劉 艷,傅映平*,張智香,李 月,陳文敏

1.云南中醫(yī)藥大學(xué)護(hù)理學(xué)院,云南 650500;2.昆明市延安醫(yī)院

冠心病(coronary heart disease,CHD)是由于冠狀動(dòng)脈管腔狹窄或閉塞導(dǎo)致的心臟病,患病率、復(fù)發(fā)率、死亡率均較高。《中國(guó)心血管健康與疾病報(bào)告2021》指出,未來(lái)10年內(nèi)心血管疾病患病人數(shù)仍會(huì)快速增長(zhǎng)[1]。冠心病高危人群的早期識(shí)別,針對(duì)性的預(yù)防和治療非常重要。疾病風(fēng)險(xiǎn)預(yù)測(cè)模型采用的是定量研究方法,能夠更準(zhǔn)確地預(yù)測(cè)發(fā)病風(fēng)險(xiǎn),通過(guò)直觀的數(shù)據(jù)呈現(xiàn)研究結(jié)果。冠心病發(fā)病風(fēng)險(xiǎn)預(yù)測(cè)模型可以幫助醫(yī)護(hù)人員識(shí)別高危病人,采取相應(yīng)的預(yù)防措施和干預(yù)手段,降低冠心病的患病率,減輕冠心病給病人及其家庭帶來(lái)的負(fù)擔(dān)[2]。目前,國(guó)內(nèi)外已經(jīng)有多項(xiàng)研究開(kāi)發(fā)、驗(yàn)證冠心病發(fā)病風(fēng)險(xiǎn)的預(yù)測(cè)模型,但文獻(xiàn)質(zhì)量和結(jié)果不同。因此,本研究對(duì)冠心病發(fā)病風(fēng)險(xiǎn)預(yù)測(cè)模型進(jìn)行系統(tǒng)性分析、評(píng)價(jià),以期為醫(yī)護(hù)人員選擇合適的風(fēng)險(xiǎn)預(yù)測(cè)模型預(yù)防冠心病的發(fā)生提供參考。

1 資料和方法

1.1 文獻(xiàn)檢索策略

計(jì)算機(jī)檢索PubMed、EMbase、Web of Science、the Cochrane Library、中國(guó)知網(wǎng)、中國(guó)生物醫(yī)學(xué)文獻(xiàn)數(shù)據(jù)庫(kù)、萬(wàn)方數(shù)據(jù)庫(kù)、維普數(shù)據(jù)庫(kù)中有關(guān)冠心病發(fā)病風(fēng)險(xiǎn)預(yù)測(cè)模型的文獻(xiàn),檢索時(shí)限為建庫(kù)至2022年8月31日。以coronary artery disease;artery disease,coronary;artery diseases,coronary;left main coronary artery disease;left main disease;left main coronary disease;arteriosclerosis,coronary;coronary arteriosclerosis;risk prediction model為英文檢索詞,以冠心病、冠狀動(dòng)脈粥樣硬化心臟病、冠狀動(dòng)脈硬化心臟病、冠狀動(dòng)脈性疾病、冠狀動(dòng)脈心臟病、冠狀動(dòng)脈粥樣硬化、冠狀動(dòng)脈粥樣硬化癥、冠狀動(dòng)脈粥樣硬化性心臟病、動(dòng)脈粥樣硬化性心臟病、冠狀動(dòng)脈硬化性心臟病、冠心病、冠狀動(dòng)脈性心臟病、冠狀動(dòng)脈粥樣硬化性疾病,預(yù)測(cè)模型、預(yù)測(cè)因素、危險(xiǎn)因素、預(yù)測(cè)為中文檢索詞。用主題詞和關(guān)鍵詞相結(jié)合的方式進(jìn)行檢索,檢索語(yǔ)種限制為中文、英文。同時(shí)補(bǔ)充通過(guò)引文追溯到的文獻(xiàn)。

1.2 文獻(xiàn)納入和排除標(biāo)準(zhǔn)

1.2.1 納入標(biāo)準(zhǔn)

1)研究對(duì)象是冠心病病人;2)研究?jī)?nèi)容為冠心病預(yù)測(cè)模型的構(gòu)建和(或)驗(yàn)證研究;3)闡述了模型構(gòu)建或驗(yàn)證的方法、過(guò)程,模型效果評(píng)價(jià)信息完整。

