心血管疾病風險早期預警評估工具的范圍綜述

左仲琪 王宇 靳艷 張慶偉 袁彬彬 沈賽婭 王菲 于漫

【摘要】 背景 心血管疾病是全球人類死亡的重要原因，其發病隱匿、病情復雜多變，預后不佳。早期識別并積極干預潛在危重患者對改善患者預后至關重要。目的 對國內外心血管疾病風險早期預警評估工具研究進行范圍綜述，總結分析其評估內容及應用情況，為我國心血管疾病患者早期預警評估工具的選擇提供參考。方法 以范圍綜述方法學框架為指導，系統檢索中國知網、萬方數據知識服務平臺、維普網、中國生物醫學文獻數據庫、PubMed、Web of Science、Cochrane Library、Embase、CINAHL、Scopus數據庫。檢索時限為建庫至2023年5月。由2名研究者獨立篩選文獻和提取資料，從評估內容、研究對象、驗證方法、信效度以及預測效能等方面進行分析。結果 共納入16篇文獻，其中7篇關于評估工具的開發驗證，9篇關于評估工具的本土化應用，涉及20個心血管疾病風險早期預警評估工具。分析結果表明，各評估工具均包含3～17個評估內容，其中出現頻率較高的是年齡、收縮壓、呼吸頻率、血氧飽和度、心率、合并癥、意識水平以及性別。2篇文獻的信效度檢驗結果表明信度、效度良好，其他研究均缺少信效度評價。10篇文獻報告了評估工具的曲線下面積（AUC），AUC為0.550～0.926 9。結論 心血管疾病風險早期預警評估工具種類多樣，但質量仍有不足，缺少特異性評估工具。未來仍需要進一步驗證現有工具的信效度，并結合疾病特征開發本土化且具備良好信效度的心血管?？圃缙陬A警評估工具。

【關鍵詞】 心血管疾?。辉缙陬A警；風險評估；工具；范圍綜述；護理

【中圖分類號】 R 54 【文獻標識碼】 A DOI：10.12114/j.issn.1007-9572.2023.0530

Early Warning Assessment Tools for Cardiovascular Disease Risk：a Scoping Review

ZUO Zhongqi1，WANG Yu2，JIN Yan1，ZHANG Qingwei2，YUAN Binbin2，SHEN Saiya1，WANG Fei1，YU Man2*

1.Institute of Nursing and Health，Henan University，Kaifeng 475004，China

2.Nursing Department，Fuwai Central China Cardiovascular Hospital，Zhengzhou 451450，China

*Corresponding author：YU Man，Associate chief nurse；E-mail：yuman1973@126.com

【Abstract】 Background Cardiovascular disease（CVD） is a major cause of human mortality worldwide，characterized by its insidious onset，intricate and variable course，and poor prognosis. Early identification and active intervention of potentially critically ill patients is essential to improve their prognosis. Objective To conduct a scoping review of the research on early warning assessment tools for cardiovascular disease risk at home and abroad，summarize and analyze their assessment content and application，ultimately providing reference for the selection of appropriate early warning tools for cardiovascular disease patients in China. Methods CNKI，Wanfang Data，VIP，CBM，PubMed，Web of Science，Cochrane Library，Embase，CINAHL，and Scopus were systematically searched from inception to May 2023. Two investigators independently screened literature and extracted data，analyzed in terms of assessment content，study subjects，validation method，reliability and validity，and predictive efficacy. Results A total of 16 papers were included，comprising 7 papers on the development and validation of assessment tools and 9 papers on the localized application of these tools，involving 20 early warning assessment tools for cardiovascular disease risk. The results of the analysis showed that each assessment tool contained 3 to 17 assessment items，with the most frequently mentioned items of age，systolic blood pressure，respiratory rate，oxygen saturation，heart rate，comorbidities，level of consciousness，and gender. The results of the reliability and validity tests for 2 papers indicated robust reliability and validity，while all other studies lacked reliability and validity evaluations. Ten papers reported the area under the curve（AUC），with values ranging from 0.550 to 0.926 9. Conclusion Diverse early warning assessment tools for cardiovascular disease risk are available，however，their overall quality remains to be improved and there is a lack of specific assessment tools. In the future，it is imperative to conduct further validations of the reliability and validity of the existing tools，and develop localized early warning assessment tools specialized for cardiovascular diseases considering the unique characteristics of the disease，which exhibit robust reliability and validity.

