CN103995959A - 一种胆固醇筛查的方法及设备 - Google Patents
一种胆固醇筛查的方法及设备 Download PDFInfo
- Publication number
- CN103995959A CN103995959A CN201410171694.5A CN201410171694A CN103995959A CN 103995959 A CN103995959 A CN 103995959A CN 201410171694 A CN201410171694 A CN 201410171694A CN 103995959 A CN103995959 A CN 103995959A
- Authority
- CN
- China
- Prior art keywords
- cholesterol
- value
- cholesterol value
- overall
- risk
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Abstract
本发明实施例提供一种胆固醇筛查的方法及设备,首先,根据一个假设的胆固醇值和用户的其他心血管病危险因素的信息,初步估计所述用户的心血管病发病风险。只有在初步估计的风险大于适合开始药物预防的标准或阈值的情况下,才测量所述用户的真实的胆固醇值,并根据真实的胆固醇值估计所述用户真实的心血管病发病风险。最后,根据真实的风险是否大于适合开始药物预防的标准或阈值,确定是否建议所述用户采取药物预防。本发明在保证低漏检率及总体预防效果的同时,可以避免全民胆固醇测量,为社会节省80%以上的胆固醇测量费用;在个体层面,本发明可以避免不必要的胆固醇测量和由于筛查带来的后续不良作用,如误诊、情绪紧张、误工误学及经济损失等。
Description
所属技术领域
本发明涉及心血管病初级预防领域,尤其是一种胆固醇筛查的方法及设备。
背景技术
心血管病已成为人类最大的疾病负担,也是引起卫生费用不断攀升的重要原因。我国心血管病发病率、死亡率增长迅猛。从1990年起,我国心血管病死亡占总死亡比例持续居于首位,近年已接近全国总死亡人数的40%。药物预防是心血管病初级预防的重要措施之一,联合多种药物可以将心血管事件降低80%以上。一个人是否可以从药物预防中获益以及获益大小的首要决定因素,是其心血管病总体风险(例如10年内心血管病发病风险),而非某个单一的心血管病危险因素(例如高血压、高血脂)。因此,是否进行药物预防,应取决于心血管病总体风险的高低,这就是心血管病初级预防的总体风险策略。总体风险策略是目前世界卫生组织推荐的策略,也是大多西方国家以及我国指南推荐的策略。
实施总体风险策略,首先需要收集人群中每个成员的心血管病危险因素的信息,以评估其心血管病总体风险。在收集危险因素信息的过程中,测量血液胆固醇是最耗时间、费用最高的一项。为了节省资源,即便是心血管病总体风险普遍较高且医疗资源相对充足的欧美国家,大多都采取了选择性地、有系统地测量部分人群的胆固醇的策略,并不建议测量所有成人的胆固醇。
简单的做法是根据年龄对胆固醇测量的人群进行限制。例如,美国的心血管病初级预防指南建议20岁以上、无明显危险因素和遗传病史的成人进行胆固醇测量和心血管病总体风险评估。2007版中国成人血脂异常防治指南中建议,即使没有明显的危险因素和遗传病史,20岁以上的成人也应每五年进行一次胆固醇检查和心血管病风险评估,40岁以上的男性和绝经期后的女性则应每年进行一次检查。然而,在心血管病总体风险策略中,是否进行药物预防取决于心血管病总体风险,而非胆固醇的高低。仅仅依据年龄决定是否测量胆固醇,会引起大量不必要的测量和浪费,因为上述年龄段绝大多数人的心血管病总体风险并不是很高,不需要药物预防。因此,对于这部分人的胆固醇测量是不必要的,是可以节省的。
