早期主動脈硬化風險篩查模型的構建及驗證研究

【摘要】 背景 在心血管風險評估領域，主動脈僵硬度被認為是關鍵的預測指標，頸股脈搏波傳導速度（cfPWV）被認為是無創評估主動脈硬化風險的金標準。由于技術難度等挑戰，我國cfPWV檢測尚未廣泛開展。目的 本研究旨在開發并驗證一種基于心血管危險因素的早期主動脈硬化風險篩查模型，以期替代cfPWV復雜的測量過程，減少對傳統測量方法的依賴。方法 選取2023年5—11月在安徽醫科大學第一附屬醫院體檢中心招募的878名受試者作為研究對象，按照8∶2的比例進行隨機抽樣分為建模組（n=703）和驗證組（n=175）。收集患者一般資料、實驗室檢查結果及cfPWV。依據cfPWV檢查結果和相關指南，將建模組受試者分為無主動脈硬化風險（n=503）和有主動脈硬化風險（n=200）。采用多因素Logistic回歸分析并篩選變量，建立列線圖評估模型。繪制模型預測主動脈硬化發生風險的受試者工作特征曲線（ROC曲線），以ROC曲線下面積（AUC）、Hosmer-Lemeshow檢驗評估模型的區分度和校準度，采用Delong檢驗比較各模型的AUC，采用決策曲線分析（DCA）評估模型臨床實用性，并采用Bootstrap法重復采樣1 000次對模型進行內部驗證。結果 建模組有主動脈硬化風險者年齡、BMI、收縮壓（SBP）、舒張壓（DBP）、平均動脈壓（MAP）、尿素、空腹血糖（FBG）、低密度脂蛋白膽固醇（LDL-C）、三酰甘油（TG）、總膽固醇（TC）、丙氨酸氨基轉移酶（ALT）、天冬氨酸氨基轉移酶（AST）、血紅蛋白（Hb）、飲酒、血脂異常、糖尿病比例高于無主動脈硬化風險者，腎小球濾過率（GFR）、血小板計數（PLT）低于無主動脈硬化風險者（P<0.05）。多因素Logistic回歸分析結果顯示年齡（OR=1.112，95%CI=1.082～1.143）、MAP（OR=1.146，95%CI=1.107～1.188）、Hb（OR=1.026，95%CI=1.004～1.049）和FBG（OR=1.353，95%CI=1.076～1.701）是主動脈硬化的獨立影響因素（P<0.05）。納入多因素Logistic回歸分析結果差異有統計學意義的指標（年齡、MAP、Hb、FBG）構建預測模型Ⅰ，同時分別納入吸煙、性別、血脂異常構建模型Ⅱ、模型Ⅲ、模型Ⅳ，繪制模型Ⅰ～模型Ⅳ的ROC曲線，模型Ⅰ～模型Ⅳ的AUC分別為0.941（95%CI=0.923～0.964，P<0.05）、0.941（95%CI=0.922～0.962，P<0.05）、0.941（95%CI=0.922～0.963，P<0.05）、0.939（95%CI=0.919～0.962，P<0.05）；Delong檢驗結果示，模型Ⅰ、模型Ⅱ、模型Ⅲ、模型Ⅳ的AUC比較，差異無統計學意義（P>0.05）。根據多因素Logistic回歸分析結果，以年齡、MAP、FBG、Hb為預測因子構建列線圖模型，預測模型訓練集的AUC為0.941（95%CI=0.920～0.962），靈敏度為0.832，特異度為0.917。驗證集的AUC為0.961（95%CI=0.914～1.000），靈敏度為0.872，特異度為0.964。DCA結果顯示使用主動脈硬化早期篩查模型可以使受試者在臨床中獲益。結論 本研究基于年齡、MAP、Hb和FBG 4個簡易指標，建立了早期主動脈硬化風險篩查模型，提供了便捷、高效的早期血管功能篩查的方法。

【關鍵詞】 動脈硬化；主動脈僵硬度；頸股脈搏波傳導速度；預測模型；早期篩查

【中圖分類號】 R 543.5 【文獻標識碼】 A DOI：10.12114/j.issn.1007-9572.2024.0032

Construction and Validation of a Screening Model for Early Atherosclerosis Risk in the Aorta

ZHOU Zhensen1，2，HUANG Yan2，CHENG Siwei3，ZHANG Xiaoyu2，ZHANG Xiaoyu4，SUN Ting1，YANG Xianjun2，XIE Hui1，MA Zuchang2，3*

