該研究介紹了一種新的心血管疾病（cvd）風險預測演算法，名為qr4。該演算法使用了大量的人群數據來幫助臨床醫生識別高心血管疾病風險的個體。首先，研究團隊使用了兩個電子記錄研究資料庫：qresearch和clinical practice research datalink (cprd) gold。這些資料庫收集了在常規國家衛生服務（nhs）臨床護理過程中匿名化的數據。研究者基於這些數據開發了新的預測模型，並與現有的心血管疾病風險評分系統（如qrisk3、systematic coronary risk evaluation 2 (score2)和動脈粥樣硬化心血管病風險評分（ascvd））進行了比較。在開發模型的過程中，研究者採用了因果特定的cox模型（cause-specific cox models）來預測心血管疾病風險，並通過外部驗證來評估qr4的性能。他們發現，qr4模型在預測男性和女性的10年心血管病風險時，c統計值（c statistic）高於其他評分系統。此外，qr4還納入了一些新的風險因素，包括腦癌、肺癌、唐氏綜合症（down syndrome）、血癌、慢性阻塞性肺病（copd）、口腔癌和學習障礙等，這些都是之前的評分系統中未涉及的。對於女性，還額外考慮了妊娠期高血壓（pre-eclampsia）和產後抑鬱（postnatal depression）作為新的風險因素。
behind the scenes
心血管疾病（cardiovascular disease, cvd）心血管疾病是全球範圍內最主要的死亡原因。這些疾病主要包括冠狀動脈疾病（coronary artery disease）、心肌梗死（myocardial infarction）和腦卒中（stroke）。心血管疾病不僅影響富裕國家，更是低收入和中等收入國家的重大公共健康問題。全球化、城市化及人口老齡化等趨勢使得心血管疾病的負擔日益加重。根據全球疾病負擔研究（global burden of disease study），心血管疾病的發病率和死亡率在過去幾十年持續增加。心血管疾病不僅對個人健康構成威脅，同時也給社會經濟帶來重大負擔。根據研究，心血管疾病的直接醫療費用以及因疾病導致的生產力損失，對全球經濟造成了巨大壓力。在美國，每年用於心血管疾病治療的費用估計高達數百億美元。 鑒於心血管疾病的高發病率和死亡率，加強預防和管理顯得尤為重要。全球範圍內的公共衛生策略已經開始更加重視心血管疾病的預防措施，包括推廣健康生活方式、控制煙草使用、以及改善急慢性病管理。這些策略的目標是減少心血管疾病的主要風險因素，如高血壓（hypertension）、糖尿病（diabetes）和高膽固醇（hypercholesterolemia）。國際間的政策合作與健康系統的改善對於減輕心血管疾病的全球負擔至關重要。who和各國衛生部門正致力於制定和實施包括早期篩查、治療以及公眾教育在內的綜合措施，以提高心血管疾病的診斷、治療和管理效率。 經典的心血管疾病風險預測工具qrisk3qrisk3 是一種在英國廣泛使用的心血管疾病風險評估工具，用於預測未來 10 年內個體患心血管疾病的風險。此模型綜合考慮了多種因素，如年齡、性別、吸煙狀態、血壓水平以及是否患有糖尿病等。它還包括了社會經濟地位和族裔背景等變數，使得預測更具個性化和精準性。根據相關研究，qrisk3 的 c 統計值（c statistic）在不同驗證隊列中表現良好，一般高於 0.8，表明其具有較高的區分度。 score2歐洲心臟病學會推出的score2（systematic coronary risk evaluation 2）是另一種流行的心血管疾病風險評估工具。它主要用於歐洲人群，評估 10 年內死於心血管疾病的風險。score2 更新了先前的風險因素資料庫，考慮了各國的心血管病死亡率差異。這種模型特別關注於年齡、性別、血壓、膽固醇水平以及吸煙行為等基礎信息。 ascvd美國心臟協會（aha）和美國心臟病學院（acc）合作開發的ascvd（atherosclerotic cardiovascular disease）風險評估工具，用於預測未來 10 年內美國成年人發生動脈粥樣硬化性心血管疾病事件的風險。此模型涵蓋了心臟病、中風和外周動脈疾病的風險因素，包括年齡、性別、種族、總膽固醇、hdl膽固醇、血壓、糖尿病狀態和吸煙狀態。ascvd 的評分系統也顯示了良好的預測性能和校準能力。 用于衡量和比較qr4與以前演算法性能的統計指標在比較qr4和之前的演算法（如qrisk3, score2和ascvd）的性能時，主要使用了幾種關鍵的統計指標：c統計量（c statistic）、校準斜率（calibration slope）和校準截距（calibration intercept）。