【摘 要】目的：綜合分析經(jīng)皮冠狀動脈介入術(shù)（percutaneous coronary intervention，PCI）后的急性心肌梗死（acute myocardial in?farction，AMI）患者預(yù)后影響因素，并構(gòu)建預(yù)測模型和預(yù)后評分體系，為臨床血管個性化治療提供參考。方法：本研究回顧性收集從2018年1月至2022年6月所有在江西省南昌大學(xué)第二附屬醫(yī)院行PCI術(shù)的AMI患者，隨訪結(jié)局是術(shù)后首次發(fā)生主要心血管不良事件（major adverse cardiovascular events，MACE）。采用十倍交叉驗證的Lasso回歸確定納入模型的變量，構(gòu)建隨機(jī)生存森林（random survival forest，RSF）模型和Cox比例風(fēng)險模型，采用受試者工作特征曲線（receiver operating characteristic，ROC）下面積（area under curve，AUC）和校準(zhǔn)曲線評估模型性能。根據(jù)RSF 模型擬合結(jié)果繪制風(fēng)險計算器。結(jié)果：研究最終共納入3 880例AMI患者，其中術(shù)后1年內(nèi)發(fā)生主要心血管不良事件473例（12.2%）。Lasso回歸篩選出性別、急性心肌梗死類型、高血壓等15個變量。多因素Cox回歸結(jié)果顯示，糖尿病、左室射血分?jǐn)?shù)較低（30%～40%）、血管狹窄程度是術(shù)后MACE發(fā)生的影響因素。驗證集中，RSF和Cox模型的AUC分別為0.774（95%CI=0.761～0.787）和0.597（95%CI=0.581～0.613）。繪制的校準(zhǔn)曲線提示，該模型在預(yù)測1 年MACE 風(fēng)險方面具有較高的準(zhǔn)確性，構(gòu)建的RSF 評分最佳截斷點（Score=133）也能準(zhǔn)確區(qū)分MACE累計發(fā)病風(fēng)險（Plt;0.001）。結(jié)論：構(gòu)建的RSF模型及評分綜合上述因素，能有效預(yù)測術(shù)后MACE發(fā)病風(fēng)險并進(jìn)行風(fēng)險分層，幫助臨床心血管醫(yī)生制定個性化治療方案。

【關(guān)鍵詞】急性心肌梗死；主要心血管不良事件；隨機(jī)生存森林；Cox回歸；預(yù)后評分

【中圖分類號】R4 【文獻(xiàn)標(biāo)志碼】A 【收稿日期】2023-10-04

急性心肌梗死（acute myocardial infarction，AMI）是由冠狀動脈急性、持續(xù)性缺血缺氧引起的心肌細(xì)胞壞死，也是目前全球心血管疾病死亡最常見的臨床急癥之一，而且患者在治療出院后的心肌梗死再發(fā)率也在顯著增加[1]。盡管目前經(jīng)皮冠狀動脈介入術(shù)（percutaneous coronary intervention，PCI）是治療急性心肌梗死的常用手段[2]，然而患者術(shù)后仍會出現(xiàn)出血、心肌損傷、支架再狹窄、心肌梗死再發(fā)等心血管不良事件的風(fēng)險[3-4]，有約17.8%的AMI患者在行PCI術(shù)后1年發(fā)生主要心血管不良事件（majoradverse cardiovascular events，MACE）[5]。而PCI目前建立的MACE模型預(yù)測表現(xiàn)大多一般（曲線下面積在0.65左右），且運用Cox、logistic等單一模型而較少應(yīng)用隨機(jī)生存森林一類的集成學(xué)習(xí)。本研究借助隨機(jī)生存森林（random survival forest，RSF）模型，從一般人口學(xué)特征、術(shù)前檢查信息、血液檢驗指標(biāo)和手術(shù)相關(guān)信息等多方面綜合分析AMI患者術(shù)后的影響因素，并構(gòu)建PCI預(yù)后評分，為臨床心血管個性化治療提供參考。