过去20年,为了减少胆固醇测量的费用,国际上曾提出过不少筛查方法,最好的是2008年英国国家卓越医疗卫生医疗服务研究院(National Institute forHealth and Clinical Excellence,NICE)提出的选择性胆固醇筛查方法。该方法首先利用初级保健电子病历系统中已经采集到的心血管病危险因素的信息,对每个人的心血管病总体风险进行初步评估,当胆固醇和血压值缺失时用该人群的平均值替代;然后对初估的总体风险排在前20%的人进行胆固醇和其他危险因素的全面测量,并依据这些因素的实际测量值再次预测心血管病总体风险。最后,根据再次预测的总体风险来决定是否进行药物预防。这种方法每年可节省大约1.5亿英镑的胆固醇测量费用。
但是,该方法存在以下问题:一,灵敏度仅有70%左右,即只能正确地筛查出70%需要药物预防的高危个体,其余的30%会被漏掉;二,测量心血管病总体风险最高的20%的人的胆固醇,是一个人为的规定,不适用于其他人群或不同的决策情况,而且在没有实际人群的资料支持时,无法确定漏检率和所减少的胆固醇测量人数;三,更重要的是,在没有总体人群里每个个体的心血管病危险因素信息的情况下,该方法无法将人们的心血管病总体风险排序以选出风险最高的20%的人,导致该方法无法使用,因此,这种方法在我国农村和很多城市目前是不可行的。在我国实施心血管病初级预防的总体风险策略,需要新的胆固醇筛查方法。
发明内容
本发明实施例提供了一种胆固醇筛查的方法及设备,旨在解决在心血管病初级预防领域,如何通过选择性的胆固醇筛查,以较少的费用实现全民胆固醇筛查所能达到的总体预防效果的问题。
一种胆固醇筛查的方法,所述方法包括:
根据用户信息和预先设置的胆固醇值计算所述用户未来的心血管病风险,所述用户信息至少包括年龄、性别、血压和吸烟情况;
在所述用户未来的心血管病风险大于适合开始药物预防的标准或阈值的情况下,测量所述用户真实的胆固醇值;
在所述用户信息保持不变的情况下,根据所述用户真实的胆固醇值计算所述用户真实的心血管病风险,以使得所述用户根据所述真实的心血管病风险是否大于所述适合开始药物预防的标准或阈值来确定是否接受药物预防。
所述预先设置的胆固醇值高于代表所述用户的总体人群或样本人群的平均胆固醇值;或者,
所述预先设置的胆固醇值是通过所述总体人群或可代表所述总体人群的样本人群的平均胆固醇值及其标准差,或者是通过所述总体人群或可代表所述总体人群的样本人群的胆固醇值的百分位数,计算得到的;或者,
所述预先设置的胆固醇值是根据公式(1)或者公式(2)计算得到的;
H-CHOL=M+Z×SD(1)
其中,所述H-CHOL表示所述预先设置的胆固醇值,所述M表示所述总体或样本人群的平均胆固醇值,所述SD表示所述总体或样本人群的平均胆固醇值的标准差,所述Z表示大于1的数值;
H-CHOL=X(2)
其中,所述H-CHOL表示所述预先设置的胆固醇值,所述X表示所述总体或样本人群的胆固醇值的百分位数所对应的胆固醇值,所述百分位数包括但不限于90%分位数、95%分位数、99%分位数。
所述总体或样本人群的平均胆固醇值是血液总胆固醇值或所述血液总胆固醇及其构成组分之间的关系式,所述关系式包括但不限于高密度胆固醇与总胆固醇之比;
所述总体或样本人群的平均胆固醇值、所述标准差及所述百分位数所对应的胆固醇值是测量所得的原始数值或由所述原始数值经过数学转换后得到的数值。
所述心血管病风险是通过适合所述人群的心血管病风险预测方程计算得到的,所述心血管病风险预测方程的表达形式包括但不限于:数学方程式以及根据所述数学方程式制作的用于估计心血管病风险的图、表、计算机软件、网络计算工具。
所述适合开始药物预防的标准或阈值包括但不限于:适合所述人群的实践指南规定的开始药物预防的所述心血管病风险的标准或阈值以及所述用户选择的开始药物预防的标准或阈值;
所述药物是可用于预防首次心脑血管事件的药物,包括但不限于降血压药物、降血脂药物、阿司匹林、叶酸。
一种胆固醇筛查的设备,所述设备包括:
第一计算单元,用于根据用户信息和预先设置的胆固醇值计算所述用户未来的心血管病风险,所述用户信息至少包括年龄、性别、血压和吸烟情况;
获取单元,用于在所述用户未来的心血管病风险大于适合开始药物预防的标准或阈值的情况下,测量所述用户真实的胆固醇值;
