基于LASSO回歸的冠心病患者發(fā)生心力衰竭的風險預測模型構建

[摘要]目的分析冠心病患者發(fā)生心力衰竭的危險因素，構建并驗證冠心病（coronaryheartdisease，CHD）患者發(fā)生心力衰竭的列線圖預測模型。方法回顧性分析2022年1月至12月于沈陽醫(yī)學院附屬第二醫(yī)院住院治療的453例CHD患者的臨床資料，其中CHD合并心力衰竭患者278例，未合并心力衰竭患者175例，將患者按7∶3分為訓練組（318例）和驗證組（135例），應用R軟件進行LASSO回歸篩選危險因素，Logistic回歸建立預測模型并構建列線圖，采用校準曲線和受試者操作特征曲線（receiveroperatingcharacteristiccurve，ROC曲線）評價模型的校準度和區(qū)分度。結果LASSO回歸分析最終從22個變量中篩選出5個危險因素，Logistic回歸結果顯示年齡、吸煙、有心肌梗死病史、紐約心臟病協(xié)會（NewYorkHeartAssociation，NYHA）心功能分級Ⅳ級、左室射血分數(shù)（leftventricularejectionfraction，LVEF）均是CHD患者發(fā)生心力衰竭的獨立危險因素（P<0.05）。模型公式：Z=–2.927+0.045×年齡+0.886×吸煙+0.808×心肌梗死病史–2.829×NYHA心功能分級Ⅳ級+0.037×LVFF。對該模型進行內(nèi)部驗證，曲線下面積為0.727（95%CI：0.588～0.752），敏感度為40.4%，特異性為84.3%，約登指數(shù)為0.247。校準曲線預測值與實際值一致性較高，Brier評分0.106。結論基于LASSO回歸構建的CHD患者發(fā)生心力衰竭的風險預測模型具有較好的區(qū)分度和預測效能，可作為醫(yī)務人員對患者進行風險預測的評估工具。

[關鍵詞]冠心病；心力衰竭；列線圖；風險預測；LASSO回歸

[中圖分類號]R541.4；R541.6[文獻標識碼]A[DOI]10.3969/j.issn.1673-9701.2024.28.001

ConstructionofriskpredictionmodelofheartfailureinpatientswithcoronaryheartdiseasebasedonLASSOregression

XUYikang1，MAJingru1，YANGYang1，LIULei2，ZHANGZhifeng2，SUNSiqi2，LIManman2，ZHANKaiwen2

1.DepartmentofCardiology，theSecondAffiliatedHospitalofShenyangMedicalCollege，Shenyang110000，Liaoning，China;2.SchoolofNursing，LiaoningUniversityofTraditionalChineseMedicine，Shenyang110000，Liaoning，China

[Abstract]ObjectiveToanalyzetheriskfactorsofheartfailureinpatientswithcoronaryheartdisease（CHD），andtoconstructandverifyanomogrampredictionmodelfortheriskofheartfailureinpatientswithCHD.MethodsTheclinicaldataof453patientswith&nbsp;CHDwhowerehospitalizedintheSecondAffiliatedHospitalofShenyangMedicalCollegefromJanuarytoDecember2022wereretrospectivelyanalyzed，including278patientswithCHDcombinedwithheartfailureand175patientswithoutheartfailure.Thepatientsweredividedintotraininggroup（318cases）andvalidationgroup（135cases）accordingtotheratioof7：3.RsoftwarewasappliedtoperformLASSOregressiontoscreentheriskfactors，andLogisticregressiontoestablishapredictionmodelandconstructanomogram.Thecalibrationcurveandreceiveroperatingcharacteristic（ROC）curvewereusedtoevaluatethecalibrationanddiscriminationofthemodel.ResultsLASSOregressionanalysisultimatelyscreenedfiveriskfactorsfrom22variables，andLogisticregressionresultsshowedthatage，smoking，historyofmyocardialinfarction，NewYorkHeartAssociation（NYHA）cardiacfunctionclassⅣ，andleftventricularejectionfraction（LVEF）wereallindependentriskfactorsforheartfailureinCHDpatients（P<0.05）.ThemodelformulawasZ=–2.927+0.045×age+0.886×smoking+0.808×historyofmyocardialinfarction–2.829×NYHAcardiacfunctionclassⅣ+0.037×LVFF.Internalvalidationofthemodelshowedthatareaunderthecurvewas0.727（95%CI：0.588-0.752），thesensitivitywas40.4%，thespecificitywas84.3%，andtheYoudenindexwas0.247.Accordingtothecalibrationcurve，thepredictedvalueofthecalibrationcurvewashighlyconsistentwiththeactualvalue，andtheBrierscorewas0.106.ConclusionTheriskpredictionmodelforheartfailureinpatientswithCHDbasedonLASSOregressionhasgooddiscriminationandpredictionefficiency，whichcanbeusedasanevaluationtoolformedicalstafftopredicttheriskofpatients.