1.Department of Nursing，Bengbu Medical University，Bengbu 233030，China

2.Hefei Institutes of Physical Science，Chinese Academy of Sciences，Hefei 230031，China

3.University of Science and Technology of China，Hefei 230026，China

4.Health Management Center，the First Affiliated Hospital of Anhui Medical University，Hefei 230022，China

*Corresponding author：MA Zuchang，Researcher；E-mail：zuchangma_zcm@163.com

【Abstract】 Background In the field of cardiovascular risk assessment，aortic stiffness is considered a key predictive indicator，and carotid-femoral pulse wave velocity（cfPWV）is recognized as the gold standard for non-invasive assessment of atherosclerotic risk in the aorta. Due to challenges such as technical difficulty，cfPWV testing has not been widely implemented in China. Objective This study aimed to develop and validate a screening model for early atherosclerotic risk in the aorta based on cardiovascular risk factors，with the intention of replacing the complex measurement process of cfPWV and reducing reliance on traditional measurement methods. Methods A total of 878 participants recruited from the Health Checkup Center of the First Affiliated Hospital of Anhui Medical University between May and November 2023 were selected as research subjects，randomly divided into a model-building group（n=703）and a validation group（n=175）in an 8∶2 ratio. Patient general information，laboratory test results，and cfPWV were collected. Based on the cfPWV examination results and relevant guidelines，participants in the model-building group were divided into those without atherosclerotic risk in the aorta（n=503）and those with atherosclerotic risk in the aorta（n=200）. Multifactorial Logistic regression analysis was used to screen variables and establish a nomogram assessment model. The receiver operating characteristic curve（ROC curve）for predicting the risk of atherosclerosis in the aorta was plotted for the model，and the model's discriminative ability and calibration were assessed using the area under the ROC curve（AUC）and the Hosmer-Lemeshow test，respectively. The Delong test was used to compare the AUCs of different models，and decision curve analysis（DCA）was used to assess the clinical utility of the model. Internal validation of the model was performed using the bootstrap method with 1 000 resampling iterations. Results Participants with atherosclerotic risk in the model-building group were older，had higher BMI，systolic blood pressure（SBP），diastolic blood pressure（DBP），mean arterial pressure（MAP），urea，fasting blood glucose（FBG），low-density lipoprotein cholesterol（LDL-C），triglycerides（TG），total cholesterol（TC），alanine aminotransferase（ALT），aspartate aminotransferase（AST），hemoglobin（Hb），and a higher proportion of alcohol consumption，dyslipidemia，and diabetes than those without atherosclerotic risk in the aorta. The glomerular filtration rate（GFR）and platelet count（PLT）were lower in those with atherosclerotic risk（P<0.05）. Multifactorial Logistic regression analysis showed that age（OR=1.112，95%CI=1.082-1.143），MAP（OR=1.146，95%CI=1.107-1.188），Hb（OR=1.026，95%CI=1.004-1.049），and FBG（OR=1.353，95%CI=1.076-1.701）were independent risk factors for atherosclerosis in the aorta（P<0.05）. A predictive modelⅠ was constructed using statistically significant indicators from the multifactorial logistic regression analysis（age，MAP，Hb，FBG），and models Ⅱ，Ⅲ，and Ⅳ were constructed by additionally including smoking，gender，and dyslipidemia，respectively. The AUCs for models Ⅰ to Ⅳ were 0.941（95%CI=0.923-0.964，P<0.05），0.941（95%CI=0.922-0.962，P<0.05），0.941（95%CI=0.922-0.963，P<0.05），and 0.939（95%CI=0.919-0.962，P<0.05），respectively. The Delong test showed no statistically significant difference in AUCs among models Ⅰ，Ⅱ，Ⅲ，and Ⅳ（P>0.05）. A nomogram model was constructed using age，MAP，FBG，and Hb as predictive factors，with an AUC of 0.941（95%CI=0.920-0.962）for the training set，sensitivity of 0.832，and specificity of 0.917. The AUC for the validation set was 0.961（95%CI=0.914-1.000），with sensitivity of 0.872 and specificity of 0.964. DCA results indicated that the use of the early atherosclerosis screening model could benefit participants in clinical practice. Conclusion Based on four simple indexes of age，mean arterial pressure，hemoglobin and fasting blood glucose，a screening model for early aortic sclerosis risk was established，which provides a convenient and efficient method for early vascular function screening.