1 資料與方法

1.1 研究對象

本研究回顧性收集從2018年1月至2022年6月所有在江西省南昌大學(xué)第二附屬醫(yī)院符合PCI手術(shù)標(biāo)準(zhǔn)并行PCI術(shù)的心肌梗死患者，疾病診斷分類標(biāo)準(zhǔn)依據(jù)ICD-10的分類，均術(shù)后隨訪1年以上。手術(shù)指征包括慢性穩(wěn)定型冠心病有較大范圍心肌缺血證據(jù)、不穩(wěn)定心絞痛、非ST段抬高性心肌梗死及急性ST段抬高性心肌梗死。

納入標(biāo)準(zhǔn)：①年齡≥18 歲；②臨床確診急性心肌梗死（AMI）③胸痛12 h 內(nèi)；④病變血管直徑大小gt;1.5 mm；⑤左回旋支（left circumflex artery，LCX）、左前降支（left anteriordescending，LAD）、右冠狀動脈（right coronary artery，RCA）3 處至少有一個部位的管徑狹窄gt;50%；⑥院內(nèi)行PCI治療，并且至少植入支架1枚；⑦有完整詳細(xì)的電子病歷，有定期復(fù)查及隨訪結(jié)果記錄。排除標(biāo)準(zhǔn)：①有PCI、冠狀動脈旁路移植術(shù)（coronary artery bypass grafting，CABG）治療史；②并發(fā)其他心臟疾病需行外科手術(shù)；③左主干病變管腔狹窄gt;50%；④有近期或活動性出血；⑤腦內(nèi)腫塊或動脈瘤；⑥對阿司匹林或氯吡格雷過敏或碘化造影劑過敏；⑦入院時已發(fā)生嚴(yán)重感染、嚴(yán)重肝功能不全、惡性腫瘤等疾病。

為了充分評估術(shù)后主要心血管不良事件的風(fēng)險預(yù)測因子，本研究評分模型擬納入影響因素不超過20 項，參考Richard 提出的臨床預(yù)測模型樣本量計算方法進(jìn)行計算[6]，至少應(yīng)納入患者3 500例。從4個主要類別中選擇了特征，包括一般信息如年齡、性別、體重指數(shù)（body mass index，BMI）、既往病史等，術(shù)前檢查如心率、收縮壓（systolic blood pres?sure，SBP）、舒張壓（diastolic blood pressure，DBP）、Kiliip、左室射血分?jǐn)?shù)（left ventricular ejection fraction，LVEF）等、血液檢查如白細(xì)胞（white blood cell，WBC）、血紅蛋白（haemoglo?bin，Hb）、紅細(xì)胞壓積（hematocrit，HCT）、超敏心肌肌鈣蛋白（high-sensitive cardiac troponin，hs.cTn）、腦鈉肽（brain natri?uretic peptide，BNP）等，以及手術(shù)信息如血管狹窄程度、病變冠脈支數(shù)、支架數(shù)目等。通過門診病歷、再入院記錄及電話隨訪等方式獲取，包括心血管事件、死亡、生存、拒訪、失訪等信息。本研究在南昌大學(xué)第二附屬醫(yī)院倫理委員會監(jiān)督下完成，調(diào)查開展前均獲得研究對象的知情同意。

1.2 隨訪結(jié)局

本研究中的PCI手術(shù)隨訪結(jié)局是術(shù)后1年內(nèi)首次發(fā)生MACE，包括心源性死亡、心肌梗死、心絞痛發(fā)作、心力衰竭、再次血運重建、惡性心律失常、支架血栓等[7]。疾病診斷由國際疾病分類代碼第十版（ICD-10）定義。

1.3 質(zhì)量控制

在回顧性收集患者相關(guān)信息前，對調(diào)查問卷及人員進(jìn)行專家咨詢和人員培訓(xùn)，數(shù)據(jù)錄入結(jié)束當(dāng)天進(jìn)行信息核對。在收集隨訪信息前，記錄收集的結(jié)局信息和時間；對于出現(xiàn)心血管不良事件的患者，明確其事件類型。

