综述:驾驭心血管疾病流行病学的新时代:大数据、人工智能与残疾包容的必要性

《Frontiers in Epidemiology》:Navigating a new era in cardiovascular disease epidemiology: big data, artificial intelligence and the imperative of disability inclusion

【字体: 大 中 小 】 时间:2026年07月09日 来源:Frontiers in Epidemiology 2.9

编辑推荐:

  心血管疾病(CVD)仍然是全球过早死亡的主要原因,也是残疾调整生命年(DALYs)损失的最大贡献者之一。过去十年,该领域已被人口生物库、应用于影像学和心电图(ECG)的深度学习、多基因风险评分(PRS)、可穿戴生物传感器以及因果推断和目标试验模拟的方法论进展所

  
心血管疾病(CVD)仍然是全球过早死亡的主要原因,也是残疾调整生命年(DALYs)损失的最大贡献者之一。过去十年,该领域已被人口生物库、应用于影像学和心电图(ECG)的深度学习、多基因风险评分(PRS)、可穿戴生物传感器以及因果推断和目标试验模拟的方法论进展所深刻变革。这些创新正在重塑普通人群的精准公共卫生。然而,收益并未公平分配。残疾人(PwD)约占全球人口的16%,被美国国家少数族裔健康与健康差异研究所(NIMHD)确认为经历健康差异的人群,他们在临床试验、生物库、电子健康记录(EHR)以及基于这些数据训练的人工智能(AI)模型中系统性地代表性不足。因此,他们的心血管健康状况比普通人群更差且更不精确。本文映射了CVD流行病学中关键的方法论变化向量,解释了为什么每个变化到目前为止都未能惠及PwD,并提出了一个分层、可辩护的框架,用于包容残疾的大数据和AI驱动的CVD研究。本文认为,残疾包容不是边缘的公平问题,而是对整个精准心血管事业的有效性、普遍性和伦理合法性的压力测试。
1 引言
心血管疾病(CVD)仍是全球过早死亡的首要原因,也是残疾调整生命年(DALYs)损失的最大贡献者之一;2021年,缺血性心脏病和卒中在204个国家中的190个位列DALYs前五大来源。尽管负担持续,CVD流行病学正处于自弗拉明汉时代以来最重要的方法论重构之中。三个交汇的潮流正在重塑该学科:多组学数据与深度临床表型(包括全基因组多基因风险评分(PRS))的整合;机器学习和深度学习在高维心血管信号(如心电图(ECG)和心脏影像)中的应用;以及人群规模链接数据基础设施(如英国生物库(UK Biobank)、美国全民研究计划(All of Us)和澳大利亚链接健康行政数据集)的成熟,这些共同推动该领域从静态、线性风险因素分析转向动态、个体化风险建模,冠以精准公共卫生之名。这些进展并未公平分配。估计有13亿人(占全球人口的16%)患有显著残疾,尽管享有同等最高可达到健康标准的权利,但他们比非残疾同龄人更早死亡、健康状况更差、日常功能受限更多。2023年9月,美国国家少数族裔健康与健康差异研究所(NIMHD)正式将残疾人(PwD)指定为在美国国立卫生研究院(NIH)资助研究中经历健康差异的人群,同时领先临床期刊将结构性能力主义(structural ableism)重新定义为健康决定因素。这些发展共同标志着一个转折点,本文以此作为起点。这一证据缺口对CVD的影响是巨大的。PwD承受着不成比例的CVD负担,心脏病和卒中的患病率约为非残疾人的三到四倍,且在近期基于人群和记录链接的分析中,智力残疾成人的循环系统疾病标准化死亡率约为2–5。然而,他们在驱动当代发现的数据库和临床试验中明显代表性不足:一项对试验资格标准的结构化分析发现,与残疾相关的排除广泛存在,且常缺乏科学或伦理理由,威胁到精准CVD证据基础的可推广性。本文以PwD的心血管健康作为当代流行病学工具集的压力测试。论文有四个目标:(i)总结当前重塑CVD流行病学的方法论创新;(ii)探究这些创新为何在很大程度上绕过了PwD;(iii)提出一个分层架构,用于包容残疾的大数据和人工智能(AI)驱动的心血管研究;(iv)阐明未来五年可行的研究议程。全文使用术语“残疾人(PwD)”,与世界卫生组织(WHO)的《国际功能、残疾和健康分类》(ICF)一致,该分类将残疾概念化为个人功能能力与其身体、社会和环境态度之间互动的产物。当文中引用的数据源使用更窄或更旧的操作定义时,会予以明确说明。

