基于年龄与社区特征的心血管疾病风险预测模型开发与验证——荷兰南林堡地区性别特异性研究

本研究针对动脉粥样硬化性心血管疾病（ASCVD）筛查资源消耗大的问题，开发了基于年龄、社区社会经济地位（SES）和PM2.5浓度的性别特异性4年风险预测模型。通过67,549名男性和67,947名女性的队列验证，模型AUC达0.65-0.67，校准良好，为无已知风险因素人群的初级筛查提供了新工具。

　　

心血管疾病是全球头号健康杀手，其中动脉粥样硬化性心血管疾病（ASCVD）的早期筛查面临重大挑战。欧洲心脏病学会（ESC）建议对40岁以上男性和50岁以上女性进行风险评估，但缺乏高效筛查工具。荷兰南林堡地区的研究团队创新性地将社区环境因素纳入预测模型，为这一难题提供了新思路。

Maastricht大学医学中心与荷兰统计局合作，利用2015-2016年40-70岁居民数据，开发了基于年龄、社区社会经济指标和PM_2.5浓度的性别特异性模型。研究采用竞争风险框架下的亚分布风险模型（subdistribution hazard model）和病因特异性风险模型（cause-specific hazard model），通过受试者工作特征曲线下面积（AUROC）和期望-观察比（E/O）评估性能。

模型开发与验证
研究纳入134,496名居民，男性组4年ASCVD发生率3.08%，女性组1.50%。通过主成分分析将财富和教育指标转化为社会经济状态（SES）综合指标，解释90%以上变异。模型比较显示，包含年龄、SES和PM_2.5三次样条项的亚分布风险模型性能最优，男性AUROC 0.6548（E/O 0.9466），女性AUROC 0.6744（E/O 0.9838）。

环境因素影响
PM_2.5浓度与ASCVD风险呈正相关，其百分位每增加10单位，男性风险升高7.2%。校准曲线显示模型对高风险人群预测准确，但对女性低风险段（<0.6%）存在轻微高估。

创新价值与局限
该研究首次在ASCVD预测中整合社区环境数据，为资源有限的初级保健系统提供了"预筛查"工具。但模型依赖地址数据完整性，且未纳入重金属暴露指标。作者建议未来可结合临床指标构建阶梯式筛查体系。

这项发表于《Diagnostic and Prognostic Research》的研究，通过创新的环境流行病学方法，为心血管疾病预防提供了社区层面的决策支持工具，展现了多源数据整合在公共卫生领域的应用潜力。