建立老年急性心梗患者1年内全因死亡风险的预后预测模型

张子龙 沈 鑫 何林龙 王 钊 高方明 李国庆

急性心肌梗死(acute myocardial infarction，AMI)是一种严重的、致死性的心血管疾病[1]。AMI的发生率随着年龄的增长而逐渐增加[2]。在我国，超过60%的AMI发生在65岁或65岁以上的患者中，约1/3的AMI发生在75岁以上的人群中[3]。此外，AMI的病死率随着年龄的增长呈指数增长，老年AMI患者比年轻患者更有可能出现心力衰竭、恶性心律失常、心源性休克和心脏破裂等严重并发症，所有这些都与AMI患者病死率增加密切相关[4]。老年人AMI后预后不良的其他因素包括老年人的心血管储备能力显著下降，合并症的发生率显著增加以及医源性并发症的风险显著增加等[5]。因此，早期风险分层对于临床医生针对某一患者选择个体化的治疗是至关重要的。本研究旨在建立和验证一个可靠的预测模型，用于预测老年AMI患者1年内的全因死亡风险。

材料与方法

1.患者来源：将2010年1月～2019年12月在新疆维吾尔自治区人民医院心血管内科住院的患者纳入本研究。研究纳入标准如下：①患者年龄≥60岁；②符合AMI的诊断标准[6]；③基线资料、医疗记录信息完整；④已从患者或其法定代表人处获得书面知情同意。本研究为一项回顾性队列研究，所有流程均获得新疆维吾尔自治区人民医院医学伦理学委员会批准。

2.数据收集：从新疆维吾尔自治区人民医院的电子医疗记录系统中收集了所有符合纳入标准患者的人口统计学资料和临床数据，包括年龄、性别、身高、体重、既往史(心肌梗死、高血压、慢性肾脏病、心房颤动、糖尿病、高脂血症、脑血管事件、PCI/CABG史、心脏骤停史等)和生命体征(血压、心率等)。

3.老年营养风险指数(geriatric nutritional risk index，GNRI)和体重指数(body mass index，BMI)的定义：GNRI=1.489×血清白蛋白(g/L)+41.7×(真实体重/理想体重)，理想体重=身高(m)×身高(m)×22(kg/m2)。根据GNRI值将其分为4组,即高危(GNRI≤82)、中危(8298)[7]。体重指数(BMI)=体重(kg)/身高2(m2)。

4.结局：本研究的主要结局是AMI后1年的全因病死率。

结 果

1.研究人群的临床特征：2010年1月～2019年12月共纳入911例患者，采用简单随机法按照7.5∶2.5的比例将全部患者分为建模队列与验证队列，其中建模队列为683例患者(75%)，验证队列为103例患者(25%)。建模队列中有58例(8.5%)老年AMI患者1年内死亡；验证队列中有20例(8.8%)老年AMI患者1年内死亡。在建模与验证两个队列中，老年AMI患者1年内死亡的发生率之间比较，差异无统计学意义。建模和验证队列之间的基线资料详见表1。

表1 建模队列与验证队列的基线资料

2.多因素Logistic回归分析结果：多因素回归分析结果显示，年龄、BNP、心率、Killip分级、GNRI评分、STEMI、PCI、心肌梗死病史、糖尿病病史、心脏骤停史是老年AMI患者1年内全因死亡的独立危险因素(P<0.05)，详见图1。

图1 多因素Logistic回归分析的森林图

3.老年AMI患者1年内死亡风险的预测模型：根据多因素回归分析结果，绘出老年AMI患者1年内死亡风险的列线图模型，详见图2。

图2 老年AMI患者1年内全因死亡风险的列线图模型

4.模型预测性能评估：在建模队列中该模型AUC值为0.784(95% CI：0.761～0.807)；验证队列中该模型AUC值为0.782(95% CI：0.759～0.805)，详见图3。

图3 列线图模型预测老年AMI患者1年内全因死亡风险的ROC曲线

5.Hosmer-Lemeshow拟合检验与校准曲线：根据建模队列(图4A)和验证队列(图4B)的校准曲线显示，该预测模型校准曲线与标准曲线均极为接近。利用Hosmer-Lemeshow拟合检验进行敏感度分析。敏感度分析结果显示，建模队列P=0.283、验证队列P=0.194。本模型的预测情况与实际观测情况差异无统计学意义。

图4 列线图模型预测老年AMI患者1年内全因死亡风险的校准曲线A.建模队列；B.验证队列

结 果

AMI是一种常见的致死性疾病，给患者、家属和社会造成了沉重的医疗负担，因此对该疾病预后的早期评估尤其重要[10]。本研究中，笔者团队通过构建一个简单、易用的列线图模型来预测老年AMI患者1年内全因死亡风险。该预测模型是基于683例老年AMI患者入院及随访信息开发的，并在验证队列中被证实具有良好的鉴别和校准能力。模型包括10个变量，即年龄、BNP、心率、Killip分级、GNRI评分、STEMI、PCI、心肌梗死病史、糖尿病病史和心脏骤停史作为主要预测因子。这些预测因子在入院初期容易获得，所以便于临床医生使用和进行早期的风险评估。

列线图是一种有用的工具，可以通过图形化的方式将数学公式呈现出来，通过对每个变量的对应点进行求和，可以很容易地计算出终点事件发生的风险[11]。因此，由于列线图模型直观、简单的特性，所以被广泛用于预测和评估患者的终点事件发生风险[12]。同时，临床医生也可以借助列线图快速、简便地进行风险分层，以识别老年AMI患者的高死亡风险。因此，本列线图模型可作为临床实践中一个有价值的工具，为老年AMI患者提供长达1年的风险咨询，并为高病死率患者提供预防性治疗指导。

本研究的优势在于：①本研究样本量相对较大;②在研究中综合考虑了新的独立危险因素，如GNRI评分;③使用列线图可视化风险评分以提高本预测模型的临床实用性;④使用多种新方法评估列线图的性能，包括利用Hosmer-Lemeshow拟合检验进行敏感度分析与校准曲线。敏感度分析结果提示本模型的预测情况与实际观测情况差异无统计学意义，保证了所建立诺模图的可靠性。

但本研究仍存在一些局限性，主要是由本回顾性队列研究数据库的特点造成的：①模型没有纳入到一些新的评估老年AMI患者预后的生物学标志物，如高敏肌钙蛋白T、肽素、生长分化因子、胱抑素C、miRNA和可溶性致瘤抑制因子2等指标[13～19];②本研究仅以笔者医院单中心的患者为研究对象，建立并验证了本模型的有效性,所以还需要在多中心、样本量更大的外部队列中对模型进行验证和改进;③病情进展过程中的某些变量，特别是生物学标志物的动态变化，可能会导致重要临床信息的变化，影响最终的预后评估。因此，如何将变量的动态变化整合到笔者的模型中还需要进一步的研究。

综上所述，本研究基于单中心、回顾性队列研究的数据，证实GNRI是老年AMI患者的独立预后危险因素，并且基于GNRI构建并验证了一个列线图模型来预测老年AMI患者1年内全因死亡风险。该列线图的应用有助于制定AMI患者的个体化预防与治疗方案。