1.1 方法与检索策略
本文是一篇带有概念框架成分的叙述性综述,应研究专题编辑邀请而准备,旨在为方法论和政策改革提供信息,而非进行详尽的系统综合。本文未应用详尽、预先注册的协议和正式偏倚风险评估,也未应用任何形式的定量合并。本文有目的地选择并解释证据基础以推进概念论证,因此下文描述的结构化检索是为了最大化透明度和可重复性,而非支持任何系统完整性的主张。尽管如此,在2024年3月1日至2026年4月30日期间,在PubMed/MEDLINE(主要数据库,Ovid)和Scopus(引文追踪)中进行了有针对性的可重复文献检索。此外,还直接检索了世界卫生组织(WHO)、美国国立卫生研究院和国家少数族裔健康与健康差异研究所、澳大利亚健康与福利研究所(AIHW)、澳大利亚统计局(ABS)以及《柳叶刀健康与气候变化倒计时》的机构网站,以获取权威灰色文献来源。检索结合了三个概念模块,通过布尔运算符AND连接,每个模块同时使用医学主题词表(MeSH)和自由文本标题与摘要术语:(i)心血管流行病学与方法(心血管疾病、冠状动脉疾病、卒中;与队列研究、生物库、电子健康记录(EHR)、机器学习、人工智能、多基因风险评分、目标试验模拟、可穿戴电子设备结合);(ii)残疾与健康公平(残疾人、智力残疾、国际功能分类、健康公平、健康差异、结构性能力主义、算法公平性);(iii)针对COVID-19(SARS-CoV-2、疫苗接种)、环境(空气污染、颗粒物、气候变化)和数据治理(数字资产的可发现性、可访问性、互操作性、可重用性(FAIR)原则、联邦学习)子章节的特定语境术语。检索限制为2014年1月1日至2026年4月30日期间以英文发表的同行评审出版物,但基础方法论和政策来源(WHO国际功能分类和FAIR指导原则)除外,这些基于概念理由予以保留。对所有纳入文章参考文献列表进行手工检索,并在Scopus和Google Scholar中针对里程碑论文进行前向引文追踪。纳入优先级按降序排列为:(i)在影响力高的普通医学、心血管或流行病学期刊上发表的同行评审原始研究,特别是大型人群队列研究、生物库分析、目标试验模拟和系统综述与荟萃分析;(ii)来自WHO、全球疾病负担研究、AIHW、ABS和《柳叶刀倒计时》的共识声明和人群患病率报告;(iii)确立综述中引用的概念框架的方法论文献(目标试验模拟、多基因风险评分、公平性感知机器学习、个体预后或诊断多变量预测模型透明报告(TRIPOD)+AI报告标准和FAIR数据原则);(iv)与当地政策框架直接相关的澳大利亚和亚太地区证据。排除标准为:仅有会议摘要而无完整同行评审出版物的记录、缺乏原始数据或框架贡献的观点文章,以及截至2026年4月未经过同行评审的预印本。每条引用均通过PubMed、出版期刊主页和数字对象标识符(DOI)系统独立验证;无法验证或内容不支持其所属声明的参考文献被移除并替换。为透明记录筛选过程,结构化检索从PubMed/MEDLINE和Scopus去重后识别出1,604条记录,另有238条来自灰色文献和引文追踪,总计1,842条记录进行标题和摘要筛选;142篇全文记录评估资格;最终保留39个来源用于综合中的引用(补充图S1)。与叙述性设计一致,未进行正式偏倚风险评估或定量荟萃分析;流程图作为透明度辅助工具提供,不代表声称符合PRISMA的系统综述行为。

