慢性阻塞性肺疾病患者心房颤动风险预测模型的开发与时间验证——基于英国生物银行的疾病特异性模型构建与评估

《International Journal of Chronic Obstructive Pulmonary Disease》：Development and Validation of a Risk Prediction Model for Atrial Fibrillation in Patients with Chronic Obstructive Pulmonary Disease

　　

背景：慢性阻塞性肺疾病（Chronic Obstructive Pulmonary Disease, COPD）与首次心房颤动（Atrial Fibrillation, AF）风险增加相关。现有AF预测评分主要在普通人群队列中开发，其对COPD患者的可移植性尚未得到充分确立。本研究旨在为COPD患者开发并时间验证一种新型疾病特异性AF预测模型。方法：共纳入来自英国生物银行（UK Biobank, UKB）的8385例无既往AF的COPD患者。2006–2009年招募的参与者构成开发集，2010年招募的参与者构成时间验证集。采用Cox比例风险（Cox proportional hazards）模型、弹性网络（Elastic Net）模型、随机生存森林（random survival forest）模型和DeepSurv模型，使用临床、生化、治疗相关及遗传预测因子进行建模。采用C指数（C-index）、时间依赖性曲线下面积（time-dependent area under the receiver operating characteristic curve, time-dependent AUC）、布里尔评分（Brier score）、校准和决策曲线分析评估性能，95%置信区间由1000次参与者水平自举样本获得。将所开发模型与CHARGE-AF和HARMS2-AF进行比较。结果：在中位随访14.17年期间，1402名参与者发生AF。内部验证C指数：Cox为0.748，Elastic Net为0.750，随机生存森林为0.738，DeepSurv为0.745；时间验证值分别为0.705、0.706、0.696和0.712。在时间验证中，Elastic Net的区分度高于CHARGE-AF（C指数差异0.047；95% CI 0.022–0.073）和HARMS2-AF（C指数差异0.061；95% CI 0.032–0.090）。决策曲线分析提示在选定的5年阈值上具有潜在临床效用。Elastic Net模型已部署为一款交互式网络应用。结论：在多种建模方法中，COPD患者的AF风险预测达到了中等区分度。所开发的模型在多项分析中，尤其在时间验证中，显示出高于已发表AF风险评分的区分度，支持对COPD患者进行个体化AF风险分层的进一步评估。

慢性阻塞性肺疾病（COPD）是全世界发病和死亡的重要原因，而心房颤动（AF）是最常见的持续性心律失常。COPD与AF共享高龄、吸烟、心血管合并症等公认危险因素，且COPD相关的病理生理过程，如低氧血症、高碳酸血症、氧化应激、全身炎症和自主神经激活，可能额外增加心律失常易感性。然而，现有AF预测工具如CHARGE-AF和HARMS2-AF主要在普通人群队列中开发，其能否直接应用于COPD患者尚未得到充分验证。为了解决这一问题，研究人员利用英国生物银行（UKB）这一大规模前瞻性队列，旨在开发并时间验证专门针对COPD患者发生AF的风险预测模型。该研究共纳入8385名基线无AF的COPD患者，中位随访14.17年，1402名（16.72%）发生AF。结果表明，基于常规临床、生化、治疗及遗传信息构建的多种模型可达到中等区分度，且优于已发表的普通人群AF评分，为COPD患者的AF个体化风险评估提供了新工具。但该模型在常规临床使用前仍需独立外部验证和前瞻性临床影响评估。

研究人员采用的数据来自UKB，将2006–2009年招募的6968名参与者作为开发集，2010年招募的1417名参与者作为时间验证集。研究构建了四种时间至事件模型：Cox比例风险（CoxPH）、Elastic Net、随机生存森林（RSF）和DeepSurv。候选预测因子涵盖社会人口学特征、生活方式因素、体格检查、合并症、血液生化标志物、治疗药物、COPD报告时间、既往因COPD急性加重住院史，以及AF多基因风险评分（AF-PRS）。缺失数据采用基于随机森林的多重插补处理，超参数通过五折交叉验证选择，模型性能用C指数、时间依赖性AUC、Brier评分、校准曲线和决策曲线分析评估，置信区间由1000次参与者水平自举获得，并与CHARGE-AF和HARMS2-AF进行比较。

在结果部分，原文包括以下小标题：研究人群基线特征、变量选择与模型构建、开发模型的性能、与已发表AF风险评分的比较、校准与决策曲线分析、敏感性分析、模型解释、基于网络的风险预测工具部署。下面逐一概括。

研究人群基线特征：发生AF者年龄更大、男性居多、体质指数（BMI）更高，高血压和心力衰竭患病率更高，AF-PRS更高；既往因COPD急性加重住院（J44.1）的比例也更高。

变量选择与模型构建：74个候选预测因子经单变量Cox筛选后，49个P<0.05的变量进入主模型。开发模型的性能：内部验证中四种模型C指数为0.738–0.750，时间验证中为0.696–0.712；Elastic Net与Cox性能相似，各模型间差异不显著。与已发表AF风险评分比较：在时间验证中，Elastic Net的C指数显著高于CHARGE-AF（差值0.047，95% CI 0.022–0.073）和HARMS2-AF（差值0.061，95% CI 0.032–0.090）；内部验证中也观察到类似优势。校准与决策曲线分析：Elastic Net的5年校准曲线与观察风险更接近，而CHARGE-AF明显低估风险；在2%–14%阈值概率范围内，Elastic Net的净获益高于CHARGE-AF以及治疗全部或不治疗的策略。敏感性分析：剔除单变量筛选后性能无显著变化；在肺功能完整的亚组中加入FEV₁、FVC和FEV₁/FVC比值Z值未显示明确增量价值；将死亡作为竞争风险后，Fine-Gray模型与主模型性能大体相似。模型解释：SHAP分析显示年龄、AF-PRS、用药数量、身高、载脂蛋白B、胱抑素C、高血压、总胆固醇、尿酸、短效β₂-激动剂使用等贡献较大；未发现CRP与AF-PRS之间存在显著的交互作用。基于网络的风险预测工具：基于Elastic Net开发了交互式网络应用程序，方便用户输入预测变量并查看风险估计。

讨论部分指出，COPD患者存在额外的促心律失常基质，普通人群风险评分可能不完整；药物变量应被视为预测特征而非因果因素。肺功能指标因缺失比例高未纳入主模型，但敏感性分析显示其增量价值有限。与普通人群评分相比，COPD特异性模型可能改善风险分层。竞争死亡风险对绝对风险估计有影响，但不显著改变总体判别性能。研究优势包括大样本、时间分离验证、多模型比较和多种性能评估；限制包括仅在UKB内开发、COPD严重程度表征不完全、依赖随机缺失假设、可能漏诊无症状AF等。研究结论：在UKB的COPD患者队列中，整合临床、生化、治疗和遗传信息的四种时间至事件模型对AF具有中等区分度；与已发表的AF风险评分相比，所开发模型在多项分析中表现出更高的区分度，尤其在时间验证中。Elastic Net模型已实现为网络应用，为个体化AF风险评估和未来实施研究提供了平台。这些发现支持COPD特异性AF风险分层的潜在价值，但常规临床应用前仍需独立外部验证和前瞻性临床影响评价。