1.2.2 排除標(biāo)準(zhǔn)

1)只分析危險(xiǎn)因素但未建立風(fēng)險(xiǎn)預(yù)測(cè)模型的研究;2)會(huì)議論文、學(xué)位論文; 3)數(shù)據(jù)不全、不能獲取原文的研究。

1.3 文獻(xiàn)篩選與數(shù)據(jù)提取

2名研究者按照納入標(biāo)準(zhǔn)和排除標(biāo)準(zhǔn)獨(dú)立篩選文獻(xiàn),若2人存在意見(jiàn)分歧時(shí),尋求第3方意見(jiàn)。納入文獻(xiàn)后,使用預(yù)測(cè)模型研究系統(tǒng)評(píng)價(jià)的關(guān)鍵評(píng)估和數(shù)據(jù)提取清單[3]提取、整理數(shù)據(jù)。

1.4 納入文獻(xiàn)的偏倚風(fēng)險(xiǎn)和適用性評(píng)估

2名研究者使用偏倚風(fēng)險(xiǎn)評(píng)估工具[4]評(píng)估納入文獻(xiàn)的偏倚風(fēng)險(xiǎn)和適用性。偏倚風(fēng)險(xiǎn)的評(píng)估包括研究對(duì)象、預(yù)測(cè)因子、結(jié)果、分析4個(gè)領(lǐng)域。4個(gè)領(lǐng)域共包括20個(gè)問(wèn)題,每個(gè)問(wèn)題有“是”“可能是”“否”“可能否”和“無(wú)信息”5個(gè)選項(xiàng)。在一個(gè)領(lǐng)域中,所有評(píng)價(jià)均為“是”或“可能是”,判定該領(lǐng)域偏倚風(fēng)險(xiǎn)低;任意一個(gè)問(wèn)題回答為“否”或“可能否”,判定該領(lǐng)域偏倚風(fēng)險(xiǎn)高;如果相關(guān)信息不足,則該領(lǐng)域偏倚風(fēng)險(xiǎn)不清楚。所有領(lǐng)域偏倚風(fēng)險(xiǎn)低,則總體偏倚風(fēng)險(xiǎn)低;任意一個(gè)領(lǐng)域偏倚風(fēng)險(xiǎn)高,則總體偏倚風(fēng)險(xiǎn)高;任意一個(gè)領(lǐng)域偏倚風(fēng)險(xiǎn)不清楚而其他領(lǐng)域偏倚風(fēng)險(xiǎn)低,則總體偏倚風(fēng)險(xiǎn)不清楚。用研究對(duì)象、預(yù)測(cè)因子、結(jié)果3個(gè)領(lǐng)域評(píng)估適用性。用“適用性好”“適用性差”和“適用性不清楚”評(píng)價(jià)。每個(gè)領(lǐng)域均好,則總體適用性好;任意一個(gè)領(lǐng)域差,則總體適用性差;任意一個(gè)領(lǐng)域不清楚則該研究總體適用性不清楚。

2 結(jié)果

2.1 文獻(xiàn)篩選流程及納入文獻(xiàn)的基本特征

檢索得到相關(guān)文獻(xiàn)1 549篇,其中重復(fù)文獻(xiàn)534篇,閱讀題目和摘要剔除文獻(xiàn)926篇,閱讀全文后剔除80篇(只分析危險(xiǎn)因素但未建立模型39篇、未描述模型建立方法30篇、學(xué)位論文2篇、無(wú)法獲取全文9篇),最終納入9篇[5-13]。9篇研究預(yù)測(cè)結(jié)果均為冠心病,納入文獻(xiàn)的基本特征見(jiàn)表1。

表1 納入文獻(xiàn)基本特征

2.2 冠心病發(fā)病風(fēng)險(xiǎn)預(yù)測(cè)模型的建立情況

9項(xiàng)研究候選預(yù)測(cè)變量數(shù)有6～19個(gè),樣本總量為1 262～268 315例,結(jié)果事件數(shù)為270～4 860例。Genders等[10]的研究中無(wú)缺失數(shù)據(jù)。建立模型的方法包括Logistic回歸、Cox比例風(fēng)險(xiǎn)模型、Logistic回歸聯(lián)合卡方自動(dòng)交互檢測(cè)(chi-squared automatic interaction detector,CHAID)決策樹(shù)。冠心病發(fā)病風(fēng)險(xiǎn)預(yù)測(cè)模型的建立情況見(jiàn)表2。

