［摘要］隨著疾病譜的演變、醫(yī)療技術(shù)的進步及人口老齡化加劇，冠心?。–HD）合并共病的比例逐年增多，臨床表現(xiàn)為癥狀不典型、冠脈血管病變復雜、冠脈血運重建率低、主要心腦血管不良事件發(fā)生率高、死亡風險大。建立共病評分模型以評估病情進展及死亡風險，識別高危CHD共病人群，可盡早干預治療以降低死亡率。本文對基于共病的CHD死亡風險預測模型的進展作一綜述，旨在推動我國CHD管理的優(yōu)化。

［關鍵詞］冠心?。还膊。凰劳雎?；模型

doi：10.3969/j.issn.1674-7593.2023.03.025

Comorbidity-based Mortality Prediction Models for Coronary Heart Disease

Zhao Xiuyang，Zeng Min**

Hainan People's Hospital Healthcare Center of Hainan Hospital Affiliated to Hainan Medical College，Hainan570311

**Corresponding author：Zeng Min，email：hndzm6@126.com

［Abstract］The proportion of coronary heart disease（CHD） with comorbidities has been increasing with the evolution of disease spectrum，the progress of medical technologies and the acceleration of population aging.CHD with comorbidities is characterized by atypical clinical symptoms，complicated pathological vessels，low coronary revascularization rate，high incidence of major cardio-cerebrovascular adverse events，and high mortality risk.Comorbidity scoring models，particularly with the purposes of evaluating disease progression and mortality risk，may identify the high-risk population of CHD-related comorbidities，and do the early-interventions so as to reduce mortality.This paper reviews the risk prediction models for comorbidity-related CHD deaths，aiming at promoting the optimization of CHD management.

［Key words］Coronary heart disease;Comorbidity;Mortality;Model

共病通常是指同時患有兩種及以上的疾病，且多以慢性病為主。共病評分模型的建立可用于評估共病負擔對患者預后的影響，它包含對人體產(chǎn)生不良影響的疾病，同時也考慮疾病的嚴重程度以及各疾病之間的相互影響［1］。隨著醫(yī)療科技進步以及社會人口學演變，越來越多冠心?。–oronary heart disease，CHD）患者至少合并一種及以上共病，嚴重共病負擔占比逐年攀升［2-3］。共病不但干擾CHD典型臨床表現(xiàn)，影響臨床決策選擇，增加不良預后的發(fā)生及管理難度，更加重個人及社會經(jīng)濟負擔，甚至增加死亡率［2，4-9］。運用一個高效精準的共病評分模型以評估CHD病情進展及預后，及早進行臨床干預，可降低死亡率，對CHD共病患者極為重要。本文對目前幾個共病模型的應用進展進行綜述，旨在引起國內(nèi)相關人士重視，為建立符合我國CHD人群的共病模型提供參考依據(jù)，以提升我國CHD患者生存率。

1基于普通患者的共病死亡風險評分模型

1.1查爾森共病評分模型及其衍生模型

查爾森共病評分（Charlson commorbidity index，CCI）模型通過記錄599例內(nèi)科疾病患者臨床資料而創(chuàng)建，用于預測1年死亡風險［1］。CCI模型采用Cox回歸方程探索疾病與死亡的相關性，選取調(diào)整后相對風險值＞1.2的疾病作為該模型的共病指標，將調(diào)整后相對風險為1.2＜χ＜1.5的共病賦值為1分、1.5≤χ＜2.5為2分、2.5≤χ＜3.5為3分、≥6為6分?；颊吖膊】傮w負擔為其所患共病對應權(quán)重值總和，共病負擔越重，1年死亡風險越高。CCI模型在685例乳腺癌患者中得到驗證，且通過隨訪10年，發(fā)現(xiàn)年齡也是死亡的獨立危險因素，自50歲起，每增加10歲，權(quán)重值增加1分，即10年生存率為CCI模型=e0.9×（共病權(quán)重值-年齡權(quán)重值）。CCI模型不僅考慮到共病的數(shù)目又涵蓋共病的嚴重程度，同時賦予各共病權(quán)重值，是一種簡單、直觀且有效的評估共病死亡風險的模型。CCI模型目前已被證明可以預測不同臨床人群死亡率，包括內(nèi)科、外科、重癥監(jiān)護病房、創(chuàng)傷和癌癥患者，是公認用于評估各疾病死亡風險最為常見且有效的共病評分模型［10］。除了研判預后外，CCI模型也可用于醫(yī)療衛(wèi)生保健管理評估。如就CHD患者而言，CCI模型除了預測其死亡率外 ，還用于評估主要不良心腦血管疾病發(fā)生率、冠脈血運重建率、住院時長、住院費用和再入院的情況，是這些情況的獨立危險因素［2，5-8］。