【Key words】 Arteriosclerosis；Aortic stiffness；Carotid-femoral pulse wave velocity；Prediction model；Early screening

隨著中國人口老齡化加速以及不健康生活方式的影響，心血管疾?。╟ardiovascular disease，CVD）在中國人群中的患病率和死亡率不斷上升?！吨袊难芙】蹬c疾病報告2022概要》［1］表明，CVD已經成為威脅居民身體健康的首要疾病。據統計，我國目前約有3.3億人患有CVD，每5例死亡病例中就有2例死于CVD，形勢嚴峻。

在心血管風險評估領域，主動脈僵硬度被認為是關鍵的預測指標［2］。動脈僵硬度增加會導致收縮壓（SBP）升高，引起左心室后負荷壓力增加。同時，舒張壓（DBP）降低，導致血液灌注不足，引起心肌缺血［3-4］。目前無創篩查主動脈硬化的主要方法包括彩色超聲、CT掃描和核磁共振等影像學技術。這些方法側重于血管結構的篩查，而頸股脈搏波傳導速度（carotid-femoral pulse wave velocity，cfPWV）檢測更注重血管功能的評估。cfPWV被認為是無創評估主動脈硬化風險的金標準［5］，在各種脈搏波速度測量中，cfPWV與CVD之間的相關性最顯著［6］。由于血管功能性的改變通常先于結構性的改變。因此，cfPWV的測量對于反映早期血管功能至關重要。

目前，測量cfPWV仍然面臨一些挑戰：檢測設備昂貴；需要專業人員操作，在測量股動脈時可能會涉及隱私等問題。為解決這些問題，本研究成功構建了早期主動脈硬化風險篩查模型，有效地替代了cfPWV復雜的測量過程，通過該模型，居民可以自主監測主動脈硬化風險水平，并有針對性地采取預防和管理措施。

1 對象與方法

1.1 研究對象

選取2023年5—11月在安徽醫科大學第一附屬醫院體檢中心招募的878名受試者作為研究對象。納入標準：（1）年齡≥18歲；（2）意識清醒，具有良好的中文書寫及閱讀交流能力；（3）具有良好的依從性，自愿參加。排除標準：（1）患有精神疾??；（2）患有嚴重的心腦血管、肝腎等疾?。唬?）嚴重周圍動脈閉塞性病變累及左、右側頸動脈、上肢動脈、髂動脈、股動脈等無法完成cfPWV檢測者；（4）頻發性期前收縮、心房顫動等導致檢測過程中無法獲得規律的竇性節律者；（5）急性疼痛、嚴重痛苦感或焦躁者；（6）身體或情感上不安或不合作者；（7）以任何原因拒絕參與者；（8）研究者認定有其他不合格條件，包括孕婦，測量部位無法觸及動脈脈搏者等。根據Logistic回歸樣本量估計的因變量事件數法（events per variable，EPV）計算樣本量。為保證回歸分析結果的穩健，EPV應為10～20［7］。前期100例預調查發現主動脈硬化檢出率為30%，假設EPV=10，由于本研究共納入研究因素21個，因此所需陽性事件的例數為21×10=210例，共需樣本量210÷30%=700例。根據風險預測模型外部驗證的樣本量一般為建模組樣本量1/4～1/2的原則［8］，驗證組樣本量應為175～350例。本研究共納入878例樣本，按照8∶2的比例進行隨機抽樣，其中建模組703例，驗證組175例。

本研究遵照赫爾辛基宣言，并獲得中科院合肥物質研究院科技倫理委員會批準（YXLL-2023-46），受試者均同意參加本次研究并簽署知情同意書。

1.2 方法

1.2.1 一般資料收集：測量前受試者禁食8 h，并且測量前3 h內停止攝入咖啡因或吸煙。由2名經過規范訓練的操作者在每天上午固定時間測量，控制環境溫度為（25±2）℃。收集年齡、性別、身高、體質量、高血壓、糖尿病、用藥史、SBP、DBP、吸煙史（吸煙定義為調查前30 d有吸煙行為，并且≥1支/d［9］）、飲酒史（飲酒定義為調查前30 d有飲酒行為，至少1次/周［10］）等。采用OMORON M6設備記錄臥位時右側肱動脈血壓，每次間隔至少1 min，進行3次測量，取每位受試者連續3次SBP和DBP測量的平均值，計算平均動脈壓（mean arterial pressure，MAP），MAP=（SBP+2×DBP）/3。

