ارزیابی و طبقه‌بندی خطر بیماری‌های قلبی عروقی

ارزیابی و طبقه‌بندی خطر بیماری‌های قلبی عروقی، تخمین احتمال وقوع یک رویداد قلبی عروقی در آینده برای یک فرد بر اساس ترکیب عوامل خطر او و استفاده از این تخمین برای تصمیم‌گیری در مورد شدت مداخلات پیشگیرانه است. با تبدیل چندین عامل خطر به یک عدد واحد برای خطر مطلق، این امکان را فراهم می‌آورد که پیشگیری بر روی افرادی متمرکز شود که بیشترین بهره را خواهند برد.

Definition

ارزیابی و طبقه‌بندی خطر بیماری‌های قلبی عروقی، استفاده از مدل‌های چندمتغیره معتبر برای تخمین احتمال مطلق وقوع یک رویداد قلبی عروقی در یک دوره زمانی مشخص برای یک فرد، و گروه‌بندی افراد به دسته‌های خطر است که شدت مداخلات پیشگیرانه را مشخص می‌کند.

Scope

این موضوع به این می‌پردازد که چرا خطر مطلق (کلی) بر عوامل خطر منفرد ترجیح داده می‌شود، چگونه معادلات خطر چندمتغیره از داده‌های کوهورت استخراج می‌شوند، ورودی‌های متداولی که از آن‌ها استفاده می‌کنند، و چگونه خطر تخمین‌زده شده به دسته‌هایی گروه‌بندی می‌شود که شدت پیشگیری را هدایت می‌کنند. این یک مرجع روش‌شناختی و مفهومی است، نه ابزاری برای محاسبه یا اقدام بر اساس خطر یک فرد خاص.

Core questions

• چرا خطر مطلق (کلی) قلبی عروقی به جای درمان عوامل خطر منفرد به صورت جداگانه ترجیح داده می‌شود؟
• معادلات خطر چندمتغیره چگونه از داده‌های کوهورت استخراج و اعتبارسنجی می‌شوند؟
• متغیرهای مورد استفاده در امتیازات خطر رایج کدامند و محدودیت‌های آن‌ها چیست؟
• خطر تخمین‌زده شده چگونه به دسته‌هایی تبدیل می‌شود که شدت پیشگیری را هدایت می‌کنند؟

Key concepts

• خطر مطلق (کلی) قلبی عروقی
• معادلات خطر چندمتغیره
• دسته‌های عوامل خطر
• آستانه‌های درمانی مبتنی بر خطر
• کالیبراسیون و تمایز مدل‌های خطر
• تقویت‌کننده‌های خطر و طبقه‌بندی مجدد
• قابلیت انتقال در بین جمعیت‌ها

Key theories

مدل خطر قلبی عروقی چندعاملی (چندمتغیره)

مدل خطر چندمتغیره معتقد است که خطر قلبی عروقی با ترکیب چندین عامل خطر در یک معادله واحد به بهترین وجه تخمین زده می‌شود، زیرا آن‌ها به صورت مشترک و ضربی عمل می‌کنند؛ توابع خطر فرامینگهام یک تحقق اولیه تأثیرگذار از این رویکرد بودند.

Mechanisms

طبقه‌بندی خطر بر این مشاهده استوار است که عوامل خطر قلبی عروقی به صورت ضربی با یکدیگر ترکیب می‌شوند، به طوری که چندین عامل با افزایش متوسط می‌توانند خطر بیشتری نسبت به یک عامل به شدت افزایش‌یافته ایجاد کنند. معادلات چندمتغیره که از داده‌های کوهورت طولی تخمین زده می‌شوند، پروفایل عوامل خطر یک فرد – که معمولاً شامل سن، جنسیت، فشار خون، لیپیدها، سیگار کشیدن و دیابت است – را به یک احتمال تخمینی از وقوع یک رویداد در یک افق زمانی مشخص تبدیل می‌کنند. این تخمین‌ها سپس به دسته‌هایی گروه‌بندی می‌شوند که نحوه اعمال شدید پیشگیری‌های سبک زندگی و دارویی را هدایت می‌کنند. اعتبار یک تخمین به این بستگی دارد که مدل زیربنایی چقدر خوب در جمعیتی که به آن اعمال می‌شود، تمایز قائل شده و کالیبره شده است.

