因子，向后逐步 Cox 回归进一步确定了 9 个独立预测因子，包括年龄、NYHA 分级、左心室收缩功能障碍、房间隔缺损、主动脉瓣环钙化、三尖瓣反流严重程度、QRS 时限、T 波偏移和 NT-proBNP 水平。
- 模型性能评估：模型在训练集和验证集中对 2 年、3 年和 5 年死亡率的预测均显示出良好的区分度，校准曲线表明预测与实际结果一致性良好，决策曲线分析证明模型在不同阈值概率下具有临床实用性。
- 列线图构建：基于 9 个独立预测因子构建列线图，可用于个体风险预测，总分越高，生存概率越低。
- 生存分析和非线性关联分析：Kaplan-Meier 分析显示，QRS 时限、年龄、NT-proBNP 等关键预测因子对生存结局有显著分层作用。受限立方样条分析表明，NT-proBNP 和年龄与死亡率存在非线性关系。
- 随机生存森林分析和模型比较：随机生存森林分析确定了年龄和 NT-proBNP 等重要预测因子，综合模型在不同时间点的死亡率预测中表现优于单预测因子模型。
研究结论和讨论部分指出，该综合预后模型在预测心力衰竭患者全因死亡率方面表现出色，列线图可提供个性化风险估计，有助于临床决策和患者分层。同时，研究也发现年龄与死亡率的非线性关系，以及心电图、超声心动图参数和 NT-proBNP 等在风险预测中的重要作用。然而，研究存在一定局限性，如随访时间较短、样本来自单一医院、样本量较小等。未来研究可针对这些不足进行改进，进一步完善心力衰竭的预后评估体系，推动个性化治疗策略的发展，提高患者的生存质量和生存率。