表2 冠心病發(fā)病風(fēng)險(xiǎn)預(yù)測(cè)模型建立情況

2.3 模型性能及預(yù)測(cè)因子

除Honda等[7]、Genders等[10]的研究外,其余7個(gè)模型的受試者工作特征曲線下面積(area under the curve,AUC)為0.70～0.86,預(yù)測(cè)性能較好。9項(xiàng)研究均進(jìn)行了內(nèi)部驗(yàn)證或外部驗(yàn)證,最終預(yù)測(cè)模型包含7～14個(gè)預(yù)測(cè)因子。預(yù)測(cè)因子由高到低排序依次為年齡、吸煙、糖尿病、性別、高血壓、高密度脂蛋白膽固醇、心絞痛、低密度脂蛋白膽固醇、體質(zhì)指數(shù)?；鶎俞t(yī)療機(jī)構(gòu)也可對(duì)這些指標(biāo)進(jìn)行評(píng)估。模型的最終呈現(xiàn)形式不同,通過(guò)風(fēng)險(xiǎn)評(píng)分的方式、冠心病發(fā)病率方程呈現(xiàn)結(jié)果。所有模型的性能及預(yù)測(cè)因子見(jiàn)表3。

表3 冠心病風(fēng)險(xiǎn)預(yù)測(cè)模型性能及預(yù)測(cè)因子

2.4 偏倚風(fēng)險(xiǎn)和適用性評(píng)價(jià)

2.4.1 與研究對(duì)象有關(guān)的偏倚

若研究選擇的數(shù)據(jù)來(lái)源不合適或未按照事先的納入標(biāo)準(zhǔn)和排除標(biāo)準(zhǔn)選擇研究對(duì)象,會(huì)造成選擇偏倚。經(jīng)過(guò)評(píng)估,9項(xiàng)研究偏倚風(fēng)險(xiǎn)均較低。

2.4.2 與預(yù)測(cè)因子有關(guān)的偏倚

該領(lǐng)域需考慮所有研究對(duì)象是否用類似的方式定義和評(píng)估、研究是否在不了解結(jié)果數(shù)據(jù)的情況下進(jìn)行、在使用模型時(shí)是否所有的預(yù)測(cè)因子都可用。經(jīng)評(píng)估4項(xiàng)研究在預(yù)測(cè)因子領(lǐng)域偏倚風(fēng)險(xiǎn)高[5-7,9],其余偏倚風(fēng)險(xiǎn)均低。使用多中心醫(yī)療機(jī)構(gòu)的數(shù)據(jù)時(shí),各中心預(yù)測(cè)變量評(píng)估方法的不同會(huì)產(chǎn)生偏倚。Chen等[5]和Genders等[10]研究的數(shù)據(jù)來(lái)自數(shù)據(jù)庫(kù),明確指出統(tǒng)一標(biāo)準(zhǔn)評(píng)估預(yù)測(cè)變量。李婕等[9]回顧性研究數(shù)據(jù)也來(lái)自多中心臨床數(shù)據(jù)庫(kù),未提及采取統(tǒng)一的方式預(yù)測(cè)變量。因此,“所有研究對(duì)象的預(yù)測(cè)因子是否以類似的方式定義和評(píng)估”的回答為“可能否”。如果不對(duì)預(yù)測(cè)因子評(píng)估者實(shí)施盲法也會(huì)造成偏倚。由于無(wú)法得知預(yù)測(cè)指標(biāo)的評(píng)估是否在不了解結(jié)果的情況下進(jìn)行,所以2項(xiàng)研究在“預(yù)測(cè)因子的評(píng)估是否在不了解結(jié)果數(shù)據(jù)的情況下進(jìn)行”回答為“無(wú)信息”。

