Prospective evaluation of a self-report-guided strategy for targeted coronary artery calcium imaging
这项前瞻性的 PRIO-Now 研究表明，基于自评的筛查策略能有效识别具有高概率存在显著冠状动脉钙化的个体，在预测患病率与观察到的患病率之间显示出高度一致性，同时揭示了启动预防性降脂治疗的重大契机。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明
尽管医疗手段已经不断进步，心脏病仍然是全球范围内的主要死因之一。医生面临的一个重大挑战是，如何在心脏病发作之前识别出哪些人处于风险之中。观察供应心脏的动脉中是否存在钙沉积，是评估这种风险的一种强有力的方法。这些被称为冠状动脉钙化的沉积物是隐藏性斑块堆积的直接迹象。如果一个人的此类钙化程度较高，那么他未来发生心脏事件的风险就更高。然而，对全人群进行此类沉积物的扫描并不现实。这类机器造价昂贵，而且虽然辐射剂量很低，但仍是一个需要考虑的因素。医生通常依赖关于生活方式和家族史的问卷调查来推测谁可能需要进行扫描，但这些推测可能会漏掉那些实际上已有危险斑块的人，也可能会误标那些并无风险的人。问题在于，一份简单的自报清单是否能更好地找出需要进行这些扫描的正确人群。
瑞典的一个研究小组致力于测试一种新的策略来解决这个问题。他们设计了一项名为 PRIO-Now 的研究，旨在测试基于简短在线问卷的计算机模型是否能准确预测谁的心脏动脉中存在显著的钙化。研究人员邀请了 8,000 名年龄为 59 或 60 岁的受试者填写一份网络表格。问题涉及基本事实，如体重、身高、是否吸烟、是否患有高血压，以及父母是否在年轻时患有心脏病。计算机模型利用这些答案为每个人计算出一个概率得分。它估算了该人拥有特定水平钙化程度（定义为得分 100 或更高，这表示中度至重度疾病）的可能性。
研究人员设定了一个特定的截断点。任何问卷显示其风险高于此阈值的人，都会被邀请到医院进行真正的医学检查和心脏扫描。那些预测风险较低的人则会收到一般性的健康建议，但不会进行扫描。这种两步法让研究团队能够观察计算机的预测是否与现实相符。在受邀的 8,000 人中，约有 2,588 人完成了问卷。在剔除了已患心脏病或提供信息不完整的人员后，研究人员根据他们的回答识别出 814 名“高风险”人员。这 814 人随后受到了前往医院进行检查的邀请。最终，其中 563 人到场并完成了心脏扫描。
结果显示，该计算机模型的表现非常出色。在接受扫描的 563 人中，实际发现具有显著钙化的人数比例为 28.4%。这个数字与模型对该群体预测的平均概率（28.3%）几乎完全一致。在统计学上，该模型的预测与现实情况完美校准。研究人员还检查了自报信息（如腰围）的准确性是否足够。他们发现，基于人们填写的答案所做的预测，与使用医生在医院进行的实测数据所做的预测几乎相同。这证实了简单的在线表格可以作为第一步筛查的可靠工具。
除了测试模型之外，这项研究还揭示了当前心脏护理领域的一个显著差距。当研究人员观察那些被发现具有显著钙化的人群时，他们发现许多人并未接受治疗。在 160 名钙化评分在 100 或以上的人中，64% 没有服用任何降低胆固醇的药物。即使是在那些正在服药的人群中，大多数人的胆固醇水平仍高于针对此类心脏疾病水平所推荐的严格目标。只有极少数的高风险个体同时处于接受治疗且胆固醇水平理想的状态。这表明，该筛查方法不仅能识别出需要进行扫描的正确人群，还能发现一大群可以从更好的预防性护理中获益的人群。
研究还指出，最初响应邀请的人群并非整个人口的完美缩影。收入较高的人更有可能填写问卷，且被选中进行扫描的群体多为男性，这反映了男性往往比女性更早出现心脏动脉钙化的事实。尽管存在这些局限性，核心结论依然成立：一份简单的自报清单可以成功引导医生找到最需要心脏扫描的人群。这种方法可以通过将资源集中在最可能获益的人身上，使心脏病预防更加高效，同时也凸显了为那些目前尚不知道自己处于风险之中的人启动或改善救命治疗的机会。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。