急性心肌梗死患者經(jīng)皮冠狀動脈介入治療后遠期主要不良心血管事件預(yù)測模型的構(gòu)建

李琴，檀鑫，姜文溪，袁夢，倪慧，王媛，杜杰*

急性心肌梗死（acute myocardial infarction，AMI）是冠心病的嚴重類型，也是導(dǎo)致冠心病患者死亡、殘疾主要原因[1-2]。經(jīng)皮冠狀動脈介入治療（percutaneous coronary intervention，PCI）是 AMI患者的主要治療方法。多項研究證明，盡管PCI可改善AMI患者的遠期預(yù)后，但主要不良心血管事件發(fā)生風(fēng)險仍然很高[3-4]。2017年歐洲心臟病學(xué)會（EsC）《急性sT段抬高型心肌梗死指南》[5]及2020年EsC《非sT段抬高型急性冠脈綜合征指南》[6]均建議應(yīng)用風(fēng)險評分對AMI患者進行風(fēng)險分層，早期風(fēng)險分層對于最佳二級預(yù)防藥物的選擇具有重要意義[7]。目前預(yù)測AMI患者主要不良心血管事件的風(fēng)險模型主要為全球急性冠狀動脈事件注冊（global registry of acute coronary events，GRACE）評分，包括年齡、收縮壓、心率、入院就診時是否有心搏驟停、心電圖sT段偏移、心功能Killip分級、肌酐、心肌酶8個指標(biāo)，而其雖然包含肌酐與心肌酶兩種生物標(biāo)志物，但仍缺乏反映體內(nèi)炎癥和氧化應(yīng)激等與疾病病理、生理相關(guān)的實驗室檢查指標(biāo)，其預(yù)測準確性不足以制訂出患者個性化的管理策略[8]。因此，需要聯(lián)合多種生物標(biāo)志物并從各方面綜合評估AMI患者的預(yù)后，從多角度解釋組織或器官損傷狀態(tài)及病理機制，進一步提高預(yù)后風(fēng)險評估的準確性[9-10]。本研究通過評估并整合AMI患者PCI后發(fā)生遠期主要不良心血管事件的危險因素，構(gòu)建簡單且有效的個性化風(fēng)險預(yù)測模型對患者進行早期風(fēng)險分層，從而制訂個性化的管理策略，以期改善AMI患者遠期預(yù)后，提高患者生存率，降低患者主要不良心血管事件發(fā)生率。

本研究創(chuàng)新性：

（1）依托于中國最大的心血管疾病臨床數(shù)據(jù)庫之一，納入大樣本量的急性心肌梗死（AMI）患者，因此本研究隊列的人群更具有代表性，研究結(jié)果更具有普適性；（2）本研究為了篩選反映患者個體化預(yù)后的指標(biāo)，采用了Lasso回歸篩選出與遠期主要不良心血管事件密切相關(guān)的病理生理學(xué)指標(biāo)。與既往常用的逐步向前或向后回歸相比，Lasso回歸具有更強的過濾能力，能更好地識別影響AMI患者經(jīng)皮冠狀動脈介入治療（PCI）后預(yù)后的關(guān)鍵變量；（3）與全球急性冠狀動脈事件注冊（GRACE）評分相比，新預(yù)測模型的優(yōu)點在于納入的變量更少、預(yù)測效能更好，更適合在中國臨床診療中推廣；（4）本研究依據(jù)AMI患者隨訪2.4年期間的數(shù)據(jù)，構(gòu)建的新模型可用于識別遠期主要不良心血管事件高危人群，對于制定個性化的管理策略至關(guān)重要。

1 資料與方法

1.1 一般資料 回顧性分析2019年1—7月于首都醫(yī)科大學(xué)附屬北京安貞醫(yī)院入院診斷為AMI并進行PCI的1 130例患者的臨床資料，將符合納入、排除標(biāo)準的962例患者隨機分為60%的開發(fā)隊列（577例）和40%的驗證隊列（385例），見圖1。納入標(biāo)準：患者臨床癥狀、心電圖、心肌酶符合《急性心肌梗死診斷和治療指南》[11]中AMI的診斷標(biāo)準并進行PCI。排除標(biāo)準：院內(nèi)死亡、惡性腫瘤、左心室射血分數(shù)（LVEF）＜30%或LVEF數(shù)據(jù)缺失、估算腎小球濾過率（eGFR）＜30%或eGFR數(shù)據(jù)缺失、GRACE評分數(shù)據(jù)缺失、失訪患者。本研究臨床資料均來自臨床電子病歷系統(tǒng)，已獲得首都醫(yī)科大學(xué)附屬北京安貞醫(yī)院倫理委員會批準（倫理審批編號：2022078X），并獲得了所有患者的知情同意。

