高血壓患者健康風險評估研究進展*

徐學功，馬燕楠

(1.清華大學公共健康研究中心2014級碩士研究生，北京 100000； 2.河南中醫藥大學2014級碩士研究生，河南 鄭州 450046)

?

·綜述·

高血壓患者健康風險評估研究進展*

徐學功1，馬燕楠2

(1.清華大學公共健康研究中心2014級碩士研究生，北京 100000； 2.河南中醫藥大學2014級碩士研究生，河南 鄭州 450046)

摘要采用文獻回顧法，查閱高血壓健康風險評估的理論研究及資料，從高血壓流行病學、國內外高血壓預警模型評估現狀、中醫對高血壓本質的見解等幾個方面進行評估總結。綜合目前國內外高血壓健康風險評估的研究成果，提出高血壓患者健康風險評估研究存在的問題與不足。

關鍵詞高血壓病；風險評估；研究進展；綜述

1高血壓的流行現況

高血壓是臨床常見病、多發病，是一種和生活方式、年齡等因素相關的慢性心血管系統疾病，也是引起腦卒中、冠狀動脈硬化性心臟病和腎衰竭的重要危險因素[3]。隨著人們生活方式的改變和老齡化進程的加速，高血壓患病率增長速度加快。流行病學[4]顯示：高血壓是成人甚至青少年未來腦卒中和冠心病發病的主要危險因素。在世界范圍內，每年約1 700萬人死于高血壓，達到全球死亡人數的1/3；其中，940萬人死于高血壓并發癥[5-6]。據《中國心血管病報告》估計：我國有2.7億高血壓患者，超過半數的心血管病發病與高血壓相關。在我國40歲以上人群的死亡原因中，心臟病和腦血管病分別列為第1位和第3位，而總死亡的第一危險因素是高血壓[7]。全世界每年約1 500萬人死于心血管疾病；我國每年也有近400萬人死于此病，占死亡人數的3/5以上。在高血壓人群中，腦卒中/心肌梗死發病比值達到5～8∶1，而降低高血壓患者的血壓水平則可減少40%～50%的腦卒中和15%～30%的心肌梗死危險，因此，控制高血壓是預防心血管疾病的核心[8]。

2國內外高血壓健康風險預警模型發展概況

預防高血壓是健康管理的重要內容。國內外的實踐證明：高血壓是可以預防和控制的疾病，高血壓風險預警是個體高血壓風險管理過程的基礎。高血壓預防的實質是發現高血壓的危險因素，綜合評估個人的高血壓發生風險，進而合理地干預這些危險因素以降低人群的高血壓患病率。

國外，PAYNTER等[9]針對美國白種和黑種女性，運用logistic回歸模型，在模型里納入年齡、種族、身體質量指數、總谷物的攝入量、SBP、類似載脂蛋白B、脂蛋白(a)和c反應蛋白因子等，并通過貝葉斯信息準則(Bayesian Information Criterions，BIC)對變量進行篩選，選擇最優模型。Kshirsagar等[10]通過運用社區動脈粥樣硬化隊列研究和心血管健康研究的資料，采用多重回歸模型找出與高血壓發病風險有關聯的變量，構建模型，運用風險評分算法對模型進行評價。Parikh等[11-13]分別針對不同的種族人群，采用Weibull回歸模型對高血壓進行風險預測。以上這些模型中，廣為人知的Framingham模型和Johns Hopkins模型具有外部有效性(即在研究人群以外的適用性)。

國內，李國奇等[14]采用前瞻性隊列,對1992年建立的11省市35～64歲隊列人群基線危險因素水平及15 a內發生的高血壓進行多因素Logistic回歸分析,通過回歸系數建立 2個高血壓預測模型及風險評分表，其中模型1納入了年齡、收縮壓、舒張壓、BMI、高血壓家族史5個危險因素,模型2在模型1的基礎上加入了TG和HDL-C。然而，高血壓屬于復雜性疾病，發病危險因素多，各因素間關系復雜，除要考慮上述的因素外，還要考慮變量之間的交互作用、模糊信息等問題。

周水紅等[15]運用人工神經網絡方法(ANN)和logistic回歸方法分別構建高血壓患病預測模型，用受試者工作曲線(ROC)評分預測模型的優劣，比較探討出ANN預測模型的靈敏度和特異度均優于logistic回歸預測模型。所謂人工神經網絡模型是一種將統計學和計算機結合的建模方法，這種模型通過節點之間的相互關系進行運算，類似于人腦的神經網絡結構，每一個節點具有不同的權重(參數值)，可以處理復雜的非線性關系；此方法可以概括理解為在概率的基礎上通過運算窮盡所有數據的排列組合和權重，而不用考慮數據之間是否有線性關系。但ANN在慢性非傳染性疾病個體危險度預測中的運用還不成熟，尚需進一步的探討論證。

