Comparative Validation of ASCVD, Framingham Risk Score, Globorisk, and PREVENT for 10-Year Cardiovascular Risk Prediction in the UK Biobank
في مجموعة بيانات "يو كيه بيوبانك" (UK Biobank) الضخمة، أظهر نموذجا ASCVD وFramingham Risk Score قدرة فائقة على التمييز والمنفعة السريرية للتنبؤ بمخاطر أمراض القلب والأوعية الدموية خلال 10 سنوات مقارنة بنموذجي PREVENT وGloborisk، رغم أن جميع النماذج أظهرت انخفاضاً في الأداء لدى البالغين الأكبر سناً.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
مشكلة الكرة البلورية: التنبؤ بمشاكل القلب
تخيل أنك خبير في الأرصاد الجوية، ولكن بدلاً من التنبؤ بهطول الأمطار أو سطوع الشمس، أنت تحاول التنبؤ بعاصفة قد تضرب قلب شخص ما بعد عشر سنوات من الآن. هذا هو التحدي اليومي الذي يواجهه الأطباء لمحاولة الوقاية من أمراض القلب والأوعية الدموية (CVD)، وهي السبب الرئيسي للوفاة في جميع أنحاء العالم. وللقيام بذلك، يستخدمون "نماذج التنبؤ بالمخاطر"، والتي تشبه كرات بلورية رياضية معقدة. تأخذ هذه الأدوات لقطة لصحة الشخص الحالية — عمره، وضغط دمه، ومستويات الكوليسترول لديه، وما إذا كان مدخناً أم لا — وتقوم بمعالجة الأرقام لتقدير احتمالات الإصابة بنوبة قلبية أو سكتة دماغية في العقد القادم.
السؤال الكبير هو: أي كرة بلورية هي الأكثر دقة؟ لعقود من الزمن، اعتمد الأطباء على بعض النماذج الشهيرة، ولكن مع تغير السكان وظهور بيانات جديدة، قد تصبح هذه الأدوات القديمة ضبابية بعض الشيء. قد تكون بعضها متشائمة للغاية، مما يخيف الناس ويدفعهم لعلاجات غير ضرورية، بينما قد يكون بعضها متفائلاً للغاية، مما يؤدي إلى تفويت أشخاص يحتاجون بالفعل إلى المساعدة. تغوص هذه الدراسة في البيانات لترى أي من هؤلاء المتنبئين الرقميين يقول الحقيقة فعلياً، وهل يعملون بنفس الكفاءة للجميع، من البالغين الشباب إلى كبار السن.
مواجهة الكرات البلورية الكبرى
في هذه الدراسة، عمل الباحثون كحكام في بطولة عالية المخاطر. لقد جمعوا فريقاً ضخماً مكوناً من 183,124 متطوعاً من "يو كي باينوك" (UK Biobank) — وهي مجموعة كبيرة من الأشخاص الذين تتراوح أعمارهم بين 40 و69 عاماً وكانوا أصحاء في البداية. كان الهدف هو معرفة مدى قدرة أربعة "حاسبات مخاطر" مختلفة على التنبؤ بمن سيصاب بحدث قلبي وعائي خلال السنوات العشر القادمة. المتنافسون الأربعة هم:
- ASCVD: المفضل حالياً، والمصمم لأمراض القلب الناتجة عن تصلب الشرايين (تراكم اللويحات).
- Framingham Risk Score (FRS): النموذج الكلاسيكي القديم الذي بدأ كل شيء.
- Globorisk: نموذج مصمم ليتم تعديله ليتناسب مع دول مختلفة.
- PREVENT: الأحدث في المجموعة، والذي تم تقديمه في عام 2023، ويتضمن وظائف الكلى واستخدام الستاتينات.
راقب الباحثون هؤلاء الـ 183,124 شخصاً لمدة تصل إلى 10 سنوات. خلال ذلك الوقت، تعرض 10,560 منهم (حوالي 5.8%) لحدث قلبي وعائي. ثم تحقق الفريق من مدى مطابقة تنبؤات كل نموذج لما حدث بالفعل.
الفائزون والخاسرون
عندما استقرت النتائج، برز نموذج ASCVD كبطل واضح. فقد امتلك أفضل قدرة على التمييز بين الأشخاص الذين سيصابون بحدث وبين أولئك الذين لن يصابوا (وهي درجة تسمى AUC وبلغت 0.717). كما كان الأكثر "معايرة"، مما يعني أن تنبؤاته كانت الأقرب إلى الواقع؛ فإذا قال إن شخصاً ما لديه خطر بنسبة 10%، فإن ذلك الشخص لديه بالفعل فرصة بنسبة 10% تقريباً للتعرض لحدث ما.
