慢性心力衰竭病人并發惡性室性心律失常的風險預測列線圖模型構建與驗證

鄭雁，胡飛，余國忠

摘要目的：探討慢性心力衰竭（CHF）病人并發惡性室性心律失常（MVA）的危險因素，構建列線圖模型并進行驗證分析。方法：回顧性分析2019年10月—2022年1月本院收治的384例CHF病人的臨床資料，按7∶3比例將其隨機分為模型組（269例）和驗證組（115例）。統計所有病人住院期間惡性MVA發生率，采用單因素和多因素Logistic回歸分析篩選CHF病人并發MVA的風險變量，并據此采用R軟件構建列線圖模型，并對列線圖模型進行驗證。結果：模型組中MVA發生率為41.64%，MVA組體質指數（BMI）、紐約心臟病協會（NYHA）心功能分級Ⅳ級占比、紅細胞寬度（RDW）均高于非MVA組（P＜0.05），左室射血分數（LVEF）、血清鉀水平及NYHA分級Ⅱ級、抗心律失常藥治療占比低于非MVA組（P＜0.05）；多因素Logistic回歸模型顯示，BMI、NYHA分級、RDW升高以及LVEF、血清鉀水平降低均是CHF病人并發MVA的危險因素（P＜0.05），抗心律失常藥治療是其保護因素（P＜0.05）；受試者工作特征曲線顯示，列線圖模型在模型組和驗證組中預測CHF病人并發MVA的曲線下面積分別為0.829［95%CI（0.757，0.887），P＜0.001］、0.810［95%CI（0.736，0.871），P＜0.001］；Hosmer-Lemeshow檢驗和校準曲線均顯示列線圖模型預測CHF病人并發MVA率與實際發生率具有較好的一致性。結論：BMI、RDW、LVEF、血鉀水平、NYHA分級及抗心律失常藥治療均是CHF病人并發MVA的影響因素，據此構建的列線圖模型具有較好的預測價值，有助于臨床預測CHF病人并發MVA的風險，進而協助醫護人員識別高風險病人，進行個體化干預，降低MVA發生率。

關鍵詞慢性心力衰竭；惡性室性心律失常；列線圖；危險因素；預測價值

doi：10.12102/j.issn.1672-1349.2024.08.025

慢性心力衰竭（CHF）是一系列慢性心血管疾病的終末階段，據報告，我國約有890萬例心力衰竭病人［1］。由于CHF病人心臟功能或結構障礙，導致心室射血、充盈能力下降，易發生各種心律失常，尤以惡性室性心律失常（MVA）直接影響病人的生存情況。Alenazy等［2］報道合并MVA的CHF病人住院和1個月死亡的風險分別增加23倍和17倍。因此，探討CHF病人并發MVA的危險因素，識別高危病人對臨床防治具有重要臨床意義。列線圖是基于多個變量構建的一種可視化且對疾病風險進行量化的模型，能夠為個體化診治提供更為科學的依據［3］。故本研究分析CHF病人的臨床資料，篩選MVA風險變量，通過構建個體化風險預測列線圖評估MVA風險，旨在為臨床診治、改善CHF病人預后提供參考。

1資料與方法

1.1研究對象

回顧性分析2019年10月—2022年1月本院收治的384例CHF病人的臨床資料，按7∶3比例將其隨機分為模型組（269例）和驗證組（115例）。納入標準：年齡＞18歲；符合《中國心力衰竭診斷和治療指南2018》中CHF診斷標準［4］；紐約心臟病協會（NYHA）心功能分級［5］Ⅱ～Ⅳ級；臨床資料完整。排除標準：先天性心臟病或心包疾病；近1個月發生心肌梗死者；近3個月發生持續性室性心動過速、心室/心房顫動、撲動等嚴重心律失常者；嚴重肝、腎、肺功能不全者；嚴重感染病人；合并甲狀腺疾病；合并免疫性、血液性疾病；嚴重電解質紊亂病人。