[Keywords]Coronaryheartdisease;Heartfailure;Nomograms;Riskprediction;LASSOregression

全球疾病負擔報告顯示2019年全球約有冠心病（coronaryheartdisease，CHD）患者1.97億[1]。《中國心血管健康與疾病報告2021》顯示，中國CHD患病率持續(xù)升高，CHD患病人數(shù)約1139萬人[2]。研究顯示中國48.3%的心力衰竭由CHD引發(fā)[3]。基于國家“防重于治”的理念，將防控關口前移，早期識別發(fā)生心力衰竭的高危人群，及時探求危險因素，制定個體化防治策略，可降低心力衰竭發(fā)病率、延緩疾病進展及延長患者壽命[4]。LASSO回歸以其處理多重共線性數(shù)據(jù)的優(yōu)勢，近年來在危險因素篩選中應用較為廣泛[5]。本研究使用LASSO回歸方法篩選CHD患者發(fā)生心力衰竭的危險因素，采用Logistic回歸構建風險預測模型并以列線圖形式展現(xiàn)，為早期識別高危人群、制定心力衰竭精準預防措施、延緩CHD患者發(fā)生心力衰竭的進程提供科學依據(jù)。

1資料與方法

1.1研究對象

回顧性分析2022年1月至12月于沈陽醫(yī)學院附屬第二醫(yī)院住院治療的CHD患者的臨床資料。納入標準：①年齡>18歲；②符合歐洲心臟病學會指南的冠心病臨床診斷標準[6]。排除標準：①伴有嚴重肝腎功能衰竭、肺功能衰竭、心臟瓣膜疾病、重癥感染、免疫系統(tǒng)疾病及惡性腫瘤者；②臨床資料不完整者。心力衰竭診斷參照《中國心力衰竭診斷和治療指南2024》[7]。本研究經(jīng)沈陽醫(yī)學院附屬第二醫(yī)院醫(yī)學倫理委員會審核批準（倫理審批號：2023-沈醫(yī)二院倫理-04Y26Jyede3u9fRSDrRUtNWTYI7SsQTn9qZ+m5LTVzs3E=1）。

1.2資料收集

通過查閱患者的電子病歷，收集社會人口學資料、疾病相關資料及各種實驗室檢查指標。人口學資料包括年齡、性別、體質(zhì)量指數(shù)（bodymassindex，BMI）、吸煙及飲酒史、既往藥物應用情況；疾病資料包括高血壓、糖尿病、心肌梗死、房顫/房撲、腦卒中、慢性腎功能不全、外周動脈疾病、血脂異常、紐約心臟病協(xié)會（NewYorkHeartAssociation，NYHA）心功能分級；實驗室資料包括心鈉素、尿酸、左室射血分數(shù)（leftventricularejectionfraction，LVEF）、左室舒張末期內(nèi)徑、空腹血糖、血肌酐、血紅蛋白、血鈉、血鉀、三酰甘油、總膽固醇、高密度脂蛋白膽固醇、低密度脂蛋白膽固醇、超敏C反應蛋白。

