编辑推荐：
心血管疾病负担沉重，不同心血管健康（CVH）指标预测死亡率的效果存疑。研究人员分析 NHANES 2005 - 2018 数据，对比 Life’s Simple 7（LS7）、Life’s Essential 8（LE8）和 Life’s Crucial 9（LC9）。结果显示三者均能有效预测死亡率，LS7 结构简单且预测性能相当，更具实用性。
心血管疾病如今已成为全球公共卫生领域的一大 “劲敌”，它就像一个隐藏在暗处的 “杀手”，悄悄地威胁着人们的健康。在美国，约 10% 的成年人受其影响，每年近 25% 的死亡都与其有关。到 2019 年，因心血管疾病死亡的人数飙升至 1860 万，相比过去三十年增长超 50% ，而人口老龄化更是让这一问题雪上加霜，预计到 2050 年，65 岁及以上的老人将达 3.66 亿，占全球人口的 26.1%，心血管疾病的发病率极有可能随之大幅上升。
面对这一严峻形势，2010 年美国心脏协会（AHA）推出了 Life’s Simple 7（LS7）评分，用于评估心血管健康状况，它综合考量了吸烟状态、体重指数（BMI）、身体活动、总胆固醇（TC）、血压、空腹血糖（FBG）和饮食这 7 个可改变的关键风险因素 ，得分范围为 0 - 14 分，分数越高，心血管健康状况越好。后来，人们发现睡眠健康与心血管健康关系密切，于是在 LS7 的基础上，加入睡眠时长这一关键要素，形成了 Life’s Essential 8（LE8）评分 ，其通过量化评分，能更清晰、准确地评估心血管健康。紧接着，Life’s Crucial 9（LC9）评分又进一步纳入心理健康要素，旨在更全面地评估心血管健康。
尽管这些指标不断更新完善，但它们在预测死亡率方面的表现究竟如何，彼此之间又有怎样的差异，却并不明确。为了揭开这些谜团，来自南京医科大学第一附属医院等机构的研究人员展开了深入研究，相关成果发表在《BMC Medicine》杂志上。
这项研究的意义重大。如果能明确哪种指标在预测死亡率方面更具优势，医生在临床诊断时就能更精准地评估患者的死亡风险，从而制定更有针对性的预防和治疗方案；公共卫生工作者也能依据这些指标，更有效地开展健康宣传和干预活动，降低心血管疾病的发病率和死亡率，守护大众健康。
在研究方法上，研究人员充分利用了美国国家健康和营养检查调查（NHANES）的数据。该调查采用复杂的多阶段概率抽样设计，能代表美国非机构化平民人口。研究人员从 2005 - 2018 年的调查数据中，筛选出符合条件的 22382 名参与者。在评估心血管健康指标时，严格按照标准化流程对 LS7、LE8 和 LC9 进行评估。通过 NHANES 关联的国家死亡索引（NDI）获取参与者的全因、心脑血管疾病（CCD）和心血管疾病（CVD）死亡率数据 。同时，收集人口统计学特征、社会经济因素和行为变量等协变量信息。运用 Cox 比例风险回归模型评估各指标得分与死亡率之间的关联，并通过受试者工作特征（ROC）曲线和曲线下面积（AUC）评估预测性能，还进行了敏感性分析确保结果的可靠性。
研究结果如下：
- 参与者基线特征：参与者平均年龄为 45.23±0.23 岁，女性占 51.53%。不同种族 / 族裔中，非西班牙裔白人占 67.64% 。LS7 平均得分为 8.47±0.04，LE8 平均得分 68.92±0.25，LC9 平均得分 71.51±0.23 。而且，LS7 与 LE8、LC9 得分之间呈显著正相关。
- 死亡率与 CVH 评分关系：通过 Kaplan - Meier 曲线和标准化死亡率分析发现，在中位随访 7.75 年（IQR：4.42 - 11.08）期间，CVH 评分越高，累积死亡率越低。以 LS7 为例，得分≤4 的参与者全因死亡率最高，为 16.57（95% CI：13.52 - 19.63）/1000 人年 ，而得分≥11 的参与者降至 4.06（95% CI：2.82 - 5.30）/1000 人年 。LE8 和 LC9 也呈现类似趋势。
- CVH 评分与死亡率结局的关联：Cox 回归分析显示，与 LS7 得分≤4 的参与者相比，得分≥11 的参与者全因死亡率风险降低 65%（HR = 0.35，95% CI：0.25 - 0.50），CCD 死亡率风险降低 66%（HR = 0.34，95% CI：0.16 - 0.73），CVD 死亡率风险降低 61%（HR = 0.39，95% CI：0.18 - 0.85） 。LE8 和 LC9 得分较高者同样死亡率风险较低。
- CVH 评分的预测准确性：ROC 曲线分析表明，在预测全因死亡率方面，LS7、LE8 和 LC9 表现相近。虽然在某些时间点上，LS7 的 AUC 略高于 LE8 和 LC9，但整体差异不大。在预测 CCD 和 CVD 死亡率时，三者的预测性能也相似。将 LS7、LE8 和 LC9 加入基线模型后，虽能显著改善全因死亡率预测，但实际提升幅度较小。
- 敏感性分析：排除随访前两年内死亡的参与者，以及对 LC9 所有 9 个组件数据完整的参与者进行分析后，结果依然稳健，高 CVH 评分仍与较低的死亡率风险相关。
研究结论与讨论：该研究表明，LS7、LE8 和 LC9 均能有效预测全因、CCD 和 CVD 死亡率。尽管 LE8 和 LC9 增加了睡眠和心理健康等组件，评分标准也更精细，但在预测准确性上并未显著优于 LS7。LS7 结构简单、组件较少，却有着与之相当的预测性能，在临床和公共卫生应用中更具实用性。不过，研究也存在一些局限性，如部分数据为自我报告，可能存在回忆偏差；随访时间可能无法完全捕捉长期死亡率趋势；未评估 CVH 评分随时间的变化；还有一些未测量的变量可能影响结果等 。未来还需要进一步的研究来弥补这些不足，为心血管健康评估和死亡率预测提供更可靠的依据。这项研究为心血管健康指标的选择和应用提供了重要参考，有助于推动心血管疾病的防治工作向更精准、更高效的方向发展。