第二计算单元,用于在所述用户信息保持不变的情况下,根据所述用户真实的胆固醇值计算所述用户真实的心血管病风险,以使得所述用户根据所述真实的心血管病风险是否大于所述适合开始药物预防的标准或阈值来确定是否接受药物预防。
所述预先设置的胆固醇值高于代表所述用户的总体人群或样本人群的平均胆固醇值;或者,
所述预先设置的胆固醇值是通过所述总体人群或可代表所述总体人群的样本人群的平均胆固醇值及其标准差,或者是通过所述总体人群或可代表所述总体人群的样本人群的胆固醇值的百分位数,计算得到的;或者,
所述预先设置的胆固醇值是根据公式(1)或者公式(2)计算得到的;
H-CHOL=M+Z×SD(1)
其中,所述H-CHOL表示所述预先设置的胆固醇值,所述M表示所述总体或样本人群的平均胆固醇值,所述SD表示所述总体或样本人群的平均胆固醇值的标准差,所述Z表示大于1的数值;
H-CHOL=X(2)
其中,所述H-CHOL表示所述预先设置的胆固醇值,所述X表示所述总体或样本人群的胆固醇值的百分位数所对应的胆固醇值,所述百分位数包括但不限于90%分位数、95%分位数、99%分位数。
所述总体或样本人群的平均胆固醇值是血液总胆固醇值或所述血液总胆固醇及其构成组分之间的关系式,所述关系式包括但不限于高密度胆固醇与总胆固醇之比;或者,
所述总体或样本人群的平均胆固醇值、所述标准差及所述百分位数所对应的胆固醇值是测量所得的原始数值或由所述原始数值经过数学转换后得到的数值。
所述心血管病风险是通过适合所述人群的心血管病风险预测方程计算得到的,所述心血管病风险预测方程的表达形式包括但不限于:数学方程式以及根据所述数学方程式制作的用于估计心血管病风险的图、表、计算机软件、网络计算工具。
所述适合开始药物预防的标准或阈值包括但不限于:适合所述人群的实践指南规定的开始药物预防的所述心血管病风险的标准或阈值以及所述用户选择的可接受的开始药物预防的标准或阈值;
所述药物是可用于预防首次心脑血管事件的药物,包括但不限于降血压药物、降血脂药物、阿司匹林、叶酸。
本发明实施例提供一种胆固醇筛查的方法及设备,首先,根据一个假设的胆固醇值和用户的其他心血管病危险因素的信息,初步估计所述用户的心血管病发病风险。只有在初步估计的风险大于适合开始药物预防的标准或阈值的情况下,才测量所述用户的真实的胆固醇值,并根据真实的胆固醇值估计所述用户真实的心血管病发病风险。最后,根据真实的风险是否大于适合开始药物预防的标准或阈值,确定是否建议所述用户采取药物预防。本发明在保证低漏检率及总体预防效果的同时,可以避免全民胆固醇测量,为社会节省80%以上的胆固醇测量费用;在个体层面,本发明可以避免不必要的胆固醇测量和由于筛查带来的后续不良作用,如误诊、情绪紧张、误工误学及经济损失等。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种胆固醇筛查的方法流程图;
图2是本发明提供的一种获取预先设置的胆固醇值的方法示意图;
图3是本发明实施例提供的一种胆固醇筛查的方法示意图;
图4是本发明实施例提供的一种胆固醇筛查的方法示意图;
图5是本发明实施例提供的一种胆固醇筛查的方法示意图;
图6是本发明实施例提供的一种胆固醇筛查的设备结构图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整的描述,显然,所描述的实施例仅仅是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
参考图1,图1是本发明实施例提供的一种胆固醇筛查的方法流程图。如图1所示,所述方法包括:
步骤101,根据用户信息和预先设置的胆固醇值,初步估计所述用户的心血管病总体风险,所述用户信息至少包括年龄、性别、血压和吸烟情况;
其中,所述用户信息可以是预先存储的,如年龄、性别,也可以在患者门诊时即时采集。比如患者就诊时,可以当场采集其余信息,并判断患者是否需要检测胆固醇。