2 方法论创新与数字前沿
本节综合了当前重塑CVD流行病学的四个相互关联的技术,构成了本文其余部分的分析工具包。

2.1 链接数据上的预测分析
在当代CVD流行病学中,“大数据”指以五个V为特征的数据基础设施和分析操作:(i)体量(Volume),跨国家行政数据集的多百万记录链接(英国生物库n>500,000;美国全民研究计划n>800,000;澳大利亚多机构数据整合项目);(ii)速度(Velocity),连续生物传感器和电子健康记录(EHR)流,实现近实时表型分析;(iii)多样性(Variety),整合结构化临床代码、通过自然语言处理(NLP)的非结构化临床文本、通过卷积神经网络(CNN)的影像信号、基因组数据、可穿戴信号和患者报告结局;(iv)真实性(Veracity),需要来源元数据、数据质量评分和FAIR原则;(v)价值(Value),检测罕见CVD表型、以足够统计功效验证因果推断估计以及生成个体而非人群平均预测的能力。大数据处理流程(数据摄取、协调、特征工程、建模和翻译)在第4.4节提出的架构中具体化,并在图2中描绘。电子健康记录(EHR)、行政索赔和生物样本数据的人群规模链接已实现了十年前无法企及的粒度发现。例如,英国生物库对超过22万人的分析,使得对COVID-19后心血管风险和ABO血型互动的长期前瞻性评估成为可能。可穿戴生物传感器数据正越来越多地与临床记录整合,以产生心律失常、睡眠和体力活动的连续时间表型,用高频生理信号补充偶发性临床观察。

2.2 多基因风险与遗传力问题
从候选基因研究到全基因组多基因风险评分(PRS)的转变,细化了对冠心病、心房颤动及其他复杂CVD表型的遗传分层,PRS现正被纳入一级预防的临床试验方案中。“缺失遗传力”问题,即从家族研究推断的性状遗传力与达到全基因组显著性的常见变异解释的方差之间的差异,正越来越多地被理解为稀有变异、结构变异、基因-基因和基因-环境相互作用以及祖先特异性架构的综合结果。PRS在非欧洲血统人群中的临床效用仍是一个公认的局限性,且按残疾分层的PRS性能尚未常规报告。

2.3 因果推断与目标试验模拟
与此同时,目标试验模拟已成熟为一个可辩护的框架,用于在随机试验不可行时从观察数据中得出因果推断。该方法指定一个假设随机试验的方案,包括资格、治疗策略、分配、随访、结局和分析计划,并使用观察数据模拟每个组成部分,同时明确处理不朽时间偏倚、时间零点对齐和基线后混杂。该方法特别适用于残疾研究,因为在该领域中实用随机试验稀少、受到伦理限制且常统计功效不足。

2.4 人工智能在心血管护理中的应用
AI工具已展现出与专家临床医生相当,甚至在某些信号处理领域超越的诊断性能:应用于十二导联心电图的卷积神经网络(CNN)可检测无症状左心室功能障碍;应用于心脏磁共振成像(CMR)的深度学习模型可大规模量化心室功能和纤维化;大型语言模型(LLM)正被试验用于临床文档和决策支持。近期一项关于心血管诊断中AI的系统综述强化了这一图景:在14项使用诊断准确性研究质量评估2(QUADAS-2)和预测模型偏倚风险评估工具(PROBAST)评估的高质量研究中,基于AI的诊断工具在ECG、心脏影像和预测风险建模中报告了0.804至0.991的曲线下面积(AUC)值,同时该综述强调了外部验证的稀缺性,这一局限性直接映射到本文所主张的按残疾分层报告上。Davenport和Kalakota同时引用的关于AI在医疗保健中当前和预期角色的概述,指出了可推广性、监管批准和偏倚等持续存在的问题。本文将在第4节回到这些问题。五种主要的AI架构家族目前主导着CVD应用,鉴于其不同的分析能力和风险特征,需简要描述技术细节。卷积神经网络(CNN)从图像和一维生理信号中提取空间特征,并支撑最先进的心电图、超声心动图和心脏磁共振(CMR)解读。循环神经网络(RNN)和基于Transformer的序列模型处理纵向EHR数据和时间序列生物传感器信号,捕捉传统回归无法处理的时间依赖性。梯度提升决策树集成(如XGBoost、LightGBM)提供最先进的表格风险预测,具有相对透明的特征重要性。图神经网络(GNN)编码多关系EHR表型,链接诊断、药物和程序。大型语言模型(LLM)正被试验用于临床笔记表型化和决策支持摘要。每种架构在非线性交互建模、自动特征提取和多模态融合的收益与可解释性、可推广性和校准稳定性的损失之间进行权衡,并针对与残疾相关的公平性缺陷(这是本综述的核心)进行权衡。这些工具也越来越被置于人群和公共卫生视角下:2025年一篇关于COVID-19大流行后心血管健康中AI应用的综述认为,机器和深度学习方法可以加强大流行后心血管监测、风险预测和服务提供,同时警告数据质量、算法偏倚和公平可及性仍是决定性约束。与这些信号级应用概念上不同,心血管“数字孪生”是一个新兴研究范式,在个性化电生理学、瓣膜建模和计算机模拟临床试验中已有概念验证演示。数字孪生尚未经验证用于常规临床决策,此处术语用于描述性而非规定性。