2.4.3 與結(jié)果有關(guān)的偏倚

該部分適當(dāng)確定結(jié)果、使用預(yù)先指定的標(biāo)準(zhǔn)定義結(jié)果、結(jié)果是否剔除了預(yù)測(cè)因子、確定結(jié)果是否在不知道預(yù)測(cè)因子的情況下、預(yù)測(cè)因子評(píng)估和確定結(jié)果時(shí)間間隔合適的問(wèn)題均要考慮。有1項(xiàng)研究[7]在結(jié)果領(lǐng)域偏倚風(fēng)險(xiǎn)高,2項(xiàng)研究[10,12]偏倚風(fēng)險(xiǎn)低,其余6項(xiàng)研究[5-6,8-9,11,13]偏倚風(fēng)險(xiǎn)不清楚。Honda等[7]研究在“結(jié)果的定義和確定方式是否相似”回答為“可能否”。由于2項(xiàng)研究[11,13]中關(guān)于“是否在不知道預(yù)測(cè)因子信息的情況下確定結(jié)果”無(wú)信息,故偏倚風(fēng)險(xiǎn)回答為“不清楚”。

2.4.4 分析領(lǐng)域和總體偏倚分析的評(píng)估

該項(xiàng)評(píng)估涉及結(jié)果事件數(shù)量的合理情況、處理連續(xù)變量和分類變量、登記者參與在分析中、丟失數(shù)據(jù)的處理、考慮數(shù)據(jù)復(fù)雜性、合理評(píng)估模型性能、考慮樂(lè)觀偏差、最終模型的預(yù)測(cè)因子及其分配的權(quán)重與多變量分析結(jié)果相符。

9項(xiàng)研究偏倚風(fēng)險(xiǎn)均較高。除Jang等[11]未提及結(jié)果事件數(shù),其余研究結(jié)果事件數(shù)均大于100。二分類連續(xù)變量的模型會(huì)降低預(yù)測(cè)能力,有6個(gè)模型對(duì)連續(xù)變量進(jìn)行了二分類[5,7,9-10,12-13]。在缺失數(shù)據(jù)處理方面,4項(xiàng)研究沒(méi)有提供相關(guān)信息[5-6,9,11],4項(xiàng)用了完整案例分析[7-8,12-13],1項(xiàng)無(wú)缺失數(shù)據(jù)[10]。有1項(xiàng)研究為考慮競(jìng)爭(zhēng)風(fēng)險(xiǎn)和時(shí)間分析[5],可能會(huì)忽視數(shù)據(jù)的復(fù)雜性。關(guān)于模型性能評(píng)估,僅有2項(xiàng)研究同時(shí)報(bào)告了校準(zhǔn)度和區(qū)分度[5,11]。在5項(xiàng)開(kāi)發(fā)研究中,2項(xiàng)為隨機(jī)交叉驗(yàn)證[9,13],其余為自助采樣法驗(yàn)證。

2.4.5 適用性評(píng)價(jià)

在適用性方面,所有納入的模型在各領(lǐng)域和總體的適用性均較好。

3 討論

本研究共納入了9個(gè)冠心病風(fēng)險(xiǎn)預(yù)測(cè)模型,文獻(xiàn)質(zhì)量整體較好。大部分模型采用Logistic回歸方法建模且模型AUC>0.70。年齡、吸煙、糖尿病、血壓和血脂異常是模型中常用的預(yù)測(cè)因子。

3.1 冠心病風(fēng)險(xiǎn)預(yù)測(cè)模型的整體性能較好

模型的性能依賴于研究設(shè)計(jì)、建模方法、評(píng)估工具的選擇。本研究所有納入模型研究設(shè)計(jì)較完整和縝密,都進(jìn)行了內(nèi)部和(或)外部驗(yàn)證,研究方法學(xué)質(zhì)量評(píng)價(jià)結(jié)果整體較好。Logistic回歸能根據(jù)回歸系數(shù)的權(quán)重給各個(gè)預(yù)測(cè)因子進(jìn)行賦值,針對(duì)性地預(yù)測(cè)病人發(fā)生冠心病的風(fēng)險(xiǎn),因此模型的可操作性較強(qiáng)[14]。Framingham模型是國(guó)際上心血管疾病風(fēng)險(xiǎn)評(píng)估較常用模型,但研究表明只適用于發(fā)達(dá)國(guó)家人群[15]。Xu等[6]開(kāi)發(fā)出了較適宜發(fā)展中國(guó)家人群的預(yù)測(cè)模型。而有的研究[5]樣本量較小且未采用特殊統(tǒng)計(jì)學(xué)方法處理,應(yīng)慎用該類模型。