CCI模型雖可用于評估CHD死亡風險，但仍有以下問題值得思考：①共病類型選取。CCI模型并非基于CHD而開發(fā)，個別指標在CHD中不常見，而CHD中一些常見共病未被包含，應開發(fā)更恰當?shù)倪m用于CHD的共病評分模型。②共病交互。不同疾病之間交互作用不同，對死亡所產(chǎn)生的影響有所差異。CCI模型是基于普通內(nèi)科患者所創(chuàng)建，普通內(nèi)科各個疾病相互作用對死亡所產(chǎn)生的影響是否與以CHD患者為研究背景是一致的？此外，隨著疾病譜的演變以及醫(yī)療技術(shù)的進步，一些疾病治愈率有所提升，是否重新檢驗并規(guī)劃CCI模型各個共病指標在CHD的權(quán)重值？③年齡賦分。CCI模型中每增加10歲，共病負擔權(quán)重值增加1分，這對于超高齡CHD患者是否可行？是否應該縮短其年限？

基于上述疑問，有學者發(fā)現(xiàn)CCI模型中有些共病指標在老年急性冠脈綜合征（Acute coronary syndrome，ACS）中不常見，對CCI模型進行簡化，創(chuàng)建了一個只包含6種共病，即腎功能衰竭、貧血、糖尿病、外周動脈疾病、腦血管疾病和慢性肺部疾病的共病評分模型以預測老年ACS患者1年死亡風險［11］。其共病權(quán)重值賦分同CCI模型，兩者預測老年ACS患者1年死亡風險相同，C統(tǒng)計量均為 0.80［11］。與CCI模型相比，其更精簡，但仍需更多臨床樣本以驗證。隨著疾病和有關健康問題的國際統(tǒng)計分類ICD10的頒布，以CCI模型結(jié)合ICD10創(chuàng)建了CDMF-CCI模型［12］。將腎功能按“輕-中度腎臟疾病”“重度腎功能”并分別賦予1分、2分；進一步細化不同嚴重程度腎功能對死亡的影響；同時將人類免疫缺陷病毒（Human immunodeficiency virus，HIV）感染及艾滋?。℉IV感染+機會性感染）區(qū)分開來，并分別賦予3分、6分，更符合當代HIV感染與艾滋?。℉IV感染+機會性感染）死亡風險的差別；同時將“白血病”“淋巴瘤”“非實體轉(zhuǎn)移性腫瘤”統(tǒng)一納入“任何惡性腫瘤”中，賦予2分。CDMF-CCI模型的每一個共病均被賦予相應分值，可以直觀反映各共病對死亡的影響程度，并且模型中的共病可以直接通過出院診斷提取，運用更加方便，較CCI模型更符合當代醫(yī)療背景。

1.2艾利克斯豪澤共病評分模型

艾利克斯豪澤共病評分模型（Elixhauser comorbidity score，ESC），用于衡量急性住院患者住院時間、住院費用以及住院死亡情況［13］。同CCI模型一樣，ESC模型除了用于評估死亡風險，也可用于評估醫(yī)療衛(wèi)生保健管理，旨在減輕資源浪費、減少國家醫(yī)療財政支出負擔，且其識別不良事件精準度略高于CCI模型［14］。但ESC模型主要用于急性住院患者，而CCI模型的對象則為慢性疾病患者。另外ESC模型共病種類繁多，且未賦予各共病對死亡影響的權(quán)重值，運用時需重新評估該模型中30種共病對研究人群死亡風險的影響值，臨床實際操作繁瑣，可行性差，一定程度上限制其臨床應用。繼而，有研究者將ECS模型中30種共病翻譯到國際疾病代碼中，并采用多元性Logistic回歸確定每個共病與住院死亡率的獨立關聯(lián)強度，賦予其對應的權(quán)重值［15］。

2基于CHD的共病死亡風險預測模型

為精準識別CHD高?；颊撸u估個體疾病嚴重程度、病情進展并預測死亡風險，以便提前給予合理干預，提高CHD共病患者生存率，目前有以下5個針對CHD的共病死亡風險預測模型。

2.1安大略省急性心肌梗死死亡預測規(guī)則

安大略省急性心肌梗死死亡預測規(guī)則（Ontario acute myocardial infarction mortality prediction rules，OAMIPR）用于預測不同共病負擔急性心肌梗死（Acute myocardial infarction，AMI）患者1個月和1年死亡風險，其ROC曲線下面積分別為0.780、0.790［16］。OAMIPR在4 836例及112 234例2個AMI數(shù)據(jù)庫分別得到驗證。OAMIPR包含11種共病，均為AMI常見共病，比較容易獲得，且其識別AMI 5年死亡風險準確性比CCI模型高［17］。但同ECS模型一樣，OAMIPR并未賦予反映共病對死亡影響程度的權(quán)重值，運用時需重新評估各共病，操作較繁瑣。

