冠心病发病风险预测模型的系统评价

2023-07-11傅映平张智香陈文敏

循证护理 2023年13期

刘艳,傅映平*,张智香,李月,陈文敏

1.云南中医药大学护理学院,云南 650500;2.昆明市延安医院

冠心病(coronary heart disease,CHD)是由于冠状动脉管腔狭窄或闭塞导致的心脏病,患病率、复发率、死亡率均较高。《中国心血管健康与疾病报告2021》指出,未来10年内心血管疾病患病人数仍会快速增长[1]。冠心病高危人群的早期识别,针对性的预防和治疗非常重要。疾病风险预测模型采用的是定量研究方法,能够更准确地预测发病风险,通过直观的数据呈现研究结果。冠心病发病风险预测模型可以帮助医护人员识别高危病人,采取相应的预防措施和干预手段,降低冠心病的患病率,减轻冠心病给病人及其家庭带来的负担[2]。目前,国内外已经有多项研究开发、验证冠心病发病风险的预测模型,但文献质量和结果不同。因此,本研究对冠心病发病风险预测模型进行系统性分析、评价,以期为医护人员选择合适的风险预测模型预防冠心病的发生提供参考。

1 资料和方法

1.1 文献检索策略

计算机检索PubMed、EMbase、Web of Science、the Cochrane Library、中国知网、中国生物医学文献数据库、万方数据库、维普数据库中有关冠心病发病风险预测模型的文献,检索时限为建库至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为英文检索词,以冠心病、冠状动脉粥样硬化心脏病、冠状动脉硬化心脏病、冠状动脉性疾病、冠状动脉心脏病、冠状动脉粥样硬化、冠状动脉粥样硬化症、冠状动脉粥样硬化性心脏病、动脉粥样硬化性心脏病、冠状动脉硬化性心脏病、冠心病、冠状动脉性心脏病、冠状动脉粥样硬化性疾病,预测模型、预测因素、危险因素、预测为中文检索词。用主题词和关键词相结合的方式进行检索,检索语种限制为中文、英文。同时补充通过引文追溯到的文献。

1.2 文献纳入和排除标准

1.2.1 纳入标准

1)研究对象是冠心病病人;2)研究内容为冠心病预测模型的构建和(或)验证研究;3)阐述了模型构建或验证的方法、过程,模型效果评价信息完整。

1.2.2 排除标准

1)只分析危险因素但未建立风险预测模型的研究;2)会议论文、学位论文; 3)数据不全、不能获取原文的研究。

1.3 文献筛选与数据提取

2名研究者按照纳入标准和排除标准独立筛选文献,若2人存在意见分歧时,寻求第3方意见。纳入文献后,使用预测模型研究系统评价的关键评估和数据提取清单[3]提取、整理数据。

1.4 纳入文献的偏倚风险和适用性评估

2名研究者使用偏倚风险评估工具[4]评估纳入文献的偏倚风险和适用性。偏倚风险的评估包括研究对象、预测因子、结果、分析4个领域。4个领域共包括20个问题,每个问题有“是”“可能是”“否”“可能否”和“无信息”5个选项。在一个领域中,所有评价均为“是”或“可能是”,判定该领域偏倚风险低;任意一个问题回答为“否”或“可能否”,判定该领域偏倚风险高;如果相关信息不足,则该领域偏倚风险不清楚。所有领域偏倚风险低,则总体偏倚风险低;任意一个领域偏倚风险高,则总体偏倚风险高;任意一个领域偏倚风险不清楚而其他领域偏倚风险低,则总体偏倚风险不清楚。用研究对象、预测因子、结果3个领域评估适用性。用“适用性好”“适用性差”和“适用性不清楚”评价。每个领域均好,则总体适用性好;任意一个领域差,则总体适用性差;任意一个领域不清楚则该研究总体适用性不清楚。

2 结果

2.1 文献筛选流程及纳入文献的基本特征

检索得到相关文献1 549篇,其中重复文献534篇,阅读题目和摘要剔除文献926篇,阅读全文后剔除80篇(只分析危险因素但未建立模型39篇、未描述模型建立方法30篇、学位论文2篇、无法获取全文9篇),最终纳入9篇[5-13]。9篇研究预测结果均为冠心病,纳入文献的基本特征见表1。

表1 纳入文献基本特征

2.2 冠心病发病风险预测模型的建立情况

9项研究候选预测变量数有6～19个,样本总量为1 262～268 315例,结果事件数为270～4 860例。Genders等[10]的研究中无缺失数据。建立模型的方法包括Logistic回归、Cox比例风险模型、Logistic回归联合卡方自动交互检测(chi-squared automatic interaction detector,CHAID)决策树。冠心病发病风险预测模型的建立情况见表2。

表2 冠心病发病风险预测模型建立情况

2.3 模型性能及预测因子

除Honda等[7]、Genders等[10]的研究外,其余7个模型的受试者工作特征曲线下面积(area under the curve,AUC)为0.70～0.86,预测性能较好。9项研究均进行了内部验证或外部验证,最终预测模型包含7～14个预测因子。预测因子由高到低排序依次为年龄、吸烟、糖尿病、性别、高血压、高密度脂蛋白胆固醇、心绞痛、低密度脂蛋白胆固醇、体质指数。基层医疗机构也可对这些指标进行评估。模型的最终呈现形式不同,通过风险评分的方式、冠心病发病率方程呈现结果。所有模型的性能及预测因子见表3。

