高血压患者健康风险评估研究进展*

徐学功，马燕楠

(1.清华大学公共健康研究中心2014级硕士研究生，北京 100000； 2.河南中医药大学2014级硕士研究生，河南 郑州 450046)



·综述·

高血压患者健康风险评估研究进展*

徐学功1，马燕楠2

(1.清华大学公共健康研究中心2014级硕士研究生，北京 100000； 2.河南中医药大学2014级硕士研究生，河南 郑州 450046)

摘要采用文献回顾法，查阅高血压健康风险评估的理论研究及资料，从高血压流行病学、国内外高血压预警模型评估现状、中医对高血压本质的见解等几个方面进行评估总结。综合目前国内外高血压健康风险评估的研究成果，提出高血压患者健康风险评估研究存在的问题与不足。

关键词高血压病；风险评估；研究进展；综述

1高血压的流行现况

高血压是临床常见病、多发病，是一种和生活方式、年龄等因素相关的慢性心血管系统疾病，也是引起脑卒中、冠状动脉硬化性心脏病和肾衰竭的重要危险因素[3]。随着人们生活方式的改变和老龄化进程的加速，高血压患病率增长速度加快。流行病学[4]显示：高血压是成人甚至青少年未来脑卒中和冠心病发病的主要危险因素。在世界范围内，每年约1 700万人死于高血压，达到全球死亡人数的1/3；其中，940万人死于高血压并发症[5-6]。据《中国心血管病报告》估计：我国有2.7亿高血压患者，超过半数的心血管病发病与高血压相关。在我国40岁以上人群的死亡原因中，心脏病和脑血管病分别列为第1位和第3位，而总死亡的第一危险因素是高血压[7]。全世界每年约1 500万人死于心血管疾病；我国每年也有近400万人死于此病，占死亡人数的3/5以上。在高血压人群中，脑卒中/心肌梗死发病比值达到5～8∶1，而降低高血压患者的血压水平则可减少40%～50%的脑卒中和15%～30%的心肌梗死危险，因此，控制高血压是预防心血管疾病的核心[8]。

2国内外高血压健康风险预警模型发展概况

预防高血压是健康管理的重要内容。国内外的实践证明：高血压是可以预防和控制的疾病，高血压风险预警是个体高血压风险管理过程的基础。高血压预防的实质是发现高血压的危险因素，综合评估个人的高血压发生风险，进而合理地干预这些危险因素以降低人群的高血压患病率。

国外，PAYNTER等[9]针对美国白种和黑种女性，运用logistic回归模型，在模型里纳入年龄、种族、身体质量指数、总谷物的摄入量、SBP、类似载脂蛋白B、脂蛋白(a)和c反应蛋白因子等，并通过贝叶斯信息准则(Bayesian Information Criterions，BIC)对变量进行筛选，选择最优模型。Kshirsagar等[10]通过运用社区动脉粥样硬化队列研究和心血管健康研究的资料，采用多重回归模型找出与高血压发病风险有关联的变量，构建模型，运用风险评分算法对模型进行评价。Parikh等[11-13]分别针对不同的种族人群，采用Weibull回归模型对高血压进行风险预测。以上这些模型中，广为人知的Framingham模型和Johns Hopkins模型具有外部有效性(即在研究人群以外的适用性)。

国内，李国奇等[14]采用前瞻性队列,对1992年建立的11省市35～64岁队列人群基线危险因素水平及15 a内发生的高血压进行多因素Logistic回归分析,通过回归系数建立 2个高血压预测模型及风险评分表，其中模型1纳入了年龄、收缩压、舒张压、BMI、高血压家族史5个危险因素,模型2在模型1的基础上加入了TG和HDL-C。然而，高血压属于复杂性疾病，发病危险因素多，各因素间关系复杂，除要考虑上述的因素外，还要考虑变量之间的交互作用、模糊信息等问题。

周水红等[15]运用人工神经网络方法(ANN)和logistic回归方法分别构建高血压患病预测模型，用受试者工作曲线(ROC)评分预测模型的优劣，比较探讨出ANN预测模型的灵敏度和特异度均优于logistic回归预测模型。所谓人工神经网络模型是一种将统计学和计算机结合的建模方法，这种模型通过节点之间的相互关系进行运算，类似于人脑的神经网络结构，每一个节点具有不同的权重(参数值)，可以处理复杂的非线性关系；此方法可以概括理解为在概率的基础上通过运算穷尽所有数据的排列组合和权重，而不用考虑数据之间是否有线性关系。但ANN在慢性非传染性疾病个体危险度预测中的运用还不成熟，尚需进一步的探讨论证。