張合蘭[16]通過采集既往史、家族史、體質量、腰圍、高血壓危險因素等信息，運用C/S結構(即客戶機/服務器結構，目前大多數應用軟件系統都是Client/Server形式的兩層結構，是內部和外部的用戶都可以訪問的應用系統)、Delphi 7.0 模塊應用程序(類似于查字典)進行高血壓管理系統開發，并將此系統運用于社區高血壓患者管理，運用白色、黃色、紅色3級預警功能，實現高血壓的早期預警，整體上降低了高血壓患者的致殘率及死亡率。然而，該系統難以實現個體水平上的高血壓風險預測功能。

桂小柯[17]采用分布式計算框架對任務進行調度，采用云計算技術中針對非結構化大數據平臺，將收集的高血壓病例對照數據進行挖掘，構建早期預警模型，并將此模型運用到平臺新的數據上進行早期高血壓發病風險的預警，再進行風險評估、重點人群分類、健康指導等后續步驟，最后采用KNN、ANN、SVM等核心算法，對健康管理效果進行評估，實現個體化預測。此系統構建了高血壓早期預警及高血壓管理平臺，有積極的現實意義。

孫艷秋[18]基于大數據對潛在的高血壓進行預測,提出采用大數據分析的潛在高血壓預測方法：采集相關數據信息，并對數據進行處理；采用改進算法，根據支持向量理論對數據屬性進行分類，建立潛在高血壓的預測模型；計算模型屬性分類結果的權重，得到不同屬性對高血壓影響的重要程度；通過與高血壓特征參數的比較，獲取潛在的高血壓的預測結果。

3中醫學對高血壓發病機制及預警的認知

中醫學并無高血壓這一概念，在中醫學文獻中也無高血壓這一病名，而與高血壓有關的理解多在頭痛、眩暈、肝陽、中風等病中描述。早在《黃帝內經》中就有“諸風掉眩，皆屬于肝”“髓海不足，則腦轉身鳴”之說；《丹溪心法·頭眩六十七》提出“無痰不眩”“無火不暈”；朱丹溪認為痰與火是引起眩暈的原因；張景岳在《景岳全書》中指出“無虛不能作眩”。中醫學認為：高血壓是由情志失調、飲食不節、勞逸過度、稟賦與體質偏盛偏衰等因素導致機體臟腑陰陽失衡、氣血失調、氣機升降失常、風火內生、痰瘀交阻而發病[19]。體質的陰陽偏盛或偏衰、臟腑虧損等為發病的內因；情志不遂、年高腎虧、病后體虛、飲食不節、跌撲損傷、瘀血內阻等為發病的常見病因。高血壓屬本虛標實證，風、火、痰、瘀是高血壓的常見病理因素[20]。中醫學對高血壓的病因、病機的認識總體歸為陰陽失調、痰瘀互結[21]。目前，高血壓的中醫辨證分型尚無統一的辨證分型標準。蔡光先等[22]綜合分析高血壓證候流行病學調查得出，高血壓常見證型主要為肝陽上亢、陰虛陽亢、肝腎陰虛、肝風上擾、痰濁中阻、瘀血阻絡等。《中藥新藥臨床研究指導原則》[23]將高血壓分為肝火亢盛、陰虛陽亢、陰陽兩虛、痰濕壅盛4種證型。這些證型分型方法均已被廣泛采用。

目前，中醫學關于高血壓危險因素的研究主要體現于體質理論。中醫體質就是基于人體復雜性適應系統，在先天稟賦和后天獲得的基礎上所形成的具有形態結構、生理功能和心理狀態等方面綜合的、相對穩定的個性特質，表現為人在生長、發育過程中與自然、社會環境相適應的人體個性特征，這種個體差異性表征著一定的結構、功能、代謝，以及對外界刺激反應等方面的相對穩定性，并有著對某些病因與疾病的易感性以及疾病傳變轉歸中的某些傾向性[24]。北京中醫藥大學王琦教授主持的國家“973”計劃項目《基于因人制宜思想的中醫體質理論基礎研究》首次制訂了體質評定標準[25]，通過量表和雷達圖可以將中醫診斷信息進行量化，具有很好的可操作性；該研究前期研究結果顯示：痰濕體質是高血壓發病的重要危險因素，痰濕體質高血壓發病率是正常人的4.21倍。同時，朱燕波等[26]通過開發標準化的中醫體質量表，對9個省市的中醫體質和健康狀況進行調查，結果發現：男性高血壓的主要體質類型為痰濕質、陰虛質，女性高血壓的主要體質為痰濕質、陰虛質、氣虛質。