2.2冠狀動脈疾病特異性指數(shù)

冠狀動脈疾病特異性指數(shù) （Coronary artery disease specific index，CSI）參考CHD危險因素、影響病情進展的疾病以及CCI模型，采用Cox比例風險回歸模型創(chuàng)建，并通過觀察共病與死亡的相關性，分別賦予各共病相應權(quán)重值，用于研判共病負擔對CHD患者出院后1個月和1年的死亡風險，評分越高，死亡風險越大［18］。與CCI模型對比，兩者識別1年死亡風險的準確性略有差異，C統(tǒng)計量分別為0.720及0.734。但CSI建模數(shù)據(jù)少，未對外部數(shù)據(jù)進行驗證，且有研究指出CSI識別CHD患者死亡風險不及CCI模型［19］。

2.3簡單共病指數(shù)

簡單共病指數(shù)（Simple comorbidity index，SCI）以非ST段抬高型急性冠脈綜合征（Non-ST elevation acute coronary syndrome，NSTE-ACS）為研究人群，參考冠狀動脈危險因素、CCI模型以及CSI構(gòu)建的只包含6個共病的模型，并依據(jù)風險比值賦予不同權(quán)重值，用于預測NSTE-ACS 1年死亡風險［20］。將其與CCI模型及CSI對比，C統(tǒng)計量分別為0.848、0.837、0.833。相比CCI、CDMF-CCI、ECS以及CSI，SCI共病類型更加簡單方便。SCI評分越高，NSTE-ACS患者心肌梗死發(fā)生率越高，死亡風險越大［19］。

2.4丹麥急性心肌梗死共病指數(shù)

丹麥急性心肌梗死共病指數(shù)（DANish comorbidity index for acute myocardial infarction， DANCAMI）是根據(jù)2000～2013年丹麥全國首次發(fā)生心肌梗死的患者（36 685例），通過多變量Cox模型風險比逐步消除其他共病影響，選取風險比（Hazard ratio，HR）（95%CI）≥1.1的共病所創(chuàng)建［21］。該指數(shù)有2種，一種為包含心血管及非心血管共病的DANCAMI，另一種是僅包含非心血管共病的rDANCAMI，兩者均用于預測AMI患者1年全因死亡風險，并在新西蘭數(shù)據(jù)庫中得到驗證，其預測AMI的1年死亡風險均優(yōu)于CCI模型及ECS。利用DANCAMI評估美國250萬例AMI住院患者的住院全因死亡及住院主要不良心腦血管事件、大出血、缺血性腦卒中和接受冠狀動脈造影術(shù)或經(jīng)皮冠狀動脈介入治療，發(fā)現(xiàn)該評分越高，冠脈侵入性治療越低，住院不良事件發(fā)生率越高，表明該模型可以識別AMI不良結(jié)局的高風險患者［22］。此外rDANCAMI指數(shù)還可用于預測靜脈血栓栓塞患者1年死亡風險［23］。

2.5新風險評分

上述模型均以西方人群為背景開發(fā)，近年來我國學者也開始關注適用于中國人群的共病死亡風險預測模型。我國學者以AMI為研究對象創(chuàng)建了新風險評分（novel risk score，R-S）用于評估AMI患者住院死亡風險，并在65家三級醫(yī)院加以驗證［24］。與CCI模型相比，R-S表現(xiàn)出良好的預測AMI患者住院死亡風險性能，更適合于中國AMI患者。但該模型同ECS、OAMIPR規(guī)則一樣，共病數(shù)目多，未賦予共病權(quán)重值，臨床操作繁瑣，且目前尚未有涉及該模型的相關研究，其價值有待進一步驗證。

3總結(jié)與展望

一個合理高效的共病評分模型可以識別共病對CHD的不良影響，可提高診療精準度，改善生存預后。目前共病模型提出至今已有30 余年，用于預測CHD共病患者死亡風險的共病模型研究背景復雜，各共病參數(shù)參差不齊，權(quán)重大小不一，且絕大部分是以國外人群為研究對象，我們應當基于我國CHD人群，開發(fā)符合自身特點的CHD共病評分模型，以精準識別高危CHD共病患者，降低我國CHD患者死亡率。

參考文獻

［1］Charlson ME，Pompei P，Ales KL，et al.A new method of classifying prognostic comorbidity in longitudinal studies：development and validation［J］.J Chronic Dis，1987，40（5）：373-383.

［2］Zhang F，Bharadwaj A，Mohamed MO，et al.Impact of Charlson co-morbidity index score on management and outcomes after acute coronary syndrome［J］.Am J Cardiol，2020，130：15-23.

［3］李沙沙，王培席，李俊晴，等.冠心病住院患者共病現(xiàn)狀及其對住院時間的影響［J］.名醫(yī)，2021，（7）：48-49.

