冠心病發(fā)病風(fēng)險預(yù)測模型的系統(tǒng)評價

劉 艷,傅映平*,張智香,李 月,陳文敏

1.云南中醫(yī)藥大學(xué)護理學(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。《中國心血管健康與疾病報告2021》指出,未來10年內(nèi)心血管疾病患病人數(shù)仍會快速增長[1]。冠心病高危人群的早期識別,針對性的預(yù)防和治療非常重要。疾病風(fēng)險預(yù)測模型采用的是定量研究方法,能夠更準(zhǔn)確地預(yù)測發(fā)病風(fēng)險,通過直觀的數(shù)據(jù)呈現(xiàn)研究結(jié)果。冠心病發(fā)病風(fēng)險預(yù)測模型可以幫助醫(yī)護人員識別高危病人,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的負(fù)擔(dān)[2]。目前,國內(nèi)外已經(jīng)有多項研究開發(fā)、驗證冠心病發(fā)病風(fēng)險的預(yù)測模型,但文獻質(zhì)量和結(jié)果不同。因此,本研究對冠心病發(fā)病風(fēng)險預(yù)測模型進行系統(tǒng)性分析、評價,以期為醫(yī)護人員選擇合適的風(fēng)險預(yù)測模型預(yù)防冠心病的發(fā)生提供參考。

1 資料和方法

1.1 文獻檢索策略

計算機檢索PubMed、EMbase、Web of Science、the Cochrane Library、中國知網(wǎng)、中國生物醫(yī)學(xué)文獻數(shù)據(jù)庫、萬方數(shù)據(jù)庫、維普數(shù)據(jù)庫中有關(guān)冠心病發(fā)病風(fēng)險預(yù)測模型的文獻,檢索時限為建庫至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、冠狀動脈粥樣硬化心臟病、冠狀動脈硬化心臟病、冠狀動脈性疾病、冠狀動脈心臟病、冠狀動脈粥樣硬化、冠狀動脈粥樣硬化癥、冠狀動脈粥樣硬化性心臟病、動脈粥樣硬化性心臟病、冠狀動脈硬化性心臟病、冠心病、冠狀動脈性心臟病、冠狀動脈粥樣硬化性疾病,預(yù)測模型、預(yù)測因素、危險因素、預(yù)測為中文檢索詞。用主題詞和關(guān)鍵詞相結(jié)合的方式進行檢索,檢索語種限制為中文、英文。同時補充通過引文追溯到的文獻。

1.2 文獻納入和排除標(biāo)準(zhǔn)

1.2.1 納入標(biāo)準(zhǔn)

1)研究對象是冠心病病人;2)研究內(nèi)容為冠心病預(yù)測模型的構(gòu)建和(或)驗證研究;3)闡述了模型構(gòu)建或驗證的方法、過程,模型效果評價信息完整。

1.2.2 排除標(biāo)準(zhǔn)

1)只分析危險因素但未建立風(fēng)險預(yù)測模型的研究;2)會議論文、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)獨立篩選文獻,若2人存在意見分歧時,尋求第3方意見。納入文獻后,使用預(yù)測模型研究系統(tǒng)評價的關(guān)鍵評估和數(shù)據(jù)提取清單[3]提取、整理數(shù)據(jù)。

1.4 納入文獻的偏倚風(fēng)險和適用性評估

2名研究者使用偏倚風(fēng)險評估工具[4]評估納入文獻的偏倚風(fēng)險和適用性。偏倚風(fēng)險的評估包括研究對象、預(yù)測因子、結(jié)果、分析4個領(lǐng)域。4個領(lǐng)域共包括20個問題,每個問題有“是”“可能是”“否”“可能否”和“無信息”5個選項。在一個領(lǐng)域中,所有評價均為“是”或“可能是”,判定該領(lǐng)域偏倚風(fēng)險低;任意一個問題回答為“否”或“可能否”,判定該領(lǐng)域偏倚風(fēng)險高;如果相關(guān)信息不足,則該領(lǐng)域偏倚風(fēng)險不清楚。所有領(lǐng)域偏倚風(fēng)險低,則總體偏倚風(fēng)險低;任意一個領(lǐng)域偏倚風(fēng)險高,則總體偏倚風(fēng)險高;任意一個領(lǐng)域偏倚風(fēng)險不清楚而其他領(lǐng)域偏倚風(fēng)險低,則總體偏倚風(fēng)險不清楚。用研究對象、預(yù)測因子、結(jié)果3個領(lǐng)域評估適用性。用“適用性好”“適用性差”和“適用性不清楚”評價。每個領(lǐng)域均好,則總體適用性好;任意一個領(lǐng)域差,則總體適用性差;任意一個領(lǐng)域不清楚則該研究總體適用性不清楚。

2 結(jié)果

2.1 文獻篩選流程及納入文獻的基本特征

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

表1 納入文獻基本特征

2.2 冠心病發(fā)病風(fēng)險預(yù)測模型的建立情況

9項研究候選預(yù)測變量數(shù)有6～19個,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]的研究中無缺失數(shù)據(jù)。建立模型的方法包括Logistic回歸、Cox比例風(fēng)險模型、Logistic回歸聯(lián)合卡方自動交互檢測(chi-squared automatic interaction detector,CHAID)決策樹。冠心病發(fā)病風(fēng)險預(yù)測模型的建立情況見表2。

表2 冠心病發(fā)病風(fēng)險預(yù)測模型建立情況

2.3 模型性能及預(yù)測因子

除Honda等[7]、Genders等[10]的研究外,其余7個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)測性能較好。9項研究均進行了內(nèi)部驗證或外部驗證,最終預(yù)測模型包含7～14個預(yù)測因子。預(yù)測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)療機構(gòu)也可對這些指標(biāo)進行評估。模型的最終呈現(xiàn)形式不同,通過風(fēng)險評分的方式、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)測因子見表3。