李響等[27]認為：高血壓的三級預防與中醫學的治未病思想不謀而合。中醫學強調高血壓的預防，以及延緩疾病的發生及發展。《素問·四氣調神大論》曰：“圣人不治已病治未病，不治已亂治未亂。”疾病就是失衡，失衡的隱形狀態叫“未病”，失衡的顯性狀態叫“已病”[28]。中醫學治未病理論對高血壓的預防起著積極作用。朱明軍等[29]指出：心血管病的亞健康狀態越來越多，雖然現代醫學認識到其屬于疾病前狀態，但無病可辨，缺乏有效的措施預防其進展；而按照治未病的理論，中醫學認為雖無病但有證，可根據臨床表現辨證論治，達到延遲、阻止心血管病發病的效果。何志良[30]以中醫學治未病思想為指導，通過對高血壓分型，運用中藥對高血壓進行防治，起到了治未病、防傳變的作用，降低了高血壓及其并發癥的發病率和復發率。

4討論

現有的高血壓風險評估預警模型所用的人工神經網絡、決策樹、信息熵理論、線性回歸分析處理數據，可適應不同數據類型的信息化要求，運用計算機和網路技術，有效提高高血壓的預測效率，對早期高血壓的檢測及預防起到了積極的作用，是高血壓防治發展的一個重要方向。從適用范圍分析這些模型，國外研究的對象是美國白人，其研究證實了預測結果并符合所有種族人群[31]。從模型所包含的因素看，無論是國外的研究還是國內的研究，都忽略了中醫因素。從構建預測模型的方法評價，多元回歸分析或路徑分析模型都是基于線性關系假設建構的，且在多元回歸分析或路徑分析中由于多重共線性的原因難以納入更多的變量。運用神經網絡方法則可以納入線性關系或非線性關系的各種數據。神經網絡的方法模擬人腦結構的思維功能，具有較強的自學習和聯想功能，精度較高，對專家知識的利用也較好。但是，傳統人工神經網絡模型采用試探的方法確定合適的網絡結構,并隨機地初始化參數值,導致神經網絡訓練效率低、結果不穩定。

中醫學治未病思想雖認為痰濕體質多為高血壓的發病因素，但尚未體現中醫特點的高血壓風險預警模型。現有模型均未很好地體現傳統及當代中醫學等對高血壓發病機制的認識，未體現中醫學整體觀念和辨證論治的內涵；醫院和社區的中醫師無法根據模型預測結果進行有效地藥物、食療、傳統保健功法干預。因此，立足傳統，吸收現代醫學成果，建立高血壓預警模型，可進一步提高我國中醫醫院高血壓的防治水平，對于充分發揮現代醫學和傳統醫學的互補作用具有重要意義。

5參考文獻

[1]中國高血壓基層管理指南修訂委員會.中國高血壓基層管理指南(2014修訂版)[J].中華高血壓雜志,2015,23(1):24-43.

[2]PARIKH NI,PENCINA MJ,WANG TJ,et al.A risk score for predicting near-term incidence of hypertension:the Framingham Heart Study[J].Ann Intern Med,2008,148(2):102-110.

[3]中國高血壓防治指南修訂委員會.中國高血壓防治指南(2010修訂版)[J].中華高血壓雜志,2011,19(8)：701-743.

[4]王文.我國高血壓流行趨勢與防治狀況[J].中國循環雜志,2011,26(6):407-409.

[5]World Health Organization,Geneva.Causes of Death 2008[online database].http://www.who.int/healthinfo/global_burden_disease/cod_2008_sources_methods.pdf.

[6]LIM SS,VOS T,FLAXMAN AD,et al.A comparative risk assessment of burden of disease and injury attributable to 67 risk factors and risk factor clusters in 21 regions,1990—2010:a systematic analysis for the Global Burden of Disease Study 2010[J].Lancet,2012,380(9859):2224-2260.

[7]陳偉偉,高潤霖,劉力生，等.中國心血管病報告2013概要[J].中國循環雜志,2014,29(7):487-491.

[8]吳兆蘇,霍勇,王文，等.中國高血壓患者教育指南[J].中華高血壓雜志,2013,21(12):1123-1149.

[9]PAYNTE NP,COOK NR,EVERETT BM,et al.Prediction of incident hypertension risk in women with currently normal blood pressure[J].The American Journal of Medicine,2009，122(5):464-471.

