STEMI中ASCVD风险预测模型的比较

《JACC: Asia》：Comparison of ASCVD Risk Prediction Models in STEMI

　　

背景：心血管（CV）风险预测模型指导一级预防，但大多数模型源自西方人群，可能不适用于南亚人群。目的：比较主要动脉粥样硬化性心血管疾病（ASCVD）风险预测模型在首次急性心肌梗死（AMI）中的风险分类、一致性和区分模式。方法：在这项回顾性分析中，研究人员评估了4,975例连续就诊的年龄40-79岁首次AMI患者。从门诊记录中提取事件前的人口学特征、临床特征和实验室数据。使用5种预测模型计算10年事件前CV风险：Framingham风险评分（FRS）、美国心脏病学会/美国心脏协会ASCVD 2013、世界卫生组织（WHO）CVD图表、英国联合学会心血管风险评分第3版（JBS-3）和PREVENT方程。患者被分类为低（<7.5%）、中（7.5%至<20%）或高（≥20%）风险。统计分析包括Pearson相关、组内相关、加权Cohen's kappa和重复测量广义线性模型及Bonferroni校正配对比较。结果：PREVENT将19.8%的患者分类为高风险，而FRS为20.2%，WHO图表为15.0%，JBS-3为11.7%，ASCVD 2013为12.3%。PREVENT显示出最宽的风险分布（0.2%-91%）。PREVENT与其他模型之间的一致性较差（与ASCVD的κ=0.228；95% CI: 0.204-0.252，与FRS的κ=0.311；95% CI: 0.288-0.333，与WHO的κ=0.063；95% CI: 0.038-0.088），尽管存在中等正相关。结论：主要CV风险算法对印度AMI患者的分类差异很大，具有显著的潜在误分类风险。尽管PREVENT和FRS显示出几乎相似的高风险分类，但仍有80%的患者在其事件发生前未被识别为高风险，这强调了需要制定和验证南亚特异性风险评分以及替代预防策略。

**论文解读：STEMI患者中ASCVD风险预测模型的比较——一项基于印度队列的回顾性分析**

**研究背景与问题**

心血管疾病（CVD）是全球死亡和伤残调整生命年损失的主要原因，其中低收入和中等收入国家承受着不成比例且不断上升的负担。印度尤其处于这一流行病的中心，其CVD特点包括患病率急剧上升、发病年龄更年轻以及病死率高于西方国家。急性心肌梗死（AMI）常作为潜在动脉粥样硬化疾病的首发表现，尤其在许多南亚患者中，这些患者此前未被诊断或关键性地被传统预测工具分类为低风险。这凸显了准确的心血管风险分层对于早期发现和针对性一级预防的迫切需求。目前临床指南广泛推荐使用10年风险预测模型来指导预防性干预，如他汀治疗。常用工具包括Framingham风险评分（FRS）、美国心脏病学会/美国心脏协会（ACC/AHA）ASCVD 2013汇总队列方程、世界卫生组织（WHO）CVD风险图表、英国联合学会心血管风险评分第3版（JBS-3）以及新近美国心脏协会（AHA）推出的PREVENT（Predicting Risk of Cardiovascular disease EVENTs）评分。然而，这些模型大多源自欧洲血统人群，其在种族、基因和社会经济背景迥异的南亚人群中的适用性存在争议。现有证据表明，西方衍生模型可能无法很好地推广至南亚人群，尤其是印度人群，原因包括风险特征差异、糖尿病患病率更高以及疾病更早发生。这种跨人群不一致性可能导致高风险个体的误分类，从而错失挽救生命的干预机会，增加可预防的发病率和死亡率。因此，本研究旨在评估和比较5种一级预防风险模型（FRS、ACC/AHA ASCVD 2013、WHO、JBS-3和PREVENT）在印度AMI患者队列中的回顾性预测性能，分析这些模型基于事件前风险因素对患者的分类情况，以评估这些工具指导特定一级预防策略的潜在准确性和临床实用性。

