《Clinical Cardiology》：Development and Validation of a Prediction Model for Acute Coronary Occlusion in Patients With Non-ST-Segment Elevation Myocardial Infarction
编辑推荐：
背景：急性冠状动脉闭塞（ACO）发生于约四分之一的非ST段抬高型心肌梗死（NSTEMI）患者，并与不良预后相关。本研究旨在开发并验证一种用于预测ACO的模型。方法：研究连续纳入2016年1月至2023年6月期间入院并行冠状动脉造影的NSTEMI患者。收集了人口
背景：急性冠状动脉闭塞（ACO）发生于约四分之一的非ST段抬高型心肌梗死（NSTEMI）患者，并与不良预后相关。本研究旨在开发并验证一种用于预测ACO的模型。方法：研究连续纳入2016年1月至2023年6月期间入院并行冠状动脉造影的NSTEMI患者。收集了人口统计学、心电图、实验室及超声心动图数据。2016—2020年期间入院的患者被分配至训练队列（n = 670），2021—2023年期间入院的患者被分配至验证队列（n = 334）。采用最小绝对收缩和选择算子（LASSO）回归筛选预测因子，并基于多因素logistic回归构建列线图。通过受试者工作特征（ROC）曲线、校准曲线和决策曲线分析（DCA）评估模型性能。结果：在1004例患者中，262例（26.1%）存在ACO。模型纳入7个预测因子，包括吸烟史、ST段压低≥ 1 mm、节段性室壁运动异常、左心室射血分数、入院心肌肌钙蛋白I、白介素-6和超敏C反应蛋白。训练队列的ROC曲线下面积（AUC）为0.731（95% CI，0.688?0.773），验证队列为0.715（95% CI，0.654?0.776）。校准曲线显示预测概率与观测概率之间具有良好一致性，DCA表明其具有较好的临床效用。结论：本研究开发并验证了一种用于NSTEMI患者ACO预测的多维模型。该模型表现出可接受的性能，可能有助于在冠状动脉造影前进行早期识别，但对IL-6的依赖（并非所有中心均可常规检测）可能限制其推广性。
心血管疾病是全球范围内的首要死亡原因，其中急性心肌梗死（AMI）是主要贡献者，每年导致数百万人死亡。随着高敏心肌肌钙蛋白检测的广泛应用以及人口老龄化进程的加剧，非ST段抬高型心肌梗死（NSTEMI）的诊断比例显著上升，目前约占所有AMI病例的三分之二。传统观念认为，ST段抬高型心肌梗死（STEMI）主要由急性冠状动脉闭塞（ACO）所致，而NSTEMI则被认为是部分或不完全闭塞的结果。然而，两项大型荟萃分析显示，约25%–34%的NSTEMI患者存在ACO，且这些患者的临床结局显著差于无ACO者。与STEMI患者在症状发作后数小时内即接受再灌注治疗不同，合并ACO的NSTEMI患者常面临24–48小时甚至更长时间的血运重建延迟，这可能增加心肌坏死范围并减少可挽救心肌。尽管斑点追踪超声心动图和人工智能增强心电图（AI-ECG）等先进技术在早期检测闭塞性心肌梗死（OMI）方面显示出潜力，但其对专用设备、专有算法和操作培训的依赖限制了广泛推广。目前，利用住院早期获取的多维临床变量在冠状动脉造影前预测NSTEMI患者ACO的实用工具仍十分匮乏。为此，研究人员开展了一项回顾性研究，旨在开发并验证一种整合常规临床数据、心电图特征、实验室生物标志物和超声心动图参数的预测模型，以支持在冠状动脉造影前早期识别ACO高危患者。
研究人员回顾性审查了2016年1月至2023年6月期间首都医科大学宣武医院心内科收治的1126例NSTEMI患者的电子病历，这些患者均接受了冠状动脉造影。最终纳入符合NSTEMI诊断标准且年龄≥18岁的1004例患者。排除标准包括冠状动脉旁路移植术（CABG）史、非阻塞性冠状动脉心肌梗死（MINOCA）、估算肾小球滤过率（eGFR）< 30 mL/min/1.73 m2、近期感染、自身免疫性疾病或血液系统疾病。2016年1月至2020年12月入院者被分配至训练队列（n = 670），2021年1月至2023年6月入院者被分配至验证队列（n = 334）。训练队列中ACO事件177例，满足每变量至少10次事件（EPV）的样本量要求。所有数据均经匿名化处理，研究方案经宣武医院伦理委员会批准。
