基于临床变量的心脏瓣膜手术患者严重冠状动脉狭窄预测评分系统构建与验证

为解决心脏瓣膜手术患者不必要的冠状动脉造影(CAG)带来的高成本与辐射风险，复旦大学附属中山医院团队通过回顾性队列研究开发了冠状动脉造影阳性预测评分(Coronary Angiography Positivity Prediction Score)。该模型整合年龄≥60岁、男性、高血压、糖尿病、高脂血症及左心室射血分数(LVEF)≤58%等6项指标，可将患者分为高风险(≥6分)和低风险组(<6分)，显著提升CAG指征准确性(AUC 0.715-0.740)，为优化诊疗路径提供循证工具。

　　

在心脏瓣膜手术的临床实践中，冠状动脉造影(CAG)如同"双刃剑"——虽能精准评估冠状动脉病变，但其高昂费用和电离辐射风险让医生们面临艰难抉择。目前国际指南虽推荐对高危患者实施CAG，但"高危"定义模糊，导致许多低风险患者被迫接受这项有创检查。更棘手的是，中国老龄化加剧使得接受瓣膜手术的老年患者激增，这些人群往往合并多种心血管危险因素，使得CAG适应证的判断更加复杂。

针对这一临床困境，复旦大学附属中山医院心血管外科团队开展了一项大规模回顾性研究。他们分析了2016-2021年间5086例接受心脏瓣膜修复/置换及其他心脏手术患者的临床数据，创新性地开发出冠状动脉造影阳性预测评分系统。这项发表在《BMC Cardiovascular Disorders》的研究，为精准筛选CAG适应证提供了重要循证依据。

研究采用多阶段建模策略：首先通过单因素logistic回归筛选潜在预测因子，随后采用多因素logistic回归确定独立预测因素。基于β系数构建的评分系统包含6项临床可及指标：年龄≥60岁(2分)、男性(2分)、高血压(1分)、糖尿病(1分)、高脂血症(3分)和LVEF≤58%(1分)。模型验证采用时间划分法，以2016-2020年数据为训练集(n=4049)，2021年数据为验证集(n=1037)。

临床特征分析
训练集中13.2%患者存在严重冠状动脉狭窄(管腔狭窄≥50%)。阳性组患者更具典型心血管风险特征：男性比例更高(67% vs 51%)，高血压(34% vs 20%)、糖尿病(9.1% vs 4.3%)和高脂血症(62% vs 34%)患病率显著增加，LVEF中位数略低(63% vs 64%)。

独立风险因素鉴定
多因素分析显示，年龄≥60岁(OR 2.292)、男性(OR 2.025)、高血压(OR 1.468)、糖尿病(OR 1.591)、高脂血症(OR 2.966)和LVEF≤58%(OR 1.366)是严重狭窄的独立预测因子。值得注意的是，传统危险因素如吸烟和慢性肾病(CKD)在调整混杂因素后失去统计学意义。

模型性能验证
评分系统在训练集的AUC达0.715(95%CI 0.694-0.740)，验证集表现更优(AUC 0.740)。以6分为界值，高风险组阳性率达23.1%，是低风险组(8%)的近3倍。校准曲线显示预测概率与实际观察值高度吻合。

与传统模型对比
相较于美国基于生物标志物的预测模型(c-statistic 0.87)，本研究模型虽判别力稍逊，但全部采用常规临床指标，更符合中国医疗实际。研究者特别指出，LVEF虽存在测量变异，但其预后价值已获广泛认可，将其纳入模型具有临床合理性。

这项研究的重要价值在于首次为中国心脏瓣膜手术患者提供了本土化的CAG决策工具。研究者建议：对评分≥6分者直接行CAG；低风险患者可先采用冠状动脉CT血管造影(具有较高阴性预测值)筛查，必要时辅以ACEF评分进一步分层。这种阶梯式策略预计可减少20%-30%的不必要CAG检查。

当然，研究存在单中心回顾性设计的固有局限。未来需通过多中心前瞻性研究验证，并探索纳入胸痛症状等更丰富临床指标。但无论如何，这项研究为平衡诊疗精准性与医疗经济性提供了创新解决方案，标志着中国心脏外科精准医疗迈出重要一步。