1.4 統(tǒng)計學(xué)方法

使用SPSS 26.0和R 4.2.1進(jìn)行統(tǒng)計分析，計量資料采用四分位數(shù)[Md（P25，P75）]表示，計數(shù)資料采用頻數(shù)及構(gòu)成比進(jìn)行描述。計量資料的差異性比較采用t 檢驗或U 檢驗分析，計數(shù)資料則采用χ2 檢驗分析。檢驗水準(zhǔn)α=0.05。當(dāng)某一變量的缺失比例超過30%，則剔除該變量，對符合要求的缺失變量進(jìn)行鏈?zhǔn)椒匠蹋╩ultiple imputation by chained equations，MICE）多重插補(bǔ)[8]。在數(shù)據(jù)填補(bǔ)后，對不平衡數(shù)據(jù)進(jìn)行過采樣處理[9]。使用Z 值歸一化法對變量進(jìn)行歸一處理以減少偏差，并采用十倍交叉驗證的Lasso 回歸確定納入模型的變量[10]。同時，按照7∶3的比例劃分訓(xùn)練集和驗證集，構(gòu)建隨機(jī)生存森林（RSF）模型[11]和Cox比例風(fēng)險模型，采用受試者工作特征曲線（receiver operating characteristic，ROC）下面積（area under curve，AUC）和校準(zhǔn)曲線評估模型性能。根據(jù)RSF模型擬合結(jié)果借助shiny程序包繪制風(fēng)險計算器。研究過程見圖1。

2 結(jié)果

2.1 患者一般情況

研究最終共納入3 880例AMI患者，其中術(shù)后1年內(nèi)發(fā)生主要心血管不良事件473例（12.2%）。所有患者中男性2 862例、STEMI 1 233例、高血壓2 220例、糖尿病1 151例、腎功能不全523例。納入患者的基線人口學(xué)特征和臨床特征（按MACE分組）見表1。各變量差異統(tǒng)計學(xué)分析結(jié)果顯示，有高血壓病史（χ2=4.080，P=0.043）、糖尿病病史（χ2=7.031，P=0.008）、腎功能不全病史（χ2=4.188，P=0.041）、LVEF 偏低（χ2=19.219，Plt;0.001）、HCT 偏低（χ2=8.091，P=0.017）、BNP偏高（χ2=11.247，P=0.001）、Cre偏高（χ2=13.060，P=0.001）、eGFR 偏低（χ2=19.169，P=0.002）及血管狹窄程度高（χ2=18.076，P=0.001）的患者術(shù)后更易發(fā)生MACE。由于結(jié)局事件的不平衡分布，對其進(jìn)行隨機(jī)過采樣處理（n=5 000）。患者被隨機(jī)分為訓(xùn)練組（70%）和驗證組（30%），訓(xùn)練組3 500例，驗證組1 500例，兩組間各變量差異無統(tǒng)計學(xué)意義（表2）。圖2也顯示，2組間的MACE累積風(fēng)險發(fā)生率曲線經(jīng)log-rank 檢驗差異無統(tǒng)計學(xué)意義（P=0.760）。

2.2 變量篩選

研究共有78 個基線特征變量（缺失比例lt;30%）作為Lasso回歸的候選預(yù)測因子。Lasso回歸選擇部分似然偏差最小的lambda值，最終選取性別、急性心肌梗死類型、高血壓、糖尿病、腎功能不全、BMI、LVEF、HCT、BNP、Cre、eGFR、病變冠脈支數(shù)、血管狹窄程度、手術(shù)方法、植入支架數(shù)等15個變量。變量的部分基線特征（Lasso回歸篩選結(jié)果）見表1。

