心血管风险评估与分层

心血管风险评估与分层是指根据个体风险因素的组合，估算其未来发生心血管事件的概率，并利用该估算结果决定干预强度。通过将多个风险因素转化为单一的绝对风险数值，这种方法能够将预防措施针对性地应用于最有可能受益的人群。

Definition

心血管风险评估与分层是利用经过验证的多变量模型，估算个体在特定时期内发生心血管事件的绝对概率，并将个体分组到不同的风险类别中，以指导预防性干预的强度。

Scope

本主题涵盖了为何绝对（总）风险优于单一风险因素，多变量风险方程如何从队列数据中推导，它们常用的输入变量，以及估算的风险如何被分组为指导预防强度的类别。本主题是一个方法论和概念性的参考，而非用于计算或针对任何个体风险采取行动的工具。

Core questions

• 为什么在心血管风险管理中，绝对（总）风险优于单独处理单一风险因素？
• 多变量风险方程是如何从队列数据中推导和验证的？
• 常见的风险评分使用了哪些变量，它们有哪些局限性？
• 估计的风险如何转化为指导预防强度的类别？

Key concepts

• 绝对（总）心血管风险
• 多变量风险方程
• 风险因素类别
• 基于风险的治疗阈值
• 风险模型的校准和区分度
• 风险增强因子和再分类
• 跨人群的可移植性

Key theories

多因素（多变量）心血管风险模型

多变量风险模型认为，心血管风险最好通过将多个风险因素组合成一个方程来估计，因为它们共同作用并呈乘法效应；弗雷明汉风险函数是这种方法早期有影响力的实现。

Mechanisms

风险分层基于心血管风险因素呈乘法效应结合的观察结果，因此几个轻度升高的因素可能比一个显著升高的因素带来更大的风险。从纵向队列数据中估算的多变量方程将一个人的风险因素概况——通常包括年龄、性别、血压、血脂、吸烟和糖尿病——转化为在特定时间范围内心血管事件的估计概率。这些估计值随后被分组为不同的类别，以指导生活方式和药物预防的实施强度。估计值的有效性取决于基础模型在其应用人群中的区分度和校准程度。

Clinical relevance

风险评估是心血管预防强度决策的基础，并被纳入主要指南中，因此了解风险评分的构建方式以及可能出现误分类的地方对于评估它们至关重要。本条目描述了风险分层的方法和原理；它不是一个计算器，也不是个体治疗决策的依据。

Epidemiology

风险方程来源于长期的人群队列研究，在与其开发人群相似的人群中最为准确；在推导人群之外应用评分可能会高估或低估风险，这就是为什么强调区域特异性再校准和验证。

History

心血管风险的多变量方法起源于弗雷明汉心脏研究，其风险函数将队列研究结果转化为可用的风险类别。随后的指南，包括ACC/AHA一级预防指南和ESC预防指南，纳入了针对特定人群的风险工具，并完善了估计风险如何与预防强度相对应。

Debates

风险评分在不同人群中的可移植性

在一个人群中推导的风险方程在应用于其他人群时可能会出现校准不准确，因为基线事件发生率和风险因素分布不同，这引发了关于再校准、区域特异性工具以及使用额外风险增强因子的争论。

Seminal works

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

Frequently asked questions

为什么估算总心血管风险而不是单独治疗每个风险因素？

因为风险因素共同作用并呈乘法效应，单一的绝对风险估计比单独考虑任何一个因素更能识别出最有可能发生事件并因此最有可能从预防性干预中受益的人群。

心血管风险评分可以在任何人群中使用吗？

不可靠。评分在与其推导人群相似的人群中最为准确；在其他地方使用可能会高估或低估风险，因此通常需要再校准或区域特异性工具。