基于患者自评健康状态的预后评估：KCCQ-12问卷在真实世界心衰管理中的临床验证

本研究通过真实世界队列分析，验证了堪萨斯城心肌病问卷-12（KCCQ-12）对心衰患者90天再住院率和死亡率的预测效能。结果显示，KCCQ-12总体评分（KCCQ-OS）<25分者风险升高3倍，且问卷未完成本身即为不良预后标志。机器学习模型证实KCCQ-OS是优于传统临床指标的核心预测因子，为心衰门诊管理提供了重要决策工具。

　　

心力衰竭作为全球公共卫生挑战，其预后评估长期依赖临床指标和实验室数据，但患者主观健康感知的量化价值在真实医疗场景中缺乏验证。堪萨斯城心肌病问卷-12（Kansas City Cardiomyopathy Questionnaire-12, KCCQ-12）虽在临床试验中显示与预后相关，但其在常规门诊的实用性和预测强度仍存疑。尤其当电子健康档案与患者自评数据交织时，如何整合多维信息优化风险分层成为临床痛点。

美国范德堡大学医学中心的研究团队对此展开了一项历时5年（2019-2024）的队列研究，纳入4,406例心衰门诊患者，通过机器学习与传统统计相结合的方法，首次在真实世界证实：KCCQ-12总体评分（KCCQ-OS）不仅是独立预后因子，更是机器学习模型中的主导预测变量。该成果发表于《Journal of the American College of Cardiology》，为心衰个体化管理提供了循证依据。

关键技术方法
研究采用混合方法设计：1）基于STROBE规范的观察性队列分析，采集电子健康记录中2,888例完成KCCQ-12问卷者的临床数据；2）运用XGBoost梯度提升模型预测90天住院（AUC 0.760），随机生存森林模型预测累积死亡率（C-index 0.783）；3）通过多变量逻辑回归和Cox比例风险模型验证关联强度，调整年龄、实验室指标等混杂因素。

研究结果

基线特征
未完成问卷者（34%）年龄更大（69 vs 65岁）、合并症更多，提示该群体本身具有高风险特征。完成组中位KCCQ-OS为59.4分（四分位距35.4-81.8），呈现典型"U型"分布。

预后关联性
KCCQ-OS<25分者的90天住院风险升高3.49倍（95%CI 2.50-4.90），死亡率风险增加3.09倍（95%CI 2.29-4.17），且这种关联在射血分数保留型与降低型心衰亚组中一致。值得注意的是，未完成问卷独立增加90天住院（OR 1.72）和1年死亡风险（HR 1.52）。

机器学习验证
在包含25项临床变量的模型中，KCCQ-OS始终占据最大特征重要性权重。其预测效能显著优于传统生物标志物（如BNP）和人口学特征，尤其在识别极端风险人群（如<25分者）时特异性达92%。

讨论与意义
该研究突破性地揭示了患者自评数据在心衰管理中的核心地位：KCCQ-12不仅捕捉到传统医学指标无法反映的主观健康状态，其未完成行为本身即构成"红色警报"。这种双维度价值（评分绝对值+完成与否）为门诊风险筛查提供了新范式。

从临床转化角度看，研究支持将KCCQ-12纳入电子病历系统自动风险预警模块，尤其对评分<25分者需启动强化干预。方法论上，研究创新性地采用随机生存森林处理时间-事件数据，证实机器学习可有效整合结构化与非结构化医疗数据。

局限性在于队列来自单一医疗中心，且未评估干预后重复测量的动态变化。未来研究可探索人工智能驱动的实时评分解析系统，以及KCCQ-12与远程监测数据的协同作用。这项真实世界验证为心衰精准管理树立了新标杆，标志着患者报告结局（PROs）从科研工具向临床决策核心要素的转变。