王 箴 錢菊英 潘柏申 趙 冬 葛均波

《中國心血管健康與疾病報告2019》中指出，中國心血管疾病(cardiovascular disease，CVD)患病率仍處于持續(xù)上升階段，推算CVD現(xiàn)患人數(shù)3.3億，其中腦卒中1 300萬人，冠心病1 100萬人，肺源性心臟病500萬人，心力衰竭890萬人，風濕性心臟病250萬人，先天性心臟病200萬人，下肢動脈疾病4 530萬人，高血壓2.45億人。目前，心血管病位列城鄉(xiāng)居民死亡原因的首位，在農(nóng)村為45.91%，城市為43.56%。當前，中國CVD負擔日漸加重，已成為重大的公共衛(wèi)生問題，防治CVD刻不容緩[1]。

大量研究證實，高血壓、血脂異常、糖尿病、肥胖、吸煙、體力活動缺乏和不健康的飲食習慣等是CVD主要且可改變的危險因素。CVD是多個危險因素相互作用的結(jié)果。因此，對整體CVD風險進行綜合評估是有效防治CVD的前提。

CVD風險評估是指根據(jù)CVD多種危險因素水平的高低及其組合來判斷或預測一個人或一群人未來(5年、10年或余生)發(fā)生CVD急性事件(急性心肌梗死、冠心病猝死、其他冠心病引起的死亡、急性卒中)的概率。目前，使用最廣泛的是動脈粥樣硬化性心血管疾病(arteriosclerotic cardiovascular disease，ASCVD)風險評估。合理地評估ASCVD風險，將有助于臨床醫(yī)師根據(jù)患者存在的危險因素制訂有效的干預方案，從而降低ASCVD的總體風險。國內(nèi)外的指南[2-4]均推薦對不同人群進行ASCVD風險評估。

1 國內(nèi)外ASCVD風險評估模型研究進展

自1961年Framingham心臟研究[5]提出了冠心病發(fā)展過程中的危險因素后，“危險因素”的概念開始廣泛流行。隨后Framingham心臟研究于1967年首次創(chuàng)建了針對冠心病的多變量危險因素的函數(shù)[6]，研究使用多元logistic模型分析了年齡、TC、體重、心電圖異常、血紅蛋白和吸煙等危險因素。1976年，F(xiàn)ramingham心臟研究又首次提出“風險預測”的概念[7]，并于1998年發(fā)表了知名的Framingham危險因素預測冠心病風險的文章[8]，10年后發(fā)表了適用于所有CVD的風險預測模型的文章[9]。

得益于Framingham“風險預測”概念的提出，世界范圍內(nèi)有越來越多的國家或地區(qū)開始研究基于本國或地區(qū)人群的CVD風險預測模型，如：歐洲系統(tǒng)性冠狀動脈風險評估(SCORE)評分[10]，英國的Q風險評分(QRISK)[11],以及《2013年美國心臟病學會和美國心臟協(xié)會(ACC/AHA)心血管風險評估指南》中提出的針對ASCVD風險評估的匯總隊列方程(Pooled Cohort Equations，PCEs)[12]等。國外幾種主要的CVD風險預測模型的對比信息見表1。

表1 國外不同CVD風險預測模型的對比

由于我國人群冠心病發(fā)病率和危險因素水平均顯著低于歐美白人，因此，中國的學者也著手研究基于中國人群數(shù)據(jù)的CVD風險模型。2004年，首都醫(yī)科大學附屬北京安貞醫(yī)院(簡稱安貞醫(yī)院)的劉靜等首次提出了中國多省市CVD危險因素隊列研究(Chinese multi-provincial cohort study, CMCS)模型，并與美國Framingham心臟研究模型的數(shù)據(jù)進行比較。結(jié)果顯示，CMCS模型可以較好地預測中國人群的冠心病發(fā)病絕對危險[15]，而Framingham模型則明顯高估了CMCS人群的絕對危險。CMCS的結(jié)果進一步肯定了中西方人群冠心病發(fā)病率和危險因素的差異。2006年中國醫(yī)學科學院阜外醫(yī)院的武陽豐等發(fā)表了中國心血管流行病學多中心合作研究(China multicenter collaborative study of cardiovascular epidemiology，China MUCA)的文章提出了針對缺血性CVD(冠心病和卒中)的預測模型[16]。2015年，基于CMCS研究進一步提出了針對CVD患者的余生風險評估模型[17]。2016年，基于China MUCA提出了針對中國ASCVD的風險預測模型，即China-PAR(prediction for ASCVD risk in China)模型[18]。我國幾種CVD風險預測模型的對比信息見表2。