圖1 研究樣本納入流程圖Figure 1 Flow chart of study sample enrollment

1.2 研究方法

1.2.1 方法 由兩位臨床醫(yī)師通過臨床電子病歷系統(tǒng)收集、錄入患者臨床信息并進行分析，如有分歧則請第3位經(jīng)驗豐富的上級臨床醫(yī)師進行評價、校正。對患者進行出院后隨訪，隨訪以電話詢問為主，1次/年，隨訪時間截至2021-12-28，記錄患者隨訪期間主要不良心血事件發(fā)生情況。主要不良心血管事件包括全因死亡、非致死性心肌梗死、非致死性卒中、惡性心律失常、新發(fā)心力衰竭或心力衰竭加重再入院、非計劃內(nèi)的血運重建。

1.2.2 臨床資料 通過臨床電子病歷系統(tǒng)收集患者的一般資料和實驗室檢查指標(biāo)，包括年齡、性別、入院就診時是否有心搏驟停、心電圖sT段偏移情況、心功能Killip分級、發(fā)病時間、門球時間、術(shù)后心肌梗死溶栓（TIMI）分級、高血壓發(fā)生情況、高脂血癥發(fā)生情況、糖尿病發(fā)生情況、心房顫動發(fā)生情況、缺血性腦卒中發(fā)生情況、既往心肌梗死、既往PCI、收縮壓、心率、LVEF、左心室舒張末期容積、左心室收縮末期容積、GRACE評分、肌酐、心肌酶、eGFR、尿素、尿酸、白細胞計數(shù)、血紅蛋白（Hb）、中性粒細胞與淋巴細胞比值（NLR）、血小板與淋巴細胞比值（PLR）、紅細胞分布寬度、鈉、鉀、氯、白蛋白、超敏C反應(yīng)蛋白、游離三碘甲狀腺原氨酸、游離甲狀腺素、糖化血清白蛋白、糖化血紅蛋白、纖維蛋白原、D-二聚體、纖維蛋白原降解產(chǎn)物、B型利鈉肽。

1.2.3 GRACE評分 GRACE評分包括年齡、收縮壓、心率、入院就診時是否有心搏驟停、心電圖sT段偏移、心功能Killip分級、肌酐、心肌酶共8個項目，根據(jù)2020年EsC《非sT段抬高型急性冠脈綜合征指南》給出的GRACE評分表[6]對納入患者入院時的每項數(shù)據(jù)進行評分。

1.3 分組 根據(jù)是否發(fā)生遠期主要不良心血管事件將962例患者分為事件組122例與非事件組840例；根據(jù)是否為sT段抬高型心肌梗死將AMI患者分為sT段 抬 高 型 心 肌 梗 死（sT-segment elevation myocardial infarction，sTEMI）組452例與非sT段抬高型心肌梗 死（non sT-segment elevation myocardial infarction，NsTEMI）組510例。

1.4 統(tǒng)計學(xué)方法 采用stata15.0軟件進行統(tǒng)計學(xué)分析，符合正態(tài)分布的計量資料以（±s）表示，兩組間比較采用獨立樣本t檢驗；非正態(tài)分布的計量資料以〔M（Q1，Q3）〕表示，兩組間比較采用非參數(shù)檢驗；計數(shù)資料以相對數(shù)表示，兩組間比較采用χ2檢驗。分別對開發(fā)隊列和驗證隊列使用10個數(shù)據(jù)集進行多重插補，預(yù)測模型在每個數(shù)據(jù)集中進行訓(xùn)練，使用Lasso回歸分析篩選AMI患者發(fā)生遠期主要不良心血管事件的危險因素，采用多因素Logistic回歸分析構(gòu)建預(yù)測模型并繪制列線圖。繪制預(yù)測模型預(yù)測AMI患者PCI后發(fā)生遠期主要不良心血管事件的受試者工作特征（ROC）曲線，應(yīng)用C指數(shù)（C index）評價其預(yù)測效能。使用凈重分類改善指標(biāo)（NRI）和綜合判別指數(shù)（IDI）對預(yù)測模型與GRACE評分進行比較，評估改善效能。以P＜0.05為差異有統(tǒng)計學(xué)意義。