1.2.2 實驗室檢查指標的收集：受試者空腹８ h后，于次日清晨抽取肘靜脈血，測定總膽固醇（total cholesterol，TC）、低密度脂蛋白膽固醇（low density lipoprotein cholesterol，LDL-C）、高密度脂蛋白膽固醇（high density lipoprotein cholesterol，HDL-C）、三酰甘油（triglyceride，TG）、空腹血糖（fasting blood glucose，FBG）、腎小球濾過率（glomerular filtration rate，GFR）、尿素、尿酸（uric acid，UA）、血紅蛋白（hemoglobin，Hb）、丙氨酸氨基轉移酶（glutamic-pyruvic transaminase，ALT）、天冬氨酸氨基轉移酶（aspartate aminotransferase，AST）、血小板計數（platelet，PLT）、肌酐水平。根據《中國血脂管理指南（2023年）》［11］將血脂異常定義為TC≥5.2 mmol/L；LDL-C≥3.4 mmol/L；HDL-C≤1.0 mmol/L或TG≥1.7 mmol/L。

1.2.3 cfPWV檢測：本研究采用Sphygmocor XCEL設備，受試者仰臥位休息10 min后，定位每位受試者右側頸動脈和股動脈最強跳動的脈搏點［2］進行cfPWV測量。在測量過程中，受試者不得說話和睡覺。使用卷尺測量頸動脈與股動脈搏動最明顯處之間的距離（ｍ）作為實測距離，并將信息錄入分析系統。頸、股動脈之間距離=實測距離（ｍ）×0.8，以校正測量誤差［2］。系統采集10個穩定波形后，計算cfPWV。cfPWV（m/s）=L×0.8/Δt，其中L為頸股動脈之間的距離（ｍ），Δt為脈搏波傳導的時間（s）［12］，取兩次測量后的平均值。如果兩次計算的cfPWV差值>0.5 m/s，則進行第3次測量取中值。

1.2.4 受試者分組：根據歐洲專家共識［2］，本研究采用10 m/s作為cfPWV的截斷值，將受試者分為無主動脈硬化風險和有主動脈硬化風險，其中建模組共703名成員，200例存在主動脈硬化風險。驗證組共175名成員，40例存在主動脈硬化風險。

1.3 統計學方法

采用R 4.1.0和SPSS 26.0統計學軟件進行數據分析。符合正態分布的計量資料以（x-±s）表示，兩組間比較采用獨立樣本t檢驗；非正態分布的計量資料以M（P25，P75）表示，兩組間比較采用Mann-Whitney U檢驗；計數資料以例（%）表示，組間比較采用χ2檢驗。采用多因素Logistic回歸分析并篩選變量，采用R 3.6.1軟件包聯合rms程序包建立列線圖評估模型。繪制受試者工作特征曲線（ROC曲線），以ROC曲線下面積（AUC）、Hosmer-Lemeshow檢驗評估模型的區分度和校準度，采用Delong檢驗比較各模型的AUC，采用決策曲線分析（decision curve analysis，DCA）評估模型臨床實用性，并采用Bootstrap法重復采樣1 000次對模型進行內部驗證。以P<0.05為差異有統計學意義。

2 結果

2.1 建模組臨床基線資料比較

建模組共703名受試者，其中男349名，女354名；年齡18～91歲，中位年齡51（30，61）歲。有主動脈硬化風險者年齡、BMI、SBP、DBP、MAP、尿素、FBG、LDL-C、TG、TC、ALT、AST、Hb、飲酒、血脂異常、糖尿病比例高于無主動脈硬化風險者，GFR、PLT低于無主動脈硬化風險者，差異有統計學意義（P<0.05）；兩組性別、心率、肌酐、UA、HDL-C、吸煙比例比較，差異無統計學意義（P>0.05），見表1。

2.2 主動脈硬化影響因素的單因素及多因素Logistic回歸分析

以是否發生主動脈硬化（賦值：否=0，是=1）為因變量，以性別（賦值：女=0，男=1）、血脂異常（賦值：否=0，是=1）、年齡、MAP、BMI、AST、GFR、UA、FBG、TG、TC、Hb（賦值均為實測值）為自變量進行單因素Logistic回歸分析，結果顯示性別、年齡、MAP、BMI、AST、GFR、UA、FBG、TG、TC、Hb、血脂異常為主動脈硬化的影響因素（P<0.05）。進一步將單因素分析差異有統計學意義的結果納入多因素Logistic回歸分析（賦值同上），結果顯示年齡（OR=1.112，95%CI=1.082～1.143）、MAP（OR=1.146，95%CI=1.107～1.188）、Hb（OR=1.026，95%CI=1.004～1.049）和FBG（OR=1.353，95%CI=1.076～1.701）是主動脈硬化的獨立影響因素（P<0.05），見表2、3。