张合兰[16]通过采集既往史、家族史、体质量、腰围、高血压危险因素等信息，运用C/S结构(即客户机/服务器结构，目前大多数应用软件系统都是Client/Server形式的两层结构，是内部和外部的用户都可以访问的应用系统)、Delphi 7.0 模块应用程序(类似于查字典)进行高血压管理系统开发，并将此系统运用于社区高血压患者管理，运用白色、黄色、红色3级预警功能，实现高血压的早期预警，整体上降低了高血压患者的致残率及死亡率。然而，该系统难以实现个体水平上的高血压风险预测功能。

桂小柯[17]采用分布式计算框架对任务进行调度，采用云计算技术中针对非结构化大数据平台，将收集的高血压病例对照数据进行挖掘，构建早期预警模型，并将此模型运用到平台新的数据上进行早期高血压发病风险的预警，再进行风险评估、重点人群分类、健康指导等后续步骤，最后采用KNN、ANN、SVM等核心算法，对健康管理效果进行评估，实现个体化预测。此系统构建了高血压早期预警及高血压管理平台，有积极的现实意义。

孙艳秋[18]基于大数据对潜在的高血压进行预测,提出采用大数据分析的潜在高血压预测方法：采集相关数据信息，并对数据进行处理；采用改进算法，根据支持向量理论对数据属性进行分类，建立潜在高血压的预测模型；计算模型属性分类结果的权重，得到不同属性对高血压影响的重要程度；通过与高血压特征参数的比较，获取潜在的高血压的预测结果。

3中医学对高血压发病机制及预警的认知

中医学并无高血压这一概念，在中医学文献中也无高血压这一病名，而与高血压有关的理解多在头痛、眩晕、肝阳、中风等病中描述。早在《黄帝内经》中就有“诸风掉眩，皆属于肝”“髓海不足，则脑转身鸣”之说；《丹溪心法·头眩六十七》提出“无痰不眩”“无火不晕”；朱丹溪认为痰与火是引起眩晕的原因；张景岳在《景岳全书》中指出“无虚不能作眩”。中医学认为：高血压是由情志失调、饮食不节、劳逸过度、禀赋与体质偏盛偏衰等因素导致机体脏腑阴阳失衡、气血失调、气机升降失常、风火内生、痰瘀交阻而发病[19]。体质的阴阳偏盛或偏衰、脏腑亏损等为发病的内因；情志不遂、年高肾亏、病后体虚、饮食不节、跌扑损伤、瘀血内阻等为发病的常见病因。高血压属本虚标实证，风、火、痰、瘀是高血压的常见病理因素[20]。中医学对高血压的病因、病机的认识总体归为阴阳失调、痰瘀互结[21]。目前，高血压的中医辨证分型尚无统一的辨证分型标准。蔡光先等[22]综合分析高血压证候流行病学调查得出，高血压常见证型主要为肝阳上亢、阴虚阳亢、肝肾阴虚、肝风上扰、痰浊中阻、瘀血阻络等。《中药新药临床研究指导原则》[23]将高血压分为肝火亢盛、阴虚阳亢、阴阳两虚、痰湿壅盛4种证型。这些证型分型方法均已被广泛采用。

目前，中医学关于高血压危险因素的研究主要体现于体质理论。中医体质就是基于人体复杂性适应系统，在先天禀赋和后天获得的基础上所形成的具有形态结构、生理功能和心理状态等方面综合的、相对稳定的个性特质，表现为人在生长、发育过程中与自然、社会环境相适应的人体个性特征，这种个体差异性表征着一定的结构、功能、代谢，以及对外界刺激反应等方面的相对稳定性，并有着对某些病因与疾病的易感性以及疾病传变转归中的某些倾向性[24]。北京中医药大学王琦教授主持的国家“973”计划项目《基于因人制宜思想的中医体质理论基础研究》首次制订了体质评定标准[25]，通过量表和雷达图可以将中医诊断信息进行量化，具有很好的可操作性；该研究前期研究结果显示：痰湿体质是高血压发病的重要危险因素，痰湿体质高血压发病率是正常人的4.21倍。同时，朱燕波等[26]通过开发标准化的中医体质量表，对9个省市的中医体质和健康状况进行调查，结果发现：男性高血压的主要体质类型为痰湿质、阴虚质，女性高血压的主要体质为痰湿质、阴虚质、气虚质。