1.2資料收集

收集CHF病人的臨床資料，多次住院病人只收集首次住院時的資料，包括入院時的性別、年齡、體質指數（BMI）、血壓、心率、心力衰竭病因、NYHA心功能分級；實驗室檢查指標：紅細胞計數（WBC）、紅細胞寬度（RDW）、血肌酐及血清鉀、鈉、鈣等；超聲心動圖檢查指標：左室舒張末期內徑（LVEDD）、左室射血分數（LVEF）等；藥物治療情況：血管緊張素轉化酶抑制劑（ACEI）、血管緊張素Ⅱ受體拮抗劑（ARB）、利尿劑、強心劑、抗心律失常藥（胺碘酮、β受體阻滯劑等）。根據病人入院后常規心電圖、24 h動態心電圖、心電監測等檢查統計病人室性心律失常（VA）發生情況，主要包括室性期前收縮、室性心動過速、心室撲動、心室顫動等，其中MVA包括多形性室性期前收縮、室上性心動過速、心室撲動、心室顫動等［6］，據此將模型組病人分為MVA組和非MVA組。

1.3統計學處理

采用SPSS 26.0軟件對研究數據進行統計分析，符合正態分布的定量資料以均數±標準差（x±s）表示，組間比較采取獨立樣本t檢驗；定性資料采用例數、百分比（%）表示，采用χ2檢驗；等級資料組間差異采用秩和檢驗；采用單因素和多因素Logistic回歸分析篩選CHF病人并發MVA的影響因素，采用R3.6.1軟件構建列線圖模型；繪制受試者工作特征（ROC）曲線，以曲線下面積（AUC）評估列線圖模型的區分度；采用Hosmer-Lemeshow檢驗列線圖模型的準確度；繪制校準曲線圖評價列線圖模型的一致性。以P＜0.05為差異有統計學意義。

2結果

2.1模型組和驗證組臨床資料比較

384例病人住院時間為13～22（16.5±2.5）d，兩組性別、年齡、BMI、收縮壓、舒張壓、心率、心力衰竭病因、NYHA分級、LVEDD、LVEF、實驗室檢查指標及藥物治療情況比較，差異均無統計學意義（P＞0.05）。詳見表1。

2.2MVA組與非MVA組臨床資料比較

模型組中269例CHF病人住院期間共有112例并發MVA，發生率為41.64%。MVA組與非MVA組性別、年齡、收縮壓、舒張壓、心率、心力衰竭病因、LVEDD、WBC、血肌酐、血清鈉、血清鈣水平及ACEI/ARB、強心劑、利尿劑治療情況比較，差異均無統計學意義（P＞0.05）；MVA組BMI、NYHA分級Ⅳ級占比、RDW均高于非MVA組（P＜0.05），LVEF、血清鉀水平及NYHA分級Ⅱ級、抗心律失常藥治療占比低于非MVA組（P＜0.05）。詳見表2。

2.3模型組CHF病人并發MVA的多因素Logistic回歸分析

將單因素分析中差異有統計學意義的變量作為自變量，將CHF病人是否并發MVA作為因變量。對各變量進行賦值，BMI、RDW、均賦實測值，LVEF（≥50%＝0，＜50%＝1），血清鉀（≥3.5 mmol＝0，＜3.5 mmol/L＝1），NYHA分級（Ⅱ級＝0，Ⅲ級＝1，Ⅳ級＝2），抗心律失常藥治療（否＝0，是＝1），CHF病人并發MVA（否＝0，是＝1）。納入到多因素Logistic回歸模型中，采用逐步向前法篩選變量。分析結果顯示：BMI、NYHA分級、RDW升高以及LVEF、血清鉀水平降低均是CHF病人并發MVA的危險因素（P＜0.05），抗心律失常藥治療是其保護因素（P＜0.05）。詳見表3。

2.4列線圖模型構建

基于模型組多因素Logistic回歸分析結果，納入BMI、NYHA分級、LVEF、RDW、血清鉀水平、抗心律失常藥治療6個因素構建列線圖模型，繪制預測CHF病人并發MVA的風險列線圖。詳見圖1。

2.5列線圖模型的評價

繪制ROC曲線評價列線圖模型預測CHF病人并發MVA風險的效能，模型組AUC為0.829［95%CI（0.757，0.887），P＜0.001］，驗證組AUC為0.810［95%CI（0.736，0.871），P＜0.001］，均提示該模型區分度良好。詳見圖2。Hosmer-Lemeshow檢驗證實列線圖預測CHF病人并發MVA值與實際值偏差無統計學意義（χ2＝6.369，P＝0.577），且校準曲線顯示預測CHF病人并發MVA的概率與實際MVA發生概率具有較好的一致性。詳見圖3。