2.3 主動脈硬化預測模型的性能評價

納入多因素Logistic回歸分析結果差異有統計學意義的指標（年齡、MAP、Hb、FBG）構建預測主動脈硬化的預測模型Ⅰ，同時根據臨床經驗分別納入吸煙、性別、血脂異常構建模型Ⅱ、模型Ⅲ、模型Ⅳ，繪制模型Ⅰ～模型Ⅳ的ROC曲線，模型Ⅰ～模型Ⅳ的AUC分別為0.941（95%CI=0.923～0.964，P<0.05）、0.941（95%CI=0.922～0.962，P<0.05）、0.941（95%CI=0.922～0.963，P<0.05）、0.939（95%CI=0.919～0.962，P<0.05）；Delong檢驗結果示，模型Ⅰ、模型Ⅱ、模型Ⅲ、模型Ⅳ的AUC比較，差異無統計學意義（P>0.05），見圖1、表4、表5。

2.4 列線圖模型的構建

根據多因素Logistic回歸分析結果，以年齡、MAP、FBG、Hb為預測因子構建列線圖模型，見圖2。通過將相應預測因子的得分相加得出總分，對應的概率即為主動脈硬化發生的概率。

2.5 模型的內部驗證和外部驗證

內部驗證：采用Bootstrap法進行內部驗證，對建模組進行1 000次重復抽樣后，計算得到的C-index為0.939，表明模型具有良好的區分度，準確率為86.8%。Hosmer-Lemeshow檢驗結果為χ2=14.500（P=0.070），預測模型曲線和參考線重合度較好，提示模型的校準度良好。繪制ROC曲線，AUC為0.941（95%CI=0.920～0.962），靈敏度為0.832，特異度為0.917，約登指數為0.267，見圖3A。

外部驗證：驗證組模型中C-index為0.922，校準圖顯示實際曲線與理想曲線吻合良好。AUC為0.961（95%CI=0.914～1.000），靈敏度為0.872，特異度為0.964，預測準確率為93.9%。Hosmer-Lemeshow檢驗χ2=1.547（P=0.992），見圖3B。

DCA曲線中A線假設對所有受試者采取主動脈硬化風險干預方案，凈獲益是斜率為負值的反斜線；B線假設受試者均不采取干預方案，凈獲益為0。使用主動脈硬化早期篩查模型可以使受試者在臨床中獲益，見圖4。

3 討論

3.1 研究結果及意義

本研究通過綜合分析建模組703名受試者的數據，揭示了主動脈硬化與多種生理指標之間的顯著關聯，為心血管疾病的早期識別和預防提供了重要的科學依據。研究結果表明，主動脈硬化組在年齡、BMI、心率、SBP、DBP、MAP、尿素、FBG、TG、TC、AST、PLT、飲酒比例、血脂異常比例和糖尿病比例等方面均顯著高于正常組，而GFR水平顯著低于正常組。這些發現不僅加深了對主動脈硬化病理機制的認識，而且為主動脈硬化的臨床診斷提供了新的生物標志物。此外，回歸分析結果顯示，年齡、MAP、Hb和FBG是主動脈硬化的獨立預測因子?；谏鲜鑫ｋU因素，構建的早期主動脈硬化風險篩查模型能夠精確地識別早期血管功能異常的個體，為心血管疾病的預防和管理提供了一種簡單高效的評估工具，有望在臨床實踐中發揮重要作用。

3.2 主動脈硬化相關危險因素分析

Logistic回歸分析顯示年齡增長、MAP升高是主動脈硬化的獨立危險因素，年齡的增長與主動脈硬化的風險呈正相關，會導致血管壁逐漸失去彈性，發生內膜的變化以及脂質斑塊的積累［13］。因此，隨著年齡的增加，個體主動脈硬化風險逐漸增加。高血壓在主動脈硬化過程中同樣發揮著關鍵作用，高血壓會增加血管壁的壓力，導致內膜受損，從而使動脈壁對脂蛋白的通透性增加，加快膽固醇斑塊的形成［14］。目前高血壓的定義是基于SBP和DBP的水平，研究指出［15］亞洲人高血壓長期卒中風險應通過SBP和DBP一起評估，或通過MAP進行評估。劉倩等［16］發現在非高血壓人群中，基線MAP和10年隨訪期間MAP升高是影響動脈硬化進展的重要因素。BENETOS等［17］發現MAP越高，動脈的擴張性越低（r=-0.36，P<0.01）。