【Key words】 Cardiovascular diseases；Early warning；Risk assessment；Tools；Scoping review；Nursing

心血管疾病已成為威脅人類生命和健康的重大公共衛生問題，我國心血管疾病現患人數超過3.3億，每年死亡人數達400萬例以上，是城鄉居民死亡的首要原因［1］。由于心血管疾病發病隱匿、潛伏期長、病情復雜多變，發病后較難痊愈［2-3］，且心血管疾病患者常因救治不及時而造成不可逆的器質性損傷，嚴重威脅了患者生命，加重了醫療經濟負擔［4-6］。研究表明，在病情加重前數分鐘甚至數小時內會出現生命體征變化的征象［7-9］。因此，早期發現心血管疾病患者危重病情變化是提高患者搶救成功率、降低病死率的關鍵［10］。早期預警評估工具是基于患者生命體征等指標構建的量化評分系統，對識別患者潛在風險，預測疾病危重程度具有一定成效［11］。但國內外早期預警評估工具的評估內容、適用對象及臨床預測效能等存在較大的異質性，適用于心血管疾病患者的早期預警評估工具有待明確?；诖耍狙芯恳罁嗀RKSEY等［12］制訂的范圍綜述框架，對國內外該領域的相關文獻進行系統綜述，比較不同工具的評估內容、適用對象、信效度及預測效能等，以期為我國心血管疾病患者早期預警評估工具的選擇提供參考依據。

1 資料與方法

1.1 確定研究問題

本研究具體研究問題包括：（1）目前國內外應用于心血管疾病患者的早期預警評估工具有哪些？（2）這些早期預警評估工具主要涉及哪些評估內容？（3）各評估工具應用于心血管疾病患者的信效度及預測效能如何？是否進行了內外部驗證？

1.2 文獻納入與排除標準

根據“PCC”的原則［13］確定納入標準。（1）研究對象（population，P）：年齡≥18歲的心血管疾病患者。（2）概念（concept，C）：涉及應用于心血管疾病患者病情風險早期預警的評估內容、預測效能等原始研究。（3）情景（context，C）：出現心血管疾病不良結局事件。排除標準：（1）非中英文文獻；（2）無法獲取全文；（3）會議摘要；（4）重復收錄。

1.3 檢索策略

檢索中國知網、萬方數據知識服務平臺、維普網、中國生物醫學文獻數據庫、PubMed、Web of Science、Cochrane Library、Embase、CINAHL、Scopus數據庫。檢索時間為建庫至2023年5月，采用主題詞和自由詞結合方式進行檢索，并進一步檢索納入文獻的參考文獻。在正式檢索前先在中國知網及PubMed數據庫中進行預檢索，經修正檢索策略后再進行正式檢索。以PubMed為例，英文檢索式為（“cardiovascular disease”［MeSH Terms］ OR “CVD*”［Title/Abstract］ OR “cardiac disease*”［Title/Abstract］ OR “CHD*”［Title/Abstract］ OR “circulation system diseases*”［Title/Abstract］） AND（“early warning”［MeSH Terms］ OR “risk assessment”［MeSH Terms］ OR “prediction rule*”［Title/Abstract］ OR “prediction model*”［Title/Abstract］ OR “prognosis model*”［Title/Abstract］ OR “evaluation tool*”［Title/Abstract］）。以中國知網為例，中文檢索式為（SU=‘心血管疾病+‘心臟疾病+‘循環系統疾?。〢ND（SU=‘病情變化+‘早期預警+‘早期預警評分+‘風險評估+‘風險預測）AND（SU=‘評估工具+‘工具+‘量表）。

1.4 文獻篩選與資料提取

將檢索到的文獻導入EndNote X9軟件篩選重復文獻。由2名經過培訓的研究者根據納入及排除標準通過閱讀文獻標題和摘要進行初篩，再閱讀全文進行復篩。如篩選過程中出現爭議，則與第3名研究者討論確定符合標準的文獻。所納入的文獻信息均由2名研究者獨立提取，包括第一作者、發表年份、國家、研究方法、評估內容、研究對象、研究終點、危險評分呈現形式、分界值、驗證方法、信效度以及預測效能相關指標。

2 結果

2.1 文獻篩選結果

初步檢索獲得文獻5 123篇，剔除重復文獻、與研究內容及目的不相符的文獻、無全文和會議摘要類文獻、非中英文文獻后，最終納入16篇文獻［14-29］，文獻篩選流程見圖1。