3討論

隨著社會人口老齡化的加重，CHF的患病率越來越高，盡管通過治療能夠延緩心力衰竭進程，但仍有較高的死亡率［7］。國內外研究報道，心律失常在CHF中發生率高達60%，且占心力衰竭死亡的50%，其中室性心動過速、心室顫動等MVA類型是CHF病人死亡的獨立危險因素［8-9］。本研究中CHF病人MVA發生率為41.64%，略低于王斌等［10］報道的45.13%，可能與研究對象病情、治療略有差異有關，但均可證實CHF病人并發MVA風險較高，探討CHF病人并發MVA的風險因素對指導臨床決策具有重要意義。

本研究采用多因素Logistic回歸模型分析，結果提示BMI、NYHA分級、RDW升高及血清鉀降低均是CHF病人并發MVA的危險因素，LVEF升高和抗心律失常藥治療是其保護因素。1）肥胖會導致心外膜脂肪組織擴張，促進心肌纖維化，且心外膜脂肪量不僅會影響左心室功能，還與心肌組織電生理活動異常密切相關［11］。Kumar等［12］研究發現肥胖者相對于非肥胖者心電圖QT間期延長，增加了左心室擴大和心室顫動的風險。既往趙若寒等［13］在一項分析心力衰竭復雜性心律失常發生風險的研究中也報道了BMI是獨立危險因素。2）血鉀水平異常是CHF病人電解質紊亂的常見類型，鉀離子是細胞膜電位維持的重要物質基礎，在細胞外水平降低可導致鈉、鉀、三磷酸腺苷酶的活性受抑制，鈣離子在細胞膜內積聚，鈉離子和鈣離子交換，進一步誘發MVA。Kaya等［14］通過動態觀察鉀水平變化與VA的關系發現，隨著血鉀水平降低，VA發生率增加；張榮成等［15］報道血鉀水平與心力衰竭病人VA的Lown分級具有負相關性，提示血鉀水平降低會加深VA的嚴重程度；本研究結果與以上報道基本相符。3）RDW是反映紅細胞變異性的指標，在機體炎癥反應和氧化應激影響下RDW升高，且與心血管疾病的進展和死亡相關［16］。周游等［17］發現RDW增高與VA發生風險相關，RDW≥13.05%的病人VA風險可增加1.9倍。4）NYHA分級和LVEF是評估心功能的重要指標，既往研究已證實心功能越差，心律失常發生率越高［18］，另Tan 等［19］報道LVEF＜40%與心力衰竭病人心律失常風險增加獨立相關（HR＝3.79）。5）從治療方面分析，抗心律失常藥多用于心動過速、心律不齊病人，此類病人病情多較嚴重，使得并發MVA的風險也較高。本研究中MVA組抗心律失常藥治療率低于非MVA組，既往也有研究通過機器學習統計方法分析心力衰竭病人發生MVA的風險，發現口服抗心律失常藥是惡性心律失常發生的獨立影響因素［20］。

本研究對CHF病人的臨床資料進行Logistic回歸分析，基于篩選出的6個影響因素構建列線圖模型用于預測MVA發生風險，模型組AUC為0.829，驗證組AUC為0.810，列線圖模型的預測準確性和一致性均良好，提示列線圖模型在CHF并發MVA風險預測中具有良好的適用性。近年來，臨床越來越注重對病人的個體化精準診療，列線圖模型可將病人多方面臨床資料進行整合，提供一種簡單、方便、精準的預測方法，進一步全面評估CHF病人的臨床資料，整合可能影響MVA發生的因素，優化列線圖模型，以期為臨床篩選MVA高風險的CHF人群提供依據。

本研究仍存在一定的局限性：本研究為單中心、回顧性研究選擇可能存在一定的偏倚，還需多中心、擴大樣本量進行長期隨訪，以驗證結果；CHF衰竭病因較多，不同病因病人病情略有差異，一些可能影響MVA的因素并未納入到預測模型中，因此可進一步針對不同病因CHF病人探討并發MVA的危險因素，構建更精細化的預測模型。

參考文獻：

［1］中國心血管健康與疾病報告編寫組.中國心血管健康與疾病報告2020概要［J］.中國循環雜志，2021，36（6）：521-545.