[10]AV KSHIRSAGAR, C YA-LIN, AS BOMBACK, et al.A hypertension risk score for middle-aged and older adults[J].J Clin Hypertens(Greenwich,Conn),2010，12(10):800-808.

[11]NA PARIKH, RE LASKY, CN GARZA, et al.Volumetric and anatomical MRI for hypoxic-ischemic encephalopathy:relationship to hypothermia therapy and neurosensory impairments[J].Journal of Perinatology officinal Journal of the California Perinatal Association,2009,29(2):143-149.

[12]KIVIMAKI M,VAHTERA J,KAWACHI I,et al.Psychosocial work environment as a risk factor for absence with a psychiatric diagnosis:an instrumental-variables analysis[J].American Journal of Epidemiology,2010,172(2):167-172.

[13]H Wan-Lun,KJ Yu,C Yin-Chu, et al.Familial tendency and risk of nasopharyngeal carcinoma in taiwan:effects of covariates on risk[J].American Journal of Epidemiology,2011，173(3):292-299.

[14]李國奇,劉靜,王薇,等.中國35～64歲人群15年高血壓發生風險預測研究[J].中華高血壓雜志,2014,22(10):1000.

[15]周水紅,聶紹發,王重建,等.應用人工神經網絡預測個體患原發性高血壓病危險度[J].中華流行病學雜志,2008,29(6):614-617.

[16]張合蘭.社區高血壓防治預警系統的研究和開發[J].中國社區醫師(醫學專業)，2010,12(19):272-273.

[17]桂小柯.高血壓早期預警和健康管理平臺的構建[J].中國衛生標準管理,2014,5(21):1-3.

[18]孫艷秋,劉鋼.基于大數據分析的潛在高血壓病預測研究[J].計算機仿真,2015,32(5):386-389.

[19]項成剛,張艷,禮海.中醫對原發性高血壓病因病機的認識[J].世界中西醫結合雜志,2010,5(4):356-357.

[20]周仲瑛.中醫內科學[M].北京:中國中醫藥出版社,2007:298-299.

[21]鄧旭光.高血壓病中西醫結合臨床診治的思路與方法[J].中醫雜志,2000, 41(2):113-115.

[22]蔡光先,朱克儉樸,韓育明,等.高血壓病常見證候臨床流行病學觀察[J].中醫雜志,1999,40(8):492-493.

[23]鄭筱萸.中藥新藥臨床研究指導原則[M].北京:中國醫藥科技出版社，2002:73-76.

[24]王琦.中醫體質學[M].北京：人民衛生出版社,2005:2.

[25]王琦.9種基本中醫體質類型的分類及其診斷表述依據[J].北京中醫藥大學學報,2005,28(4):1.

[26]朱燕波,王琦.中醫體質類型與高血壓的相關性研究[J].中西醫結合學報，2010，18(1):40-45.

[27]李響,張立俠.治未病思想與高血壓疾病的預防[J].中國民族民間醫藥雜志，2009, 18(21):70-71.

[28]仝小林.讓中醫藥走向世界[N].人民日報, 2004-11-04(15).

[29]朱明軍,王永霞.中醫藥防治心血管疾病的特色和優勢分析[J].河南中醫，2005，25(3):15-16.

[30]何志良.從中醫治未病思想論高血壓及其并發癥的防治[J].實用醫技雜志，2008，515(14):1881-1882.

[31]ZHENG L,SUN Z,ZHANG X,et al.Framingham高血壓風險預測模型在中國農村人口中的預測價值[J].中華高血壓雜志,2014,22(5):498.

(編輯顏冬)

文章編號:1001-6910(2016)04-0074-04

中圖分類號:R544.1

文獻標志碼:B

doi:10.3969/j.issn.1001-6910.2016.04.34隨著我國經濟的快速發展、人民生活方式的改變和人口老齡化進程的加速，高血壓的發病率持續上升，嚴重威脅人們的身心健康。高血壓作為心血管疾病諸多危險因素中最重要的獨立危險因素，是我國心腦血管死亡的主要原因[1]。健康風險評估是一種研究致病因素與疾病發病率及病死率之間數量依存關系及其規律性的一種技術，可以預測個體在未來一定時間發生疾病或死亡的風險，在預防醫學、職業衛生和臨床醫學等領域都已得到廣泛運用[2]。高血壓風險評估對早起篩查高血壓、控制發病率有著重要意義。筆者檢索國內外高血壓風險評估方面的文獻，將高血壓患者健康風險評估研究進展綜述如下。

* 基金項目：2015年河南省中醫藥科學研究專項課題(2015ZY02078)

收稿日期：2016-01-03；修回日期：2016-02-25