The minimum number of blood pressure measurements needed and thresholds for visit-to-visit blood pressure variability to predict cardiovascular disease in primary care patients

该研究基于澳大利亚新南威尔士州初级保健数据，确定了预测心血管疾病风险至少需要 5 次血压测量，并提出了收缩压和舒张压变异性（SD、CV、ARV）的特定临界值作为有效的风险预测指标。

要点

这篇研究论文就像是在给心脏健康做了一次“体检升级”。它不再只盯着你某一次量血压的数值，而是开始关注你的血压在不同时间里“跳来跳去”的程度。

为了让你更容易理解，我们可以把这篇研究比作**“预测心脏风暴的天气预报”**。

1. 核心发现：血压的“脾气”比“身高”更重要

想象一下，你的血管是一条河流。

• 传统的看法：医生只关心河水的平均水位（平均血压）高不高。如果水位一直很高，那是洪水，很危险。
• 这项研究的新发现：即使平均水位看起来还行，但如果水位忽高忽低、像过山车一样剧烈波动（这就是“血压变异性”），河流的堤坝（血管）也会因为承受不住这种反复的拉扯而受损，最终导致决堤（心脏病或中风）。

研究团队发现，这种**“血压的脾气”**（变异性）是预测未来心脏病的独立风险因素。哪怕你的平均血压正常，如果它像坐过山车一样不稳定，你的心脏风险依然很高。

2. 两个关键问题：测几次？多少算危险？

这项研究主要解决了两个让医生和患者头疼的实用问题：

问题一：为了看清这个“脾气”，我们需要测多少次血压？

以前大家可能觉得测个两三次就够了，或者测个十几次才准。但这就像**“猜硬币”**：

• 如果你只猜 3 次，可能刚好猜对，也可能全是运气，看不出规律。
• 如果你猜 100 次，规律很准，但太麻烦，没人愿意做。

研究结论：就像**“尝汤”**一样，你不需要把整锅汤都喝完，也不需要只尝一口。研究发现，至少需要 5 次不同时间的测量，就能非常准确地捕捉到血压的“脾气”（波动规律）。这 5 次测量就像 5 个拼图碎片，拼起来就能看清全貌，既准确又不会给患者增加太多负担。

问题二：波动多大才算“危险”？（设定警戒线）

研究团队给血压的“脾气”设定了红绿灯（警戒线）。如果波动超过这个范围，红灯就亮了：

• 收缩压（高压）的警戒线：
  • 如果波动幅度超过 19 mmHg（比如这次 120，下次 140，再下次 110，起伏很大），风险就高了。
  • 或者用百分比看，波动超过 14%。
• 舒张压（低压）的警戒线：
  • 如果波动幅度超过 11 mmHg。
  • 或者用百分比看，波动超过 12%。

比喻：这就好比开车。如果车速一直保持在 60 公里/小时（平稳），很安全。但如果车速在 40 到 80 之间疯狂跳动（波动大），即使平均速度也是 60，发动机（心脏）也会更容易坏。

3. 谁最需要关注这个？

研究特别发现了一个有趣的现象：

• 女性：在血压波动大的情况下，女性患心脏病的风险比男性更高。这可能与女性绝经期前后的激素变化有关，就像**“春天的天气”**，变化无常，对身体的冲击更大。
• 看似健康的人：即使你的平均血压低于 140（通常被认为是正常的），如果你的血压波动很大，你依然处于危险中。这就像**“平静的海面下可能有暗流”**，不能只看表面平静。

4. 这对我们普通人意味着什么？

这项研究给未来的医疗带来了三个重要的改变：

1. 不要只测一次：如果你只去诊所测了一次血压，医生可能无法判断你的真实风险。你需要定期、多次去测量，让医生看到你的血压“曲线”，而不仅仅是一个“点”。
2. 5 次是黄金标准：为了评估风险，医生可能会建议你记录至少 5 次不同日期的血压数据。这不需要住院，在普通诊所甚至家里就能完成。
3. 新的预警系统：未来的电子健康档案（就像你的手机健康 App）可能会自动计算你的血压波动。如果它发现你的血压像“过山车”一样，即使数值不高，也会提醒你：“嘿，你的血管在受累，需要调整生活方式或药物了。”

总结

这就好比我们以前只关心**“平均气温”，现在发现“气温的剧烈波动”**（今天 30 度，明天 10 度）对庄稼（心脏）的伤害更大。

这项研究告诉我们：想要心脏健康，不仅要让血压“低”，还要让血压“稳”。 只要你在 55 岁之前，通过至少 5 次测量发现你的血压波动超过了上述的“警戒线”，你就应该提高警惕，尽早干预，把心脏病扼杀在摇篮里。

技术摘要

这是一份关于该研究论文的详细技术总结，涵盖了研究背景、方法学、关键贡献、主要结果及临床意义。

论文技术总结：初级保健中预测心血管疾病的血压测量次数与访视间血压变异性阈值

1. 研究背景与问题 (Problem)

• 核心问题：高血压是心血管疾病（CVD）的主要风险因素，但诊室血压读数在不同访视间存在波动（即访视间血压变异性，VVV BPV）。现有研究表明，增高的 VVV BPV 是 CVD 事件和死亡的独立预测因子。
• 研究缺口：
  1. 目前缺乏基于真实世界电子健康记录（EHR）数据确定的、用于预测 CVD 风险的明确 VVV BPV 截断值（Cut-off values）。
  2. 临床实践中，为了计算可靠的 BPV，究竟需要多少次血压测量（Minimum number of measurements）尚无定论。
  3. 既往研究多基于临床试验数据或老年/高危人群，缺乏针对初级保健中一般人群（特别是较年轻人群）的实证数据。

