IF都涨了，下半年还不赶抓紧搞科研？

上半年恍恍惚惚中就过去了，下半年开始了，慌不慌！！！每天都在问自己：稿子什么时候能被接收？什么时候能上岸？？还是踏实在科研的海洋里狗刨吧。肿瘤看腻了，来个普通疾病吧，今天跟大家分享的是5月份发表在AGING杂志（IF：5.5）上的一篇冠心病相关的文章。

Development of a nomogram that predicts the risk for coronary atherosclerotic heart disease

冠状动脉粥样硬化性心脏病风险列线图的建立

冠状动脉粥样硬化性心脏病（CHD）是全球人群死亡因素之一，目前在中国，只有大约0.2%的成年人可以说处于理想的心血管健康状态，有1100万冠心病患者，这是导致过早死亡的第二大原因。目前对CHD，大家努力的重点是主要是治疗疾病，而不是预防疾病。在冠心病领域有很大必要干预和预防并重。既往研究中的冠心病风险评估很少会考虑生物、行为和心理因素。但是这些因素与冠心病的发病有很大的关系，因此作者结合了多种生物、行为和心理因素，建立一套风险列线图来确定高危冠心病患者，为冠心病初步预防策略的制定提供可靠工具。

一、分析思路和方法

1、研究类型：病例对照研究；

2、数据来源：中国东南部参与者一共4392名，其中1578名冠心病患者，2814名对照者；

3、分析思路：纳入33个生物、行为和心理变量，采用多因素logistic回归分析，揭示了8个与冠心病相关的危险因素，建立了一个预测风险的列线图。最终预测模型包含3个不可改变的因素（冠心病的性别、年龄和家族史）和5个可改变的因素（高血压、高脂血症、糖尿病、最近的重大创伤事件经验和焦虑）变数。对模型进行精度评估和准确性验证。

4、工具说明：列线图，又称诺莫图（Nomogram），它是建立在多因素回归分析的基础上，使用多个临床指标或者生物属性，然后采用带有分数高低的线段，从而达到设置的目的：基于多个变量的值预测一定的临床结局或者某类事件发生的概率。

 

二、结果解读

1、 冠心病患者的基线特征及危险因素

作者首先对病例组和对照组人群的基线特征进行统计分析，基线数据对比分析可以看到，冠心病患者年龄明显偏大，文化程度较高（表1）。生物学特征分析发现体重指数（BMI）、腰臀比（WHR）和腰高比（WHtR）较高；有糖尿病、冠心病和中风家族史的男性及有高血压、高脂血症和/或糖尿病的人群患冠心病的可能性更高（表2）。行为学特征分析提示吸烟和高盐饮食与冠心病的高风险相关，另外饮茶次数、食用油消耗类型与冠心病有显著相关（表3）。心理学特征分析则提示经历过重大事件和/或有抑郁症或焦虑症的人易患冠心病（表4）。

表1病例组和对照组基线特征分析

 表2病例组和对照组生物学特征分析

 表3 病例组和对照组行为学特征分析

 表4 病例组和对照组心理学特征分析

2、 筛选与冠心病发生显著的因子

根据“Backwald:Wald”logistic回归模型，选择p<0.05的变量，分别为性别、年龄、CHD家族史、高血压、高脂血症、糖尿病、重大事件和焦虑。

 图1 logistic回归分析因子odds ratio

3、 冠心病风险预测列线图模型构建

利用上述8个因子构建列线图，为了估计冠心病的风险，利用每个预测因子的观察值画一条垂直线到顶点标度来分配一定数量的点。每个变量的点数之和对应于发生冠心病的个体风险（图2）。

图2 冠心病风险预测列线图模型

4、 冠心病发生风险与列线图评分的相关性

用四分位数的方式把所有的点分成四个子组，从分析数据可以发现，冠心病的风险随着总分的增加而增加，四分位（总分107.93-154.78）的参与者比低四分位的参与者有更高的冠心病风险（比值比[OR]：8.917，95%可信区间[CI]：6.734-11.809）（图3）。

图3 列线图总数与冠心病的相关性

5、 冠心病风险预测列线图模型验证

使用500次重采样的bootstrap方法对患者数据进行抽样验证模型的准确性，AUC曲下面积为0.726（95% CI=0.709-0.747），并且列线图预测的概率与临床结果吻合良好（图4A，4B）。决策曲线分析显示该模型具有潜在的临床应用价值（图4C）。

图4 列线图模型验证

好啦，今天的文章小编就为您解读到这了，have a nice day.