新的 QR4 算法在预测心血管疾病风险方面优于之前的模型

在最近发表的一项研究中 自然医学研究人员引入了一种新的心血管风险预测算法。

学习： 开发和验证改进心血管风险预测的新算法。 图片来源：Basicdog/Shutterstock.com

背景

心血管疾病（CVD）仍然是全球死亡的主要原因。 国际指南建议使用针对高危人群的风险预测工具进行干预。

欧洲、美国 (US) 和英国 (UK) 指南分别推荐系统冠状动脉风险评估 2 (SCORE2)、动脉粥样硬化 CVD (ASCVD) 评分和 QRISK3。

值得注意的是，最近的研究强调了与高 CVD 风险相关的疾病，例如癌症、唐氏综合症和学习障碍等，而这些工具并未涵盖这些疾病。

如果这些情况与较高的 CVD 风险独立相关，则当前的工具将低估风险。 因此，被诊断患有这些疾病的人可能没有机会接受有益的干预措施。 此外，如果高估，人们可能会受到不必要的干预。

研究和结果

在本研究中，研究人员开发并验证了一种新的 CVD 风险预测工具 QR4。 他们使用了临床实践研究数据链 (CPRD) GOLD 和 QResearch 数据库中的数据。 推导和验证队列是使用英国的 QResearch 实践生成的。

此外，使用来自威尔士、北爱尔兰和苏格兰的 CPRD GOLD 实践形成了第二个验证队列。 2010 年至 2021 年期间年龄在 18 至 84 岁的个人包括在内。

先前存在心血管疾病的受试者、缺失剥夺数据的受试者以及服用他汀类药物的受试者被排除在外。 对参与者进行随访，直至诊断出 CVD、死亡或研究结束。

主要结局是CVD事件，即非致命性或致命性心肌梗塞、短暂性缺血性中风、缺血性/出血性中风或缺血性心脏病。

三级结局与二级结局相似，但还包括心律失常、高血压和致命的充血性心力衰竭。 使用三种结果定义对 QR4、ASCVD 和 SCORE2 的表现进行比较。

SCORE2、ASCVD 和 QRISK3 中确定的风险因素以及文献中的新候选变量均被纳入预测变量。 特定原因 Cox 模型估计了 10 年 CVD 风险，将非 CVD 死亡率视为男性和女性的竞争风险。 此外，还开发了三个附加模型（A-C）。

决策曲线分析评估了 QR4 相对于模型 A 和 QRISK3 的净收益，并考虑了竞争风险。

发现

QResearch 推导和验证队列分别包括超过 9.97 和 324 万名受试者，而 CPRD 验证队列包括 354 万名受试者。

这些队列总体相似，只是 QResearch 队列比 CPRD 队列拥有更完整的体重指数 (BMI)、胆固醇、吸烟和种族数据。 在衍生队列中，有 202,424 例 CVD 病例。

2020 年，CVD 发病率较低，为每 1000 人年 4.03 例，但在 2021 年恢复到 COVID-19 之前的水平 (4.31)。2019 年（每 1000 人年 3.45 例）和 2020 年（3.84 例）之间，非 CVD 死亡率有所增加并在 2021 年保持较高水平。

研究小组确定了针对女性和男性的七种新型 CVD 预测因子——肺癌、血癌、脑癌和口腔癌、学习障碍、唐氏综合症和慢性阻塞性肺病 (COPD)。

此外，对于女性来说还有两个额外的预测因素——产后抑郁症和先兆子痫。 男女的心血管疾病风险与哮喘、甲状腺功能减退症、甲状腺功能亢进症和抗磷脂抗体综合征等无关。

在女性中，心血管疾病风险与子宫内膜异位症无关， 体外 受精、流产、妊娠糖尿病、胎​​盘早剥和多囊卵巢综合症。

除肺癌外，几个预测因子的调整后风险比在女性中年龄较小时较高。 调整后的血液癌和脑癌风险比随着男性年龄的增长而下降。 三个附加模型的估计与主要模型相似。

决策曲线分析表明，QR4 的净效益略高于模型 A 和 QRISK3。 QR4 也比 SCORE2 和 ASCVD 风险评分更准确。

结论

研究人员开发并验证了 QR4，这是一种新的 CVD 风险评分，包含九种新颖的预测因子。

它可以预测男性和女性 10 年 CVD 风险。 其表现比其他 CVD 风险评分更准确。 此外，QR4 考虑了竞争风险（非 CVD 死亡），减少了对风险的过度预测。

总体而言，这些发现可能会显着改善健康结果。