表2 中國不同CVD風險預測模型的對比

2 智能化ASCVD風險評估工具開發(fā)

2.1 工具開發(fā)背景

2.1.1 模型種類繁多， 選擇存在困難 自20世紀Framingham心臟研究發(fā)表以來，世界范圍內(nèi)可供參考使用的CVD風險預測模型多達幾十種，由于每個模型所使用數(shù)據(jù)庫、預后終點及危險因素不同，導致了各模型的評分結(jié)果存在差異。各國指南[2-5,10]推薦使用CVD風險評估的模型各不相同，在同一人群中使用不同的風險預測模型得出的10年CVD發(fā)生風險結(jié)果也存在差異，這可能嚴重影響了10年CVD發(fā)生風險的預測和評估。來自中國的一項研究[19]使用不同風險評估模型分析中國人群的10年CVD風險，結(jié)果顯示，使用Framingham危險評分、SCORE評分、PCEs、China-PAR模型計算出的平均風險差異較大，中國的評估模型更適用于中國人群，而在臨床實踐中，如何選擇評估模型將直接影響疾病的診斷結(jié)果。

2.1.2 危險因素數(shù)據(jù)信息分散，完整評估難度大 各種CVD風險評估模型均需多種危險因素信息，在臨床診療中獲取數(shù)據(jù)的途徑多而雜，比如年齡、性別、吸煙史等信息，門診時醫(yī)師需要通過問診獲得，住院時醫(yī)師則使用醫(yī)院信息系統(tǒng)查看。腰圍、BMI需要進行針對性的測量和計算，血糖、LDL-C等需要查看檢查報告單。正是由于這些危險因素信息的分散，導致了很多臨床醫(yī)師在使用CVD風險評估時會對某一信息的獲得出現(xiàn)“卡殼”的現(xiàn)象，最終無法進行完整的評估。

2.1.3 實驗室檢查結(jié)果報告存在“一刀切”現(xiàn)象，與CVD評估治療推薦不符 對于實驗室檢查結(jié)果報告存在“一刀切”的現(xiàn)象，即報告單中僅顯示檢測結(jié)果和參考值的范圍，并不會針對不同ASCVD危險級別人群各指標的達標值去設定具體的參考值。例如《中國心血管病一級預防指南》[20]中規(guī)定，不同危險級別的人群治療目標各不相同，低、中危ASCVD人群LDL-C的治療目標為<3.4 mmol/L，高危ASCVD人群為<2.6 mmol/L，極高危ASCVD人群為<1.8 mmol/L，而目前的報告單上則只顯示正常值范圍為1.8～3.4 mmol/L。

2.1.4 臨床缺乏針對患者危險因素綜合管理的全方位指導 對于患者而言，在進行檢查后，由于只能拿到傳統(tǒng)的報告單，大多數(shù)患者并不能有效理解報告單上數(shù)值的含義，無法了解自己的檢測結(jié)果與理想水平之間存在的差異，因而也就無法真正理解醫(yī)師開具處方的真正用意。另一方面，醫(yī)師給患者的生活方式干預建議大多為口頭講解，隨著時間的推移，患者可能遺忘醫(yī)囑內(nèi)容，或患者年齡較大記不住口頭的處方內(nèi)容。這些不可控的因素，均可能影響患者的治療依從性和治療效果。