1.3統(tǒng)計學方法

數(shù)據(jù)采用雙人雙錄入至Epidata3.0數(shù)據(jù)庫，運用R語言軟件（4.0.5版本）對數(shù)據(jù)進行統(tǒng)計分析。符合正態(tài)分布的計量資料以均數(shù)±標準差（）表示，比較采用t檢驗，不符合正態(tài)分布的計量資料以中位數(shù)（四分位數(shù)間距）[M（Q1，Q3）]表示，比較采用Mann-WhitneyU檢驗。計數(shù)資料以例數(shù)（百分率）[n（%）]表示，比較采用χ2檢驗。P<0.05為差異有統(tǒng)計學意義。采用LASSO回歸篩選危險因素，Logistic回歸建立預測模型，列線圖對結果進行可視化呈現(xiàn)。采用受試者操作特征曲線（receiveroperatingcharacteristiccurve，ROC曲線）評價模型的預測效能，繪制校準曲線進行模型一致性檢驗。曲線下面積（areaunderthecurve，AUC）為0.5～0.7，表示模型預測性能一般；AUC為0.7～0.9，表示模型預測性能良好；AUC>0.9，表示模型預測性能非常好[8]。校準概率以Brier評分表示，Brier評分越接近0，表示模型校準度越好[9]。

2結果

2.1患者的一般情況

本研究共納入453例CHD患者，合并心力衰竭者278例，占比61.4%，未合并心力衰竭者175例，占比38.6%。年齡25～97歲，平均（68.50±12.75）歲；男303例，女150例。將453份數(shù)據(jù)資料按照7∶3分為訓練組（318例）和驗證組（135例）。訓練組和驗證組患者的一般特征和臨床資料比較差異均無統(tǒng)計學意義（P>0.05），見表1。

2.2CHD患者發(fā)生心力衰竭的危險因素篩選

對CHD發(fā)生心力衰竭和未發(fā)生心力衰竭患者的臨床資料進行LASSO回歸分析，最終從22個變量中篩選出5個危險因素，分別為年齡、吸煙、心肌梗死、NYHA心功能分級、LVEF，均為非零系數(shù)。使用10倍交叉的方法，驗證擬合不同變量組合下的模型，依據(jù)lambda.1se變量篩選準則，log（λ）=0.050模型性能優(yōu)良且模型精簡，見圖1、圖2。

2.3基于Logistic回歸的風險預測模型構建

使用訓練組數(shù)據(jù)進行模型構建，以是否發(fā)生心力衰竭為因變量（未發(fā)生=0，并發(fā)=1），將LASSO回歸篩選出的變量作為自變量納入Logistic回歸模型進行分析。自變量賦值情況：年齡（賦值：實測值）、吸煙（賦值：是=1，否=0）、心肌梗死（賦值：是=1，否=0）、NYEF心功能分級（賦值：實測值）、LVEF（賦值：實測值）。結果顯示年齡、吸煙、有心肌梗死病史、NYHA心功能分級Ⅳ級、LVEF均是CHD

患者發(fā)生心力衰竭的獨立危險因素（P<0.05），見表2。模型公式：Z=–2.927+0.045×年齡+0.886×吸煙+0.808×心肌梗死病史–2.829×NYHA心功能分級Ⅳ級+0.037×LVFF。

2.4模型驗證

使用驗證組數(shù)據(jù)進行模型驗證，結果顯示AUC為0.727（95%CI：0.588～0.752），敏感度為40.4%，特異性為84.3%，約登指數(shù)為0.247，表示該模型具有中等區(qū)分度，見圖3。校準曲線接近于理想曲線，Brier評分0.106，提示校準曲線預測值與實際值一致性較高，模型預測能力較好，見圖4。

2.5列線圖建立

構建可視化列線圖，5個危險因素分別對應列線圖橫軸上的具體分值，將這些因素對應的分值相加，即得到總分。總分越高，CHD患者發(fā)生心力衰竭的危險就越大，見圖5。

