
-
生物通官微
陪你抓住生命科技
跳动的脉搏
COVID-19大流行对未感染SARS-CoV-2的急性冠脉综合征患者心肺功能影响的临床研究
【字体: 大 中 小 】 时间:2025年08月23日 来源:Scientific Reports 3.9
编辑推荐:
本研究针对COVID-19大流行期间未感染SARS-CoV-2的急性冠脉综合征(ACS)患者,通过心肺运动试验(CPET)评估经皮冠状动脉介入治疗(PCI)后心肺功能变化。研究发现大流行期间患者峰值摄氧量(peak VO2/kg)显著降低,并利用机器学习识别出年龄、BMI、SYNTAX评分等11个关键影响因素,为公共卫生事件期间心血管康复提供了重要循证依据。
在COVID-19大流行的特殊背景下,全球医疗系统面临前所未有的挑战。虽然大量研究关注了SARS-CoV-2感染对心血管系统的直接影响,但一个被忽视的重要问题是:即使未感染病毒,大流行本身带来的生活方式改变、医疗资源紧张和心理压力等因素,是否会影响心血管疾病患者的康复进程?特别是对于急性冠脉综合征(ACS)这类需要长期康复管理的患者,这种影响可能更为显著。这一问题具有重要的临床意义和公共卫生价值,直接关系到特殊时期心血管疾病的管理策略。
为回答这一问题,中国医科大学北方战区总医院的研究团队在《Scientific Reports》发表了一项大规模横断面队列研究。研究纳入了2018年10月至2023年12月期间7,650例接受完全血运重建PCI治疗的ACS患者,通过严格的心肺运动试验(CPET)评估,比较了大流行前、大流行期间和大流行后三个时期患者的心肺功能差异。研究采用倾向评分匹配(PSM)平衡基线特征,最终分析4,503例患者数据,并运用机器学习算法(LASSO、随机森林和XGBoost)筛选关键影响因素。
研究主要采用了几项关键技术方法:1) 基于SCHILLER自行车测功计的标准CPET检测,严格遵循美国心脏协会指南;2) 使用倾向评分匹配(PSM)控制混杂因素;3) 应用三种机器学习算法进行变量筛选;4) 多因素logistic回归分析确定独立影响因素。所有患者均来自中国医科大学北方战区总医院,并通过RT-PCR确认未感染SARS-CoV-2。
通过比较大流行前、中、后三组患者的基线特征发现,大流行期间患者年龄更大,PHQ-9抑郁量表异常比例显著增高,但卒中史和心肌梗死史比例较低。静态肺功能指标和实验室检查结果也显示出组间差异。
经过PSM匹配后,大流行期间患者的CPET参数明显劣于其他两组。具体表现为:peak VO2/kg(15.07±4.09 vs 15.56±3.74 ml/min/kg)、peak METs(4.31±1.17 vs 4.44±1.07)等指标显著降低。大流行期间患者Weber C/D级(高风险心功能)比例也更高。
通过LASSO、随机森林和XGBoost三种机器学习算法筛选出11个共同的关键变量,包括年龄、SYNTAX评分、GAD-7评分、Hb、HbA1c、吸烟状况、NT-pro BNP、BMI、FVC、性别和ACS分型。
多因素logistic回归显示,男性(OR=0.37)、FVC(OR=0.51)是保护因素;而高龄(OR=1.03)、高BMI(OR=1.16)、高SYNTAX评分(OR=1.02)、高NT-pro BNP(OR=1.05)、高HbA1c(OR=1.25)、吸烟、焦虑和STEMI分型是危险因素。特别值得注意的是,焦虑程度与心肺功能损害呈剂量反应关系。
这项研究首次系统评估了COVID-19大流行对未感染SARS-CoV-2的ACS患者PCI术后心肺功能的影响,发现即使在没有病毒感染的情况下,大流行期间患者的心肺功能仍显著下降,peak VO2/kg平均降低0.49-0.62 ml/min/kg(3-4%),这一变化幅度已达到临床相关水平。研究通过机器学习识别出的11个关键影响因素,为公共卫生危机期间心血管康复的精准干预提供了重要靶点。
研究的创新性体现在三个方面:首先,突破了既往仅关注病毒直接作用的局限,揭示了大流行环境本身对心血管康复的影响;其次,采用CPET这一客观指标评估功能状态,避免了主观偏倚;第三,结合传统统计和机器学习方法,提高了变量筛选的可靠性。
这些发现具有重要的临床指导意义:1) 在公共卫生危机期间应特别关注ACS患者的心肺康复;2) 需要针对焦虑等心理因素采取干预措施;3) 对高龄、女性、合并糖尿病等高危人群需加强监测。研究也为应对未来可能的"疾病X"等公共卫生事件提供了循证依据。
值得注意的是,研究存在一些局限性,如横断面设计无法确定因果关系,单中心数据可能影响外推性。未来需要更多纵向研究验证这些发现,并探索潜在机制,如肌生长抑制素(myostatin)在活动减少导致肌肉功能下降中的作用。
生物通微信公众号
知名企业招聘