2. 研究方法与数据 (Methodology)

• 研究设计：两项关联研究，基于澳大利亚西南悉尼地区的电子初级保健研究网络（ePBRN）数据。
• 数据来源：2006 年至 2019 年收集的初级保健（全科医生）和二级/三级医院电子健康记录（EHR）。
• 研究对象：
  • 研究一（确定测量次数）：纳入 18-55 岁、在 55 岁前有至少 8 次血压读数的患者（n=1,549）。以 8 次测量为参考标准，评估 3-7 次测量计算出的标准差（SD）与参考值的 agreement（一致性）。
  • 研究二（确定截断值）：纳入 18-55 岁、在 55 岁前有至少 5 次血压读数的患者（n=3,022）。
  • 排除标准：55 岁前已确诊动脉粥样硬化性 CVD 或房颤、无随访数据、数据缺失等。
• 关键指标：
  • 预测因子：收缩压（SBP）和舒张压（DBP）的访视间变异性，采用三种指标计算：标准差（SD）、变异系数（CV）、平均真实变异性（ARV）。
  • 结局指标：55 岁后首次发生 CVD 事件（包括冠心病、卒中、心衰、房颤、外周动脉疾病等）。
• 统计分析：
  • 使用皮尔逊相关系数和组内相关系数（ICC）评估测量次数的一致性。
  • 使用 Cox 比例风险模型计算风险比（HR），调整了人口学特征、平均血压、合并症、实验室指标（胆固醇、eGFR、血糖、BMI）及用药情况。
  • 通过百分位数法（10th-90th）推导截断值，并使用 C 统计量（Concordance index）和时变 AUC 评估预测效能。
  • 采用多重插补（MICE）处理缺失数据。

3. 关键贡献 (Key Contributions)

1. 确定最小测量次数：首次通过实证数据证明，在初级保健环境中，至少需要 5 次独立的血压测量即可可靠地估算 VVV BPV 用于 CVD 风险预测（与 8 次测量相比，ICC 为 0.79，相关系数为 0.80）。
2. 确立临床截断值：首次基于真实世界 EHR 数据，为预测 CVD 风险提供了具体的 VVV BPV 截断值：
   • 收缩压 (SBP)：SD ≥ 19 mmHg, CV ≥ 14%, ARV ≥ 15 mmHg。
   • 舒张压 (DBP)：SD ≥ 11 mmHg, CV ≥ 12%, ARV ≥ 11 mmHg。
3. 揭示特定人群风险：发现即使在平均收缩压 <140 mmHg 的患者中，高 BPV 仍显著增加 CVD 风险；且女性在高 BPV 下的 CVD 风险下降速度比男性更快（可能与绝经期激素变化有关）。
4. 指标比较：证实 SD、CV 和 ARV 均具有预测价值，但在非规律测量的真实世界数据中，SD 和 CV 比 ARV 更具实用性（ARV 对测量间隔的规律性要求较高）。

4. 主要结果 (Results)

• 测量次数验证：5 次测量与 8 次测量（参考标准）的 ICC 为 0.79（良好一致性），相关系数为 0.80。少于 5 次测量的一致性较差。
• 风险关联：
  • 在完全调整模型中，每增加 1 个 SD 的 SBP 变异性，CVD 风险增加 71% (HR=1.71, 95% CI: 1.49–1.95)；DBP 变异性增加 95% (HR=1.95)。
  • CV 和 ARV 指标也显示出显著的预测能力。
• 预测效能：
  • 基于 5 年随访的 C 统计量（AUC）：SD 为 0.74，CV 为 0.73，ARV 为 0.71。
  • 截断值在 2 年、4 年和 5 年的预测窗口中表现一致且稳健。
• 亚组分析：
  • 平均 SBP <140 mmHg 的患者，其 BPV 每增加 1-SD，CVD 风险更高。
  • 在 BPV ≥ 19 mmHg 的组别中，女性的生存率下降明显快于男性（Log-rank p < 0.05），而在低 BPV 组别中无显著性别差异。

5. 意义与临床启示 (Significance)

• 临床实践指导：
  • 建议初级保健医生在患者 55 岁前至少进行5 次血压测量，以便计算 VVV BPV。
  • 将 VVV BPV 纳入 CVD 风险评估工具（如风险计算器），特别是对于平均血压正常但变异性高的患者（识别残余风险）。
  • 对于 BPV 超过截断值（如 SBP SD ≥ 19 mmHg）的患者，应视为高危人群，加强干预。
• 政策与公共卫生：
  • 强调了对 45-55 岁人群（特别是女性）进行规律血压监测的重要性。
  • 呼吁完善医保政策，支持全科护士和原住民健康工作者进行定期的血压筛查和随访，以积累足够的 BPV 数据。
• 局限性：
  • 研究基于观察性数据，测量间隔不规律，限制了 ARV 指标的最佳应用。
  • 样本主要集中在有慢性病特征的患者（因需满足多次测量条件），结果在普通健康人群中的普适性需进一步验证。
  • 仅针对 55 岁后的 CVD 风险，可能低估了年轻高危人群的风险。

总结：该研究为利用初级保健数据中的血压变异性预测心血管疾病提供了量化的临床阈值和最低数据要求，强调了将“血压波动”纳入常规风险评估的重要性，有助于实现 CVD 的早期分层和预防。