**研究人员开展的研究**

本研究为NORIN MI研究的回顾性分析，该研究是在印度一家三级医疗教学医院进行的单中心前瞻性观察研究，连续纳入年龄40-79岁首次发生AMI的患者。AMI诊断依据第四版心肌梗死通用定义。排除标准包括缺失风险评分计算所需基线数据（<5%：230例）或已知既往动脉粥样硬化性心血管疾病（ASCVD）史（120例）。最终纳入4,975例患者。研究人员从事件前最近的门诊记录中提取人口学、临床和实验室数据，并使用5种模型（FRS、ASCVD 2013、WHO CVD图表、JBS-3、PREVENT）回顾性计算每位患者的10年心血管风险。根据标准10年风险截断值将患者分为低风险（<7.5%）、中风险（7.5%至<20%）和高风险（≥20%）。主要结局是每个模型在AMI事件前将患者分类为高风险（≥20%）的比例。统计分析包括描述性统计、Pearson相关、组内相关、加权Cohen's kappa（κ）以及重复测量广义线性模型（GLM）与Bonferroni校正配对比较。

**结论与意义**

研究发现，不同模型对印度AMI患者的风险分类存在显著差异。PREVENT评分将19.8%的患者分类为高风险，而FRS为20.2%，WHO图表为15.0%，JBS-3为11.7%，ASCVD 2013为12.3%。PREVENT显示出最宽的风险分布（0.2%-91%），而其他模型（尤其是WHO、JBS-3和FRS）呈现出“风险压缩”现象，将55%-68%的患者集中在“中风险”类别。模型间分类一致性较差：PREVENT与ASCVD 2013的加权κ=0.228（95% CI: 0.204-0.252），与FRS的κ=0.311（95% CI: 0.288-0.333），与WHO的κ=0.063（95% CI: 0.038-0.088）。尽管JBS-3纳入了亚洲种族调整，但其与FRS的一致性中等（加权κ=0.602），与PREVENT一致性仍较差（加权κ=0.330）。配对比较显示，所有模型产生的平均风险估计均显著不同（所有P≤0.01），ASCVD 2013分配了最低的平均风险估计。这些发现表明，在印度人群中不加批判地应用任何单一国际衍生工具会导致显著不同的风险分类，对治疗资格和预防策略产生重要影响。尽管PREVENT和FRS显示出几乎相似的高风险分类，但仍有约80%的患者在事件发生前未被识别为高风险，这强调了开发南亚特异性风险评分或替代策略（如冠状动脉钙化评分）的必要性。

**关键技术方法**

本研究基于印度单中心（Govind Ballabh Pant Institute of Postgraduate Medical Education and Research, Delhi）的NORIN MI队列，连续纳入4,975例年龄40-79岁首次AMI患者。研究人员从患者事件前门诊记录中提取年龄、性别、血压、血脂、糖尿病史、吸烟史等数据。使用5种可公开获取的10年风险预测模型（FRS、ACC/AHA ASCVD 2013、WHO CVD图表、JBS-3、PREVENT）分别计算每位患者的预事件风险评分。风险分类采用统一截断值：低风险<7.5%，中风险7.5%-<20%，高风险≥20%。统计分析采用加权Cohen's kappa评估分类一致性，Pearson相关评估线性关联，重复测量GLM与Bonferroni校正比较模型间平均风险估计差异。

**研究结果**

**Risk stratification scores**：在队列中，PREVENT得分中位数[四分位距]为5.90% [2.90%-13.2%]，ASCVD 2013为9.5% [5.1%-14.4%]，FRS为12.0% [10.0%-16.0%]，JBS-3为13.0% [10.0%-17.0%]，WHO为10.0% [6.0%-15.0%]。PREVENT显示出最宽分布（0.2%-91%），而WHO、JBS-3和FRS得分压缩，最大值<40%。

**Risk stratification across scores**：PREVENT将43.1%分类为低风险，37.0%为中风险，19.8%为高风险。FRS将15.8%分类为低风险，64.0%为中风险，20.2%为高风险。ASCVD 2013将24.1%分类为低风险，63.6%为中风险，12.3%为高风险。WHO将29.6%分类为低风险，55.4%为中风险，15.0%为高风险。JBS-3将20.2%分类为低风险，68.1%为中风险，11.7%为高风险。所有模型除PREVENT外，均将多数患者（55%-68%）分类为中风险。

