使用不同的风险预测模型对印度患者发生心力衰竭和/或再次住院的情况进行预测

《Indian Heart Journal》：Prediction of Incident Heart Failure and or Re-hospitalization Using Different Risk Predictor Models in Indian patients

心脏衰竭风险预测模型在印度人群中的有效性研究。前瞻性队列研究纳入280例心血管高危或HF患者，评估Health ABC、TRS-HF DM、LACE、MAGGIC、H2FPEF评分对HF新发、再住院及死亡的预测价值。结果显示：Health ABC评分>20%组HF新发率达52.9%，TRS-HF DM评分>3组糖尿病相关HF风险43.3%，LACE指数>9组再住院48.9%及死亡率60%，MAGGIC评分与死亡及再住院显著相关（p<0.001），H2FPEF评分2-5分组死亡72%。所有评分均能有效分层风险，建议纳入临床工作流。

　　心力衰竭（Heart Failure, HF）是一种影响全球公共健康的重要疾病，它不仅增加了患者的发病率和死亡率，还显著提高了医疗系统的负担。近年来，随着印度人口中HF病例的增加，准确预测HF的发生、复发或再住院风险，以及对患者进行风险分层，成为优化临床决策和改善患者预后的关键。本研究评估了五种不同的HF风险评分工具在印度患者中的适用性，旨在探索这些工具在临床实践中的潜在价值。

在HF的诊断和管理中，风险评分工具被广泛用于量化个体风险，并帮助制定个性化的治疗策略。这些评分工具通常基于患者的临床特征、实验室指标以及人口统计数据，能够快速、简便地为医生提供关于患者未来可能发展HF或经历不良预后的信息。例如，Health ABC HF评分用于评估未来发生HF的风险，TRS-HF DM评分则专门用于糖尿病患者的HF风险预测，LACE评分用于评估HF复发或再住院的可能性，MAGGIC评分用于预测HF患者的死亡率，而H2FPEF评分则用于HFpEF（心力衰竭伴射血分数保留）的识别与风险评估。这些评分工具的使用，有助于临床医生对患者进行分类，并据此制定更有效的干预措施。

本研究纳入了280名患者，这些患者要么具有心血管疾病的风险因素（如糖尿病、高血压、慢性肾病、房颤、外周动脉疾病、吸烟等），要么已经确诊为无症状或有症状的HF，或者因HF住院治疗。研究结果显示，有55.7%的患者处于HF的早期阶段（A和B），而44.3%的患者处于HF的晚期阶段（C和D）。这表明，在印度人群中，HF的早期和晚期病例都较为常见，但早期阶段的患者数量略多。在平均随访时间为30±7.5个月后，有32.07%的早期阶段患者（A和B）发展为新发HF，而晚期阶段患者（C和D）中有37.1%经历了HF再住院，8.9%的患者死亡。这说明，HF的进展在不同阶段表现出不同的风险水平，早期阶段患者可能更容易发展为HF，而晚期阶段患者则更易出现不良预后。

研究进一步探讨了不同评分工具与患者预后之间的关系。在Health ABC评分方面，随着评分的增加，新发HF的发生率也呈阶梯式上升。具体而言，评分低于5%的患者中，仅有2%发生新发HF；评分在5-10%之间的患者中，这一比例上升至13.7%；评分在10-20%之间的患者中，新发HF的比例达到31.4%；而评分高于20%的患者中，这一比例高达52.9%。这一结果表明，Health ABC评分与HF发生率之间存在显著的正相关，且评分越高，发生HF的风险越大。这与之前的研究结果一致，例如Butler等人发现，随着Health ABC评分的升高，5年HF风险从2.9%增加到36.8%。因此，Health ABC评分在印度患者中同样具有良好的预测价值，能够有效识别高风险个体。