本研究發現，Hb升高是主動脈硬化獨立危險因素，與ZHANG等［18］和LIANG等［19］研究結果一致。Hb主要通過影響血液黏度，以及外周小動脈的口徑影響外周血管阻力［20］。Hb水平的升高與脈搏波速度的增加可能由以下機制解釋：（1）Hb水平的升高與血壓升高有關，而持續升高的血壓會加速動脈粥樣硬化。（2）Hb會導致胰島素抵抗，胰島素抵抗與動脈硬化有關［21］。（3）血紅素氧合酶1（HO-1）是降解Hb的誘導限速酶，具有血管舒張作用。當體內Hb過多時，大量的游離Hb釋放到血液中，導致氧化應激，激活HO-1的降解作用。當HO-1減少時，無法在高血壓中調節血管內皮生長因子，減輕氧化應激和炎癥［22-23］。

FBG是主動脈硬化重要危險因素之一，是一種廉價且方便的糖代謝測量方法，高血糖與冠狀動脈疾病的發生和嚴重程度密切相關。研究表明高血糖可誘導心血管細胞中線粒體活性氧的過量產生，過量的活性氧可通過激活多種途徑促進動脈粥樣硬化［24］，此外，高血糖可能通過誘導內皮細胞功能障礙、減少一氧化氮的生物可用性、促進血管收縮或促使凝血狀態，并增強核因子κB的表達，從而加速動脈粥樣硬化的發展［25］。一項為期5年的關于中國社區人群的前瞻性研究中發現，FBG升高是cfPWV增加的獨立影響因素［26］，本研究結果與之一致。

吸煙和血脂異常被廣泛認為是心血管疾病的危險因素。研究發現香煙中的尼古丁不僅會通過刺激活性氧的產生激活NOD樣受體熱蛋白結構域相關蛋白3炎癥體，導致內皮細胞焦亡，同時也會引起脂肪組織異常，從而加速動脈粥樣硬化的進展［27-28］。血脂異常是指血漿TC和/或TG水平增高，或是HDL-C水平降低。這種血脂水平的失衡會導致血液中的脂質更易沉積于血管壁內膜，形成粥樣斑塊［29］。吸煙和血脂異常會導致動脈硬化似乎是合理的，但CECELJA等［30］開展了一項元分析，納入了65項研究，結果顯示僅有個別研究報道了吸煙、TC、LDL-C、HDL-C與cfPWV之間存在顯著獨立相關性。本研究也發現，在考慮了其他潛在的混雜因素后，吸煙和血脂異常并不是主動脈硬化的獨立危險因素，該發現與VLACHOPOULOS等［31］的研究結果一致?？赡苁且驗閏fPWV是評價血管早期功能的指標，在動脈粥樣硬化的早期階段，這些風險因素可能對動脈壁的硬度影響不大。但隨著病情進展，特別是出現鈣化斑塊時，可能會增加動脈僵硬度。

3.3 早期主動脈硬化風險篩查模型的建立

列線圖建模方法是一種強大且可解釋性較強的統計工具，適用于二分類問題，能夠預測某一臨床事件發生的概率［32］。在模型構建過程中，通過Logistic回歸分析篩選出對主動脈硬化風險具有顯著影響的因素，包括年齡、MAP、Hb和FBG。通過給予這些因素相應的評分，計算影響因素的總分，獲得相應的風險預測值。該模型經驗證能夠有效篩查早期血管功能異常人群。外部驗證C-index為0.922，AUC>0.9，提示該模型區分度較好［33］。校準圖顯示兩曲線重合度較好，Hosmer-Lemeshow檢驗表明預測結果與觀察結果間存在較好的一致性。此外，外部驗證的準確率為93.9%，進一步表明預測結果與觀察結果的準確度較高。在模型性能評價方面，在僅考慮年齡、MAP、Hb和FBG 4個指標時，模型的AUC、特異度和準確率均優于其他考慮了血脂異常、吸煙和性別的模型，因此血脂異常、吸煙和性別未被納入最終模型。

4 小結

本研究成功構建了一個以年齡、MAP、Hb和FBG為預測因子的早期主動脈硬化風險篩查模型，該模型在識別早期血管異常人群方面表現出高效性和準確性，為社區居民提供了一種便捷且高效的篩查工具。然而，本研究采用的是橫斷面研究設計，無法推斷出變量間的因果關系或時間順序。此外，本研究未考慮其他潛在風險因素，例如遺傳傾向、環境暴露或個人生活方式等，這些均可能對主動脈硬化的發展產生顯著影響。鑒于主動脈硬化是一個動態發展的病理過程，未來的研究應當通過長期隨訪的方式，納入遺傳、環境和生活方式等多維度因素，以實現對主動脈硬化風險更全面的評估。

作者貢獻：周鎮森進行研究設計、數據分析、撰寫論文；周鎮森、黃巖、張曉雨負責數據收集；程思為負責數據校對和錄入；張小玉、孫婷、楊先軍、謝暉負責文章審校；馬祖長負責最終版本修訂，對論文整體負責。

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.