2.2 納入文獻的基本特征

16篇文獻發表于2015—2022年。其中，泰國1篇［22］、荷蘭1篇［26］、英國1篇［20］、日本1篇［23］、土耳其1篇［16］、中國11篇［14-15，17-19，21，24-25，27-29］。研究類型主要包括前瞻性隊列研究（n=3）［23，26，28］、橫斷面研究（n=1）［16］、回顧性隊列研究（n=10）［14-15，17，19-20，22，24-25，27，29］，有2項研究［18，21］僅開發了早期預警評估工具而無應用。早期預警評估工具的構建方法包括Logistic回歸分析（n=8）［14，16，19-20，25-28］，文獻回顧結合專家咨詢以及層次分析法（n=2）［15，21］，文獻回顧（n=3）［22-23，29］，文獻回顧結合人工智能算法（n=3）［17-18，24］。納入文獻的基本特征見表1。

2.3 心血管疾病早期預警評估工具的應用情況

納入的16篇文獻中，共涉及20個評估工具應用于心血管疾病患者中。檢索到我國本土研制的心血管疾病早期預警評估工具有7項［15，17-19，21，24-25］，僅有2項研究［15，21］在心血管疾病人群中進行了信效度檢驗。4項研究［16，22-23，26］中的評估工具被不同國家引入但并未進行信效度檢驗。3項研究［23，26，28］收集了前瞻性數據進行外部驗證，4項研究［15，19-20，25］使用回顧性隊列數據進行內部驗證，且均為單中心研究。其中，HAGEMAN等［20］研究既開發了新評估工具，又驗證了其他評分系統。另外，各評估工具應用的研究終點主要是因心血管疾病導致的死亡［14-16，20，22-23，26，29］、心搏驟停［16，25，29］以及非計劃性再入院［16，22，26］等。納入研究的研究對象群體異質性較大，包括ST段抬高型心肌梗死患者［22，29］、40歲以上的心血管疾病患者［26，28］以及心臟外科術后再入ICU患者［14］等，較多集中于成人住院心血管系統疾病患者。

2.4 心血管疾病早期預警評估工具的評估內容

納入研究的心血管疾病風險早期預警評估工具包含3～17個評估內容。選擇納入評估內容的常見方法是以改良早期預警評分的評估內容為參考，經文獻回顧或Logistic回歸分析篩選相關敏感性指標。16篇文獻中多項研究涉及部分實驗室數據，關注患者的家族史、生命體征、體格狀況、疾病相關因素、生活因素等，內容復雜不易管理。有2項研究［15，21］評估內容簡單易管理，關注生命體征的微妙變化從而衡量心血管疾病嚴重程度。各評估工具中出現頻率最高的評估內容分別是年齡、收縮壓、呼吸頻率、血氧飽和度、心率、合并癥、意識水平以及性別。

2.5 心血管疾病早期預警評估工具的信效度

納入的16篇文獻中，2項研究［15，21］的信效度檢驗結果表明信度、效度良好，其他研究均缺少信效度評價。研究中報告的評估工具預測效度多數用受試者工作特征曲線下面積（AUC）及靈敏度、特異度表示，少數報告了Hosmer-Lemeshow擬合優度檢驗以及陽性或陰性預測值。所報告的評估工具AUC為0.550～0.926 9。國內研制的7項評估工具［15，17-19，21，24-25］驗證方法多為內部驗證，AUC均在0.7以上，表明預測效度尚可；納入的4項國外研究［16，22-23，26］的評估工具AUC為0.746～0.804，3項未評價靈敏度及特異度，預測效能總體并不理想。

3 討論

3.1 心血管疾病早期預警評估工具的開發方法尚需完善

本研究發現，早期預警評估工具構建方法不統一。其中，2項研究［15，21］通過文獻回顧、小組討論、專家咨詢，在改良早期預警評分（Modified Early Warning Scale，MEWS）的基礎上進行改進，但評估指標的篩選不夠嚴謹。而LI等［17］的研究中，基于大數據并結合人工智能分析技術構建的早期預警模型，相比傳統的構建方法有助于快速挖掘出有效評估指標，可提高預測的準確性及效率［30-31］。因此，心血管疾病風險早期預警評估工具的開發方法尚需進一步完善。建議未來相關研究可基于大數據篩選預警評估指標，并結合德爾菲法對指標體系進行完善，以促進篩選有效評估內容的決策過程，從而提高研究的科學性及可解釋性。