**PREVENT risk score categorization**：根据PREVENT风险分类，低、中、高风险组在年龄、收缩压、血红蛋白A1c（HbA1c）和估算肾小球滤过率（eGFR）方面存在显著差异（所有P<0.001）。高风险组与更年长、血压升高、血糖控制更差以及不利血脂谱相关。低风险组eGFR更高，提示肾功能更好。

**Comparison of risk scores across PREVENT categories**：按PREVENT类别分层，其他模型均值变化显著。PREVENT自身得分在低、中、高风险组分别为2.6%、9.1%、26.0%（η²=0.912）。FRS从9.65%增至17.35%（η²=0.327）。ASCVD 2013均值分别为6.6%（低）、16.5%（中）和11.4%（高），呈现非线性模式。WHO从11.05%增至14.46%（η²=0.083）。JBS-3变化极小（低：13.78%±5.19%，中：14.11%±5.40%，高：13.51%±5.14%）。

**Weighted Cohen's kappa agreement**：PREVENT与ASCVD 2013的加权κ=0.228（95% CI: 0.204-0.252，一致性差），与FRS的κ=0.311（95% CI: 0.288-0.333，一致性差），与WHO的κ=0.063（95% CI: 0.038-0.088，一致性差），与JBS-3的κ=0.330（95% CI: 0.310-0.360，一致性差）。JBS-3与FRS一致性中等（κ=0.602；95% CI: 0.583-0.621），JBS-3与ASCVD 2013一致性一般（κ=0.458；95% CI: 0.432-0.483）。

**Correlation analysis**：所有Pearson相关系数均为正且显著（P<0.001）。JBS-3与FRS相关性最强（r=0.728；95% CI: 0.714-0.740）。JBS-3与ASCVD 2013（r=0.627）、WHO（r=0.467）和PREVENT（r=0.413）呈中等相关。组内相关分析显示JBS-3与FRS一致性良好（ICC=0.836；95% CI: 0.827-0.845），PREVENT与WHO一致性一般（ICC=0.346；95% CI: 0.309-0.382）。

**Sensitivity analysis**：使用模型特异性阈值后，风险分类的异质性仍然存在，高风险比例从8.8%（FRS）到19.8%（PREVENT）不等。一致性仍较差，κ值范围-0.052至0.464。

**Repeated-measures generalized linear model analysis**：多变量检验显示模型间风险估计存在显著差异（所有P<0.001），Pillai's Trace=0.791，表明约79%的预测风险变异归因于评分方法差异。

**Pairwise comparisons of risk scores**：所有配对比较均显著（P≤0.01）。以ASCVD 2013为参考，JBS-3偏差最大（+27.31归一化单位），其次为FRS（+26.42）、PREVENT（+12.68）和WHO（+11.20）。FRS与JBS-3之间差异最小（-0.89；95% CI: -1.48至-0.30；P<0.001）。

**讨论与结论**

讨论部分指出，心血管风险预测模型在指导一级预防中至关重要，但其在西方人群之外的普遍性仍存争议。本研究在4,975例印度AMI患者中直接比较了5种模型，核心发现是风险分类存在深刻不一致，模型选择会显著改变人群的风险特征。南亚人群具有独特的“南亚表型”，包括高胰岛素抵抗、致动脉粥样硬化性血脂异常、中心性肥胖等，而西方衍生模型可能无法一致地反映这些特征。PREVENT评分显示出更宽的风险分布和更好的区分度，但其仍未能识别约80%最终发生AMI的患者。JBS-3尽管纳入了亚洲种族校准，但并未改善分类一致性，提示仅靠种族调整不足以解决南亚人群的风险低估问题。不一致的原因在于模型推导队列、变量纳入（如eGFR）和权重差异。结论翻译如下：我们的分析表明，当代心血管风险模型在印度AMI队列中分类患者存在显著差异。新型PREVENT评分提供了更差异化的风险景观，可能源于其现代队列和更新的风险因素，但仍未能正确分类约80%最终发生AMI的患者。与旧模型之间的深刻不一致强调，不加批判地采用任何单一国际衍生工具会在南亚人群中产生显著不同的风险分类，对治疗资格和预防策略具有重要影响。未来的工作必须优先开发和验证区域特异性风险评分，纳入种族特异性因素和社会决定因素，或采用完全不同的方法如影像学，以真正优化南亚人群一级预防的精准性。