对于糖尿病患者，TRS-HFDM评分显示出较强的预测能力。在132名糖尿病患者中，有30名（22.7%）发展为新发HF，其中TRS-HFDM评分较低的患者（0分）中，仅有10%发生新发HF，而评分较高的患者（≥3分）中，这一比例上升至43.3%。这表明，TRS-HFDM评分能够有效识别糖尿病患者中HF的高风险人群。然而，值得注意的是，该评分与HF再住院率之间并没有显著关联。这可能是因为糖尿病患者的HF再住院风险受到其他因素的影响，例如血糖控制、并发症管理以及生活方式干预等。因此，TRS-HFDM评分在预测新发HF方面具有重要价值，但在预测再住院方面可能需要结合其他评分工具或临床指标。

LACE评分（Length of Stay, Acuity of Admission, Comorbidities, Emergency Department Visits）则在HF复发和再住院风险的预测中表现出色。根据LACE评分的不同范围，患者的再住院率和死亡率均呈上升趋势。具体而言，LACE评分在0-4分之间的患者中，再住院率为6.6%，而在评分高于9分的患者中，这一比例高达48.9%。同样，死亡率也随着LACE评分的增加而升高，从4%（评分0-4）上升到60%（评分>9）。这些结果表明，LACE评分不仅能够有效预测HF再住院的风险，还能够识别高死亡风险的患者群体。此外，LACE评分的简单性和实用性使其成为临床工作中广泛应用的工具，尤其是在资源有限的环境中。

MAGGIC评分（Meta-Analysis of Cardiovascular Disease in Heart Failure）主要用于预测HF患者的死亡率。研究发现，未发生再住院或死亡的患者其平均MAGGIC评分为19.25±9.56，而发生再住院或死亡的患者平均评分为29.33±8.32。这表明，MAGGIC评分能够有效区分不同预后的患者群体。此外，MAGGIC评分在预测HF患者死亡率方面具有较高的准确性，这与西方研究中的结果相似。例如，Rich等人发现，发生死亡或再住院的HF患者其平均MAGGIC评分显著高于未发生不良事件的患者。因此，MAGGIC评分在印度患者中的应用也具有重要的临床意义。

H2FPEF评分主要用于预测HFpEF的发生率，但在本研究中，它还被用于评估HF再住院和死亡率。研究发现，随着H2FPEF评分的增加，新发HF、再住院和死亡率均显著上升。具体而言，评分低于2的患者中，新发HF的发生率为22.2%，再住院率为22.2%，而评分高于2的患者中，这些比例分别上升至57.7%和72%。这一结果表明，H2FPEF评分不仅适用于HFpEF的预测，还能为HF整体的不良预后提供重要参考。此外，H2FPEF评分的参数包括肥胖、房颤和肺动脉高压等，这些因素在HFpEF患者中普遍存在，因此该评分工具在临床实践中具有较高的适用性。

从整体来看，这五种评分工具在印度患者中均表现出良好的预测能力。其中，Health ABC评分和H2FPEF评分在预测新发HF方面具有较高的准确性，而LACE评分和MAGGIC评分则在预测再住院和死亡率方面表现突出。TRS-HFDM评分在糖尿病患者中对新发HF有显著预测作用，但对再住院的预测能力较弱。这些评分工具的共同特点是，其使用的参数大多可以在临床实践中常规收集，且不增加额外的医疗成本，因此在资源有限的地区具有较高的推广价值。

然而，本研究也存在一定的局限性。首先，样本量相对较小，这可能影响评分工具在印度人群中的普遍适用性。其次，本研究为单中心研究，结果可能受到地域和医疗条件的影响，难以推广至全国范围。因此，未来需要更大规模、多中心的研究来验证这些评分工具在印度不同地区的适用性，并进一步探讨其在临床实践中的优化方案。

综上所述，这些风险评分工具在印度HF患者中的应用具有重要的临床价值。它们不仅能够帮助医生更准确地评估患者的HF风险，还能为制定个性化的治疗方案和资源分配提供依据。尽管存在一定的局限性，但这些工具的简单性和实用性使其成为HF管理中的有力工具。因此，建议将这些评分工具纳入印度HF患者的常规临床工作流程，以提高HF的早期识别和风险分层能力。同时，未来的研究应进一步验证这些工具的准确性和适用性，特别是在不同亚人群中的表现，以确保其在印度医疗体系中的广泛推广和有效应用。