2 結(jié)果

2.1 事件組與非事件組患者臨床資料比較 納入的962例AMI患者中男782例、女180例，平均年齡為（58.0±11.2）歲，中位隨訪時間為2.4年。事件組與非事件組年齡、心電圖sT段偏移比例、心功能Killip分級≥Ⅱ級比例、術(shù)后TIMI分級≤2級比例、糖尿病發(fā)生率、缺血性腦卒中發(fā)生率、既往心肌梗死比例、既往PCI比例、心率、LVEF、GRACE評分、eGFR、尿素、Hb、紅細胞分布寬度、白蛋白、游離三碘甲狀腺原氨酸、糖化血清白蛋白、糖化血紅蛋白、D-二聚體、纖維蛋白原降解產(chǎn)物、B型利鈉肽比較，差異均有統(tǒng)計學(xué)意義（P＜0.05）。兩組患者男性比例、發(fā)病時間、門球時間≤90 min比例、高血壓發(fā)生率、高脂血癥發(fā)生率、心房顫動發(fā)生率、收縮壓、左心室舒張末期容積、左心室收縮末期容積、肌酐、心肌酶、尿酸、白細胞計數(shù)、NLR、PLR、鈉、鉀、氯、超敏C反應(yīng)蛋白、游離甲狀腺素、纖維蛋白原比較，差異均無統(tǒng)計學(xué)意義（P＞0.05）。見表1。

表1 事件組與非事件組患者臨床資料比較Table 1 Comparison of clinical data between two groups of AMI patients divided by long-term MACEs prevalence

2.2 開發(fā)隊列和驗證隊列患者臨床資料比較 開發(fā)隊列和驗證隊列患者年齡、男性比例、心電圖sT段偏移比例、心功能Killip分級≥Ⅱ級比例、發(fā)病時間、門球時間≤90 min比例、術(shù)后TIMI分級≤2級比例、高血壓發(fā)生率、高脂血癥發(fā)生率、糖尿病發(fā)生率、心房顫動發(fā)生率、缺血性腦卒中發(fā)生率、既往心肌梗死比例、既往PCI比例、收縮壓、心率、LVEF、左心室舒張末期容積、左心室收縮末期容積、GRACE評分、心肌酶、eGFR、尿素、尿酸、白細胞計數(shù)、Hb、NLR、PLR、紅細胞分布寬度、鈉、鉀、氯、白蛋白、超敏C反應(yīng)蛋白、游離三碘甲狀腺原氨酸、游離甲狀腺素、糖化血清白蛋白、糖化血紅蛋白、纖維蛋白原、D-二聚體、纖維蛋白原降解產(chǎn)物及遠期主要不良心血管事件發(fā)生率比較，差異均無統(tǒng)計學(xué)意義（P＞0.05）。開發(fā)隊列肌酐、B型利鈉肽低于驗證隊列，差異均有統(tǒng)計學(xué)意義（P＜0.05）。見表2。

表2 開發(fā)隊列和驗證隊列患者臨床資料比較Table 2 Comparison of basic demographics and laboratory parameters in development and validation sub-cohorts of AMI patients after PCI

2.3 AMI患者PCI后發(fā)生遠期主要不良心血管事件風(fēng)險預(yù)測模型的構(gòu)建

2.3.1 Lasso回歸篩選預(yù)測變量 以開發(fā)隊列中AMI患者PCI后是否發(fā)生遠期主要不良心血管事件（賦值：否=0，是=1）為因變量，以患者的臨床特征、體格檢查、實驗室檢查指標(biāo)為自變量〔分類變量（賦值：否=0，是=1）；連續(xù)變量（賦值：實測值）〕進行Lasso回歸分析。通過Lasso回歸對納入的43個變量進行降維處理，使用三倍交叉驗證計算λ值，最終選擇在最小均方預(yù)測誤差（mean squared prediction error，MsPE）的一個標(biāo)準偏差內(nèi)的λ值作為最優(yōu)值，見圖2。最終Lasso回歸分析從43個變量中篩選出5個非零系數(shù)的預(yù)測變量（心電圖sT段偏移、糖尿病、LVEF、eGFR、Hb）。

圖2 采用Lasso回歸進行預(yù)測變量的篩選Figure 2 selection of potential predictors of long-term MACEs in AMI patients after PCI by Lasso regression