具体地,本发明的基本原理如下:实施心血管病初级预防的总体风险策略必须从收集人群中每个成员的心血管病危险因素的数据开始,并以此评估他们未来5年或10年的心血管病总体风险,如果一个人的心血管病总体风险高于适合所述人群的实践指南规定的或所述用户选择的应该开始药物预防的心血管病风险阈值,则给予药物预防的建议。如果一个人的心血管病总体风险低于这个心血管病风险阈值,则药物预防是不必要的,因此测量他的胆固醇就是不必要的,是可以避免的。在心血管病初级预防指南中,一切选择性地测量胆固醇的建议都是基于以上假设和逻辑。
因此,本发明提出的胆固醇筛查的具体做法都包括两个步骤。第一步,收集除胆固醇以外的其它用于预测心血管病总体风险的危险因素的信息,包括年龄、性别、血压、血糖、吸烟情况等,利用其它危险因素的真实信息,以及一个假设的、固定的、足够高的胆固醇值,初步估计一个人的心血管病总体风险(初估风险)。第二步,只对初估风险大于适合开始药物预防的标准或阈值的个体进行胆固醇测量,并根据其真实的胆固醇值重新评估他的心血管病总体风险(真实风险),如果这个真实风险大于适合开始药物预防的标准或阈值,则可建议药物预防。
研究证明中国人群心血管病危险因素和心血管病风险的关系函数不同于西方人群,弗明汉心血管病风险预测方程,以及由此衍生出的各种方法不适用于我国人群。经过详细文献分析,由合并亚洲多国(包括中国)人群随访数据建立的“亚洲方程”(预测结局包括冠心病、缺血性卒中和出血性卒中),或者我国血脂防治指南推荐的“缺血性心血管病风险方程”(预测结局包括冠心病和缺血性卒中)及“冠心病方程”(预测结局仅为冠心病)等,更适合于预测我国人的心血管病总体风险。以上方程均需要收集年龄、性别、血压、血脂、血糖和吸烟情况的信息。
可选地,所述预先设置的胆固醇值高于代表所述用户的总体人群或样本人群的平均胆固醇值。
其中,所述总体或样本人群的平均胆固醇值是血液总胆固醇值或所述血液总胆固醇及其构成组分之间的关系式,所述关系式包括但不限于高密度胆固醇与总胆固醇之比。
本发明采用较高的预先设置的胆固醇值使得大部分人的初估风险均高于其真实风险。上述做法的好处在于将待筛查胆固醇的人群由原来的全人群限制在初估风险高于适合开始药物预防的标准或阈值的这部分人群,可节省大量的胆固醇测量费用并避免抽血和测量胆固醇可能带来的副作用。预先设置的胆固醇值越高,这部分人群就越小,其中包含的真实高危人群的比例就越高,灵敏度就越高。
可选地,所述预先设置的胆固醇值是通过所述总体人群或可代表所述总体人群的样本人群的平均胆固醇值及其标准差计算得到的。所述总体或样本人群的平均胆固醇值及所述标准差是测量所得的原始数值或由所述原始数值经过数学转换后得到的数值。转换的目的是为了使转换后的胆固醇值分布更接近正态分布。
可选地,所述预先设置的胆固醇值是通过所述总体人群或可代表所述总体人群的样本人群的胆固醇值的百分位数计算得到的。类似地,所述总体人群或可代表所述总体人群的样本人群的胆固醇值也是测量所得的原始数值或由所述原始数值经过数学转换后得到的数值,转换的目的也是为了使转换后的胆固醇值分布更接近正态分布。所述百分位数是基于所述血液总胆固醇值或所述血液总胆固醇及其构成组分之间的关系式的频率分布估算得到的,具体使用哪一种,取决于CVD风险预测方程所使用的胆固醇变量,二者必须保持一致。所述关系式包括但不限于高密度胆固醇与总胆固醇之比。本发明建议使用所述总体或样本人群的平均胆固醇值及其标准差来计算预先设置的胆固醇值的优点在于,无论对于什么人群,基于正态分布的原理,所述预先设置的胆固醇值对应的百分位数是相对固定的,因此,本发明应用于不同人群时,其灵敏度或漏掉的高危人数的比例是可以预知的,而且基本维持不变。如果使用某一个固定的较高的胆固醇值作为预先设置的胆固醇值,不同的人群可能有十分不同的灵敏度,而且是不可预知的。如果使用一个与所述总体或样本人群的平均胆固醇值及其标准差关系不明确的值作为预先设置的胆固醇值,那么则无法判断漏掉的高危病人有多少。
可选地,所述预先设置的胆固醇值是根据公式(1)或者公式(2)计算得到的;
H-CHOL=M+Z×SD(1)