表3 冠心病風(fēng)險預(yù)測模型性能及預(yù)測因子

2.4 偏倚風(fēng)險和適用性評價

2.4.1 與研究對象有關(guān)的偏倚

若研究選擇的數(shù)據(jù)來源不合適或未按照事先的納入標(biāo)準(zhǔn)和排除標(biāo)準(zhǔn)選擇研究對象,會造成選擇偏倚。經(jīng)過評估,9項研究偏倚風(fēng)險均較低。

2.4.2 與預(yù)測因子有關(guān)的偏倚

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

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)測因子、確定結(jié)果是否在不知道預(yù)測因子的情況下、預(yù)測因子評估和確定結(jié)果時間間隔合適的問題均要考慮。有1項研究[7]在結(jié)果領(lǐng)域偏倚風(fēng)險高,2項研究[10,12]偏倚風(fēng)險低,其余6項研究[5-6,8-9,11,13]偏倚風(fēng)險不清楚。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項研究[11,13]中關(guān)于“是否在不知道預(yù)測因子信息的情況下確定結(jié)果”無信息,故偏倚風(fēng)險回答為“不清楚”。

2.4.4 分析領(lǐng)域和總體偏倚分析的評估

該項評估涉及結(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、合理評估模型性能、考慮樂觀偏差、最終模型的預(yù)測因子及其分配的權(quán)重與多變量分析結(jié)果相符。

9項研究偏倚風(fēng)險均較高。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)變量的模型會降低預(yù)測能力,有6個模型對連續(xù)變量進行了二分類[5,7,9-10,12-13]。在缺失數(shù)據(jù)處理方面,4項研究沒有提供相關(guān)信息[5-6,9,11],4項用了完整案例分析[7-8,12-13],1項無缺失數(shù)據(jù)[10]。有1項研究為考慮競爭風(fēng)險和時間分析[5],可能會忽視數(shù)據(jù)的復(fù)雜性。關(guān)于模型性能評估,僅有2項研究同時報告了校準(zhǔn)度和區(qū)分度[5,11]。在5項開發(fā)研究中,2項為隨機交叉驗證[9,13],其余為自助采樣法驗證。

2.4.5 適用性評價

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個冠心病風(fēng)險預(yù)測模型,文獻質(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)測因子。

3.1 冠心病風(fēng)險預(yù)測模型的整體性能較好

模型的性能依賴于研究設(shè)計、建模方法、評估工具的選擇。本研究所有納入模型研究設(shè)計較完整和縝密,都進行了內(nèi)部和(或)外部驗證,研究方法學(xué)質(zhì)量評價結(jié)果整體較好。Logistic回歸能根據(jù)回歸系數(shù)的權(quán)重給各個預(yù)測因子進行賦值,針對性地預(yù)測病人發(fā)生冠心病的風(fēng)險,因此模型的可操作性較強[14]。Framingham模型是國際上心血管疾病風(fēng)險評估較常用模型,但研究表明只適用于發(fā)達國家人群[15]。Xu等[6]開發(fā)出了較適宜發(fā)展中國家人群的預(yù)測模型。而有的研究[5]樣本量較小且未采用特殊統(tǒng)計學(xué)方法處理,應(yīng)慎用該類模型。

3.2 模型中預(yù)測因子的預(yù)測強度高

冠心病的危險因素較多,但納入各模型的預(yù)測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個模型[5-7,9-11]中,性別是獨立預(yù)測因子,可能原因為:女性絕經(jīng)前受到雌激素保護,血管得到弱化[16],而絕經(jīng)后發(fā)病率差異不大。故對絕經(jīng)后女性應(yīng)做好健康宣教,盡早診斷并及時就醫(yī)。糖尿病也是重要的預(yù)測因子,可能是因為糖尿病和冠心病有肥胖和高血壓等相似的高危發(fā)病因素[17-18]。2013年美國心臟協(xié)會指南推薦將冠狀動脈鈣化作為中風(fēng)險人群的臨床決策輔助[19],但由于未建立模型,不納入本研究。國內(nèi)模型缺少對日常生活習(xí)慣,如鍛煉、久坐等的觀察,應(yīng)提高對此關(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、模型評價指標(biāo)存在差異,無法匯總結(jié)果進行Meta分析,僅能進行定性總結(jié),尚不能回答何種預(yù)測模型最適合我國人群。本研究剔除會議論文、學(xué)位論文等文獻,一些重要研究可能漏選。本研究的模型雖都進行了驗證,但缺乏大樣本、多中心的外部驗證,發(fā)表偏倚仍存在。

3.4 冠心病風(fēng)險預(yù)測模型的應(yīng)用建議

冠心病風(fēng)險預(yù)測模型能夠有效識別病人發(fā)病風(fēng)險,早期篩查和識別高危人群有助于醫(yī)護人員提供有針對性的預(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)測模型的預(yù)測性能和適用性較好,可將納入的高質(zhì)量預(yù)測模型應(yīng)用于冠心病管理和干預(yù)。目前,針對某個群體設(shè)計并考慮競爭風(fēng)險的預(yù)測模型罕見,Liu等[13]的研究在此方面較有遠見,但也存在一定局限性。后期醫(yī)護人員可使用人工智能技術(shù)建立風(fēng)險預(yù)測信息平臺,提高預(yù)測模型的精準(zhǔn)度。

4 小結(jié)

本研究共納入9個預(yù)測模型,納入研究的方法學(xué)質(zhì)量評價和預(yù)測效能整體較好,可幫助醫(yī)護人員早期識別冠心病高風(fēng)險人群,由于模型的外推性未得到及時評價,未來可對模型外部驗證進行進一步研究。