3討論

本研究結果顯示，年齡越高、吸煙、有心肌梗死病史、NYHA心功能分級高、LVEF低均是CHD患者發(fā)生心力衰竭的危險因素。分析原因：①年齡：個體的心臟功能隨著年齡增長而逐漸衰退，CHD患者雖然經(jīng)過專業(yè)治療，但其心臟功能恢復緩慢，心力衰竭發(fā)生風險也隨之增高，因此高齡是CHD患者發(fā)生心力衰竭的獨立危險因素[10-11]；②吸煙：流行病學調(diào)查發(fā)現(xiàn)，有吸煙史的患者發(fā)生心肌梗死的年齡段比無吸煙史者早約10年[12]。究其原因：吸煙產(chǎn)生的炎癥反應及氧化應激可引起患者左室舒張功能障礙、心室質(zhì)量增加等心臟功能和結構變化；且煙霧中的苯并芘、尼古丁、一氧化碳等可導致血管內(nèi)皮損傷，促進動脈粥樣硬化，也會引發(fā)心臟收縮功能失常，從而增加心力衰竭的發(fā)生風險[13]；③心肌梗死：研究發(fā)現(xiàn)急性心肌梗死入院患者心力衰竭發(fā)病率為14%～36%[14]；國外研究發(fā)現(xiàn)心肌梗死后30d至5.7年心力衰竭發(fā)生率為13.1%～37.5%[15-16]。心肌梗死發(fā)生后，心肌細胞壞死、數(shù)量減少，從而導致心臟重構，而心臟重構是心肌梗死后心力衰竭發(fā)生的病理基礎。心肌梗死后的壞死細胞引發(fā)機體損傷，從而發(fā)生炎癥反應，加重組織受損。同時，心肌梗死后心排血量降低可激活交感神經(jīng)系統(tǒng)，加重心臟負荷和心臟重構，最終引發(fā)心力衰竭[17]；④NYHA心功能分級：研究發(fā)現(xiàn)心功能分級與低氧誘導因子-1α（hypoxia-induciblefactor-1α，HIF-1α）呈正相關，且心功能越差，HIF-1α水平越高，而心力衰竭患者的血清HIF-1α明顯升高[18]。NYHA分級越高，冠狀動脈病變越發(fā)嚴重和復雜，是心力衰竭的診斷依據(jù)；⑤LVEF：LVEF是判斷心臟收縮功能的重要指標，LVEF越低說明心臟收縮能力越弱，也是臨床判斷心力衰竭的常用參數(shù)。

本研究結果顯示，構建的模型具有較好的區(qū)分度和校準度。該模型內(nèi)部驗證所得AUC為0.727，敏感度為40.4%，特異性為84.3%，約登指數(shù)為0.247，表示該模型具有中等區(qū)分度。校準曲線接近于理想曲線，提示預測值與實際值一致性較高，模型預測能力較好。

列線圖已被廣泛應用于各類疾病及其并發(fā)癥的預測研究，其可通過整合預測的危險因素，進行單一患者疾病及并發(fā)癥發(fā)生概率估計，不僅提供個性化的預測模型，還給予可視化呈現(xiàn)。在臨床工作中，可應用該模型對CHD患者進行評估，以期早期發(fā)現(xiàn)心力衰竭的高危人群，早期進行干預，減少患者的不良結局。

綜上，本研究基于LASSO回歸構建的CHD患者發(fā)生心力衰竭的風險預測模型具有較好的區(qū)分度和預測效能，可作為醫(yī)務人員對CHD患者發(fā)生心力衰竭風險預測的評估工具。

利益沖突：所有作者均聲明不存在利益沖突。

[參考文獻]

• SAFIRIS，KARAMZADN，SINGHK，etal.Burdenofischemicheartdiseaseanditsattributableriskfactorsin204countriesandterritories，1990-2019[J].EurJPrevCardiol，2022，29（2）：420–431.
• 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2021概要[J].中國循環(huán)雜志，2022，37（6）：553–578.
• 國家心血管病醫(yī)療質(zhì)量控制中心專家委員會心力衰竭專家工作組.2020中國心力衰竭醫(yī)療質(zhì)量控制報告[J].中國循環(huán)雜志，2021，36（3）：221–238.
• 中國心衰中心聯(lián)盟，蘇州工業(yè)園區(qū)心血管健康研究院，中國心血管健康聯(lián)盟.中國心衰中心工作報告（2021）——心力衰竭患者的診療現(xiàn)況[J].中國介入心臟病學雜志，2022，30（5）：328–336.
• BODINIERB，F(xiàn)ILIPPIS，N?STTH，etal.Automatedcalibrationforstabilityselectioninpenalisedregressionandgraphicalmodels[J].JRStatSocSerCApplStat，2023，72（5）：1375–1393.