其中,所述H-CHOL表示所述预先设置的胆固醇值,所述M表示所述总体或样本人群的平均胆固醇值,所述SD表示所述总体或样本人群的平均胆固醇值的标准差,所述Z表示大于1的数值。Z的具体取值取决于所需要的灵敏度或可允许的最大漏检率,即100个需考虑药物预防的高危个体中被本筛查方法漏掉的人数。一般建议Z取值1.96。根据血液胆固醇接近正态分布的原理,Z取值1.96时的漏检率为2.5%。反之,也可以预先设定希望得到的灵敏度或可允许的最大漏检率,然后根据血液胆固醇接近正态分布的原理,决定Z的取值。例如,如果希望将漏检率控制在2.5%,则Z应取值1.96。
H-CHOL=X(2)
其中,所述H-CHOL表示所述预先设置的胆固醇值,所述X表示所述总体或样本人群胆固醇值的百分位数所对应的胆固醇值,所述百分位数包括但不限于90%分位数、95%分位数、99%分位数。通过X的取值以及百分位数的估计原理,可直接估计筛查方法的灵敏度或可允许的最大漏检率。例如,当X分别为90%分位数、95%分位数和99%分位数所对应的胆固醇值时,最大漏检率分别为10%,5%和1%。
具体地,参考图2,图2是本发明提供的一种获取预先设置的胆固醇值的方法示意图。
不同国家和不同人群的健康调查数据显示,人群的胆固醇值经过对数转换后,趋近于正态分布。正态分布下,该正态分布的均值加减一定倍数的标准差所得到的值所对应的分布中的百分位数比较固定。因此,本发明建议,一般情况下可将所述人群的胆固醇值经过对数转化后得到正态分布,并计算该正态分布下的均值和标准差计算预先设置的胆固醇值。
比如,在正态分布下,将预先设置的胆固醇值设为“均数加2倍标准差”,所对应的是分布中的97.5%分位数,即人群中97.5%的人的胆固醇将低于这个假设的胆固醇值。具体到某一个人,他的心血管病总体风险会被高估还是低估,取决于其真实胆固醇值是高于还低于假设的胆固醇值。如果真实胆固醇值高于假设的胆固醇值,则该病人的心血管病风险会被低估,反之,则被高估。若使用均值,则意味着一半人被高估,一半人低估;若使用均值加2倍标准差,则意味着97.5%的人心血管病总体风险被高估,2.5%的人会被低估,因此风险被低估而漏掉的高风险人群将低于2.5%。比如,基于以往数据,中国居民胆固醇值经对数转换后,均数加2倍标准差数值上等于1.84mmol/L,反转换后为6.16mmol/L。因此,预先设置的胆固醇值可以取6.16mmol/L。
如果采用这一假设值(6.16mmol/L)和其他危险因素的真实值来初步估计某人的心血管病总体风险,那么我们将有97.5%的把握高估了该人的总体风险。换言之,如果这一方式应用于某一人群,那么97.5%的人初估风险会高于其真实风险,2.5%的人的初估风险会低于其真实风险。
在后文所述的步骤102中,我们推荐所有初估风险高于适合开始药物预防的标准者进行胆固醇测量,然后依据真实的胆固醇评估该患者的心血管病真实风险,并依此来给出诊治建议。那么,在这97.5%初估风险高于真实风险的人群中,所有高危患者(即真实风险高于适合开始药物预防的标准或阈值者),均会被发现并被建议接受药物预防。换言之,97.5%的高危患者会被本发明提供的筛查方法所发现,即对应的灵敏度为97.5%。通过大量的数据模拟,在某一人群中,本筛查方法的灵敏度会略高于预先设置的胆固醇值对应的理论灵敏度。比如,均值加2倍标准差在正态分布下对应的灵敏度为97.5%,而本发明提供的筛查方法灵敏度,在英国人群和中国人群均高于98%。
例如,参考表1,所述表1是指在英国人群和中国人群中,不同的预先设置的胆固醇值所对应的本发明模型的灵敏度、特异度和筛查比例。所述灵敏度是指根据本筛查方法判断需要胆固醇测量的高危人群占全部高危人群的比例;所述特异度是指根据本筛查方法判断不需胆固醇测量的低危人群占全部低危人群的比例;所述筛查比例是指根据本筛查方法判断需要胆固醇测量的人群占总人群的比例。
表1左一列是本发明采用的预先设置的胆固醇值,表1的右侧是本发明采用的各个胆固醇值所对应的灵敏度、特定度和筛查比例。
表1
估计心血管病总体风险的方法有很多,其基本方式是基于人群队列研究建立的预测方程。
