传统心血管风险评分在癌症幸存者中的表现及客观优化方法 Harsh A. Patel, Saifullah Syed, Pranathi Tella, Harshith Thyagaturu, Brijesh Patel

《Current Oncology》：Performance of Traditional Cardiovascular Risk Scores and Objective Optimization in Cancer Survivors Harsh A. Patel, Saifullah Syed, Pranathi Tella, Harshith Thyagaturu and Brijesh Patel

癌症幸存者心血管风险预测模型研究。采用NHANES 2001-2018和NDI死亡数据，分析634例癌症幸存者的ASCVD、Framingham和PREVENT模型表现。结果显示标准阈值下模型AUC均低于0.6，优化后AUC最高达0.71但造成低风险组误判率增加47.5%。研究强调需开发纳入化疗等肿瘤特异性变量的新型预后模型。

　　

简单总结

癌症幸存者的寿命有所延长，但与普通人群相比，他们患心脏病的风险更高，这在一定程度上是由于化疗等癌症治疗方法所致。医生依赖标准的心脏病风险计算工具来预测问题并确定哪些人可能从他汀类药物等预防性治疗中受益。然而，目前尚不清楚这些工具是否能够准确预测有癌症病史的人的风险。利用国家健康数据，我们评估了三种ASCVD风险评分（PCE、Framingham和PREVENT），发现它们在癌症幸存者中的预测效果都较差。当我们对这些工具进行重新校准以改善其统计性能时，虽然有所改进，但也带来了一个严重的问题：更多高风险幸存者被错误地标记为低风险。仅仅修改现有的心脏病风险计算工具是不够的。我们需要为癌症幸存者专门设计新的风险模型，这些模型应纳入他们的独特治疗史和与癌症相关的变量。这将有助于制定更好的预防策略，并改善他们的心血管长期护理。

摘要

引言：心血管疾病（CVD）是癌症幸存者非癌症死亡的主要原因，这与心脏毒性治疗和心血管风险因素有关。包括ASCVD（动脉粥样硬化性心血管疾病）、Framingham评分和PREVENT（预测心血管疾病事件风险）在内的通用人群风险预测工具缺乏针对癌症的特定变量。我们评估了这些模型在经过统计优化后是否仍能预测癌症幸存者的心血管死亡率。 方法：利用2001-2018年的国家健康与营养调查（NHANES）数据，并结合国家死亡指数（NDI）的死亡数据，我们对分别有634名和429名无基线心血管疾病的癌症幸存者进行了回顾性分析。我们使用7.5%和20%的标准阈值以及Youden优化的临界值来评估ASCVD、Framingham评分和PREVENT的区分能力。曲线下面积（AUC）的比较采用了DeLong非参数方法。 结果：标准阈值在所有模型中的区分能力都较差（AUC分别为：ASCVD 0.56、Framingham 0.53、PREVENT 0.64）。相比之下，Youden优化后的AUC值有所提高（ASCVD：0.68；PREVENT：0.71；所有p<0.001，DeLong检验）。优化后，“低风险”组的死亡率从2.8%上升到了4.1%（相对风险RR = 1.47），这表明虽然统计拟合度有所改善，但代价是高估了风险。优化后的阈值优于传统的临界值，这凸显了对癌症幸存者进行重新校准的必要性。 结论：标准风险评分在预测癌症幸存者的心血管死亡率方面存在不足。阈值重新校准虽然改善了统计指标，但未能解决这些模型无法充分考虑心脏毒性暴露问题的根本缺陷。因此，有必要开发专门针对癌症患者的心血管-肿瘤学风险模型。