表3 冠心病风险预测模型性能及预测因子

2.4 偏倚风险和适用性评价

2.4.1 与研究对象有关的偏倚

若研究选择的数据来源不合适或未按照事先的纳入标准和排除标准选择研究对象,会造成选择偏倚。经过评估,9项研究偏倚风险均较低。

2.4.2 与预测因子有关的偏倚

该领域需考虑所有研究对象是否用类似的方式定义和评估、研究是否在不了解结果数据的情况下进行、在使用模型时是否所有的预测因子都可用。经评估4项研究在预测因子领域偏倚风险高[5-7,9],其余偏倚风险均低。使用多中心医疗机构的数据时,各中心预测变量评估方法的不同会产生偏倚。Chen等[5]和Genders等[10]研究的数据来自数据库,明确指出统一标准评估预测变量。李婕等[9]回顾性研究数据也来自多中心临床数据库,未提及采取统一的方式预测变量。因此,“所有研究对象的预测因子是否以类似的方式定义和评估”的回答为“可能否”。如果不对预测因子评估者实施盲法也会造成偏倚。由于无法得知预测指标的评估是否在不了解结果的情况下进行,所以2项研究在“预测因子的评估是否在不了解结果数据的情况下进行”回答为“无信息”。

2.4.3 与结果有关的偏倚

该部分适当确定结果、使用预先指定的标准定义结果、结果是否剔除了预测因子、确定结果是否在不知道预测因子的情况下、预测因子评估和确定结果时间间隔合适的问题均要考虑。有1项研究[7]在结果领域偏倚风险高,2项研究[10,12]偏倚风险低,其余6项研究[5-6,8-9,11,13]偏倚风险不清楚。Honda等[7]研究在“结果的定义和确定方式是否相似”回答为“可能否”。由于2项研究[11,13]中关于“是否在不知道预测因子信息的情况下确定结果”无信息,故偏倚风险回答为“不清楚”。

2.4.4 分析领域和总体偏倚分析的评估

该项评估涉及结果事件数量的合理情况、处理连续变量和分类变量、登记者参与在分析中、丢失数据的处理、考虑数据复杂性、合理评估模型性能、考虑乐观偏差、最终模型的预测因子及其分配的权重与多变量分析结果相符。

9项研究偏倚风险均较高。除Jang等[11]未提及结果事件数,其余研究结果事件数均大于100。二分类连续变量的模型会降低预测能力,有6个模型对连续变量进行了二分类[5,7,9-10,12-13]。在缺失数据处理方面,4项研究没有提供相关信息[5-6,9,11],4项用了完整案例分析[7-8,12-13],1项无缺失数据[10]。有1项研究为考虑竞争风险和时间分析[5],可能会忽视数据的复杂性。关于模型性能评估,仅有2项研究同时报告了校准度和区分度[5,11]。在5项开发研究中,2项为随机交叉验证[9,13],其余为自助采样法验证。

2.4.5 适用性评价

在适用性方面,所有纳入的模型在各领域和总体的适用性均较好。

3 讨论

本研究共纳入了9个冠心病风险预测模型,文献质量整体较好。大部分模型采用Logistic回归方法建模且模型AUC>0.70。年龄、吸烟、糖尿病、血压和血脂异常是模型中常用的预测因子。

3.1 冠心病风险预测模型的整体性能较好

模型的性能依赖于研究设计、建模方法、评估工具的选择。本研究所有纳入模型研究设计较完整和缜密,都进行了内部和(或)外部验证,研究方法学质量评价结果整体较好。Logistic回归能根据回归系数的权重给各个预测因子进行赋值,针对性地预测病人发生冠心病的风险,因此模型的可操作性较强[14]。Framingham模型是国际上心血管疾病风险评估较常用模型,但研究表明只适用于发达国家人群[15]。Xu等[6]开发出了较适宜发展中国家人群的预测模型。而有的研究[5]样本量较小且未采用特殊统计学方法处理,应慎用该类模型。

3.2 模型中预测因子的预测强度高

冠心病的危险因素较多,但纳入各模型的预测因子存在一定的共性,包括年龄[5-13]、吸烟[6-13]、糖尿病[6-13]、血脂异常[5-10,12-13]、性别[5-7,9-11]、高血压[5-6,10]。5个模型[5-7,9-11]中,性别是独立预测因子,可能原因为:女性绝经前受到雌激素保护,血管得到弱化[16],而绝经后发病率差异不大。故对绝经后女性应做好健康宣教,尽早诊断并及时就医。糖尿病也是重要的预测因子,可能是因为糖尿病和冠心病有肥胖和高血压等相似的高危发病因素[17-18]。2013年美国心脏协会指南推荐将冠状动脉钙化作为中风险人群的临床决策辅助[19],但由于未建立模型,不纳入本研究。国内模型缺少对日常生活习惯,如锻炼、久坐等的观察,应提高对此关注度,以降低冠心病的发生[20]。

3.3 局限性分析

由于研究的纳入标准、研究设计、模型评价指标存在差异,无法汇总结果进行Meta分析,仅能进行定性总结,尚不能回答何种预测模型最适合我国人群。本研究剔除会议论文、学位论文等文献,一些重要研究可能漏选。本研究的模型虽都进行了验证,但缺乏大样本、多中心的外部验证,发表偏倚仍存在。

3.4 冠心病风险预测模型的应用建议

冠心病风险预测模型能够有效识别病人发病风险,早期筛查和识别高危人群有助于医护人员提供有针对性的预防措施,提高医疗资源的使用效率,改善病人结局。本研究中预测模型的预测性能和适用性较好,可将纳入的高质量预测模型应用于冠心病管理和干预。目前,针对某个群体设计并考虑竞争风险的预测模型罕见,Liu等[13]的研究在此方面较有远见,但也存在一定局限性。后期医护人员可使用人工智能技术建立风险预测信息平台,提高预测模型的精准度。