可选地,所述心血管病风险通过适合所述人群的心血管病风险预测方程计算得到,所述心血管病风险预测方程的表达形式包括但不限于:数学方程式以及根据所述数学方程式制作的用于估计心血管病风险的图、表、计算机软件、网络计算工具。
具体地,对于中国人群,所述根据用户信息和预先设置的胆固醇值计算所述用户的心血管病初估风险和真实风险,包括:
根据用户信息、预先设置的胆固醇值以及公式(1)计算所述用户的心血管病初估风险和心血管病真实风险;或者,
根据用户信息、预先设置的胆固醇值以及公式(2)计算所述用户的心血管病风险和真实心血管病风险;或者,
根据用户信息、预先设置的胆固醇值以及公式(3)计算所述用户的心血管病初估风险和真实风险;
其中,所述P(10)men表示所述性别为男性的人群未来10年内心血管病总体风险,所述P(10)women表示所述性别为女性的人群未来10年内心血管病总体风险,所述age表示当前年龄,所述sbp表示当前收缩压,所述tc表示当前血浆总胆固醇,所述smoking为1时表示吸烟,所述smoking为0时表示不吸烟,0.9766和0.9819分别代表男性和女性1减去目前所述总体或样本人群心血管病10年发病率所得的值,即10年无疾病生存率,在实际应用时,必须依据最能反映所述总体或样本人群实际发病率的估计值进行推算;
其中,所述P(10)men表示所述性别为男性的人群未来10年内缺血性心血管病总体风险,所述P(10)women表示所述性别为女性的人群未来10年内缺血性心血管病总体风险,所述age表示当前年龄,所述sbp表示当前收缩压,所述bmi表示当前体质指数,所述tc表示当前血浆总胆固醇,所述smoking为1时表示吸烟,所述smoking为0时表示不吸烟,所述diabetes为1时表示患糖尿病,所述diabetes为0时表示未患糖尿病,0.9835和0.9948分别代表男性和女性1减去目前所述总体或样本人群心血管病10年发病率所得的值,即10年无疾病生存率,在实际应用时,必须依据最能反映所述总体或样本人群实际发病率的估计值进行推算;
其中,所述P(10)men表示所述性别为男性的人群未来10年内冠心病的总体风险,所述P(10)women表示所述性别为女性的人群未来10年内冠心病的总体风险,所述age表示当前年龄,所述smoking为1时表示吸烟,所述smoking为0时表示不吸烟,所述diabetes为1时表示患糖尿病,所述diabetes为0时表示未患糖尿病;所述bpo表示当前血压低于120/80mmHg,所述bphn为1时表示当前血压处于130/85mmHg-139/89mmHg之间,所述bp1为1时表示当前血压处于140/90mmHg-159/99mmHg之间,所述bp2为1时表示当前血压高于或等于160/100mmHg;所述tcmg1为1时表示当前血浆总胆固醇低于160mg/dL,所述tcmg3为1时表示当前血浆总胆固醇处于200mg/dL-239mg/dL,所述tcmg4为1时表示当前血浆总胆固醇处于240mg/dL-279mg/dL,所述tcmg5为1时表示当前血浆总胆固醇高于或等于280mg/dL;所述hdlcmg1为1时表示当前血浆总胆固醇低于35mg/dL,所述hdlcmg2为1时表示当前血浆总胆固醇处于35mg/dL-44mg/dL,所述hdlcmg3为1时表示当前血浆总胆固醇处于45mg/dL-49mg/dL,所述hdlcmg4为1时表示当前血浆总胆固醇处于50mg/dL-59mg/dL,所述hdlcmg5为1时表示当前血浆总胆固醇高于或等于60mg/dL。0.9895和0.9961分别代表男性和女性1减去目前所述总体或样本人群心血管病10年发病率所得的值,即10年无疾病生存率,在实际应用时,必须依据最能反映所述总体或样本人群实际发病率的估计值进行推算。