Clinical relevance

تخمین خطر زیربنای تصمیم‌گیری‌ها در مورد شدت پیشگیری از بیماری‌های قلبی عروقی است و در دستورالعمل‌های اصلی گنجانده شده است، بنابراین درک چگونگی ساخت امتیازات خطر و نقاطی که ممکن است طبقه‌بندی نادرست داشته باشند، برای ارزیابی آن‌ها مهم است. این مدخل روش‌ها و استدلال‌های طبقه‌بندی خطر را توصیف می‌کند؛ این یک ماشین حساب یا مبنایی برای تصمیم‌گیری‌های درمانی فردی نیست.

Epidemiology

معادلات خطر از کوهورت‌های جمعیتی طولانی‌مدت استخراج می‌شوند و در جمعیت‌هایی که شبیه به جمعیت‌های توسعه‌یافته آن‌ها هستند، دقیق‌ترین هستند؛ اعمال یک امتیاز خارج از جمعیت استخراجی آن می‌تواند خطر را بیش از حد یا کمتر از حد تخمین بزند، به همین دلیل بر کالیبراسیون مجدد و اعتبارسنجی منطقه‌ای تأکید می‌شود.

History

رویکرد چندمتغیره به خطر قلبی عروقی از مطالعه قلب فرامینگهام (Framingham Heart Study) پدید آمد، که توابع خطر آن یافته‌های کوهورت را به دسته‌های خطر قابل استفاده تبدیل کردند. دستورالعمل‌های بعدی، از جمله دستورالعمل پیشگیری اولیه ACC/AHA و دستورالعمل‌های پیشگیری ESC، ابزارهای خطر خاص جمعیت را در خود جای دادند و نحوه نگاشت خطر تخمین‌زده شده به شدت پیشگیری را اصلاح کردند.

Debates

قابلیت انتقال امتیازات خطر در بین جمعیت‌ها

یک معادله خطر که در یک جمعیت استخراج شده است، ممکن است هنگام اعمال در جای دیگر به دلیل تفاوت در نرخ‌های پایه رویداد و توزیع عوامل خطر، کالیبراسیون نادرستی داشته باشد، که منجر به بحث در مورد کالیبراسیون مجدد، ابزارهای خاص منطقه و استفاده از تقویت‌کننده‌های خطر اضافی می‌شود.

Seminal works

• wilson-1998
• arnett-2019
• visseren-2021

Frequently asked questions

چرا به جای درمان جداگانه هر عامل خطر، خطر کلی قلبی عروقی را تخمین می‌زنیم؟

زیرا عوامل خطر با هم و به صورت ضربی عمل می‌کنند، یک تخمین واحد خطر مطلق بهتر مشخص می‌کند که چه کسی به احتمال زیاد دچار یک رویداد خواهد شد و بنابراین بیشترین بهره را از مداخله پیشگیرانه خواهد برد تا هر عامل به تنهایی.

آیا می‌توان از یک امتیاز خطر قلبی عروقی در هر جمعیتی استفاده کرد؟

به طور قابل اعتماد خیر. امتیازات در جمعیت‌هایی که شبیه به جمعیت‌های استخراج شده از آن‌ها هستند، دقیق‌ترین هستند؛ در جاهای دیگر ممکن است خطر را بیش از حد یا کمتر از حد تخمین بزنند، بنابراین کالیبراسیون مجدد یا ابزارهای خاص منطقه اغلب مورد نیاز است.