2.1.5 傳統(tǒng)交互式評分工具增加臨床醫(yī)師工作量 隨著計算機和人工智能技術(shù)的發(fā)展，研究者開始基于各種評分公式開發(fā)出諸如紙質(zhì)版、網(wǎng)頁版、手機應用程序(App)版等不同類型的交互式評分工具(http:∥www.euroscore.org/；https:∥qrisk.org/three/；http:∥www.cvdrisk.com.cn/ASCVD/Eval)。使用者只需回答“是”或“否”并填入相關(guān)數(shù)值即可進行風險評估，以達到簡便且準確的目的。但即便擁有這一交互式評分工具，門診或住院醫(yī)師在使用時仍需打開一個網(wǎng)站或App，并逐一輸入患者的所有信息，以完成風險評估，當患者數(shù)據(jù)較多時，這依然大大浪費了醫(yī)患雙方的時間。

綜合以上原因，導致了臨床醫(yī)師在面對一系列危險因素結(jié)果時無法在繁忙的臨床工作中對患者的CVD風險級別進行完整的評估?；颊咴诿鎸償?shù)字的數(shù)據(jù)結(jié)果時，無法有效獲知自己的心血管風險狀態(tài)，最終影響CVD的自我管理。

2.2 智能化ASCVD風險評估工具介紹 智能化ASCVD風險評估工具是一款直接對接醫(yī)院數(shù)據(jù)系統(tǒng)的智能化工具，選擇《中國成人血脂異常防治指南(2016年修訂版)》[2]推薦的ASCVD風險評估模型作為軟件編程的基礎，參考指南編寫團隊基于2015年發(fā)表的模型及安貞醫(yī)院流行病團隊發(fā)表的方法學文章[21]中關(guān)于模型的算法公式，完成工具開發(fā)。

工具通過自動抓取系統(tǒng)信息結(jié)合部分人工選擇完成對患者ASCVD風險級別的判斷。門診或住院醫(yī)師查看患者信息時，只需進入醫(yī)院信息系統(tǒng)后勾選是否需要進行ASCVD風險評估，隨后進入ASCVD風險評估界面，系統(tǒng)自動在檢驗數(shù)據(jù)庫中提取患者的血壓、血糖、血脂等數(shù)值信息，結(jié)合醫(yī)師根據(jù)門診或住院記錄中其他的危險因素信息完成關(guān)鍵信息勾選，在幾秒內(nèi)即可實現(xiàn)風險評估，并出具報告結(jié)果，見圖1。

圖1 ASCVD風險評估報告模板

評估報告分為4部分：患者臨床信息、風險評估結(jié)果、個性化目標值和健康處方。

2.2.1 患者臨床信息 主要來自于醫(yī)院信息系統(tǒng)，由患者基本信息、ASCVD風險評估相關(guān)臨床診斷和實驗室檢查結(jié)果3個部分組成?；颊呋拘畔ㄩT診(或)住院號、姓名、性別、年齡、身高、體重、BMI、吸煙、血壓、降壓藥物、降脂藥物、降糖藥物。ASCVD風險評估相關(guān)臨床診斷包括對ACS、糖尿病、高血壓、缺血性卒中、短暫性腦缺血發(fā)作等疾病的診斷結(jié)果。實驗室檢查結(jié)果包括TC、LDL-C、HDL-C、非HDL-C、TG、FBG和HbA1c的數(shù)值。

2.2.2 風險評估結(jié)果 根據(jù)《中國成人血脂異常防治指南(2016年修訂版)》[2]的建議對人群進行分層，即極高危、高危、中危和低危，分層結(jié)果通過不同顏色顯示，方便醒目地提示患者所處的危險級別，同時對不同危險級別結(jié)果進行說明。

2.2.3 個性化目標值 數(shù)據(jù)主要來自于檢驗科，根據(jù)風險評估結(jié)果進行展示，顯示主要危險因素(LDL-C、血壓、FBG、HbA1c、吸煙狀況、BMI)的結(jié)果和理想目標值，同時使用不同的顏色進行標記。

2.2.4 健康處方 包括改善生活方式、血脂管理、血壓管理、血糖管理和定期門診隨訪5個方面，每一方面都是根據(jù)患者的危險分層結(jié)果及指南[4]的建議提供個性化的參考。