以上公式(1)是预测总心血管病风险的方程,公式(2)是预测缺血性心血管病风险的方程,公式(3)是预测冠心病风险的方程。所述公式(1)、(2)、(3)依据亚洲或我国长期随访数据建立,相比于基于国外数据建立的方程,对我国居民心血管病总体风险预测更加准确。但由于原始数据时间较久,部分信息已不能完全反应我国居民心血管病危险因素和发病风险关系的现状。根据不同人群和地区要求,必须采取以下措施,提高方程预测的准确性:一)通过最新的所述总体或样本人群心血管病发病率指标调整方程中的10年无疾病生存率。例如,根据过去的信息,中国男性居民10年内不发生心血管病概率是0.9676,但是由于近些年我国心血管病危险因素的明显上升等原因,心血管病发病率可能也随之上升,0.9676应该由一个更低的值取代。二)实际计算中,应使用所述总体或样本人群目前的危险因素均值,而非方程原始人群危险因素的信息。例如,目标男性人群平均血压是130mmHg,而非121mmHg。三)根据不同人群特点,决定下述方程哪一个更适用于所述总体或样本人群,例如我国北方地区或农村地区发生中风(尤其是出血性中风)的比例较高,因此采用未考虑中风这一结局的冠心病方程则不妥,应首选总心血管病方程。相反,在南方地区或者大城市,缺血性心血管事件发生比例大,则可以考虑使用缺血性心血管病方程或冠心病方程。
步骤102,在所述用户未来的心血管病风险大于适合开始药物预防的标准或阈值的情况下,测量所述用户真实的胆固醇值。
所述适合开始药物预防的标准或阈值是指可以建议药物预防的心血管病总体风险的最低值,包括但不限于:适合所述人群的实践指南规定的开始药物预防的所述心血管病风险的标准或阈值以及所述用户选择的开始药物预防的标准或阈值。所述胆固醇是指血液总胆固醇或所述血液总胆固醇及其构成组分。
步骤103,在所述用户信息保持不变的情况下,根据所述用户真实的胆固醇值计算所述用户真实的心血管病风险,以使得所述用户根据所述真实的心血管病风险是否大于所述适合开始药物预防的标准或阈值来确定是否接受药物预防。
具体地,如果真实风险大于适合开始药物预防的标准或阈值,则可建议该用户接受药物预防。所述药物是可用于预防首次心脑血管事件的药物,包括但不限于降血压药物、降血脂药物、阿司匹林、叶酸。
具体地,参考图3、图4和图5,图3-5是本发明实施例提供的一种基于计算机的预测心血管病总体风险的方法示意图。如图3所示,是本发明模型进入评估的界面,点击start risk assessment进入本发明模型的评估,即图4,在图4的界面中填入用户信息,比如年龄、性别、血压和吸烟情况等,点击Start riskassessment,得到此次用户的心血管病总体风险,即图5所示。
我们曾以灵敏度、特异度和筛查比例作为主要指标,对本发明提供的胆固醇筛查方法进行评估和比较。预先设置的胆固醇值不同,会导致本筛查方法有不同的灵敏度与特异度。灵敏度太低,会漏掉需要药物预防的高危病人,降低收益;特异度太低,会增加胆固醇测量的人数和费用。但是,提高灵敏度会降低特异度,反之,提高特异度会降低灵敏度。合理的胆固醇值应能取得预期的可接受的灵敏度和特异度的组合。在评估灵敏度、特异度和筛查比例的基础上,还可以进一步估计胆固醇筛查所带来的成本和收益,进行卫生经济学评价,并依此确定合理的灵敏度和特异度组合。在其他条件固定的情况下,应该选择成本-效益比低的筛查策略或灵敏度特异度的组合。
本发明利用2002年中国营养与健康调查数据进行模型建立和验证,该数据是我国首次进行的营养与健康综合性调查。调查覆盖全国31个省/自治区/直辖市,不含香港、澳门特别行政区及台湾,对全国和不同类型地区具有良好的代表性。本次调查包括询问调查、医学体检、实验室检测和膳食调查四个部分,总样本243479人,其中体检221044人,血压测量153259人,血脂测定94996人,血红蛋白测定211726人,血糖测定98509人。我们从中选取15~84岁,没有心血管病病史,心血管病总体风险预测变量数据完整,所述变量数据包括年龄、性别、收缩压、总胆固醇、吸烟状态、是否患有糖尿病的受访者,共有45000人用于本发明的分析。