c統計量是衡量預測模型準確性的一種指標，其值越接近1表示模型的預測能力越好。校準斜率和校準截距是評估預測風險與實際觀察到的風險之間一致性的指標，理想情況下，校準斜率接近1，校準截距接近0。 c統計量的比較根據研究數據，qr4在女性中的c統計量為0.835（95% 置信區間 (ci), 0.833–0.837），而qrisk3為0.831（95% ci, 0.829–0.832）。在男性中，qr4的c統計量為0.814（95% ci, 0.812–0.816），而qrisk3為0.812（95% ci, 0.810–0.814）。這表明在英格蘭的驗證隊列中，無論是男性還是女性，qr4的表現略優於qrisk3。 校準結果的分析校準分析表明，qr4與qrisk3相比，表現出更好的校準性能。例如，在英格蘭的女性中，qr4的校準斜率和校準截距均表現更接近理想值。這意味著qr4預測的10年心血管疾病（cvd）風險與實際觀察到的風險更為吻合。 臨床決策曲線分析（decision curve analysis）決策曲線分析顯示，與qrisk3和其他模型相比，qr4在不同的風險閾值下提供了更大的凈效益。這種分析幫助醫生在實際臨床中判斷使用qr4模型進行預測的優勢大小，尤其是在不同治療干預的決策場景下。 潛在的局限性樣本數據的代表性限制 (limited representativeness of sample data)該研究主要使用了英國的人群數據來開發和驗證qr4演算法。儘管樣本量龐大，但可能不完全適用於其他國家或地區的人群，因為不同地區的遺傳、生活方式和環境因素可能影響心血管疾病(cvd)的風險。 臨床數據的完整性 (completeness of clinical data)研究中提到，一些數據在記錄時不完整，特別是在非英國地區的數據更是如此。數據的不完整可能影響風險預測的準確性和可靠性。 新風險因素的普遍性和獨立性驗證 (generalizability and independence verification of new risk factors)研究識別了幾個新的cvd風險因素，如腦癌、肺癌、唐氏綜合症(down syndrome)等。然而，需要進一步的研究來驗證這些因素在其他人群中的普遍性和它們作為獨立風險因素的穩定性。 長期趨勢和新興風險的評估 (assessment of long-term trends and emerging risks)雖然演算法考慮了當前已知的風險因素，但可能無法預見未來可能出現的新風險因素或長期趨勢的變化。此外，covid-19大流行期間的數據可能對心血管疾病的風險估計產生了特殊影響，需要進一步分析和驗證。 比較其他風險評估工具的全面性 (comprehensiveness in comparing other risk assessment tools)研究對比了qr4與其他幾個常用的cvd風險評估工具，如ascvd和score2。然而，對於這些工具的評估可能沒有包括所有相關的變數和條件，這可能限制了結果的全面性和應用的普遍性。 潛在的研究方向新的心血管病(cvd)風險預測模型的開發與驗證進一步驗證新模型在不同種族和地區的適用性，以及模型在實際臨床環境中的表現。 競爭風險模型的應用研究如何結合多種競爭風險，改進心血管疾病(cvd)風險的預測準確性。 包含新風險因素的模型效果研究新風險因素（如癌症、學習障礙）對預測模型的影響，並探索如何將這些因素納入現有的預測工具中。 針對特定人群的風險評估開發和驗證針對有特定病史如產後抑鬱(postnatal depression)和妊娠前期毒血症(pre-eclampsia)患者的風險評估工具。 數據的完整性與缺失數據處理探討如何處理缺失數據，以及如何利用不完全數據來提高預測模型的準確性和可靠性。 治療決策的模型輔助研究如何將這些模型應用於臨床決策支持系統，幫助醫生為患者制定更個性化的治療方案。
hippisley-cox j, coupland cac, bafadhel m, russell rek, sheikh a, brindle p, channon km. development and validation of a new algorithm for improved cardiovascular risk prediction. nat med. 2024 apr 18. doi: 10.1038/s41591-024-02905-y. epub ahead of print. pmid: 38637635.