جاء نموذج Framingham Risk Score (FRS) في المركز الثاني بفارق ضئيل جداً، حيث كان أداؤه يقارب نموذج ASCVD (بدرجة AUC بلغت 0.715). ومع ذلك، كان لديه سمة غريبة: فقد مال إلى التقليل من شأن المخاطر للأشخاص الذين كانوا في الواقع معرضين لخطر مرتفع، تماماً مثل تطبيق الطقس الذي يقول "مشمس" بينما توجد عاصفة قادمة.
أظهر نموذج PREVENT، رغم كونه الأحدث والأكثر تطوراً، أداءً "متوسطاً" فقط (AUC بلغ 0.668). لم يكن سيئاً، لكنه لم يتفوق على النماذج القدسة الراسخة في هذه المجموعة تحديداً.
أما نموذج Globorisk فقد عانى أكثر من غيره، حيث أظهر أدنى قدرة على التمييز بين الأشخاص ذوي المخاطر العالية وذوي المخاطر المنخفضة (AUC بلغ 0.605). وفي هذه المجموعة البريطانية، لم يعمل بشكل جيد مثل الآخرين.
اختبار "المنفعة الصافية"
لم يكتفِ الباحثون بالنظر إلى من كان محقاً، بل نظروا إلى من كان "مفيداً". استخدموا طريقة تسمى "تحليل منحنى القرار"، والتي تسأل: "إذا استخدم الطبيب هذا النموذج لاتخاذ قرار بشأن من يتلقى العلاج، فهل يساعد حقاً عدداً من الناس أكثر مما يضرهم؟"
كانت الإجابة واضحة: قدم نموذج ASCVD أعلى "منفعة سريرية صافية" عبر معظم نقاط القرار. وهذا يعني أن استخدام ASCVD لتوجيه قرارات العلاج من المرجح أن ينقذ حياة المزيد من الناس ويمنع المزيد من النوبات القلبية مقارنة بالنماذج الثلاثة الأخرى. ومن المثير للاهتمام أن نموذج Framingham أظهر "منفعة صافية سلبية" في نطاق المخاطر المتوسطة. وهذا يشير إلى أنه إذا استخدم الأطباء FRS لاتخاذ قرارات العلاج في ذلك النطاق المحدد، فقد ينتهي بهم الأمر بعلاج الكثير من الناس الذين لا يحتاجون لذلك، مما يسبب ضرراً أكثر من النفع.
تحول العمر والجنس
وجدت الدراسة أيضاً أن هذه الكرات البلورية تصبح ضبابية قليلاً مع تقدم الناس في العمر. بالنسبة للجميع، عملت النماذج بشكل أفضل مع البالغين في "منتصف العمر" (59 عاماً فأقل) مقارنة بـ "كبار السن" (فوق 59 عاماً).
- في المجموعة الأصغر سناً، كان كل من ASCVD و FRS قويين (AUC حوالي 0.726).
- في المجموعة الأكبر سناً، انخفضت الدرجات بشكل ملحوظ. فقد انخفض ASCVD إلى 0.651، وانخفض Globorisk بشدة (إلى 0.527) لدرجة أنه كان بالكاد أفضل من رمي قطعة نقدية.
كما تصرفت النماذج بشكل مختلف بالنسبة للرجال والنساء. بالنسبة للنساء، قدم نموذج PREVENT أداءً جيداً بشكل مفاجئ (AUC بلغ 0.701)، وهو ما يقارب أداء ASCVD، وكان أفضل بكثير في رصد النساء المعرضات لمخاطر عالية واللواتي قد يتم تجاهلهن لولا ذلك. أما بالنسبة للرجال، فقد كانت جميع النماذج أقل دقة، ويرجع ذلك على الأرجح إلى أن الرجال في هذه المجموعة سجلوا معدلات أعلى من الأحداث، مما جعل من الصعب الفصل بين "المخاطر العالية" و"المخاطر العالية جداً".
الخلاصة
تخلص الدراسة إلى أنه للتنبؤ بمخاطر القلب في المملكة المتحدة على مدى السنوات العشر القادمة، فإن نموذج ASCVD هو حالياً الأداة الأكثر موثوقية، حيث يوفر أفضل توازن بين الدقة والمنفعة السريرية. ويعد نموذج Framingam وصيفاً قوياً، بينما يظهر نموذج PREVENT بوادر واعدة، خاصة للنساء، لكنه لم يتفوق بعد على القادة. أما Globorisk، فهو الأقل فعالية في هذا السياق المحدد.
ومن الأهمية بمكان ملاحظة المؤلفين أنه لا يوجد نموذج واحد مثالي للجميع، خاصة للأشخاص فوق سن 59. إن انخفاض أداء جميع النماذج مع تقدم العمر يشير إلى أن الأطباء قد يحتاجون إلى أدوات جديدة مخصصة حسب العمر، تنظر إلى ما هو أكثر من مجرد لقطة واحدة للصحة، لحماية قلوب كبار السن حقاً.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.