2.3 創(chuàng)新模式提升醫(yī)師工作便利性，提高患者依從性 智能化ASCVD風險評估工具屬于內(nèi)嵌醫(yī)院信息系統(tǒng)的智能應用程序，操作簡便快捷，結(jié)果反饋迅速直接，有效地幫助臨床醫(yī)師提高ASCVD風險評估的效率，彌補目前ASCVD風險評估在臨床應用中的不足，促進ASCVD風險評估的推廣應用。

通過使用智能化ASCVD風險評估工具所生成的報告，醫(yī)師可以直觀了解患者的基本狀況，迅速判斷ASCVD風險級別，從而為患者提供個體化的治療建議。報告內(nèi)容清晰簡潔，提高了ASCVD風險評估臨床應用的便利性，具有有效的參考意義。同時，可以在線瀏覽報告，也可打印報告交給患者，患者根據(jù)報告的結(jié)果可以了解自身危險因素的情況，同時可以參考報告中個性化目標值和健康處方，結(jié)合臨床醫(yī)師實際的處方建議，對多種危險因素進行自我干預，實現(xiàn)生活方式的改變及規(guī)律用藥，提高依從性。

臨床中部分患者可能僅僅是因為單一因素導致的ASCVD風險評估結(jié)果較高，如LDL-C>4.9 mmol/L,但無其他危險因素、并發(fā)癥等，而此患者卻是ASCVD極高危人群，通過使用智能化ASCVD風險評估工具，并根據(jù)報告進行相應的血脂治療，最終使其血脂達標，即可有效降低此類人群ASCVD的風險級別。

3 智能化ASCVD風險評估工具應用情況介紹

自2017年1月起，智能化ASCVD風險評估工具已經(jīng)在復旦大學附屬中山醫(yī)院(簡稱中山醫(yī)院)及上海楓林街道社區(qū)衛(wèi)生服務中心(簡稱楓林社區(qū))開展應用，并受到關(guān)注。

至截稿時，中山醫(yī)院使用該系統(tǒng)共生成3 389份報告，其中門診386份(11.39%)，病房3 003份(88.61%)。在全部報告中，2 271份(67.00%)為極高?；颊?，即確診的ASCVD患者；高危、中危和低危的比例分別為542(16.00%)、169(5.00%)和407(12.00%)，見圖2。對整體人群進行分析發(fā)現(xiàn)：如果參照常規(guī)血脂檢查報告單的結(jié)果，血脂達標2 020人，達標率為59.60%；而通過ASCVD風險分層分析發(fā)現(xiàn)的極高?；颊咧? 158人(50.99%)顯示為血脂達標，高?；颊咧?66人(67.53%)顯示為血脂達標，中、低?；颊咧蟹謩e有146人(86.39%)和325人(79.85%)顯示為血脂達標。

未知指因數(shù)據(jù)缺失而無法獲得完整報告的人群圖2 不同醫(yī)院不同危險級別患者人群占比

楓林社區(qū)自2018年11月至截稿日，應用本系統(tǒng)共生成報告502份。其中極高危120份(23.90%)，高危344份(68.53%)，中、低危38份(7.57%)，見圖2。而按傳統(tǒng)報告單整體血脂達標88人，達標率為17.53%，其中極高?；颊哌_標8人(6.67%)，高?；颊哌_標60人(17.44%)，中、低?；颊哌_標20人(52.63%)。如不對患者進行ASCVD分層，則LDL-C達標266人，達標率為52.99%，與分層后的結(jié)果存在較大差異。 全部人群中有272人患高血壓，其中高血壓達標189人，達標率為69.49%。經(jīng)ASCVD分層發(fā)現(xiàn)，其中極高危患者89人，達標67人(75.28%)；高危患者176人，達標116人(65.91%)；中、低?；颊?人，達標6人(85.71%)。后續(xù)還將進一步研究探討使用ASCVD風險評估與不使用LDL-C數(shù)值的區(qū)別。