2.3.2 多因素Logistic回歸分析模型構(gòu)建 以AMI患者PCI后是否發(fā)生遠期主要不良心血管事件（賦值：否=0，是=1）為因變量，以Lasso回歸篩選出的5個預(yù)測變量心電圖sT段偏移（賦值：否=0 ，是=1）、糖尿?。ㄙx值：無=0 ，有=1）、LVEF（賦值：實測值）、eGFR（賦值：實測值）、Hb（賦值：實測值）為自變量構(gòu)建多因素Logistic回歸模型，結(jié)果顯示心電圖sT段偏移、糖尿病、LVEF、Hb是AMI患者PCI后發(fā)生遠期主要不良心血管事件的影響因素（P＜0.05），見表3。構(gòu)建的預(yù)測模型的回歸方程為：logit（P）=3.596-0.023×X1-0.014×X2-0.036×X3+0.726×X4+1.372×X5（X1 表示Hb，X2表示eGFR，X3表示LVEF，X4表示糖尿病，X5表示心電圖sT段偏移）。根據(jù)預(yù)測變量繪制AMI患者PCI后發(fā)生遠期主要不良心血管事件風(fēng)險的預(yù)測模型列線圖，即Nomogram，見圖3。每個預(yù)測變量對應(yīng)列線圖分值橫軸上的某一具體分值，將5個預(yù)測變量所對應(yīng)的分數(shù)相加，即得到總分，通過總分對應(yīng)列線圖最下方的不良心血管事件風(fēng)險預(yù)測值，由圖可知總分越高的患者發(fā)生遠期主要不良心血管事件的可能性越大。

圖3 AMI患者PCI后發(fā)生遠期主要不良心血管事件風(fēng)險的預(yù)測模型列線圖Figure 3 Nomogram in predicting long-term MACEs in AMI patients after PCI

表3 AMI患者PCI后發(fā)生遠期主要不良心血管事件影響因素的多因素Logistic回歸分析Table 3 Multivariate Logistic regression analysis of the factors associated with the risk of long-term MACEs in patients with AMI after PCI

2.3.3 風(fēng)險預(yù)測模型評價 預(yù)測模型的驗證主要基于模型的區(qū)分度，通過繪制預(yù)測模型預(yù)測AMI患者PCI后發(fā)生遠期主要不良心血管事件的ROC曲線評估模型的區(qū)分度。開發(fā)隊列的ROC曲線下面積（AUC）為0.774〔95%CI（0.710，0.834）〕，驗證隊列的AUC為0.751〔95%CI（0.686，0.815）〕，見圖4A、4B。

圖4 模型預(yù)測AMI患者PCI后發(fā)生遠期主要不良心血管事件的ROC曲線Figure 4 ROC curve of the model for predicting long-term MACEs in AMI patients after PCI

2.4 應(yīng)用Lasso回歸篩選變量在sTEMI組與NsTEMI組構(gòu)建預(yù)測模型 以Lasso回歸篩選的5個預(yù)測變量心電圖sT段偏移（賦值：否=0，是=1）、糖尿病（賦值：無=0，有=1）、LVEF（賦值：實測值）、eGFR（賦值：實測值）、Hb（賦值：實測值）為自變量，以患者是否發(fā)生遠期主要不良心血管事件（賦值：否=0，是=1）為因變量，分別在sTEMI與NsTEMI兩亞組患者中進行多因素Logistic回歸分析構(gòu)建預(yù)測模型，結(jié)果顯示，心電圖sT段偏移、糖尿病、eGFR、Hb是sTEMI患者PCI后發(fā)生遠期主要不良心血管事件的影響因素（P＜0.05）；心電圖sT段偏移、糖尿病、Hb是NsTEMI患者PCI后發(fā)生遠期主要不良心血管事件的影響因素（P＜0.05，見表4）。

表4 sTEMI組與NsTEMI組患者PCI后發(fā)生遠期主要不良心血管事件影響因素的多因素Logistic回歸分析Table 4 Multivariate Logistic regression analysis of the factors associated with the risk of long-term MACEs in patients with sTEMI or non-sTEMI after PCI

