论文部分内容阅读
目的:动脉粥样硬化性心血管疾病（ASCVD）是我国乃至世界范围内主要的疾病负担和死亡原因。个体风险的准确评估对指导和促进ASCVD的预防具有重要价值。然而当前常用的预测模型大多是以西方人群为基础建立,最近我国开发的ASCVD预测模型（China-PAR模型）在人群中,尤其是东北农村心血管疾病高发人群的适用性并未充分评价。目前部分以西方人群为基础的证据已经支持某些心电图（ECG）指标能独立于传统风险因素评估未来心血管事件风险,具有成为新兴风险因素的潜力。考虑到人群、种族及区域等差异,在亚洲人群尤其是中国人群中各常见ECG指标与不良结局的前瞻性关系尚未充分探讨。此外,在常规风险因素的基础上,添加ECG常见指标建模能否更好的预测ASCVD的证据不足。本研究以东北农村一般人群随访数据为基础,旨在评价China-PAR模型在该地区的拟合度;并在充分评估ECG指标与不良结局的相关性基础上,结合传统风险因素和常见ECG指标,开发并验证适合该地区一般人群的心血管疾病预测新模型。方法:第一部分:在2013年1月至8月间,采用多阶段分层随机、整群抽样的方法,选取辽宁省农村地区11,956名35岁及以上有代表性成年人为研究对象建立“东北农村心血管健康研究”（NCRCHS）队列,该队列于2015-2018年进行了随访。本部分选择目前研究较为关注的ECG指标[PR间期,QTc间期,QRS-T夹角以及心电图左室肥厚（ECG-LVH）]进行评估,分析各ECG指标异常在一般人群中的患病率,并采用多变量Cox比例风险模型探索各ECG指标与不良结局的独立相关性。第二部分:根据NCRCHS队列数据重新校准China-PAR模型以获得4年ASCVD预测模型。采用Kaplan-Meier法来估计4年ASCVD事件累积发病率和实际发生数,通过校正的China-PAR模型估计4年预测的事件数量。采用C统计量评估校准的China-PAR模型区分度,Hosmer-Lemeshow检验校准的预测模型的校准度。此外,我们还计算了预测风险与观察事件的比率以及绘制校准图评价该方程的预测性能。在敏感性分析中,我们使用China-PAR预测模型的开发队列的数据校正后再次评价其预测ASCVD的能力。第三部分:以NCRCHS队列研究人群为基础,随机选取2/3的参与者组成训练数据集,剩余1/3的参与者为验证数据集。采用多重插补对缺失变量进行填补。采用Cox回归评估传统风险与ASCVD的关系,选取多因素回归分析中P<0.05或具有临床意义的传统风险因素纳入模型。选取常见心电图指标经过单因素Cox、传统风险因素校正的多因素Cox以及预测增量评估,确定最终入选的ECG指标。将确定的传统风险因素和常见ECG指标依据回归系数绘制列线图模型,不同变量取值通过垂直线的投影对应列线图顶端的相应积分（总分100分）,随后将各变量对应积分累计得到总分,再根据总分在列线图底部预测线上找到对应ASCVD发病概率。为减少列线图模型的过度拟合,内部验证使用Bootstrap自助抽样的方法进行（抽样次数500次）。模型的外部验证在验证数据集进行。模型区分度使用C-index以及ROC曲线下面积AUC进行评价,校准度采用校准曲线进行展示,并使用决策分析曲线评估模型的净收益。结果:第一部分:来自NRCRCHS队列中共计9,633人的数据被分析。在当前研究中,QTc延长、ECG-LVH、平面QRS-T夹角异常和一度房室传导阻滞（First-degree AVB）的粗患病率分别为13.0%（95%CI,12.2%-13.7%）、8.4%（95%CI,7.8%-9.0%）、2.6%（95%CI,2.3%-2.9%）和1.3%（95%CI,1.1%-1.5%）。在Cox分析中调整传统风险因素后显示:CVP、QTc间期和QRS-T夹角每增加1 SD,CVD的风险分别增加10%（HR,1.10;95%CI,1.04–1.16）,18%（1.18;1.09–1.28）和12%（1.12;1.04–1.20）;全因性死亡风险分别增加13%（1.13;1.05–1.21）,25%（1.25;1.14–1.36）和19%（1.19;1.11–1.29）。根据临床诊断标准将心电图指标作为分类变量带入多因素调整的Cox比例风险模型,ECG-LVH、平面QRS-T夹角异常和QTc延长仍是CVD和全因性死亡的独立预测因子。