3 COVID-19催化剂与新的风险格局
SARS-CoV-2大流行既加速了方法论的采用,也成为该领域的一个明确测试。三项发现值得特别强调,而第四项——大流行研究大多遗漏的残疾维度——构成了后续章节的议程。

3.1 SARS-CoV-2直接感染冠状动脉血管
Eberhardt及其同事使用严重COVID-19病例的死后冠状动脉组织,以及人类动脉粥样硬化血管外植体的离体感染,证明SARS-CoV-2病毒RNA在冠状动脉粥样硬化病变中可检测到并复制,通过神经纤毛蛋白-1(neuropilin-1)依赖性途径优先靶向斑块巨噬细胞和泡沫细胞,并诱导促动脉粥样硬化细胞因子反应。该工作为感染后长达一年观察到的急性冠状动脉综合征和卒中风险升高建立了合理的机制基础。

3.2 COVID-19作为冠状动脉疾病风险等价物及其注意事项
Hilser及其同事使用英国生物库数据,比较了10,005例新发COVID-19病例(8,062例聚合酶链反应(PCR)确诊和1,943例ICD-10编码)与217,730例人群对照和38,860例倾向评分匹配对照。住院COVID-19与超过1000天随访期间主要不良心血管事件(MACE)风险增加三倍以上相关,其幅度接近已确立的冠状动脉疾病(CAD)风险等价物(如2型糖尿病和外周动脉疾病)。“CAD风险等价物”框架最稳健地适用于住院病例和偏向欧洲血统老年人的群体;已发表的通讯正确地警告不要将其外推至更年轻或更多样化人群中的轻度感染。

3.3 疫苗接种与主要心血管事件
Meister及其同事使用爱沙尼亚电子病历数据(2021年4月至2023年3月)进行了一项目标试验模拟,评估了40–85岁成人中感染前COVID-19疫苗接种的效果。在33,554名随后发生SARS-CoV-2感染的个体中(18,223名接种疫苗;15,331名未接种),感染前疫苗接种与12个月内MACE的加权发病率比为0.71(95%置信区间0.58–0.84)。这一发现与Cheng及其同事关于季节性流感疫苗接种的系统综述和荟萃分析大致一致,该分析汇总了63项心血管结局研究,报告接种疫苗成人相比未接种成人的心血管事件减少26%(汇总调整后相对风险0.74;95%置信区间0.70–0.78)。两个文献仍易受指征混杂和健康接种者偏倚的影响,尽管目标试验模拟明确解决了部分但非全部这些问题。

3.4 被遗漏的内容:残疾维度
在大流行期间,PwD经历了不成比例的COVID-19发病率和死亡率。Kuper和Smythe对56项前瞻性研究的荟萃分析报告,与无残疾者相比,COVID-19相关死亡率的汇总调整后风险比为2.7(95%置信区间2.4–3.2),在基于人群的样本中升至3.3,在智力残疾成人中最高。尽管如此,PwD在现时指导心血管指南的急性后遗症队列和目标试验模拟研究中仍明显代表性不足。这一遗漏并非偶然:提供大流行时期快速证据基础的链接数据基础设施和模拟设计,通过相对适度的调整——强制使用ICF编码的残疾指标、可及性招募和同意程序、以及按残疾状况分层的模型性能报告——即可成为可用于缩小残疾心血管证据差距的最强大方法论资产。