2.5 預(yù)測模型與GRACE評分預(yù)測效能比較 將Lasso回歸確定的預(yù)測變量在AMI患者及sTEMI、NsTEMI患者中構(gòu)建的預(yù)測模型與GRACE評分進行預(yù)測效能評估，結(jié)果顯示，AMI、sTEMI、NsTEMI中NRI分別為0.493〔95%CI（0.303，0.682）〕、0.459〔95%CI（0.195，0.724）〕、0.455〔95%CI（0.181，0.728〕，IDI分 別為 0.055〔95%CI（0.028，0.081）〕、0.042〔95%CI（0.015，0.070〕、0.069〔95%CI（0.022，0.116）〕。3組患者中預(yù)測模型的預(yù)測效能均優(yōu)于GRACE評分，差異有統(tǒng)計學(xué)意義（P＜0.05），見表5。將在AMI患者中構(gòu)建的預(yù)測模型、GRACE評分在全研究隊列中繪制AMI患者PCI后發(fā)生遠期主要不良心血管事件的ROC曲線，結(jié)果顯示，AUC分別為0.748〔95%CI（0.702，0.793）〕，0.697〔95%CI（0.648，0.746）〕，ΔAUC=0.050，P=0.015；IDI=0.055〔95%CI（0.028，0.081），P＜0.001；NRI=0.493〔95%CI（0.303，0.682）〕，P＜0.001。見圖5。

表5 分別在AMI患者及sTEMI、NsTEMI患者中構(gòu)建的預(yù)測模型與GRACE評分效能比較Table 5 Efficacy evaluation of the predictive model and GRACE score in AMI，sTEMI and non-sTEMI patients after PCI

圖5 預(yù)測模型、GRACE評分預(yù)測AMI患者PCI后發(fā)生遠期主要不良心血管事件的ROC曲線Figure 5 ROC curve of the model and GRACE score for predicting MACEs in AMI patients after PCI

3 討論

AMI是嚴重致命性疾病，病死率高且預(yù)后差，盡管PCI能盡快恢復(fù)梗死動脈相關(guān)心肌血流灌注，改善患者預(yù)后，但PCI后患者出現(xiàn)主要不良心血管事件的風(fēng)險仍很高，主要包括心源性死亡、心力衰竭、卒中、血運重建、惡性心律失常等[12-14]。研究表明，AMI患者PCI后不良預(yù)后與多項指標(biāo)相關(guān)，如LVEF、Killip分級、Hb、紅細胞分布寬度等[15-17]。為了更好地個性化評估患者預(yù)后，本研究使用Lasso回歸篩選出5個與遠期主要不良心血管事件最相關(guān)的危險因素：心電圖sT段偏移、糖尿病、LVEF、eGFR、Hb，盡管eGFR在多因素Logistic回歸分析時沒有統(tǒng)計學(xué)意義，但考慮顯著性水平的兩面性及Lasso回歸變量的臨床實用性，仍參照既往研究將其納入預(yù)測模型中[18-19]，并對變量賦值后構(gòu)建新的預(yù)測模型，可用于預(yù)測AMI患者PCI后的遠期預(yù)后，有利于患者早期風(fēng)險分層。此外，本研究將開發(fā)隊列與驗證隊列進行臨床資料比較、分析時，雖然肌酐和B型利鈉肽在驗證隊列中略高于開發(fā)隊列，但既往一項同樣采用Lasso回歸分析建模的研究中發(fā)現(xiàn)丙氨酸氨基轉(zhuǎn)移酶與血紅蛋白在驗證隊列中高于開發(fā)隊列，并未影響模型效能，并且本研究中兩隊列遠期主要不良心血管事件發(fā)生率是均衡的（12.0%與13.8%，P=0.409），因此本研究認為肌酐和B型利鈉肽在兩組間的差異對結(jié)果可能無影響[20]，構(gòu)建的模型有較強的可信度。