以1年內(nèi)主要心血管不良事件作為結(jié)局變量，Lasso回歸所選特征作為自變量，進(jìn)行單因素和多因素Cox回歸分析。單因素Cox回歸結(jié)果顯示，有高血壓、糖尿病、腎功能不全、LVEF 較低（40%～50% 和30%～40%）、HCT 較低、BNP 較高、eGFR 3期的患者預(yù)后較差，Cre較低的患者預(yù)后較好。多因素Cox回歸結(jié)果顯示，糖尿病、LVEF較低（30%～40%）、血管狹窄程度是術(shù)后MACE發(fā)生的危險因素。

2.3 模型擬合

將上述選擇的15 個變量作為獨立預(yù)測因子用于隨機(jī)生存森林（RSF）模型開發(fā)。在訓(xùn)練過程中選擇樹的棵樹為2 000，從而保證擬合結(jié)果的穩(wěn)健性，并在驗證集中對構(gòu)建的RSF模型進(jìn)行驗證。為了評估RSF模型的判別性能，還比較了RSF模型和Cox模型的C指數(shù)和AUC。訓(xùn)練集中，RSF模型的C 指數(shù)為0.850，AUC 為0.850（95%CI=0.843～0.857）；Cox 模型的C 指數(shù)為0.606，AUC 為0.606（95%CI=0.596～0.616）。驗證集中，RSF模型的C指數(shù)為0.774，AUC為0.774（95%CI=0.761～0.787）；Cox 模型的C 指數(shù)為0.597，AUC 為0.597（95%CI=0.581～0.613）。見圖3。同時，預(yù)測事件概率的校準(zhǔn)曲線表明，該模型在預(yù)測1年心血管不良事件風(fēng)險方面具有較高的準(zhǔn)確性（圖4）。

根據(jù)變量在RSF模型中的權(quán)重來評估變量的重要性，表明單變量對模型的貢獻(xiàn)。結(jié)果顯示，狹窄分級、eGFR、LVEF、支架數(shù)量、病變冠狀動脈數(shù)量、HCT、腎功能不全和高血壓與MACE 的高風(fēng)險相關(guān)（圖5）。狹窄分級、eGFR 和LVEF是該模型的3個主要相關(guān)危險因素。

2.4 風(fēng)險分組

根據(jù)RSF模型擬合后的變量重要性對個體風(fēng)險評分進(jìn)行計算后，根據(jù)風(fēng)險評分的最佳截斷點（Score=133）將患者分為高危組和低危組，高危組585例，低危組3 295例。Logrank檢驗結(jié)果顯示，2組間的主要心血管不良事件累積發(fā)生率曲線差異有統(tǒng)計學(xué)意義（Plt;0.001）。見圖6。

2.5 模型可視化

為了進(jìn)一步表現(xiàn)RSF模型的結(jié)果，繪制了1個PCI術(shù)后1年MACE的風(fēng)險計算器，它可以通過輸入相關(guān)信息計算每個患者的術(shù)后1年MACE風(fēng)險分值，從而幫助臨床醫(yī)生根據(jù)患者風(fēng)險選擇適當(dāng)?shù)闹委煼桨?。見圖7。以1名有高血壓病史、腎功能不全病史、BMI 正常、LVEF 在40%～50% 水平、HCT正常、BNP偏高、Cre偏高、CKD 4期、3支病變冠脈且狹窄程度為嚴(yán)重狹窄、植入3個支架的女性STEMI患者為例，輸入相關(guān)信息計算可得，該患者的風(fēng)險評分為216分，屬于MACE高危組。

3 討論

本研究隨訪的AMI患者術(shù)后1年MACE的發(fā)病率為12.2%，這與Kong FY等[12]隨訪結(jié)果類似[12]。研究還開發(fā)了1個基于隨機(jī)生存森林的預(yù)測模型和預(yù)后評分用于預(yù)測AMI患者PCI術(shù)后MACE風(fēng)險，模型納入了性別、急性心肌梗死類型、高血壓、糖尿病、腎功能不全、BMI、LVEF、HCT、BNP、Cre、eGFR、病變冠脈支數(shù)、血管狹窄程度、手術(shù)方法、植入支架數(shù)等15個變量作為獨立預(yù)測因子。ROC曲線和校準(zhǔn)曲線結(jié)果均表明該模型在預(yù)測MACE風(fēng)險上相較于傳統(tǒng)模型Cox回歸表現(xiàn)更好。此外，基于模型構(gòu)建的評分能有效地將患者分為不同的風(fēng)險組，以便臨床心血管醫(yī)生選擇合適的治療策略，從而提高AMI患者術(shù)后生活生命質(zhì)量。