3.2 心血管疾病早期預警評估內容應具備?？菩院蜁r效性

本研究匯總了心血管疾病風險早期預警的相關評估內容，包括年齡、性別、收縮壓、呼吸頻率、血氧飽和度、心率、意識水平、心律失常、胸痛、是否服用降壓藥、總膽固醇、高密度脂蛋白等，可初步劃分為包含生命體征、意識水平的基礎指標［32］，以及包含心血管疾病特征、實驗室數據的?？铺禺愋灾笜恕１疚亩囗椦芯浚?0，26-27］中的風險評估工具涵蓋家族史、總膽固醇、高密度脂蛋白、BMI、是否服用降壓藥物等，雖然預測精準度高，但指標繁多，臨床中不能直接快速獲取，限制了評估的時效性。而于漫等［15］構建的心血管疾病早期預警評分量表既包含基礎指標（收縮壓、心率、呼吸、血氧飽和度、體溫、意識），又包含專科特異性指標（心律失常、疼痛評分、年齡），具有?？菩约皶r效性。評估內容的專科性及時效性是心血管疾病風險早期預警評估工具的關鍵特征，可幫助護士客觀評估患者疾病的嚴重程度，提高早期識別能力，為臨床護理決策提供可靠依據。因此，未來研究在篩選早期預警評估內容時應充分考慮心血管疾病相關特點以及臨床應用時效性，構建具有專科性與時效性兼備的心血管疾病風險早期預警評估工具。

3.3 心血管疾病早期預警評估工具效果評價有待全面驗證

本文發現2項研究［21，28］未進行預測效能評價，研究僅設計了早期預警系統，尚未在臨床進行檢驗和應用，即國內研制的評估工具［15，17-19，21，24-25］AUC為0.7以上，但內外部驗證的AUC差別較大，預測性能尚需考評。AUC雖是評價早期預警評估工具區分度性能的關鍵指標，但更需校準度性能指標評價臨床實際應用效能［33］，卻多數研究未報告。本研究納入的心血管疾病風險早期預警評估工具雖多已評價其預測效能，但缺乏信效度檢驗。此外，本研究顯示有12項評估工具的初始研究對象均不是心血管疾病患者，由于患者群體的異質性，可能會導致外部驗證或評估工具在臨床實踐中應用效果不佳［34］。因此，在開發心血管疾病預警評估工具時除了關注其預測效能外，還需要對其信效度進行驗證，以保證其評估工具的可推廣性。此外，大部分評估工具僅為單中心研究，樣本量較少，也影響了工具的有效性和穩定性。綜上，當前心血管疾病各預警評估工具的信效度仍待探討，后續可依據我國心血管疾病患者特點開發本土化、靈敏度高的早期預警評估工具，并注重基于現有早期預警評估工具開展多中心、前瞻性的外部驗證研究，充分論證其廣泛適用性。

4 小結

本研究針對心血管疾病風險早期預警評估工具的相關內容進行總結，為臨床心血管疾病早期預警評估工具的選擇提供參考。由于本研究僅納入了中英文的文獻，對評估內容、效果評價等方面的論證仍存在局限性。目前心血管疾病風險早期預警評估工具種類多樣，開發方法和預警內容尚需進一步完善，且缺少特異性評估工具。未來仍需要進一步驗證現有工具的信效度，并結合心血管疾病特征開發本土化、具備良好信效度的心血管疾病風險早期預警特異性評估工具。

作者貢獻：左仲琪、王宇負責論文的構思與設計、論文的撰寫與修訂；靳艷、于漫負責論文的可行性分析；張慶偉、袁彬彬、沈賽婭、王菲負責文獻/資料的收集與整理；左仲琪、于漫負責論文的英文修訂、質量控制及審校，并對文章整體負責，監督管理。

本文無利益沖突。

參考文獻

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2022概要［J］. 中國循環雜志，2023，38（6）：583-612. DOI：10.3969/j.issn.1000-3614.2023.06.001.

ANDERSEN L W，HOLMBERG M J，BERG K M，et al. In-hospital cardiac arrest：a review［J］. JAMA，2019，321（12）：1200-1210. DOI：10.1001/jama.2019.1696.

PETEK D，PETEK-STER M，TUSEK-BUNC K. Health behavior and health-related quality of life in patients with a high risk of cardiovascular disease［J］. Zdr Varst，2018，57（1）：39-46. DOI：10.2478/sjph-2018-0006.