［2］ALENAZY B，THARKAR S，KASHOUR T，et al.In-hospital ventricular arrhythmia in heart failure patients：7 year follow-up of the multi-centric HEARTS registry［J］.ESC Heart Fail，2019，6（6）：1283-1290.

［3］ZHANG Z T，ZHAO X，LI Z Y，et al.Development of a nomogram model to predict survival outcomes in patients with primary hepatic neuroendocrine tumors based on SEER database［J］.BMC Cancer，2021，21（1）：567.

［4］中華醫學會心血管病學分會心力衰竭學組，中國醫師協會心力衰竭專業委員會，中華心血管病雜志編輯委員會.中國心力衰竭診斷和治療指南2018［J］.中華心力衰竭和心肌病雜志（中英文），2018，2（4）：196-225.

［5］CITU I M，CITU C，GORUN F，et al.Using the NYHA classification as forecasting tool for hospital readmission and mortality in heart failure patients with COVID-19［J］.Journal of Clinical Medicine，2022，11（5）：1382.

［6］中華醫學會心電生理和起搏分會，中國醫師協會心律學專業委員會.室性心律失常中國專家共識［J］.中華心律失常學雜志，2016，20（4）：279-326.

［7］ABRAHAM J，BLUMER V，BURKHOFF D，et al.Heart failure-related cardiogenic shock：pathophysiology，evaluation and management considerations：review of heart failure-related cardiogenic shock［J］.J Card Fail，2021，27（10）：1126-1140.

［8］石紀萍，郭中耀.慢性心力衰竭合并室性心律失常的發生情況及干預治療研究［J］.內蒙古醫科大學學報，2018，40（5）：505-507.

［9］GALAND V，FLCHER E，AUFFRET V，et al.Early ventricular arrhythmias after LVAD implantation is the strongest predictor of 30-day post-ooperative mortality［J］.JACC Clin Electrophysiol，2019，5（8）：944-954.

［10］王斌，田兆興，鄭亞安，等.紅細胞分布寬度對慢性心力衰竭患者院內發生惡性心律失常的預測價值［J］.中華危重病急救醫學，2016，28（12）：1090-1094.

［11］PACKER M.Disease-treatment interactions in the management of patients with obesity and diabetes who have atrial fibrillation：the potential mediating influence of epicardial adipose tissue［J］.Cardiovasc Diabetol，2019，18（1）：121.

［12］KUMAR T，JHA K，SHARAN A，et al.Study of the effect of obesity on QT-interval among adults［J］.J Family Med Prim Care，2019，8（5）：1626-1629.

［13］趙若寒，羅素新，熊峰，等.心力衰竭并發復雜性室性心律失常相關因素分析［J］.心血管病學進展，2020，41（7）：782-786.

［14］KAYA A，KESKIN M，TATLISU M A，et al.Effect of dynamic potassium change on In-hospital mortality，ventricular arrhythmias，and long-term mortality in STEMI［J］.Angiology，2019，70（1）：69-77.

［15］張榮成，趙雪梅，張宇輝，等.心力衰竭患者血鉀水平與室性心律失常及住院死亡的關系［J］.中國循環雜志，2020，35（4）：361-367.

［16］楊晉雯，劉雅婧，申曉彧，等.血肌酐濃度、血清紅細胞體積分布寬度與老年急性心力衰竭的相關性［J］.西部醫學，2022，34（7）：1041-1045.

［17］周游，趙爽，陳柯萍，等.紅細胞分布寬度對于植入式心律轉復除顫器患者發生室性心律失常的預測作用［J］.中國分子心臟病學雜志，2019，19（1）：2748-2751.

［18］周清芬，任妍，張鳳如，等.心肌病患者心功能改變與心律失常發生率的關系研究［J］.國際心血管病雜志，2017，44（6）： 381-383.

［19］TAN N Y，ROGER V L，KILLIAN J M，et al.Ventricular arrhythmias among patients with advanced heart failure：a population-based study［J］.J Am Heart Assoc，2022，11（1）：e023377.

［20］WANG Q，LI B，CHEN K，et al.Machine learning-based risk prediction of malignant arrhythmia in hospitalized patients with heart failure［J］.ESC Heart Fail，2021，8（6）：5363-5371.

（收稿日期：2022-09-22）

（本文編輯王雅潔）