本研究應(yīng)用隨機(jī)生存森林算法開發(fā)了AMI患者術(shù)后MACE的風(fēng)險預(yù)測模型，并與傳統(tǒng)生存模型進(jìn)行了比較。ROC曲線結(jié)果顯示，RSF模型預(yù)測性能優(yōu)于Cox模型，且在驗證集中并未表現(xiàn)出過擬合現(xiàn)象。同時繪制的校準(zhǔn)曲線也顯示了其在1 年MACE上良好的預(yù)測性能。Cox回歸作為傳統(tǒng)經(jīng)典的生存分析方法[13-14]，目前隨著影響因素間的內(nèi)在交互效應(yīng)而逐漸顯現(xiàn)出不足[15]。而本研究中的隨機(jī)生存森林模型將隨機(jī)森林算法和Cox回歸相結(jié)合，通過綜合多元因素進(jìn)行非線性生存分析，從而預(yù)測AMI患者在行PCI術(shù)后1年發(fā)生MACE的風(fēng)險。該模型不僅能很好地區(qū)分不同風(fēng)險人群，而且具有良好的可解釋性，可用于臨床預(yù)后評分構(gòu)建和患者累計風(fēng)險曲線繪制。

在RSF模型中，血管狹窄程度、eGFR、LVEF、植入支架數(shù)、HCT和腎功能不全是術(shù)后心血管不良事件的重要影響因素。血管狹窄程度和LVEF是反映冠狀動脈和心臟功能狀態(tài)的重要指標(biāo)。在本研究中，血管狹窄程度越高、LVEF越低，術(shù)后MACE風(fēng)險越高，這與李瑞等[16]研究一致。張鑫等[17]的前瞻性研究雖并未對LVEF進(jìn)行分組，但結(jié)果仍表明不同水平的LVEF與6個月、12個月、24個月的MACE有關(guān)。腎臟狀態(tài)一直被認(rèn)為心血管事件的影響因素。術(shù)前eGFR水平作為腎功能指標(biāo)之一，本研究依據(jù)KDIGO 發(fā)布的指南[18]進(jìn)行分組，eGFR 水平越低的AMI患者相較于正常AMI患者術(shù)后預(yù)后情況更差，這與趙圣吉等[19]的研究結(jié)果一致，其影響機(jī)制可能與腎功能下降引起的蛋白尿等導(dǎo)致血管物質(zhì)大量丟失有關(guān)[20-21]。而腎功能不全同樣反映了患者機(jī)體腎臟存在受損，功能狀況的下降[22]。HCT作為臨床上判斷是否需要補(bǔ)充電解質(zhì)的實驗檢查指標(biāo)之一，其水平的變化也與腎臟功能、心臟狀況有關(guān)[23]。此外，研究還發(fā)現(xiàn)，植入支架數(shù)、病變冠脈支數(shù)是預(yù)后影響因素，與文獻(xiàn)報道一致[24]。而支架放置和冠脈造影作為PCI術(shù)的重要組成部分，植入支架的數(shù)目和病變冠脈的數(shù)量能在一定程度上反映AMI的嚴(yán)重程度[25]。

本研究仍存在一些局限性。首先是本研究是單一中心現(xiàn)場，需要進(jìn)一步的多中心臨床隊列來提高樣本的代表性，從而檢驗?zāi)Ｐ图霸u分的可推廣性。其次，此次研究所納入的臨床變量主要是術(shù)前檢查檢驗信息和手術(shù)信息，后續(xù)研究擬增加AMI患者術(shù)后指標(biāo)的收集和分析，提高模型的穩(wěn)定性和評分的可靠性。

