基于HeartLogic算法的精准心衰事件监测研究：PREEMPT-HF揭示再入院风险预测新策略

本研究针对心衰(HF)患者再入院率高的临床难题，通过全球多中心观察性研究PREEMPT-HF，评估HeartLogic算法整合ICD/CRT-D多传感器数据预测再入院的有效性。结果显示该算法对HF相关门诊/住院事件敏感性达78.3%，且再入院患者入院前后HeartLogic指数显著升高，为降低HF再入院风险提供新型数字化监测方案。

　　

心力衰竭是全球范围内导致住院和死亡的主要原因之一，全球患者超过6400万，仅美国就有近700万患者。尽管医疗技术不断进步，但心衰患者的30天再入院率自2010年以来持续攀升，成为困扰临床的重大难题。传统预测模型性能有限（C统计量仅0.6-0.7），且无法捕捉患者院外生理状态变化。在此背景下，PREEMPT-HF研究应运而生，旨在评估新型HeartLogic算法通过整合植入式设备多维度传感器数据预测再入院风险的临床价值。

这项由国际多中心团队开展的研究采用前瞻性观察性设计，纳入2155例植入HeartLogic功能ICD/CRT-D的成人HF患者，通过LATITUDE远程监测系统采集数据。关键技术包括：1）盲法设计确保医患双方不知晓HeartLogic指数；2）整合第一/第三心音、呼吸参数、夜间心率等6项传感器数据；3）定义标准化临床事件终点如HF住院、门诊静脉治疗等；4）采用伽马分布广义线性混合模型分析周平均指数变化；5）通过Cox比例风险模型评估警报状态与再入院关联性。

【研究结果】
基线特征：研究纳入103个中心的2155例患者（61% CRT-D，39% ICD），平均年龄67.3岁，NYHA II级占53%。

HeartLogic性能：在2201患者年随访中，HF住院率0.11/患者年，算法敏感性达78.3%，假阳性率1.18/年。住院期间指数下降者更常接受静脉正性肌力药（23% vs 10%，P=0.02）和血管扩张剂（26% vs 13%，P=0.046）。

再入院预测：90天内HF再入院患者入院前2-3周HeartLogic指数已显著升高（P<0.05）。入院前1周处于警报状态者90天HF再入院风险增加2.77倍（95%CI:1.13-6.81），出院后2周仍处警报状态者风险增加3.08倍（95%CI:1.21-7.88）。

传感器响应：HF住院期间46%患者指数下降，中位变化0（Q1-Q3:-8.1-2.5），指数下降者住院时间更长（6天vs 3天）。

【结论与意义】
该研究首次证实HeartLogic指数可识别HF再入院高风险患者，其独特价值体现在：1）突破传统模型局限，通过动态生理监测捕捉院前恶化信号；2）指数变化反映治疗响应，与静脉用药强度显著相关；3）为"出院后脆弱期"管理提供客观预警指标。

值得注意的是，指数预测特异性体现在HF相关再入院（非HF原因再入院者指数趋势与未再入院组相似），提示算法具有疾病特异性。尽管COVID-19疫情期间事件数低于预期，但研究仍为远程患者管理(RPM)模式提供关键证据。未来需探索基于该指数的干预方案，实现从风险预警到临床决策的闭环管理，推动HF管理从"被动应对"向"主动预防"转型。论文发表于《JACC: Heart Failure》，为数字医疗在心血管领域的应用树立了新标杆。