VAN BORTEL L M，LAURENT S，BOUTOUYRIE P，et al. Expert consensus document on the measurement of aortic stiffness in daily practice using carotid-femoral pulse wave velocity［J］. J Hypertens，2012，30（3）：445-448. DOI：10.1097/HJH.0b013e32834fa8b0.

BENETOS A，WAEBER B，IZZO J，et al. Influence of age，risk factors，and cardiovascular and renal disease on arterial stiffness：clinical applications［J］. Am J Hypertens，2002，15（12）：1101-1108. DOI：10.1016/s0895-7061（02）03029-7.

LIANG Y L，TEEDE H，KOTSOPOULOS D，et al. Non-invasive measurements of arterial structure and function：repeatability，interrelationships and trial sample size［J］. Clin Sci，1998，95（6）：669-679. DOI：10.1042/cs0950669.

LAURENT S，COCKCROFT J，VAN BORTEL L，et al. Expert consensus document on arterial stiffness：methodological issues and clinical applications［J］. Eur Heart J，2006，27（21）：2588-2605. DOI：10.1093/eurheartj/ehl254.

KIM E D，BALLEW S H，TANAKA H，et al. Short-term prognostic impact of arterial stiffness in older ozecR3yqxfZCqOWsQmrnpkdT59sRzO8JVtWETL3egN8=adults without prevalent cardiovascular disease［J］. Hypertension，2019，74（6）：1373-1382. DOI：10.1161/HYPERTENSIONAHA.119.13496.

COURVOISIER D S，COMBESCURE C，AGORITSAS T，et al. Performance of logistic regression modeling：beyond the number of events per variable，the role of data structure［J］. J Clin Epidemiol，2011，64（9）：993-1000. DOI：10.1016/j.jclinepi.2010.11.012.

TAKUMA Y，SHOTA I，MIYATAKE H，et al. Nomograms to predict the disease-free survival and overall survival after radiofrequency ablation for hepatocellular carcinoma［J］. Intern Med，2018，57（4）：457-468. DOI：10.2169/internalmedicine.9064-17.

MCCLAVE A K，MCKNIGHT-EILY L R，DAVIS S P，et al. Smoking characteristics of adults with selected lifetime mental illnesses：results from the 2007 National Health Interview Survey［J］. Am J Public Health，2010，100（12）：2464-2472. DOI：10.2105/AJPH.2009.188136.

徐文超，覃玉，蘇健，等. 江蘇省≥35歲社區居民飲酒與肥胖對糖尿病患病交互作用［J］. 中國公共衛生，2020，36（12）：1776-1779. DOI：10.11847/zgggws1123881.

王增武，劉靜，李建軍，等. 中國血脂管理指南（2023年）［J］. 中國循環雜志，2023，38（3）：237-271.

Reference Values For Arterial Stiffness' Collaboration. Determinants of pulse wave velocity in healthy people and in the presence of cardiovascular risk factors：'establishing normal and reference values'［J］. Eur Heart J，2010，31（19）：2338-2350. DOI：10.1093/eurheartj/ehq165.

CECELJA M，CHOWIENCZYK P. Role of arterial stiffness in cardiovascular disease［J］. JRSM Cardiovasc Dis，2012，1（4）：cvd.2012.012016. DOI：10.1258/cvd.2012.012016.

RAFIEIAN-KOPAEI M，SETORKI M，DOUDI M，et al. Atherosclerosis：process，indicators，risk factors and new hopes［J］. Int J Prev Med，2014，5（8）：927-946.

MIURA K，SOYAMA Y，MORIKAWA Y，et al. Comparison of four blood pressure indexes for the prediction of 10-year stroke risk in middle-aged and older Asians［J］. Hypertension，2004，

44（5）：715-720. DOI：10.1161/01.HYP.0000145108.23948.7b.

劉倩，韓旭，馬一涵，等. 非高血壓人群平均動脈壓對動脈硬化進展的影響［J］. 中華高血壓雜志，2021，29（8）：733-739. DOI：10.16439/j.issn.1673-7245.2021.08.008.