綜上所述，本研究構(gòu)建的RSF模型及評分綜合了血管狹窄程度、eGFR、LVEF、植入支架數(shù)、HCT和腎功能不全等15個臨床因素，能有效預(yù)測AMI患者術(shù)后MACE發(fā)病風(fēng)險并進(jìn)行風(fēng)險分層，幫助臨床心血管醫(yī)生制定個性化治療方案。

參考文獻(xiàn)

[1] Song JL，Murugiah K，Hu S，et al. Incidence，predictors，and prog?

nostic impact of recurrent acute myocardial infarction in China[J].

Heart，2020，107（4）：313-318．

[2] You JY，Gao LM，Shen YL，et al. Predictors and long-term progno?

sis of left ventricular aneurysm in patients with acute anterior myocar?

dial infarction treated with primary percutaneous coronary intervention

in the contemporary era[J]. J Thorac Dis，2021，13（3）：1706-1716．

[3] Madhavan MV，Stone GW. Adverse events beyond 1 year after per?

cutaneous coronary intervention[J]. Curr Opin Cardiol，2020，35（6）：

687-696．

[4] Madhavan MV，Kirtane AJ，Redfors B，et al. Stent-related adverse

events gt;1 year after percutaneous coronary intervention[J]. J Am Coll

Cardiol，2020，75（6）：590-604．

[5] Copeland-Halperin RS，Baber U，Aquino M，et al. Prevalence，cor?

relates，and impact of coronary calcification on adverse events following

PCI with newer-generation DES：findings from a large multiethnic regis?

try[J]. Catheter Cardiovasc Interv，2018，91（5）：859-866．

[6] Riley RD，Snell KI，Ensor J，et al. Minimum sample size for devel?

oping a multivariable prediction model：part II - binary and time-toevent

outcomes[J]. Stat Med，2019，38（7）：1276-1296．

[7] Jespersen L，Hvelplund A，Abildstr?m SZ，et al. Stable angina pec?

toris with no obstructive coronary artery disease is associated with in?

creased risks of major adverse cardiovascular events[J]. Eur Heart J，

2012，33（6）：734-744．

[8] van Buuren S，Groothuis-Oudshoorn K. mice：multivariate imputa?

tion by chained equations inR[J]. J Stat Soft，2011，45（3）：1-67．

[9] Xie CY，Du R，Ho JW，et al. Effect of machine learning resampling

techniques for imbalanced datasets in 18F-FDG PET-based ra?

diomics model on prognostication performance in cohorts of head and

neck cancer patients[J]. Eur J Nucl Med Mol Imaging，2020，47（12）：

2826-2835．

[10] Ramsay IS，Ma SS，F(xiàn)isher M，et al. Model selection and predic?

tion of outcomes in recent onset schizophrenia patients who undergo cog?

nitive training[J]. Schizophr Res Cogn，2017，11：1-5．

[11] Taylor JMG. Random survival forests[J]. J Thorac Oncol，2011，6

（12）：1974-1975．

[12] Kong FY，Xiang L，Wu YN，et al. Evaluation of the prognostic

role of the wall motion score index and the SYNTAX score II in patients

with acute coronary syndrome following percutaneous coronary interven?

tion by evaluation of major adverse cardiovascular events at 12-month

follow-up[J]. Med Sci Monit，2021，27：e932652．

[13] Lee HH，Lee H，Cho SMJ，et al. On-treatment blood pressure and

cardiovascular outcomes in adults with hypertension and left ventricular

hypertrophy[J]. J Am Coll Cardiol，2021，78（15）：1485-1495．

[14] Cahn A，Wiviott SD，Mosenzon O，et al. Association of baseline

HbA1c with cardiovascular and renal outcomes： analyses from

DECLARE-TIMI 58[J]. Diabetes Care，2022，45（4）：938-946．

[15] McGregor DE，Palarea-Albaladejo J，Dall PM，et al. Cox regres?