4 残疾证据差距与弥合框架

4.1 心血管差异与残疾异质性
PwD(全球约13亿人,据澳大利亚统计局2022年残疾、老龄化和照料者调查,澳大利亚约550万人,占人口的21.4%,高于2018年的440万人或17.7%)面临由生物、行为、环境和结构性因素共同作用导致的更高CVD负担。Carroll及其同事分析2009年至2012年美国国家健康访谈调查数据发现,近一半工作年龄残疾成人缺乏体力活动,慢性病患病率比无残疾同龄人高三到四倍。Krahn及其同事随后综合证据,成功论证PwD符合健康差异人群的正式标准。然而,残疾具有高度异质性;CVD风险、数据捕获失败机制、同意实践、可穿戴设备可用性和诊断掩盖风险在不同残疾领域间存在实质性差异,没有单一分析或政策解决方案能同等适用于所有群体。智力残疾成人承受最高的超额CVD死亡率(标准化死亡率2–5),风险按严重程度分级:在一项链接注册分析中,新发CVD的风险比(HR)在边缘或轻度智力残疾中为1.14(95% CI 1.01–1.30),在中等程度中为1.25(1.01–1.54),在重度或极重度中为1.91(1.47–2.48)。他们还经历近四倍于普通人群的多病共存率,对多药治疗和抗精神病药物相关的心脏代谢风险有影响。身体残疾成人面临不成比例久坐行为介导的CVD风险,需要适应性的体力活动暴露测量;感觉残疾成人面临初级保健中更高的诊断掩盖风险,尤其是在临床沟通未适应的情况下;社会心理残疾成人面临归因于抗精神病药物代谢效应和社会边缘化结构性后果的CVD风险;神经发育残疾成人可能携带综合征性遗传架构(如21三体综合征、22q11.2缺失综合征),其中标准多基因风险评分(PRS)校准不能假定适用。多重或共存残疾的个体在所有五个领域经历复合障碍。因此,拟议框架(第4.4节)强调残疾领域分层而非单一二元指标。三项当代基于人群的队列分析强化了这一图景。Wang及其同事使用丹麦国家注册数据(2,288,393名1978年至2016年间出生的活产单胎),报告智力残疾者新发CVD的风险比高出24%,风险在儿童期即显现并持续至成年早期。Cho及其同事使用韩国国家残疾登记和国民健康保险服务数据,在调整传统心血管风险因素后,显示智力残疾成人中心肌梗死和缺血性卒中的风险更高。在苏格兰,Rydzewska及其同事在一项514,878名成人的记录链接队列中,报告智力残疾成人的全因和可避免死亡率显著高于匹配的普通人群同龄人。

4.2 为什么方法论革命绕过了残疾人
尽管有这些证据,PwD在CVD发现中仍处于边缘地位。五个相互强化的机制在运作。试验排除:许多CVD随机试验应用认知、沟通或能力标准,不成比例地排除残疾人,通常缺乏明确实证或伦理理由。数据不可见性:残疾很少作为结构化变量被捕获在电子健康记录(EHR)或人群生物库中;即使被捕获,定义也不一致,且跨管辖区域很少具有互操作性。算法偏倚:风险预测工具和临床AI模型通常基于未充分代表残疾人群的队列进行训练;已发表的医学机器学习系统审计反复识别出性能下降、校准错误和针对代表性不足群体的下游分配偏倚。诊断掩盖:PwD的新发CVD症状常被误归因于潜在残疾,导致诊断延迟、治疗不足,进而导致行政数据集中的低估。可穿戴设备与数字排斥:消费者可穿戴设备和远程监测设备主要基于较年轻、非残疾、可行动的人群进行验证;信号质量、运动伪影处理和用户界面可及性很少在PwD中正式评估。这些机制共同构成一个自我强化的循环(图1):从试验中排除导致稀疏数据,产生偏倚模型,生成校准错误的风险估计,导致临床惰性和更差结局,而这些结局反过来被重新编码为预期结果,并用于证明持续不投资的合理性。打破这一循环是包容残疾的CVD流行病学的核心方法论任务。
图1 自我强化循环,通过该循环,从数据中的排除使残疾人(PwD)的心血管健康不平等持续存在,以及打破该循环所需的结构性和方法论杠杆。

