Blood Pressure Control Classification Discordance After Oscillometric-to-Auscultatory Calibration in NHANES

高血压是一种无声的力量，如果任其发展，会使心脏承受压力并损害人体脆弱的血管网络。几十年来，医生和公共卫生官员一直依赖一个特定的数值来判断一个人的血压是否得到了控制：即收缩压（高压）低于140，舒张压（低压）低于90。这个阈值充当了守门员的角色，决定了谁需要治疗，谁不需要。为了追踪国家管理这一状况的效果，美国开展了一项大规模的、持续进行的健康调查，称为 NHANES。多年来，这项调查使用了一种传统的方法来测量血压：医生或护士将袖带缠在人的手臂上，将其充气，然后通过听诊器倾听血液流动的节奏声，直到压力下降。这种被称为“听诊法”的监听方法，曾是几代人的金标准。

然而，在大约2017年和2018年左右，该调查转向了不同的技术。调查不再使用听诊法，而是开始使用一种能够感应袖带内压力变化的自动机器，而无需人类耳朵参与。这种新方法被称为“示波法”，它更快且对培训要求较低，但它测量身体的方式略有不同。为了确保新数据可以与旧数据进行公平比较，研究人员开发了一种简单的数学调整方法。他们发现，与听诊法相比，新机器测得的收缩压平均略高，而舒张压平均略低。因此，他们制定了一条规则：为每一个新的读数在收缩压上增加一个小额数值，并在舒张压上减去一个小额数值。这似乎是一个完美的解决方案，可以保持国家统计数据的一致性。但一个关键问题仍未得到解答：这种简单的调整是否对每一个人都有效，还是仅对整体群体有效？

一位名叫 Sekani Nicolas Boxill 的研究人员致力于回答这个问题，他通过观察技术切换发生的精确时刻来进行研究。在2017年和2018年，调查团队做了一件独特的事情：他们在单次访问中对同一组人进行了两次测量。一半的参与者先用听诊法测量血压，然后再使用机器；另一半则是先用机器，然后再用听诊法。这创造了一个罕见的机会，可以观察两种方法在同一个体身上究竟存在怎样的差异。研究人员专门针对这组中已经在服用高血压药物的成年人进行了研究，因为对于这些人来说，“受控”与“未受控”之间的区别关乎日常的健康管理。

研究首先检查了这条简单的调整规则是否真的奏效。当研究人员将该规则应用于机器的原始数据时，显示血压受控的人数百分比整体上向听诊法的结果靠拢。从国家层面来看，这看起来像是一个成功。然而，当研究人员观察这些平均值背后的个体时，却出现了不同的情况。即使应用了调整，在接受药物治疗的成年人中，仍有近六分之一的人根据所使用的不同方法被归入不同的类别。对于某些人来说，经过调整后的机器读数显示其血压处于受控状态，而听诊法则认为并未受控；对于另一些人来说，机器显示未受控，而听诊法则认为一切正常。

这种分歧并非可以相互抵消的小误差，而是人口中一个实质性的分裂。研究发现，在接受治疗的成年人中，约有17.3%——代表着全国约830万人——在使用调整后的机器读数与传统听诊法进行对比时，被错误地分类了。调整规则成功地使国家平均水平趋于一致，但它未能使个体的分类趋于一致。研究人员尝试了一种更复杂、更灵活的调整方式，即试图匹配整个数据分布的形状，而不仅仅是移动平均值。这种更高级的方法产生的结果几乎完全相同：国家层面的数字看起来很相似，但个体的分类仍然存在不一致。

研究结果表明，虽然这种简单的调整对于追踪国家的宏观健康趋势很有用，但不能将其用于将两种测量方法视为针对任何单个人的等效手段。机器和听诊器不仅仅是在测量略有偏差的同一事物，它们捕捉血压的方式在许多个体身上有着显著的分歧。研究还指出，这种分歧主要是由收缩压（高压）而非舒张压驱动的。由于误差向两个方向同时发生——有些人被错误地标记为受控，有些人则被错误地标记为未受控——因此国家平均水平保持了稳定，从而掩盖了数百万个体被分类方式不同的事实。

研究结论认为，从听诊法向机器法的过渡留下了一道简单的修正无法完全抹平的缝隙。对于关注大局的公共卫生官员来说，这种调整足以让他们看到国家的血压控制水平是在改善还是在下降。但对于任何试图利用这些调查数据来对特定个人做出决策，或将个人的健康状况与调查阈值进行对比的人来说，这两种方法并不相同。这项研究并不声称其中一种方法是对的而另一种是错的，也不认为那些分类不同的患者被误诊了。它仅仅表明，这两件工具在描述同一个人时，讲述的是不同的故事；而那座为大众搭建的数学桥梁，未必能支撑起每一个独自走过它的个体。