VLAYEN A，VERELST S，BEKKERING G E，et al. Incidence and preventability of adverse events requiring intensive care admission：a systematic review［J］. J Eval Clin Pract，2012，18（2）：485-497. DOI：10.1111/j.1365-2753.2010.01612.x.

任雪麗，周蓉. 早期預警評分系統在普通病房的應用研究進展［J］. 護理研究，2022，36（14）：2528-2532. DOI：10.12102/j.issn.1009-6493.2022.14.016.

張竹英，姚彥蓉，劉娜，等. 國家早期預警評分在心臟外科潛在危重癥患者病情早期識別中的應用［J］. 基層醫學論壇，2022，26（9）：7-10. DOI：10.19435/j.1672-1721.2022.09.003.

AL-DMOUR J A，SAGAHYROON A，AL-ALI A R，et al. A fuzzy logic-based warning system for patients classification［J］. Health Informatics J，2019，25（3）：1004-1024. DOI：10.1177/1460458217735674.

HOGAN H，HEALEY F，NEALE G，et al. Preventable deaths due to problems in care in English acute hospitals：a retrospective case record review study［J］. BMJ Qual Saf，2012，21（9）：737-745. DOI：10.1136/bmjqs-2011-001159.

KRONICK S L，KURZ M C，LIN S，et al. Part 4：systems of care and continuous quality improvement：2015 American heart association guidelines update for cardiopulmonary resuscitation and emergency cardiovascular care［J］. Circulation，2015，132（18 Suppl 2）：S397-413. DOI：10.1161/CIR.0000000000000258.

HUANG Z X，DONG W，DUAN H L. A probabilistic topic model for clinical risk stratification from electronic health records［J］. J Biomed Inform，2015，58：28-36. DOI：10.1016/j.jbi.2015.09.005.

DUNNE E，LEARY R，SRINIVASAN K，et al. Early warning scores：breaking or building barriers to critical care［J］. Crit Care，2014，18（suppl 1）：P44. DOI：10.1186/cc13234.

ARKSEY H，O'MALLEY L. Scoping studies：towards a methodological framework［J］. Int J Soc Res Methodol，2005，8（1）：19-32. DOI：10.1080/1364557032000119616.

LOCKWOOD C，DOS SANTOS K B，PAP R. Practical guidance for knowledge synthesis：scoping review methods［J］. Asian Nurs Res，2019，13（5）：287-294. DOI：10.1016/j.anr.2019.11.002.

仲駿，丁紫微，張賢玲，等. 不同危重癥評分工具預測心臟外科術后再入ICU患者死亡風險的比較［J］. 護理學雜志，2020，35（23）：1-4. DOI：10.3870/j.issn.1001-4152.2020.23.001.

于漫，楊巧芳，袁彬彬. 心血管疾病早期預警評分量表的構建與應用［J］. 中華現代護理雜志，2018，24（21）：2525-2528. DOI：10.3760/cma.j.issn.1674-2907.2018.21.010.

TA?OLAR H，?ETIN M，BALL? M，et al. CHA2DS2-VASc-HS score in non-ST elevation acute coronary syndrome patients：assessment of coronary artery disease severity and complexity and comparison to other scoring systems in the prediction of in-hospital major adverse cardiovascular events［J］. Anatol J Cardiol，2016，16（10）：742-748. DOI：10.14744/AnatolJCardiol.2015.6593.

LI B，DING S，SONG G L，et al. Computer-aided diagnosis and clinical trials of cardiovascular diseases based on artificial intelligence technologies for risk-early warning model［J］. J Med Syst，2019，43（7）：228. DOI：10.1007/s10916-019-1346-x.

FANG Y，LI C，SUN L J. Design of an early warning system for patients with cardiovascular diseases under mobile environment［J］. Procedia Comput Sci，2016，96：819-825. DOI：10.1016/j.procs.2016.08.258.

BIAN Y，XU F，LV R J，et al. An early warning scoring system for the prevention of acute heart failure［J］. Int J Cardiol，2015，183：111-116. DOI：10.1016/j.ijcard.2015.01.076.

HAGEMAN S H J，MCKAY A J，UEDA P，et al. Estimation of recurrent atherosclerotic cardiovascular event risk in patients with established cardiovascular disease：the updated SMART2 algorithm［J］. Eur Heart J，2022，43（18）：1715-1727. DOI：10.1093/eurheartj/ehac056.