4.3 将创新映射到缺口:比较总结
表1将当代CVD流行病学的五项主要方法论创新映射到它们目前表现出的残疾相关研究缺口、对有效性和公平性的后果以及拟议补救措施。该表旨在作为读者的参考总结,并为资助者和期刊编辑提供结构化议程。
表1
创新 当前在主流CVD流行病学中的使用 残疾相关缺口 对有效性和公平性的后果 拟议补救措施(参考文献)
链接数据分析 英国生物库、全民研究、AIHW链接行政数据;>22万人队列;长期结局确定 残疾未作为结构化变量捕获;跨管辖区域定义不一致;残疾相关缺失未记录 残疾亚群数据稀疏;患病率和发病率估计有偏;亚组分析统计功效不足 强制使用ICF对齐标识符;FAIR治理
多基因风险评分(PRS) 细化冠心病和心房颤动的遗传分层;进入一级预防试验方案 PRS校准未针对残疾亚组报告;综合征性CVD(21三体、22q11.2)中的稀有变异架构研究不足 综合征性CVD中风险校准错误;遗传高风险残疾人群治疗不足 按残疾分层的PRS验证;稀有变异分析
目标试验模拟 从观察性电子健康记录(EHR)数据中进行可辩护的因果推断;标准化处理不朽时间偏倚 在残疾人群中的模拟很少;资格标准常继承试验排除模式 预防干预的因果效应估计无法推广到PwD 在链接的NDIS-Medicare-PBS数据中模拟试验;预先注册包容残疾的协议
AI在心血管护理中的应用 ECG和CMR上的CNN;EHR时间序列上的Transformer;表格风险预测的梯度提升树 训练队列无代表性;按残疾分层的公平性指标很少报告;算法偏倚审计缺失 残疾亚组中辨别/校准能力下降;针对高需求用户的分配偏倚 按残疾分层的AUROC/校准;交叉性MAIHDA;TRIPOD+AI报告
可穿戴数字表型分析 连续时间心律失常、睡眠和活动表型;与临床记录整合 设备主要在较年轻、可行动、非残疾用户中验证;运动伪影和用户界面(UI)可及性很少评估 事件漏报、误报;远程监测护理路径的可及性不平等 与残疾用户共同设计;按功能障碍领域进行验证
方法论创新与残疾相关缺口及拟议补救措施的映射。

