心血管疾病風險預測的演進：從 Framingham 到 PREVENT
風險預測的目標與歷史脈絡
心血管疾病（CVD）風險預測是預防工作中最關鍵的環節之一。其核心目標有二：首先，識別出風險增加的個體；其次，利用此資訊對這些高風險群體進行干預。這一策略源於數十年前提出的「高風險預防」理念，旨在將資源集中於風險曲線尾端的人群，以最大限度地提高干預效益，並避免對無需治療者進行不必要的藥物暴露。心血管醫學指南很早就確立了風險評估的地位。早期的模型奠基於傳統的危險因子：
- Framingham 風險評分 (FRS)： 作為第一個基礎模型，於 1990 年代發布，依賴年齡、性別、膽固醇水平、血壓、糖尿病和吸煙狀態來量化冠心病 (CHD) 風險。
- 彙集隊列方程 (PCE)： 於 2013 年發布，將預測範圍擴展至包括中風。該模型首次納入了高血壓治療狀態，並根據白人和黑人族群數據，建立了種族與性別分層的方程式。
新範式的出現：CKM 症候群與 PREVENT 模型
儘管 CHD 死亡率在過去幾十年顯著下降，但其他 CVD（如心臟衰竭、瓣膜性心臟病和心律失常）的死亡率卻有所增加。這促使醫學界意識到，風險評估需要跳脫單純關注冠心病的限制，轉向更全面的視野。
新的預防範式需要整合代謝疾病、慢性腎臟病 (CKD) 和更廣泛的 CVD 類型。這些疾病常共同發生，並表現出協同效應，導致CVD 風險更高，不良結果提前發生。這催生了「心血管腎臟代謝症候群」（CKM Syndrome）的概念，它描述了心臟、腎臟、糖尿病和肥胖之間相互關聯導致的健康問題。
PREVENT 模型的開發與多元性考量
PREVENT 風險預測模型即是基於 CKM 理念開發的。其開發旨在克服先前模型的局限，實現以下主要目標：
- 擴大樣本： 必須具備涵蓋當代且多樣化的美國人口樣本。PREVENT 模型利用電子病歷（EMR）數據集輔助研究隊列，將樣本量擴大到超過 300 萬人。
- 整合預測因子： 除了傳統因子外，模型納入了體重指數 (BMI)、估計腎小球過濾率 (eGFR) 以評估腎臟健康，以及是否使用史他汀類藥物。模型採用模組化設計，允許在可獲得數據時加入額外的預測因子（如尿液白蛋白/肌酐比值 UACR、社會剝奪指數 SDI 等）。
- 擴展評估結果： PREVENT 納入了不斷增加的心臟衰竭負擔。模型的評估結果分為三類：總體 CVD（包含 ASCVD 和心臟衰竭的複合終點）、ASCVD 單項、以及心臟衰竭單項。
模型性能與對風險差異的處理
PREVENT 模型展現了良好的預測性能：C-統計量在 0.76 到 0.83 範圍內，屬於良好至優秀。尤其在預測心臟衰竭方面，C 統計量達到了 0.81 至 0.83。
針對種族差異問題，PREVENT 模型做了重大突破。由於種族被視為社會建構，該模型未將種族納入預測因子。研究發現，儘管存在種族差異，但納入模型中的臨床風險因子（如高血壓和糖尿病）已能很大程度上解釋這些差異。這確保了臨床護理演算法不會依據種族而有所區分。
此外，當 PREVENT 模型與 PCE 進行比較時，發現在多元化的樣本中，PCE 系統性地高估了所有種族和族裔群體的風險。PREVENT 模型在不同族群間的校準斜率更接近理想值。
風險因子的相互作用至關重要：例如，若一位 55 歲患者同時患有 CKD 和糖尿病，其預測風險會被顯著放大，從約 2.7% 躍升至約 12%。
當前的挑戰與未來展望
目前，臨床指南主要仍依賴 PCE 確立的風險閾值（如使用史他汀藥物治療的 7.5% 門檻）。
PREVENT 模型雖然提供了更精確的風險評估，但仍需等待新的指南發布，以確定應如何應用此模型、以及明確的干預閾值。風險模型是成功預防的第一步。未來的研究將集中於定義風險閾值，並確保這些預防性療法能夠公平地實施。