ZHANG Y L，ZHUO H Y，BI H L，et al. Feasibility investigation of developing a revised MEWS score for cardiovascular specialty［J］. Am J Nurs Sci，2021，10（3）：179. DOI：10.11648/j.ajns.20211003.16.

CHOTECHUANG Y，PHROMMINTIKUL A，KUANPRASERT S，et al. GRACE score and cardiovascular outcomes prediction among the delayed coronary intervention after post-fibrinolytic STEMI patients in a limited PCI-capable hospital［J］. Open Heart，2020，7（1）：e001133. DOI：10.1136/openhrt-2019-001133.

SUZUKI S，KAIKITA K，YAMAMOTO E，et al. H2 FPEF score for predicting future heart failure in stable outpatients with cardiovascular risk factors［J］. ESC Heart Fail，2020，7（1）：65-74. DOI：10.1002/ehf2.12570.

WU X W，CHANG H，LI M T，et al. A machine learning-based risk warning platform for potentially inappropriate prescriptions for elderly patients with cardiovascular disease［J］. Front Pharmacol，2022，13：804566. DOI：10.3389/fphar.2022.804566.

MO R，YU L T，TAN H Q，et al. A new scoring system for predicting short-term outcomes in Chinese patients with critically-ill acute decompensated heart failure［J］. BMC Cardiovasc Disord，2021，21（1）：228. DOI：10.1186/s12872-021-02041-2.

SCHOOFS M C，AKKERMANS R，GRAUW W D，et al. Performance of the SCORE and Globorisk cardiovascular risk prediction models：a prospective cohort study in Dutch general practice［J］. Br J Gen Pract，2022，73（726）：e24-33. DOI：10.3399/BJGP.2021.0726.

HONG X L，CHEN H，LI Y，et al. Prediction of presence and severity of coronary artery disease using prediction for atherosclerotic cardiovascular disease risk in China scoring system［J］. World J Clin Cases，2021，9（20）：5453-5461. DOI：10.12998/wjcc.v9.i20.5453.

LI J X，LIU F C，YANG X L，et al. Validating World Health Organization cardiovascular disease risk charts and optimizing risk assessment in China［J］. Lancet Reg Health West Pac，2021，8：100096. DOI：10.1016/j.lanwpc.2021.100096.

張婧婧. ViEWS評分對STEMI患者院內發生MACE事件的預測價值［J］. 醫學理論與實踐，2022，35（22）：3900-3902. DOI：10.19381/j.issn.1001-7585.2022.22.047.

魏珂，司春嬰，王賀，等. 人工智能在心血管疾病診斷及風險預測中的研究進展［J］. 世界科學技術-中醫藥現代化，2020，22（10）：3576-3582. DOI：10.11842/wst.20200915002.

WEENK M，KOENEMAN M，VAN DE BELT T H，et al. Wireless and continuous monitoring of vital signs in patients at the general ward［J］. Resuscitation，2019，136：47-53. DOI：10.1016/j.resuscitation.2019.01.017.

UMAR A，AMEH C A，MURIITHI F，et al. Early warning systems in obstetrics：a systematic literature review［J］. PLoS One，2019，14（5）：e0217864. DOI：10.1371/journal.pone.0217864.

VAN CALSTER B，WYNANTS L，VERBEEK J F M，et al. Reporting and interpreting decision curve analysis：a guide for investigators［J］. Eur Urol，2018，74（6）：796-804. DOI：10.1016/j.eururo.2018.08.038.

GERRY S，BONNICI T，BIRKS J，et al. Early warning scores for detecting deterioration in adult hospital patients：systematic review and critical appraisal of methodology［J］. BMJ，2020，369：m1501. DOI：10.1136/bmj.m1501.

（本文編輯：賈萌萌）

*通信作者：于漫，副主任護師；E-mail：yuman1973@126.com

基金項目：河南省醫學科技攻關計劃（聯合共建）項目（LHGJ20190773）

引用本文：左仲琪，王宇，靳艷，等. 心血管疾病風險早期預警評估工具的范圍綜述［J］. 中國全科醫學，2024，27（27）：3440-3445. DOI：10.12114/j.issn.1007-9572.2023.0530. ［www.chinagp.net］

ZUO Z Q，WANG Y，JIN Y，et al. Early warning assessment tools for cardiovascular disease risk：a scoping review［J］. Chinese General Practice，2024，27（27）：3440-3445.

? Editorial Office of Chinese General Practice. This is an open access article under the CC BY-NC-ND 4.0 license.