编辑推荐：
本文聚焦 NOTIFY-LVH 随机临床试验，该试验旨在探究能否借助既往心血管成像数据改善高血压诊疗。研究发现，针对左心室肥厚（LVH）患者的通知及临床支持路径，显著提升了降压治疗启动率，为优化心血管健康提供了新策略，值得关注。
### 研究背景
心血管疾病是美国的首要死因，高血压控制不佳是重要因素。许多高血压患者未被识别或治疗，电子健康记录（EHR）中存在可挖掘的心血管疾病线索，如超声心动图发现的左心室肥厚（LVH），其常见病因是未经治疗的高血压。但当前医疗系统在高血压的识别和治疗上存在障碍，本研究旨在探索利用 EHR 数据改善高血压诊疗的方法。
研究方法
- 研究设计：NOTIFY-LVH 试验是一项 2 组务实随机临床试验，于 2023 年 3 月至 2024 年 6 月在 Mass General Brigham 医疗系统开展。
- 参与者：纳入 30 - 75 岁、经超声心动图证实有 LVH、无心肌病诊断且未接受降压治疗的患者。排除有心肌病、服用降压药等多种情况的患者。
- 干预措施：干预组由人口健康协调员通知临床医生患者有 LVH，并提供后续护理协助，包括安排随访、24 小时动态血压监测（ABPM）或心内科转诊；对照组按常规护理。
- 结果评估：主要结局是启动降压药物治疗，次要结局包括新诊断高血压和心肌病。通过医生手动审查医疗记录确定结局，还对临床医生对干预的态度进行定性评估。
- 统计分析：采用逻辑回归分析，调整随机化分层变量。预设探索性子组分析评估干预效果的差异。计算样本量以确保研究效能，按意向性分析原则进行主要分析，并进行敏感性分析。
研究结果
- 参与者特征：共 648 名患者随机分组，干预组 326 人，对照组 322 人。两组患者基线特征平衡，平均年龄 59.4 岁，38.3% 为女性，15.7% 基线有高血压诊断。
- 治疗与诊断情况：干预组 16.3% 的患者开具了降压药，对照组为 5.0%（调整优势比 [OR] 3.76；95% 置信区间 [CI] 2.09 - 6.74；P＜0.001）。干预组新诊断高血压的比例为 15.6%，对照组为 4.0%（调整 OR 4.43；95% CI 2.36 - 8.33；P＜0.001）。两组心肌病诊断无显著差异。
- ABPM 结果：干预组 153 人申请 ABPM，92 人完成。其中 40.2% 达到高血压阈值，18.5% 单项血压超标，41.3% 未达标。对照组无人进行 ABPM。
- 护理利用情况：干预组和对照组分别有 59.2% 和 57.5% 的患者进行了初级护理随访，差异无统计学意义。干预组 15.3% 的患者转诊至心内科，对照组为 11.2%；干预组 22.1% 的患者进行了额外心血管成像，对照组为 16.8%，差异均无统计学意义。
- 临床医生态度：干预组 82% 的临床医生回复了通知，71.9% 持积极态度，26.6% 为中立，1.5% 为消极。
- 敏感性分析：按治疗方案分析，干预组效果更显著（调整 OR 7.86；95% CI 3.16 - 19.52；P＜0.001）。其他敏感性分析也验证了研究结果的稳健性。
研究讨论
- 研究意义：本研究表明，针对 LVH 患者的通知和临床支持路径能有效提高高血压的诊断和治疗率，虽然不能解决美国高血压控制不佳的所有问题，但为利用心血管数据改善高血压护理提供了思路。
- 潜在影响：机器学习技术可识别高危个体，但实施时需考虑临床医生和患者的接受度。本研究亚组分析提示干预可能有助于减少心血管护理中的差异。
- 研究优势：研究采用随机试验设计，集中实施且基于可重复算法。利用非医生人员参与护理，减轻临床医生负担，多数临床医生对干预持积极态度。
- 研究局限：干预依赖超声心动图报告而非直接图像判定；ABPM 成本高，部分患者未进行；协调员主导的方法与自动化系统相比，推广性有限；NLP 技术与其他机器学习算法的适用性未知；样本量限制了对心肌病检测的评估；存在选择偏倚；依赖替代结局，无法确定长期影响；结果可能不具广泛代表性。
研究结论
NOTIFY-LVH 随机临床试验证明了通知临床医生 LVH 患者并提供集中干预的可行性和有效性。进一步自动化此类临床护理路径，有助于发现更多可从血压控制或心肌病排查中获益的患者，为利用常规收集但未充分利用的电子健康数据改善慢性心血管疾病的诊疗提供了范例。
