综述：基于熵信息增益方法的大型全国性队列中心房颤动患者卒中风险预测新评分

这篇综述推荐一种新型卒中风险评分CHADS-F，通过熵基信息增益比(IGR)证明其在房颤(AF)患者中预测缺血性卒中/系统性栓塞的优越性。该评分基于土耳其房颤(TRAF)队列(274,631例)开发，在GARFIELD-AF注册研究中验证，其IGR(0.7526)和AUC(0.743)均优于传统CHADS2和CHA2DS2-VASc评分，尤其对≥65岁女性细化分层更具临床价值。

　　

背景
心房颤动(AF)作为临床最常见的心律失常，其卒中风险预测始终是临床决策的关键。现有CHADS₂和CHA₂DS₂-VASc评分虽广泛应用，但在特定人群中的预测效能仍有提升空间。本研究创新性引入信息论中的熵基参数——信息增益比(IGR)，通过量化临床变量对终点事件的预测贡献度，为风险评分优化提供数学基础。

方法
研究团队采用分割样本法，基于土耳其全国性房颤注册研究(TRAF)中274,631例抗凝初治患者数据，通过多变量逻辑回归构建CHADS-F评分。该评分系统创新性地将年龄细化为三档(65-69岁=1分，70-74岁=2分，≥75岁=3分)，并首次将≥65岁女性单独赋分(1分)，其余要素包括：心力衰竭(1分)、高血压(1分)、糖尿病(1分)和卒中史(2分)。外部验证采用国际GARFIELD-AF注册数据，通过比较IGR和受试者工作特征曲线下面积(AUC)评估预测效能。

结果
在TRAF队列中，CHADS-F展现出显著的预测优势：其IGR值(0.7526)较CHADS₂(0.6340)提升18.7%，较CHA₂DS₂-VASc(0.6969)提升8.0%。AUC分析显示CHADS-F达到0.743，显著高于两种传统评分(均为0.722)。特别值得注意的是，年龄分层策略使75岁以上老年患者的卒中风险识别灵敏度提高23%，而女性特异性赋分纠正了既往评分对高龄女性风险的低估。

结论
CHADS-F评分通过熵基信息增益方法优化变量权重，在保持临床实用性的同时显著提升预测精度。其创新性的年龄-性别交互作用识别模式，为个体化抗凝决策提供了新工具。该成果不仅证实了信息论方法在临床预测模型中的价值，更为风险评分的迭代开发提供了方法论范式。