sion survival analysis with compositional covariates：application to mod?

elling mortality risk from 24-h physical activity patterns[J]. Stat Meth?

ods Med Res，2020，29（5）：1447-1465．

[16] 李 瑞，劉墨麒，黎佳璐，等. 心腦血管系統(tǒng)的影像評估對主要

心血管不良事件的預(yù)測作用[J]. 中國腦血管病雜志，2022，19（3）：

154-160．

Li R，Liu MQ，Li JL，et al. Predictive value of imaging assessment on

cardiovascular and cerebrovascular systems for major adverse cardiovas?

cular events[J]. Chin J Cerebrovasc Dis，2022，19（3）：154-160．

[17] 張 鑫，丁 瑩，姚毅仁，等. 早發(fā)急性ST段抬高型心肌梗死

患者預(yù)后風(fēng)險列線圖模型的構(gòu)建與驗證[J]. 南京醫(yī)科大學(xué)學(xué)報（自

然科學(xué)版），2022，42（11）：1539-1546，1552．

Zhang X，Ding Y，Yao YR，et al. Establishment and validation of prog?

nostic risk nomogram model among patients with premature ST-segment

elevation myocardial infarction[J]. J Nanjing Med Univ Nat Sci，2022，42

（11）：1539-1546，1552．

[18] Kidney Disease：Improving Global Outcomes（KDIGO） Glomeru?

lar Diseases Work Group. KDIGO 2021 clinical practice guideline for

the management of glomerular diseases[J]. Kidney Int，2021，100（4S）：

S1-S276．

[19] 趙圣吉，劉超權(quán)，鄭偉民. eGFR對行直接PCI治療的急性心肌

梗死患者預(yù)后的影響[J]. 中國循證心血管醫(yī)學(xué)雜志，2018，10（12）：

1534-1536，1539．

Zhao SJ，Liu CQ，Zheng WM. Influence of estimated glomerular filtra?

tion rate on prognosis in patients with acute myocardial infarction after

primary percutaneous coronary intervention[J]. Chin J Evid Based Car?

diovasc Med，2018，10（12）：1534-1536，1539．

[20] Perkins BA，Bebu I，Gao XY，et al. Early trajectory of estimated

glomerular filtration rate and long-term advanced kidney and cardiovas?

cular complications in type 1 diabetes[J]. Diabetes Care，2022，45（3）：

585-593．

[21] Steubl D，Schneider MP，Meiselbach H，et al. Association of se?

rum uromodulin with death，cardiovascular events，and kidney failure in

CKD[J]. Clin J Am Soc Nephrol，2020，15（5）：616-624．

[22] Sasso FC，Pafundi PC，Simeon V，et al. Efficacy and durability of

multifactorial intervention on mortality and MACEs：a randomized clini?

cal trial in type-2 diabetic kidney disease[J]. Cardiovasc Diabetol，

2021，20（1）：145．

[23] McCallum W，Tighiouart H，Testani JM，et al. Acute kidney func?

tion declines in the context of decongestion in acute decompensated

heart failure[J]. JACC Heart Fail，2020，8（7）：537-547．

[24] 張亞茹，薛政凱，繆 帥，等. 支架數(shù)目對經(jīng)皮冠狀動脈介入治

療相關(guān)的圍術(shù)期心肌梗死的影響[J]. 中華老年心腦血管病雜志，

2020，22（8）：828-831．

Zhang YR，Xue ZK，Miao S，et al. Effect of implanted stents on PCIrelated

periprocedural myocardial infarction[J]. Chin J Geriatr Heart

Brain Vessel Dis，2020，22（8）：828-831．

[25] 張海華，俞夢越. 青年非ST段抬高型心肌梗死患者的臨床特

點分析[J]. 中國循環(huán)雜志，2022，37（9）：914-919．

Zhang HH，Yu MY. Clinical characteristics of young patients with non-

ST-segment elevation myocardial infarction[J]. Chin Circ J，2022，37

（9）：914-919．

（責(zé)任編輯：李青穎）