为构建预测模型，研究人员从电子病历中系统收集了人口统计学特征、既往病史、入院时12导联心电图、超声心动图参数以及实验室检测数据。心电图由两位高年资主治医师在不知晓冠状动脉造影结果的情况下独立重新审阅，ST段压低（STD）定义为至少两个相邻导联水平型或下斜型压低≥1 mm。采用最小绝对收缩和选择算子（LASSO）回归筛选预测因子，并进一步通过方差膨胀因子（VIF）和Spearman相关分析评估共线性和冗余性。最终将7个变量纳入多因素logistic回归模型，并构建列线图进行可视化。模型性能通过受试者工作特征（ROC）曲线、校准曲线和决策曲线分析（DCA）进行评估，并在训练队列中采用1000次重抽样的bootstrap方法进行内部验证。
患者临床特征方面，训练队列与验证队列的ACO患病率相似（26.4%对25.4%）。在训练队列中，与无ACO患者相比，ACO患者入院收缩压较低、吸烟史比例较高，心肌损伤标志物（入院肌酸激酶同工酶、入院心肌肌钙蛋白I）和炎症标志物（白介素-6、超敏C反应蛋白）显著升高，N末端前脑钠肽（NT-proBNP）水平较高，左心室射血分数（LVEF）较低，节段性室壁运动异常（RWMA）比例更高。心电图上，ACO组STD≥1 mm的比例显著高于非ACO组（63.3%对44.6%），而T波倒置频率无显著差异。两位医生对STD≥1 mm判读的一致性良好（96.0%，Cohen's κ = 0.918）。
预测因子筛选中，LASSO回归从50个候选变量中筛选出11个非零系数变量。经共线性和冗余性评估后，排除肌酸激酶（CK）、天冬氨酸氨基转移酶（AST）和峰值肌酸激酶同工酶（peak CK-MB），保留入院肌钙蛋白I而非峰值肌钙蛋白I以符合早期临床应用需求。最终模型纳入吸烟史、STD≥1 mm、RWMA、LVEF、入院cTnI、IL-6和hs-CRP共7个预测因子。
多因素logistic回归显示，吸烟史（OR 1.61，95% CI 1.08–2.40）、STD≥1 mm（OR 1.80，95% CI 1.23–2.64）、入院cTnI（OR 1.10，95% CI 1.02–1.18）、IL-6（OR 1.01，95% CI 1.01–1.02）和hs-CRP（OR 1.03，95% CI 1.01–1.04）是ACO的独立预测因子。基于这些变量构建的列线图以及交互式网页版计算器可为临床提供个体化风险估计。
模型性能方面，训练队列AUC为0.731（95% CI，0.688–0.773），验证队列为0.715（95% CI，0.654–0.776）。校准曲线显示预测与观测概率良好一致，Hosmer-Lemeshow检验P值分别为0.233和0.200。DCA显示模型在较宽阈值概率范围内具有净临床获益。Bootstrap内部验证显示乐观度有限（乐观度0.014，校正后AUC为0.717）。敏感性分析表明排除RWMA和LVEF的简化模型与主模型AUC差异无统计学意义，且排除IL-6的模型在验证队列中表现与主模型相似。
讨论部分指出，约四分之一的NSTEMI患者存在ACO，这一发现与既往研究一致，强调了该状况的临床重要性。吸烟可能通过诱导内皮功能障碍、促进血小板活化和增强促血栓状态而增加闭塞风险。STD与OMI密切相关，但单独使用时判别能力有限（AUC 0.593）。RWMA和LVEF虽然在单变量分析中显著，但在多因素回归中未达统计显著性，但根据预设的LASSO策略仍予以保留。IL-6是本研究首次定量评估ACO与非ACO患者差异的炎症标志物，提示炎症激活可能参与闭塞过程。研究承认IL-6并非所有中心常规检测，因此提供了排除IL-6的简化模型作为替代。局限性方面，部分变量在入院后24小时内而非急诊时采集，心电图图像质量偶有瑕疵，院前用药史未系统收集，且单中心回顾性设计的时间验证不能等同于真实外部验证。本研究的结论是：基于多维临床变量开发的NSTEMI患者ACO预测模型表现出可接受的判别能力、满意的校准效果和潜在的临床效用，可能有助于在冠状动脉造影前识别高危患者，并在临床可行时优先进行有创评估。