李响等[27]认为：高血压的三级预防与中医学的治未病思想不谋而合。中医学强调高血压的预防，以及延缓疾病的发生及发展。《素问·四气调神大论》曰：“圣人不治已病治未病，不治已乱治未乱。”疾病就是失衡，失衡的隐形状态叫“未病”，失衡的显性状态叫“已病”[28]。中医学治未病理论对高血压的预防起着积极作用。朱明军等[29]指出：心血管病的亚健康状态越来越多，虽然现代医学认识到其属于疾病前状态，但无病可辨，缺乏有效的措施预防其进展；而按照治未病的理论，中医学认为虽无病但有证，可根据临床表现辨证论治，达到延迟、阻止心血管病发病的效果。何志良[30]以中医学治未病思想为指导，通过对高血压分型，运用中药对高血压进行防治，起到了治未病、防传变的作用，降低了高血压及其并发症的发病率和复发率。

4讨论

现有的高血压风险评估预警模型所用的人工神经网络、决策树、信息熵理论、线性回归分析处理数据，可适应不同数据类型的信息化要求，运用计算机和网路技术，有效提高高血压的预测效率，对早期高血压的检测及预防起到了积极的作用，是高血压防治发展的一个重要方向。从适用范围分析这些模型，国外研究的对象是美国白人，其研究证实了预测结果并符合所有种族人群[31]。从模型所包含的因素看，无论是国外的研究还是国内的研究，都忽略了中医因素。从构建预测模型的方法评价，多元回归分析或路径分析模型都是基于线性关系假设建构的，且在多元回归分析或路径分析中由于多重共线性的原因难以纳入更多的变量。运用神经网络方法则可以纳入线性关系或非线性关系的各种数据。神经网络的方法模拟人脑结构的思维功能，具有较强的自学习和联想功能，精度较高，对专家知识的利用也较好。但是，传统人工神经网络模型采用试探的方法确定合适的网络结构,并随机地初始化参数值,导致神经网络训练效率低、结果不稳定。

中医学治未病思想虽认为痰湿体质多为高血压的发病因素，但尚未体现中医特点的高血压风险预警模型。现有模型均未很好地体现传统及当代中医学等对高血压发病机制的认识，未体现中医学整体观念和辨证论治的内涵；医院和社区的中医师无法根据模型预测结果进行有效地药物、食疗、传统保健功法干预。因此，立足传统，吸收现代医学成果，建立高血压预警模型，可进一步提高我国中医医院高血压的防治水平，对于充分发挥现代医学和传统医学的互补作用具有重要意义。

5参考文献

[1]中国高血压基层管理指南修订委员会.中国高血压基层管理指南(2014修订版)[J].中华高血压杂志,2015,23(1):24-43.

[2]PARIKH NI,PENCINA MJ,WANG TJ,et al.A risk score for predicting near-term incidence of hypertension:the Framingham Heart Study[J].Ann Intern Med,2008,148(2):102-110.

[3]中国高血压防治指南修订委员会.中国高血压防治指南(2010修订版)[J].中华高血压杂志,2011,19(8)：701-743.

[4]王文.我国高血压流行趋势与防治状况[J].中国循环杂志,2011,26(6):407-409.

[5]World Health Organization,Geneva.Causes of Death 2008[online database].http://www.who.int/healthinfo/global_burden_disease/cod_2008_sources_methods.pdf.

[6]LIM SS,VOS T,FLAXMAN AD,et al.A comparative risk assessment of burden of disease and injury attributable to 67 risk factors and risk factor clusters in 21 regions,1990—2010:a systematic analysis for the Global Burden of Disease Study 2010[J].Lancet,2012,380(9859):2224-2260.

[7]陈伟伟,高润霖,刘力生，等.中国心血管病报告2013概要[J].中国循环杂志,2014,29(7):487-491.

[8]吴兆苏,霍勇,王文，等.中国高血压患者教育指南[J].中华高血压杂志,2013,21(12):1123-1149.

[9]PAYNTE NP,COOK NR,EVERETT BM,et al.Prediction of incident hypertension risk in women with currently normal blood pressure[J].The American Journal of Medicine,2009，122(5):464-471.

