《Vascular Health and Risk Management》：Prediction Model for Frailty in Middle-Aged and Older Adults with Cardiovascular Disease
编辑推荐：
本研究构建并验证了一个用于预测心血管疾病(CVD)患者衰弱风险的列线图(Nomogram)模型。该模型基于中国健康与养老追踪调查(CHARLS)数据，纳入了睡眠、活动能力、握力、年龄等七个易于获取的临床指标，显示出良好的区分度与临床实用性(AUC>0.85)。该工具为临床早期识别CVD患者中的衰弱高危个体、实现风险分层和个体化管理提供了简便有效的可视化评估手段。
背景
心血管疾病(CVD)是全球中老年人群的主要死因，衰弱则是伴随老龄化进程而出现的常见老年综合征，两者在病理生理上存在显著重叠。衰弱以生理储备下降和多系统功能衰退为特征，会显著增加CVD患者的不良临床结局风险。尽管衰弱在CVD患者中很常见，但临床上仍缺乏基于常规指标、适用于该人群的简便衰弱风险预测工具。为此，本研究旨在利用中国健康与养老追踪调查(CHARLS)数据，开发并验证一个用于预测CVD患者衰弱风险的列线图模型。
材料与方法
本研究为一项横断面研究，数据来源于2015年CHARLS。共纳入1184名年龄≥45岁、患有CVD的参与者，并按7:3的比例随机分为训练集和验证集。衰弱状态采用基于Fried表型的改良标准进行评估，涵盖无力、疲惫、缓慢、低体力活动和体重减轻五个维度，总分≥3分即判定为衰弱。
研究分析了社会人口学特征、生活方式、健康状况（如腰围、握力、认知功能、日常生活活动能力(ADL)评分）及心理因素（抑郁）等多类变量。首先采用最小绝对收缩和选择算子(LASSO)回归进行变量筛选，然后将筛选出的变量纳入多变量逻辑回归模型，以构建最终的预测列线图。模型性能通过受试者工作特征(ROC)曲线下面积(AUC)、校准曲线、Hosmer-Lemeshow检验和决策曲线分析(DCA)进行评估。
结果
在1184名CVD患者中，共有148人(12.5%)被识别为衰弱。LASSO回归和多变量逻辑回归分析最终确定了七个独立的衰弱预测因子：睡眠时长、ADL评分、腰围、认知功能、握力、年龄和抑郁。基于这七个因子构建的列线图模型表现优异。
在区分度方面，模型在训练集中的AUC为0.851 (95% CI: 0.814–0.888)，在验证集中为0.861 (95% CI: 0.804–0.917)，表明其能有效区分衰弱与非衰弱患者。校准曲线显示预测概率与观察结果之间具有良好的一致性(Hosmer-Lemeshow检验P>0.05)。DCA结果表明，在广泛的阈值概率范围内，应用该模型进行风险评估能获得比“全部干预”或“全不干预”策略更高的临床净收益。
讨论
本研究发现CVD患者中衰弱的发生率为12.5%。研究揭示的七个预测因子与衰弱之间存在复杂的相互关联和共同的病理生理机制。
睡眠时长与衰弱风险呈潜在的U型关系，过短(<6小时)或过长(≥9小时)的睡眠均增加风险。其机制可能与慢性炎症（如白介素-6(IL-6)、肿瘤坏死因子-α(TNF-α)水平升高）、下丘脑-垂体-肾上腺(HPA)轴功能紊乱导致的皮质醇升高、合成代谢激素（如生长激素、胰岛素样生长因子-1(IGF-1)）分泌受抑，以及线粒体功能障碍有关。
较低的ADL评分预示着更高的衰弱风险，这反映了患者自理能力下降，可能导致营养摄入不足和活动减少，进而引发肌肉减少、功能衰退和跌倒风险增加。
握力下降是肌肉力量和整体功能衰退的标志，也与营养不良有关。腰围减小在CVD患者中可能反映的是消耗性状态、脂肪和肌肉组织流失，而不仅仅是脂肪减少，这暗示着能量储备耗竭和慢性分解代谢。
认知功能下降与衰弱显著相关，两者共享炎症、氧化应激、神经内分泌功能障碍和线粒体紊乱等病理机制。CVD既是认知衰退的危险因素，也可能因认知障碍导致患者自我管理能力下降，形成恶性循环。
年龄增长是衰弱的核心危险因素，与多系统生理功能进行性下降、慢性炎症、肌肉减少和骨质疏松风险增加密切相关。
抑郁症状可通过减少社会参与、导致睡眠障碍和食欲减退等行为机制，以及共享的慢性炎症和氧化应激等生物学途径，增加衰弱风险。抑郁本身也会加重CVD的疾病进展。
本研究构建的列线图整合了上述七个易于临床获取的指标，为个体化量化评估CVD患者的衰弱风险提供了直观工具。该模型在社区随访、基层医疗机构和心血管门诊筛查中具有应用潜力，有助于早期识别高危人群，以便及时采取营养支持、运动康复和心理干预等综合管理策略。
研究的优势与局限性
本研究的优势在于基于大规模全国性队列数据，开发了一个简便、可视化的临床预测工具，且所有预测变量均易于获取。然而，研究也存在一些局限性：CVD诊断基于自报，可能存在回忆偏倚；未能纳入饮食、用药、炎症生物标志物等所有潜在混杂因素；横断面设计无法推断因果关系；模型尚未进行外部验证，其普适性需要在不同人群中进行进一步评估。
结论
本研究成功开发并验证了一个用于预测中老年CVD患者衰弱风险的列线图模型。该模型基于睡眠时长、ADL、腰围、认知功能、握力、年龄和抑郁七个指标，显示出良好的区分度、校准能力和临床效用。这些因子可能通过炎症、神经内分泌失调和代谢功能障碍等共同途径相互作用，导致衰弱的发生发展。该模型为在老龄化的背景下，于临床和社区场景中早期筛查CVD患者的衰弱风险提供了一个可行的工具。未来需要多中心前瞻性研究进行外部验证，以进一步提高模型的普适性。