即使我们调整了LVMI,ECG-LVH与不良结局的相关性仍然存在。PR间期仅作为分类变量时（即First-degree AVB）与CVD有统计学意义[CVD:HR（95%CI）,1.90（1.15–3.13）]。在敏感性分析中我们排除基线CVD患者后再次分析,以上结论基本保持不变。第二部分:在总随访时间39,736.46人年（平均随访4.32±0.93年）中,共计359人发生ASCVD事件。通过NCRCHS校准后的China-PAR模型的区分度较好,在男女性中C统计量均大于0.7[男性:0.789,95%CI（0.762-0.816）;女性:0.771,95%CI（0.738-0.803）]。但该校正模型的较准度不理想,在男女性中均高估了4年ASCVD的发病风险。校正的China-PAR模型估计4年性别特异性事件发生数（男性:233.04;女性:231.06）均显著高于Kaplan-Meier法计算的实际事件发生数（男性:184.45;女性:154.26）。在男性中该校正模型高估了32.3%,女性中高估了49.8%。在男女性中校准度χ2值分别为29.646（P<0.05）和27.176（P<0.05）。校准曲线显示预测风险与实际发生率一致性较差。在敏感性分析中,我们使用开发队列校正的4年China-PAR预测模型再次评价预测能力,上述结论基本保持不变。第三部分:训练数据集（n=5,983）和验证数据集（n=3,096）基线特征相似。选取多因素调整的Cox回归分析中P值<0.05或具有临床意义的变量作为传统风险因素纳入最终疾病预测模型,包括年龄、性别、腰围、教育水平、高血压和糖尿病及吸烟。我们选取NRI和IDI均有统计学意义或具有边缘统计学意义的心电图指标,并充分考虑共线性后,将QTc间期、Sv1+Rv5/Rv6以及QRS-T夹角以分类变量的形式纳入疾病预测模型。列线图模型显示随着年龄的增加,得分从0到100逐渐增加,65岁时得分50分;同样,随着腰围的增加,得分从0到35.81分逐渐增加;尽管性别是ASCVD常见的传统风险,但在当前模型中男性仅得分2.66分;吸烟得分3.97分;教育水平中初中和小学及以下得分分别为7.63和12.92;高血压得分11.46分;糖尿病得分6.28分;QRS-T夹角0-45度、46-90度以及136-180度得分分别是17.87、17.84和39.22分。电压（Sv1+Rv5/Rv6）在1.81-2.20、2.21-2.60、2.61-3.0以及>3.0mv各组中得分分别是4.14、10.48、11.20和19.55;QTc间期在400-424、425-449以及≥450 ms的各组中得分分别是10.68、15.91和17.89分;随着模型总分升高,未来1年、2年、3年及4年的ASCVD发病风险显著上升。通过计算C指数评估模型的区分度,在训练数据集中C-index（95%CI）:0.795（0.769-0.821）;在验证数据集中C-index（95%CI）:0.767（0.732-0.802）。在训练数据集中1年、2年、3年及4年预测风险截断概率值分别为0.009270561、0.02013694、0.02214208和0.02800091;AUC分别为0.829、0.827、0.803和0.797。在验证数据集中1年、2年、3年及4年预测风险截断概率值分别为0.007401116、0.01560465、0.02331485和0.0306784;AUC分别为0.769、0.741、0.755和0.782。在训练数据集和验证数据集的校准曲线显示,该模型在不同随访时间均有较好的校准度。决策分析曲线显示4年ASCVD发病率小于13%时,该模型在训练数据集和验证数据集均具有良好的判断力。按照该预测模型对高危个体进行干预可以获得较好的净获益。结论:本研究报道了我国一般人群中各常见ECG指标异常的患病率,前瞻性证实了ECG常见指标和不良结局的独立相关性;首次验证了China-PAR模型在东北农村地区的适用性;并结合ECG指标和传统风险因素,开发并验证了中国首个基于体表心电图的心血管事件预测模型,同时也是我国东北地区首个ASCVD方程。并利用列线图将预测模型图示化、可视化,为ASCVD的预防提供了循证医学证据。