[10]AV KSHIRSAGAR, C YA-LIN, AS BOMBACK, et al.A hypertension risk score for middle-aged and older adults[J].J Clin Hypertens(Greenwich,Conn),2010，12(10):800-808.

[11]NA PARIKH, RE LASKY, CN GARZA, et al.Volumetric and anatomical MRI for hypoxic-ischemic encephalopathy:relationship to hypothermia therapy and neurosensory impairments[J].Journal of Perinatology officinal Journal of the California Perinatal Association,2009,29(2):143-149.

[12]KIVIMAKI M,VAHTERA J,KAWACHI I,et al.Psychosocial work environment as a risk factor for absence with a psychiatric diagnosis:an instrumental-variables analysis[J].American Journal of Epidemiology,2010,172(2):167-172.

[13]H Wan-Lun,KJ Yu,C Yin-Chu, et al.Familial tendency and risk of nasopharyngeal carcinoma in taiwan:effects of covariates on risk[J].American Journal of Epidemiology,2011，173(3):292-299.

[14]李国奇,刘静,王薇,等.中国35～64岁人群15年高血压发生风险预测研究[J].中华高血压杂志,2014,22(10):1000.

[15]周水红,聂绍发,王重建,等.应用人工神经网络预测个体患原发性高血压病危险度[J].中华流行病学杂志,2008,29(6):614-617.

[16]张合兰.社区高血压防治预警系统的研究和开发[J].中国社区医师(医学专业)，2010,12(19):272-273.

[17]桂小柯.高血压早期预警和健康管理平台的构建[J].中国卫生标准管理,2014,5(21):1-3.

[18]孙艳秋,刘钢.基于大数据分析的潜在高血压病预测研究[J].计算机仿真,2015,32(5):386-389.

[19]项成刚,张艳,礼海.中医对原发性高血压病因病机的认识[J].世界中西医结合杂志,2010,5(4):356-357.

[20]周仲瑛.中医内科学[M].北京:中国中医药出版社,2007:298-299.

[21]邓旭光.高血压病中西医结合临床诊治的思路与方法[J].中医杂志,2000, 41(2):113-115.

[22]蔡光先,朱克俭朴,韩育明,等.高血压病常见证候临床流行病学观察[J].中医杂志,1999,40(8):492-493.

[23]郑筱萸.中药新药临床研究指导原则[M].北京:中国医药科技出版社，2002:73-76.

[24]王琦.中医体质学[M].北京：人民卫生出版社,2005:2.

[25]王琦.9种基本中医体质类型的分类及其诊断表述依据[J].北京中医药大学学报,2005,28(4):1.

[26]朱燕波,王琦.中医体质类型与高血压的相关性研究[J].中西医结合学报，2010，18(1):40-45.

[27]李响,张立侠.治未病思想与高血压疾病的预防[J].中国民族民间医药杂志，2009, 18(21):70-71.

[28]仝小林.让中医药走向世界[N].人民日报, 2004-11-04(15).

[29]朱明军,王永霞.中医药防治心血管疾病的特色和优势分析[J].河南中医，2005，25(3):15-16.

[30]何志良.从中医治未病思想论高血压及其并发症的防治[J].实用医技杂志，2008，515(14):1881-1882.

[31]ZHENG L,SUN Z,ZHANG X,et al.Framingham高血压风险预测模型在中国农村人口中的预测价值[J].中华高血压杂志,2014,22(5):498.

(编辑颜冬)

文章编号:1001-6910(2016)04-0074-04

中图分类号:R544.1

文献标志码:B

doi:10.3969/j.issn.1001-6910.2016.04.34随着我国经济的快速发展、人民生活方式的改变和人口老龄化进程的加速，高血压的发病率持续上升，严重威胁人们的身心健康。高血压作为心血管疾病诸多危险因素中最重要的独立危险因素，是我国心脑血管死亡的主要原因[1]。健康风险评估是一种研究致病因素与疾病发病率及病死率之间数量依存关系及其规律性的一种技术，可以预测个体在未来一定时间发生疾病或死亡的风险，在预防医学、职业卫生和临床医学等领域都已得到广泛运用[2]。高血压风险评估对早起筛查高血压、控制发病率有着重要意义。笔者检索国内外高血压风险评估方面的文献，将高血压患者健康风险评估研究进展综述如下。

* 基金项目：2015年河南省中医药科学研究专项课题(2015ZY02078)

收稿日期：2016-01-03；修回日期：2016-02-25