［4］Hammer Y，Eisen A，Hasdai D，et al.Comparison of outcomes in patients with acute coronary syndrome presenting with typical versus atypical symptoms［J］.Am J Cardiol，2019，124（12）：1851-1856.

［5］Beska B，Mills GB，Ratcovich H，et al.Impact of multimorbidity on long-term outcomes in older adults with non-ST elevation acute coronary syndrome in the North East of England： a multi-center cohort study of patients undergoing invasive care［J］.BMJ Open，2022，12（7）：e061830.

［6］Potts J，Kwok CS，Ensor J，et al.Temporal changes in co-morbidity burden in patients having percutaneous coronary intervention and impact on prognosis［J］.Am J Cardiol，2018，122（5）：712-722.

［7］李彥波，劉于紅，費月海，等.高齡急性心肌梗死患者臨床特點分析［J］.國際老年醫(yī)學雜志，2018，39（1）：34-36，44.

［8］Mamas MA，F(xiàn)ath-Ordoubadi F，Danzi GB，et al.Prevalence and impact of co-morbidity burden as defined by the Charlson co-morbidity index on 30-day and 1- and 5-year outcomes after coronary stent implantation（from the Nobori-2 Study）［J］.Am J Cardiol，2015，116（3）：364-371.

［9］中國心血管健康與疾病報告編寫組.中國心血管健康與疾病報告2020概要［J］.中國循環(huán)雜志，2021，36（6）：521-545.

［10］Charlson ME，Carrozzino D，Guidi J，et al.Charlson comorbidity index：a critical review of clinimetric properties［J］.Psychother Psychosom，2022，91（1）：8-35.

［11］Sanchis J，Soler M，Núez J，et al.Comorbidity assessment for mortality risk stratification in elderly patients with acute coronary syndrome［J］.Eur J Intern Med，2019，62：48-53.

［12］Glasheen WP，Cordier T，Gumpina R，et al.Charlson comorbidity index：ICD-9 update and ICD-10 translation［J］.Am Health Drug Benefits，2019，12（4）：188-197.

［13］Elixhauser A，Steiner C，Harris DR，et al.Comorbidity measures for use with administrative data［J］.Med Care，1998，36（1）：8-27.

［14］Zhang F，Chiu Y，Ensor J，et al.Elixhauser outperformed Charlson comorbidity index in prognostic value after ACS：insights from a national registry［J］.J Clin Epidemiol，2022，141：26-35.

［15］van Walraven C，Austin PC，Jennings A，et al.A modification of the Elixhauser comorbidity measures into a point system for hospital death using administrative data［J］.Med Care，2009，47（6）：626-633.

［16］Tu JV，Austin PC，Walld R，et al.Development and validation of the Ontario acute myocardial infarction mortality prediction rules［J］.J Am Coll Cardiol，2001，37（4）：992-997.

［17］Grunau GL，Sheps S，Goldner EM，et al.Specific comorbidity risk adjustment was a better predictor of 5-year acute myocardial infarction mortality than general methods［J］.J Clin Epidemiol，2006，59（3）：274-280.

［18］Sachdev M，Sun JL，Tsiatis AA，et al.The prognostic importance of comorbidity for mortality in patients with stable coronary artery disease［J］.J Am Coll Cardiol，2004，43（4）：576-582.

［19］Chirinos J A，Veerani A，Zambrano J P，et al.Evaluation of comorbidity scores to predict all-cause mortality in patients with established coronary artery disease［J］.Int J Cardiol，2007，117（1）：97-102.

［20］Sanchis J，Núez J，Bodí V，et al.Influence of comorbid conditions on one-year outcomes in non-ST-segment elevation acute coronary syndrome［J］.Mayo Clin Proc，2011，86（4）：291-296.

［21］Wellejus Albertsen L，Heide-Jrgensen U，Schmidt S，et al.The DANish comorbidity index for acute myocardial infarction（DANCAMI）：development， validation and comparison with existing comorbidity indices［J］.Clin Epidemiol，2020，12：1299-1311.

［22］Sokhal BS，Mateti A，Abhishek，et al.Influence of the Danish co-morbidity index score on the treatment and outcomes of 2.5 million patients admitted with acute myocardial infarction in the United States［J］.Am J Cardiol，2022，179：1-10.

［23］Bonnesen K，Heide-Jrgensen U，Albertsen LW，et al.Validation of the Danish comorbidity index for acute myocardial infarction for predicting one-year mortality in patients with venous thromboembolism［J］.Thromb Res，2022，212：9-18.

［24］Qu Z，Zhao LP，Ma X，et al.Building a patient-specific risk score with a large database of discharge summary reports［J］.Med Sci Monit，2016，22：2097-2104.

（2023-01-10收稿）