3.2 模型中預(yù)測(cè)因子的預(yù)測(cè)強(qiáng)度高

冠心病的危險(xiǎn)因素較多,但納入各模型的預(yù)測(cè)因子存在一定的共性,包括年齡[5-13]、吸煙[6-13]、糖尿病[6-13]、血脂異常[5-10,12-13]、性別[5-7,9-11]、高血壓[5-6,10]。5個(gè)模型[5-7,9-11]中,性別是獨(dú)立預(yù)測(cè)因子,可能原因?yàn)?女性絕經(jīng)前受到雌激素保護(hù),血管得到弱化[16],而絕經(jīng)后發(fā)病率差異不大。故對(duì)絕經(jīng)后女性應(yīng)做好健康宣教,盡早診斷并及時(shí)就醫(yī)。糖尿病也是重要的預(yù)測(cè)因子,可能是因?yàn)樘悄虿『凸谛牟∮蟹逝趾透哐獕旱认嗨频母呶０l(fā)病因素[17-18]。2013年美國(guó)心臟協(xié)會(huì)指南推薦將冠狀動(dòng)脈鈣化作為中風(fēng)險(xiǎn)人群的臨床決策輔助[19],但由于未建立模型,不納入本研究。國(guó)內(nèi)模型缺少對(duì)日常生活習(xí)慣,如鍛煉、久坐等的觀察,應(yīng)提高對(duì)此關(guān)注度,以降低冠心病的發(fā)生[20]。

3.3 局限性分析

由于研究的納入標(biāo)準(zhǔn)、研究設(shè)計(jì)、模型評(píng)價(jià)指標(biāo)存在差異,無(wú)法匯總結(jié)果進(jìn)行Meta分析,僅能進(jìn)行定性總結(jié),尚不能回答何種預(yù)測(cè)模型最適合我國(guó)人群。本研究剔除會(huì)議論文、學(xué)位論文等文獻(xiàn),一些重要研究可能漏選。本研究的模型雖都進(jìn)行了驗(yàn)證,但缺乏大樣本、多中心的外部驗(yàn)證,發(fā)表偏倚仍存在。

3.4 冠心病風(fēng)險(xiǎn)預(yù)測(cè)模型的應(yīng)用建議

冠心病風(fēng)險(xiǎn)預(yù)測(cè)模型能夠有效識(shí)別病人發(fā)病風(fēng)險(xiǎn),早期篩查和識(shí)別高危人群有助于醫(yī)護(hù)人員提供有針對(duì)性的預(yù)防措施,提高醫(yī)療資源的使用效率,改善病人結(jié)局。本研究中預(yù)測(cè)模型的預(yù)測(cè)性能和適用性較好,可將納入的高質(zhì)量預(yù)測(cè)模型應(yīng)用于冠心病管理和干預(yù)。目前,針對(duì)某個(gè)群體設(shè)計(jì)并考慮競(jìng)爭(zhēng)風(fēng)險(xiǎn)的預(yù)測(cè)模型罕見(jiàn),Liu等[13]的研究在此方面較有遠(yuǎn)見(jiàn),但也存在一定局限性。后期醫(yī)護(hù)人員可使用人工智能技術(shù)建立風(fēng)險(xiǎn)預(yù)測(cè)信息平臺(tái),提高預(yù)測(cè)模型的精準(zhǔn)度。

4 小結(jié)

本研究共納入9個(gè)預(yù)測(cè)模型,納入研究的方法學(xué)質(zhì)量評(píng)價(jià)和預(yù)測(cè)效能整體較好,可幫助醫(yī)護(hù)人員早期識(shí)別冠心病高風(fēng)險(xiǎn)人群,由于模型的外推性未得到及時(shí)評(píng)價(jià),未來(lái)可對(duì)模型外部驗(yàn)證進(jìn)行進(jìn)一步研究。