中山醫(yī)院及楓林社區(qū)均是基于醫(yī)院患者使用的報告，同時本團隊還依托上海市奉賢區(qū)衛(wèi)生健康委員會下轄21家社區(qū)衛(wèi)生服務中心，使用ASCVD風險評估報告對奉賢區(qū)102 234名體檢人群進行數(shù)據(jù)分析。結(jié)果發(fā)現(xiàn)極高危5 331人(5.21%)，高危71 134人(69.58%)，中危17 121人(16.75%)，低危7 820人(7.65%),未知828人(0.81%)，見圖2。參與評估人群LDL-C平均值2.61 mmol/L，極高?；颊咧?，LDL-C達標1 658人(31.10%)，高?；颊哌_標31 655人(44.50%)，中、低危患者達標13 046人(76.20%)和6 115人(78.20%)。通過對中山醫(yī)院、楓林社區(qū)及奉賢區(qū)體檢人群的統(tǒng)計數(shù)據(jù)進行分析發(fā)現(xiàn)，在ASCVD不同危險層級人群中血脂和血壓的達標率存在較大的差異，極高?；颊咂毡檫_標率相對較低，而如果不使用ASCVD對人群進行分層，則整體人群的達標率會出現(xiàn)虛高的現(xiàn)象。因此，對人群進行有效的ASCVD危險級別分層，繼而針對不同危險級別選擇針對性的治療方案至關(guān)重要。ASCVD風險評估報告自發(fā)布以來獲得了積極的認可，有助于提升醫(yī)師和患者對于ASCVD風險評估中危險因素綜合管理的認知，提高血脂、血壓、血糖異常的診斷率和治療率，改善患者的依從性。后續(xù)將針對智能化ASCVD風險評估工具使用前后患者的血脂、血壓、血糖變化開展相關(guān)研究，期望為工具的使用提供更多數(shù)據(jù)的支持。

4 展 望

自2019年歐洲心臟病學會/歐洲動脈粥樣硬化學會(ESC/EAS)血脂異常管理指南[4]的更新，高危人群LDL-C控制目標值更低，即<1.4 mmol/L，隨后ACC心血管病一級預防指南[3]中也同樣強調(diào)了更低的控制目標值。2020年《超高危動脈粥樣硬化性心血管疾病患者血脂管理中國專家共識》[22]也提出了超高危ASCVD患者LDL-C水平的干預靶標降低至1.4 mmol/L以下的概念。不過由于本工具所使用的模型是《中國成人血脂異常防治指南(2016年修訂版)》[2]中基于中國人群的模型，因此對危險級別的分層依然遵循的是極高危人群LDL-C<1.8 mmol/L。未來，隨著中國指南的更新，也會及時更新評估工具中的危險分層和血脂的目標值。

2016年中共中央、國務院印發(fā)了《“健康中國2030”規(guī)劃綱要》，明確提出實施慢性病綜合防控戰(zhàn)略，加強國家慢性病綜合防控示范區(qū)建設。強化慢性病篩查和早期發(fā)現(xiàn)，推動腦卒中、冠心病等慢性病的機會性篩查。逐步將符合條件的腦卒中等重大慢性病早診、早治適宜技術(shù)納入診療常規(guī)。到2030年，實現(xiàn)全人群、全生命周期的慢性病健康管理。

合理有效地使用智能化ASCVD風險評估工具，為臨床醫(yī)師對患者進行ASCVD危險分層提供了便捷的方法，有利于不同危險級別患者的識別與診治，助力臨床醫(yī)師規(guī)范膽固醇等主要心血管危險因素的管理及ASCVD綜合防治，推動指南中關(guān)于ASCVD人群危險分層評估的落地，同時提高患者對于ASCVD風險的知曉率及重視程度，提高患者依從性，最終推進健康中國建設，減少我國CVD的流行，促進“健康中國2030”整體戰(zhàn)略目標的實現(xiàn)。目前，此評估工具僅在上海部分醫(yī)院使用，使用效果獲得一致好評，期望后續(xù)可以在全國范圍內(nèi)進行推廣，為更多的臨床醫(yī)師與患者提供幫助。