4.4 包容残疾的心血管流行病学分层架构
本文提出了一个四层框架(图2),该框架改编了已在相邻领域验证的方法,并将其移植到残疾-CVD交叉点。
图2 包容残疾的心血管流行病学四层架构,整合了包容性数据源、FAIR治理的协调、残疾感知的分析方法和公平转化。
第1层——包容性数据源:应在每个CVD数据集中强制使用与国际功能、残疾和健康分类(ICF)对齐的残疾标识符,包括临床试验注册、住院登记和生物库表型。在澳大利亚背景下,这意味着将国家残疾保险计划(NDIS)参与者数据与医疗保险福利计划(MBS)、药品福利计划(PBS)和州级住院数据通过多机构数据整合项目进行链接。关键的是,标识符应在残疾领域(身体、感觉、智力、社会心理、神经发育、多重)而非单一二元指标层面捕获,以便在分析中尊重第4.1节描述的异质性。可穿戴设备和远程监测设备应与残疾用户共同设计,并针对不同身体形态、活动模式和辅助技术进行信号质量验证。
第2层——协调与FAIR治理:应采纳FAIR(可发现性、可访问性、可互操作性、可重用性)数据原则,并采用隐私保护的联邦链接。ICF残疾分类应映射到系统化临床医学术语(SNOMED-CT)和ICD-11,以实现可互操作的跨管辖区域分析。每个心血管数据集应报告残疾患病率、使用的操作定义以及残疾相关缺失比例作为标准元数据。
第3层——残疾感知的分析方法:三个方法家族可立即移植。首先,目标试验模拟使得从观察数据中对随机试验不可行的人群进行因果推断,直接适用于PwD中的干预措施。其次,公平性感知机器学习,包括分层验证、实例重加权、事后校准和可解释AI,可以检测并部分缓解第4.2节记录的算法偏倚。具体而言,公平性报告应扩展至每个残疾亚组:辨别力(受试者工作特征曲线下面积(AUROC);精确召回曲线下面积(AUPRC));校准(总体校准、校准斜率、期望校准误差);混淆矩阵衍生率(灵敏度、特异度、阳性预测值、阴性预测值、假阳性率、假阴性率);临床效用(通过决策曲线分析在临床相关决策阈值处的净获益);以及不确定性量化(预测区间覆盖率、共形预测集)。此外,必须使用定量交叉性框架(如个体异质性和判别准确性多层次分析(MAIHDA))评估跨交叉特征(如残疾领域、性别、年龄、民族、社会经济地位和城乡)的公平性。使用回归或机器学习方法的CVD预测模型报告应遵守TRIPOD+AI声明。Obermeyer及其同事对广泛部署的美国人群健康风险算法进行的审计提供了一个具体的工作实例,其中历史医疗保健支出被用作需求代理;该算法系统地低估了黑人患者,而使用直接需求测量进行重新校准将识别的高风险患者比例从17.7%提高到46.5%。直接类比,在行政数据中使用全因住院或非心脏索赔支出作为CVD风险代理,将系统性地低估那些服务使用以残疾相关护理而非心血管护理为主的残疾人。第三,多基因风险评分(PRS)需要按残疾分层重新校准;稀有变异分析在综合征性心血管疾病(如21三体综合征和22q11.2缺失综合征)中尤其相关,因为其风险架构与普通人群不同。
第4层——公平转化:风险预测工具必须针对残疾人单独校准并报告,附有量化不确定性。预防性干预措施,包括疫苗接种、降脂治疗、血压控制和体力活动支持,必须根据功能能力与环境背景(包括可及性初级保健和受过培训的有偿照护者)进行定制。政策转化应针对结构性环境,包括建筑环境标准、清洁空气政策,以及将残疾指标主动纳入心血管绩效框架。

4.5 实施挑战与治理考量
上述框架有意具有雄心,其实施面临五类必须承认并积极管理的实际障碍。首先,跨管辖区域的定义异质性:ICF编码、华盛顿组简短问题集、ICD-11功能补充和各国残疾登记对残疾的定义不同,影响患病率估计和跨数据集可比性。需要实用的交叉映射和共享元数据标准,华盛顿组工具为调查设置提供了可辩护的临时标准。其次,隐私和再识别风险对小残疾亚群被放大,特别是在低患病率的综合征性条件下;差异隐私、k-匿名阈值和将原始数据保存在机构防火墙后仅交换模型参数的隐私保护联邦学习方法,是可信的缓解策略。第三,同意和支持性决策需要精心设计,特别是对于认知或沟通残疾人士。联合国残疾人权利公约第12条确立了在法律面前平等承认的权利,在研究实践中转化为支持性而非替代性决策、可及性信息材料以及尊重功能能力的同意过程。第四,残疾数据被滥用于保险承保、就业筛选、移民裁决或社会保障资格决定的风险是真实存在的,必须通过目的限制的治理、数据使用协议、伦理委员会监督和法定反歧视保护来解决。第五,常规电子健康记录(EHR)捕获中的资源限制意味着实施不能仅是数据政策强制;需要投资于临床医生培训、EHR供应商规范、初级保健工作流程重新设计以及奖励准确残疾编码的薪酬结构。因此,该框架被呈现为一个结构化议程,用于逐步采纳而非一次性过渡。

