BMJ：QRISK3风险预测算法预测和验证心血管疾病的风险
2017-05-26 MedSci MedSci原创
第一个采用QRISK模型来估计心血管疾病10年风险的研究发表于2007年。2008年更新的模型（QRISK2）纳入了新的因素，其中包括种族起源和其它危险因素（2型糖尿病，类风湿性关节炎，心房颤动和慢性 肾病）。 此后，QRISK2每年进行更新，并重新校准到最新版本的QRSearch数据库。
第一个采用QRISK模型来估计心血管疾病10年风险的研究发表于2007年。2008年更新的模型（QRISK2）纳入了新的因素，其中包括种族起源和其它危险因素（2型糖尿病，类风湿性关节炎，心房颤动和慢性
肾病）。 此后，QRISK2每年进行更新，并重新校准到最新版本的QRSearch数据库。近日，国际杂志BMJ上在线发表一项关于QRISK3风险预测算法预测和验证心血管疾病风险的研究。
研究采用推导队列中的Cox比例风险模型，在10年内得出男性和女性评估的单独风险方程。考虑的危险因素包括已经在QRISK2（年龄，种族，剥夺，收缩压，体重指数，总胆固醇：高密度脂蛋白胆固醇比例，吸烟，冠状动脉心脏病家族史相对年龄小于60岁的人），1型糖尿病，2型糖尿病，治疗高血压，类风湿性关节炎，心房颤动，慢性肾脏疾病（4级或5级）和新的危险因素（慢性肾脏疾病（3期，4期或5期）），收缩期血压变异性（重复测量的标准偏差），偏头痛，皮质类固醇，系统性红斑狼疮（SLE），非典型抗精神病药，严重精神疾病和艾滋病毒/艾滋病）。此外，研究人员还考虑了男性勃起功能障碍的诊断或治疗。在男性和女性的验证队列以及根据年龄组，种族和基线疾病状况单独亚组中确定了校准和区分的方法。
在5080万人的随访中，共发现363 565例心血管疾病事件。考虑到的所有新的风险因素均符合纳入标准，仅有艾滋病不具有统计学意义而除外。模型具有良好的校准和高水平的解释变异和辨识度。在女性中，该算法解释了心血管疾病诊断时间变异的59.6％（R 2，值越高表示更多变异），D统计量为2.48，Harrell's
C统计量为0.88，表示更好的辨识度。男性相应值分别为54.8％，2.26和0.86。更新的QRISK3算法的整体性能与QRISK2算法相似。
研究表明，QRISK3风险预测模型得到了更新和验证。在QRISK3（慢性肾脏疾病，重复测量的标准偏差，偏头痛，皮质类固醇，SLE，非典型抗精神病药，严重精神疾病和勃起功能障碍）的测量中纳入额外的临床变量可以帮助医生确定心脏病和中风风险最大的人群。
原始出处：
Julia Hippisley-Cox, Peter Brindle, Development
and validation of QRISK3 risk prediction algorithms to estimate future risk of
cardiovascular disease: prospective cohort study. BMJ
2017; 357 doi: https://doi.org/10.1136/bmj.j2099 (Published 23 May 2017)
本文系梅斯医学（MedSci）原创编译整理，转载需授权！
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
#预测算法#
58
#BMJ#
53
#风险预测#
54
#血管疾病#
49
心血管疾病的危险因素很多。
78