A parsimonious hormone-based triage model for selected endocrine causes of hypertension: a prospective single-center cohort study
这项前瞻性单中心队列研究表明，一个精简的三指标模型（醛固酮、血浆肾素活性和皮质醇）能够有效地对进行内分泌病因排查的高血压成年患者进行分诊，其实现的判别效能与包含血管紧张素 II 和促肾上腺皮质激素在内的更广泛的五指标面板相当，且增加这两个指标并不会实质性地提高性能。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
高血压是一种常见的疾病，它在无声无息中损害着心脏、肾脏和大脑。对于大多数人来说，其病因是遗传、饮食和生活方式的综合作用，被称为原发性高血压。然而，对于一小部分患者而言，高血压是体内激素系统中某种特定且可治疗疾病的症状。这些疾病（如肾上腺功能亢进或肿瘤）所需的治疗方法与标准高血压截然不同。识别这些疾病至关重要，因为修复潜在的激素问题可以治愈高血压并预防严重的心脏并发症。医生面临的挑战在于，寻找这些罕见病因的检测手段既复杂又昂贵。由于无法对每一位高血压患者都进行此类检测，因此医生需要一种方法来从人群中进行筛选，以决定哪些患者真正需要进行这种更深层次的调查。
中国深圳一家医院的研究团队致力于解决这个筛选问题。他们研究了近六千名已经在接受高血压病因评估的成年人。其目标是观察在初期采集的一组简单且少量的激素测量值，是否可以作为一个可靠的过滤器。研究团队重点关注了血液中的五种特定化学信号：醛固酮（负责控制盐和水）、肾素（触发醛固酮生成的酶）、皮质醇（压力激素）、血管紧张素 II（使血管收缩的分子）以及促肾上腺皮质激素（指令肾上腺工作的激素）。通过测量这五种标志物，研究人员希望建立一个数学模型，用以预测哪些患者可能患有三种严重的激素类疾病之一：原发性醛固酮增多症、嗜铬细胞瘤或库欣综合征。
研究人员将患者分为两组来测试他们的想法。他们使用第一组数据来构建预测工具，并使用第二组数据来验证该工具在面对新人群时的有效性。他们发现，仅使用五种标志物中的三种——醛固酮、肾素和皮质醇——所构建的模型，其表现几乎与包含全部五种标志物的组合不相上下。这个更简单的模型可以正确识别出约 73% 的确患有激素类疾病的患者，同时能正确排除近 87% 不患此类疾病的人群。从实际意义上讲，这意味着该工具擅长发现那些需要进一步检测的人，但其精度还不足以单独用于诊断患者，也无法用来向医生断言某位患者一定没有激素类问题。
当团队对数据进行深入分析时，他们发现加入另外两种标志物（血管紧张素 II 和促肾上腺皮质激素）并不能显著提高预测的准确性。这三种标志物的组合已足以捕捉到血液中预示激素问题的关键模式。研究还表明，不同的疾病留下了独特的化学特征。例如，原发性醛固酮增多症患者表现出高醛固酮和低肾素的特定模式，而库欣综合征患者则具有极高的皮质醇水平。该模型成功地将这些不同的信号结合成一个单一的分数，有助于优先安排患者进行确证性检测。
尽管取得了这些令人鼓舞的成果，作者仍谨慎地指出，该工具并不能取代标准的诊断测试。该模型的目的是帮助医生决定哪些人应该进入下一阶段的检测，而不是做出最终诊断。此外，这项研究是在单家医院进行的，且研究对象是已被怀疑患有这些疾病的特定群体，因此结果在普通人群中可能会有所不同。再者，研究指出，患者正在服用的某些药物可能会影响激素水平，这为解释结果增加了复杂性。研究人员总结道，虽然这种三项标志物的方法是提高筛查效率的有益尝试，但在广泛应用于日常医疗实践之前，仍需在不同的医院和环境下进行进一步测试。
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。