5 扩展流行病学视角:社会、环境与交叉性驱动因素
CVD流行病学已正确地将范围扩展到健康的社会和环境决定因素。空气污染是导致全球CVD死亡和残疾的最重要环境风险因素:Rajagopalan及其同事报告,细颗粒物(PM2.5)的短期升高在数天内使急性心血管事件的相对风险增加1-3%,而数年的长期暴露则使风险增加约10%。气候变化现已被公认为CVD风险倍增器:2024年《柳叶刀倒计时》报告了创纪录的极端高温暴露,十五个气候相关健康危害指标中有十个达到新高,65岁及以上成人中与高温相关的死亡率显著增加。在澳大利亚,这表现为热浪期间心血管住院有记录的增加,以及关于丛林大火烟雾作为急性心血管触发因素的不断发展的证据基础。这些决定因素并非均匀作用。PwD由于住房市场限制而系统性过度暴露于环境空气污染,受到影响体力活动机会的公共交通网络服务不足,并且由于药物相互作用、某些障碍相关的体温调节差异以及在极端天气事件期间搬迁能力下降而面临更高的高温相关发病率。与种族、民族、性别、低收入和农村的交叉性加剧了这些暴露。一个真正变革性的心血管流行病学必须将环境、社会和残疾变量整合在一个分析框架内,而非顺序处理它们。

5.1 全球视角:低收入和中等收入国家中的包容残疾的心血管疾病流行病学
本综述总结的证据基础不成比例地来自高收入环境,当应用于低收入和中等收入国家(LMICs)时,该框架必须具有适应性而非简单导入,因为全球约80%的13亿残疾人生活在LMICs。Banks、Kuper和Polack的系统综述发现,在LMIC环境中,残疾与经济贫困之间存在稳健的双向关联,残疾-贫困循环通过营养不安全、固体燃料烹饪导致的家用和环境空气污染、职业危害以及初级保健可及性降低来放大心血管风险。在资源受限环境中,四个实施挑战尤为突出。第一,数据基础设施:链接的电子健康记录(EHR)和人群生物库稀缺,健康信息系统经常碎片化且部分基于纸质,民事登记和生命统计常不完整,这限制了残疾确定和CVD结局捕获。第二,数字素养和可及性:数字素养梯度、设备和连接的可负担性以及可及性障碍加剧了与残疾相关的排斥,尽管许多LMICs中非常高的手机普及率为移动优先的CVD监测提供了相反的机会。第三,医疗保健可及性:劳动力短缺、自付费用融资和服务的地区分布不均限制了诊断和二级预防的可及性,对PwD的影响尤为严重。第四,AI实施:基于高收入、主要为欧洲血统人群训练的模型可能对人口统计学和流行病学上不同的LMIC人群推广不佳,导致有偏且校准不良的预测,除非在代表性数据上进行本地验证。具体且可转移的模型已经存在。社区卫生工作者交付、智能手机支持的CVD风险筛查已在多个LMICs部署;世界卫生组织HEARTS技术包为资源受限系统提供了标准化的CVD风险管理初级保健方法;华盛顿组简短问题集已被纳入80多个LMICs的国家住户调查,为在缺乏正式ICF编码的情况下进行残疾识别提供了可辩护的操作标准。映射到四层框架,需要三个适应性调整:数据源分层应使用可用的任何行政或普查工具,在缺少ICF编码时,用功能障碍领域分层近似残疾分层验证;联邦学习在数据主权或能力考虑限制跨境数据移动时特别有吸引力;可穿戴设备和远程监测部署应优先使用低成本、加固、智能手机连接的仪器而非高端消费级可穿戴设备,以实现公平覆盖。以这种方式设计,包容残疾的CVD流行病学便成为全球可移植的,而非高收入地区的专属关注。

6 结论:未来五年研究议程
PwD的心血管健康是当代流行病学的一个判别性测试。当前因能够精细化普通人群精准医学而备受赞誉的同一批大数据和AI工具,通过有意识的方法论调整,可以弥合该领域最持久且最不公正的证据差距之一。根据上述分析,提出五个优先事项:
• 强制使用残疾标识符:每个CVD试验注册、生物库和主要链接数据基础设施均应采纳与国际功能、残疾和健康分类(ICF)对齐的残疾变量作为标准元数据,
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号