心電圖sT段變化的導(dǎo)聯(lián)數(shù)目和sT段壓低的程度均能反映心肌缺血、缺氧的程度，與心電圖正常的患者相比，AMI伴有心電圖sT段偏移的患者并發(fā)癥更多，病死率更高[21]。一項納入7 684例NsTEMI患者的研究表明，與心電圖顯示無缺血性變化或T波倒置的患者相比，心電圖sT段壓低的患者在出院后30 d內(nèi)的死亡率與不良心血管事件的發(fā)生率更高[22]。研究顯示糖尿病是不良心血管事件的危險因素，長期高血糖可引起血管內(nèi)皮損傷、炎性反應(yīng)、氧化應(yīng)激、血栓形成等，進而加重心血管疾病惡化[23-24]。一項納入1 717例急性冠脈綜合征患者、中位隨訪時間為2年的研究同樣提示糖尿病是不良心血管事件的獨立危險因素[25]。與單純AMI患者相比，合并糖尿病的患者長期死亡率是無糖尿病患者的1.5倍[26]。對于LVEF降低的AMI患者，心排出量降低導(dǎo)致心肌供血不足，增加了血栓形成風(fēng)險，接受PCI的AMI患者LVEF降低時遠期不良心血管事件的發(fā)生風(fēng)險明顯升高[27]。一項納入352例AMI患者、中位隨訪時間為30.5個月的研究也提示LVEF是AMI患者不良心血管事件的獨立預(yù)測因子[28]。10.9%的AMI患者存在腎功能不全，一項中國的多中心研究顯示，低eGFR是AMI患者不良心血管事件的獨立預(yù)測因素[29]。Hb是AMI患者的一個潛在的獨立預(yù)后指標(biāo)[30]。研究顯示15%的AMI患者存在貧血，且貧血是高再住院率和高病死率的危險因素[31]。低Hb水平使血液中紅細胞攜氧量減少，進而導(dǎo)致心臟供氧量減少，刺激心臟泵血以滿足心肌耗氧的需求，最終導(dǎo)致交感過度興奮，心肌需氧量進一步增加，而AMI患者由于冠狀動脈狹窄甚至堵塞導(dǎo)致心肌供氧不足，低Hb水平將致使缺氧進一步加重[32]。最新研究結(jié)果顯示，中國接受PCI的AMI患者術(shù)前Hb低與術(shù)后不良心血管事件的發(fā)生率顯著相關(guān)[33]。本研究結(jié)果顯示，心電圖sT段偏移、糖尿病、LVEF、Hb是AMI患者PCI后發(fā)生遠期主要不良心血管事件的影響因素；心電圖sT段偏移、糖尿病、eGFR、Hb是sTEMI患者PCI后發(fā)生遠期主要不良心血管事件的影響因素；心電圖sT段偏移、糖尿病、Hb是NsTEMI患者PCI后發(fā)生遠期主要不良心血管事件的影響因素，與上述研究結(jié)果基本一致。

GRACE評分是針對急性冠脈綜合征患者開發(fā)的模型，旨在預(yù)測患者院內(nèi)死亡及6個月全因死亡和非致死性心肌梗死復(fù)合終點事件發(fā)生風(fēng)險。該模型構(gòu)建時間早，并非針對急性心肌梗死患者，此外，其構(gòu)建初期納入亞洲人群較少，考慮到患者特征和管理模式上的地域差異，其在中國急性心肌梗死患者中的適用性仍需進一步評估。

本研究采用Lasso回歸篩選出的預(yù)測變量能夠反映AMI患者病理生理變化。從預(yù)測變量在模型中的權(quán)重占比中可以推斷出對預(yù)測模型貢獻由大到小的變量依次為心電圖sT段偏移、糖尿病、LVEF、Hb、eGFR，這些變量能夠反映患者的病理、生理過程，如心肌缺血、缺氧，內(nèi)皮損傷，貧血等。預(yù)測模型與GRACE評分預(yù)測AMI患者PCI后發(fā)生遠期主要不良心血管事件的效能比較結(jié)果顯示，預(yù)測模型與GRACE評分相比納入變量更少、預(yù)測效能更好，能更好地預(yù)測AMI患者的預(yù)后。

本研究局限性：（1）為單中心觀察性研究，需要進一步外部驗證以評估模型性能；（2）研究僅使用電子病歷中的變量，其他可能與結(jié)局相關(guān)的變量如新型生物標(biāo)志物未納入。

綜上所述，本研究為PCI后AMI患者構(gòu)建了一個易于應(yīng)用的預(yù)后風(fēng)險預(yù)測模型，可用于預(yù)測AMI患者PCI后的遠期預(yù)后，有利于實現(xiàn)對患者的早期風(fēng)險分層。未來需要進行更大規(guī)模的多中心研究以驗證模型的應(yīng)用價值。

作者貢獻：李琴、檀鑫、姜文溪、王媛、杜杰進行文章的構(gòu)思與設(shè)計，研究的實施與可行性分析，論文的修訂，負責(zé)文章的質(zhì)量控制及審校，對文章整體負責(zé)，監(jiān)督管理；李琴、姜文溪負責(zé)研究的統(tǒng)計學(xué)處理，結(jié)果的分析與解釋；李琴、袁夢、倪慧負責(zé)數(shù)據(jù)收集及患者隨訪；李琴、檀鑫、姜文溪負責(zé)撰寫論文。

本文無利益沖突。