BENETOS A，LAURENT S，HOEKS A P，et al. Arterial alterations with aging and high blood pressure. A noninvasive study of carotid and femoral arteries［J］. Arterioscler Thromb，1993，13（1）：90-97. DOI：10.1161/01.atv.13.1.90.

ZHANG Z Z，WANG P，KONG X L，et al. Association of hemoglobin with arterial stiffness evaluated by carotid-femoral pulse wave velocity among Chinese adults［J］. Chronic Dis Transl Med，2019，5（2）：122-128. DOI：10.1016/j.cdtm.2018.06.001.

LIANG J，ZHOU N，TENG F，et al. Hemoglobin A1c levels and aortic arterial stiffness：the Cardiometabolic Risk in Chinese（CRC）study［J］. PLoS One，2012，7（8）：e38485. DOI：10.1371/journal.pone.0038485.

FOSSUM E，H?IEGGEN A，MOAN A，et al. Whole blood viscosity，blood pressure and cardiovascular risk factors in healthy blood donors［J］. Blood Press，1997，6（3）：161-165. DOI：10.3109/08037059709061932.

BARBIERI M，RAGNO E，BENVENUTI E，et al. New aspects of the insulin resistance syndrome：impact on haematological parameters［J］. Diabetologia，2001，44（10）：1232-1237. DOI：10.1007/s001250100634.

CHEN H M，HUA Q，HOU H X. Association of hemoglobin with ambulatory arterial stiffness index in untreated essential hypertensive patients without anemia［J］. Intern Med，2011，50（22）：2759-2765. DOI：10.2169/internalmedicine.50.5832.

ANGERMAYR B，MEJIAS M，GRACIA-SANCHO J，et al. Heme oxygenase attenuates oxidative stress and inflammation，and increases VEGF expression in portal hypertensive rats［J］. J Hepatol，2006，44（6）：1033-1039. DOI：10.1016/j.jhep.2005.09.021.

SHAH M S，BROWNLEE M. Molecular and cellular mechanisms of cardiovascular disorders in diabetes［J］. Circ Res，2016，

118（11）：1808-1829. DOI：10.1161/CIRCRESAHA.116.306923.

KING R J，GRANT P J. Diabetes and cardiovascular disease：pathophysiology of a life-threatening epidemic［J］. Herz，2016，41（3）：184-192. DOI：10.1007/s00059-016-4414-8.

FU S H，CHEN W J，LUO L M，et al. Roles of fasting and postprandial blood glucose in the effect of type 2 diabetes on central arterial stiffness：a 5-year prospective community-based analysis［J］. Diabetol Metab Syndr，2017，9：33. DOI：10.1186/s13098-017-0231-3.

WU X X，ZHANG H Y，QI W，et al. Nicotine promotes atherosclerosis via ROS-NLRP3-mediated endothelial cell pyroptosis［J］. Cell Death Dis，2018，9（2）：171. DOI：10.1038/s41419-017-0257-3.

WANG Z Y，WANG D，WANG Y. Cigarette smoking and adipose tissue：the emerging role in progression of atherosclerosis［J］. Mediators Inflamm，2017，2017：3102737. DOI：10.1155/2017/3102737.

李建軍. 血脂異常與動脈粥樣硬化關系的現代觀念［J］. 中國循環雜志，2022，37（3）：212-214. DOI：10.3969/j.issn.1000-3614.2022.03.002.

CECELJA M，CHOWIENCZYK P. Dissociation of aortic pulse wave velocity with risk factors for cardiovascular disease other than hypertension：a systematic review［J］. Hypertension，2009，

54（6）：1328-1336. DOI：10.1161/HYPERTENSIONAHA.

109.137653.

VLACHOPOULOS C，XAPLANTERIS P，ABOYANS V，et al. The role of vascular biomarkers for primary and secondary prevention. A position paper from the European Society of Cardiology Working Group on peripheral circulation：endorsed by the Association for Research into Arterial Structure and Physiology（ARTERY）Society［J］. Atherosclerosis，2015，241（2）：507-532. DOI：10.1016/j.atherosclerosis.2015.05.007.

陶立元，張華，趙一鳴. 列線圖的制作要點及其應用［J］. 中華兒科雜志，2017，55（5）：323. DOI：10.3760/cma.j.issn.0578-1310.2017.05.002.

王俊峰，章仲恒，周支瑞，等. 臨床預測模型：模型的驗證［J］. 中國循證心血管醫學雜志，2019，11（2）：141-144. DOI：10.3969/j.issn.1674-4055.2019.02.04.

（收稿日期：2024-02-07；修回日期：2024-06-20）

（本文編輯：鄒琳）