表2是指通过数据模拟,得到本发明筛查方法如果在上述调查的中国人群中实施,将会得到的灵敏度、特异度与筛查比例。从表2可见,无论将来我国推荐哪种开始药物预防的标准或阈值,本发明模型灵敏度均接近于100%。在人群层面,本发明的筛查比例仅略高于真正高危人口的比例,相比于全民筛查,可以大大降低筛查人数和筛查费用;在个体层面,本发明模型可以避免无必要的胆固醇测量和由于筛查带来的后续不良作用,如误诊、情绪紧张、误工误学及经济损失等。
表2
表3是本发明筛查模型在中国人群中实施时的灵敏度、筛查比例、成本和预期效果与其他筛查方法的对比。从表3可见,在几个可能的情境下,本发明筛查方法与全民筛查(目前我国的推荐措施)、英国筛查模型(目前国际上最好的选择性筛查模型)的比较。可以看到,本发明筛查模型灵敏度接近于全民筛查模型,接近或优于英国的策略,可节省大量费用。与英国的策略比较,我们的筛查方法不需要预先采集人群中每个人的心血管病危险因素资料,而且不用评估就可以预知一个具体策略的灵敏度。
表3
本发明实施例提供一种胆固醇筛查的方法,首先,根据一个假设的胆固醇值和用户的其他心血管病危险因素的信息,初步估计所述用户的心血管病发病风险。只有在初步估计的风险大于适合开始药物预防的标准或阈值的情况下,才测量所述用户的真实的胆固醇值,并根据真实的胆固醇值估计所述用户真实的心血管病发病风险。最后,根据真实的风险是否大于适合开始药物预防的标准或阈值,确定是否建议所述用户采取药物预防。本发明在保证低漏检率及总体预防效果的同时,可以避免全民胆固醇测量,为社会节省80%以上的胆固醇测量费用;在个体层面,本发明可以避免不必要的胆固醇测量和由于筛查带来的后续不良作用,如误诊、情绪紧张、误工误学及经济损失等。
参考图6,图6是本发明实施例提供的一种胆固醇筛查的设备结构图。如图6所示,所述设备包括:
第一计算单元601,用于根据用户信息和预先设置的胆固醇值计算所述用户的初估风险,所述用户信息至少包括年龄、性别、血压和吸烟情况;
可选地,所述预先设置的胆固醇值高于代表所述用户的总体人群或样本人群的平均胆固醇值;或者,
所述预先设置的胆固醇值是通过所述总体人群或可代表所述总体人群的样本人群的平均胆固醇值及其标准差,或者是通过所述总体人群或可代表所述总体人群的样本人群的胆固醇值的百分位数,计算得到的;或者,
所述预先设置的胆固醇值是根据公式(1)或者公式(2)计算得到的;
H-CHOL=M+Z×SD(1)
其中,所述H-CHOL表示所述预先设置的胆固醇值,所述M表示所述总体或样本人群的平均胆固醇值,所述SD表示所述总体或样本人群的平均胆固醇值的标准差,所述Z表示大于1的数值;
H-CHOL=X(2)
其中,所述H-CHOL表示所述预先设置的胆固醇值,所述X表示所述总体或样本人群的胆固醇值的百分位数所对应的胆固醇值,所述百分位数包括但不限于90%分位数、95%分位数、99%分位数。
可选地,所述总体或样本人群的平均胆固醇值是血液总胆固醇值或所述血液总胆固醇及其构成组分之间的关系式,所述关系式包括但不限于高密度胆固醇与总胆固醇之比;所述百分位数是基于所述总体或样本人群血液总胆固醇值或所述血液总胆固醇及其构成组分之间的关系式的频率分布估算得到的;或者,
所述总体或样本人群的平均胆固醇值、所述标准差及所述百分位数所对应的胆固醇值是测量所得的原始数值或由所述原始数值经过数学转换后得到的数值。
所述心血管病风险是通过适合所述人群的心血管病风险预测方程计算得到的,所述心血管病风险预测方程的表达形式包括但不限于:数学方程式以及根据所述数学方程式制作的用于估计心血管病风险的图、表、计算机软件、网络计算工具。
获取单元602,用于在所述用户未来的心血管病风险大于适合开始药物预防的标准或阈值的情况下,测量所述用户真实的胆固醇值;
第二计算单元603,用于在所述用户信息保持不变的情况下,根据所述用户真实的胆固醇值计算所述用户真实的心血管病风险,以使得所述用户根据所述真实的心血管病风险是否大于所述适合开始药物预防的标准或阈值来确定是否接受药物预防。
所述适合开始药物预防的标准或阈值包括但不限于:适合所述人群的实践指南规定的开始药物预防的所述心血管病风险的标准或阈值以及所述用户选择的开始药物预防的标准或阈值;
所述药物是可用于预防首次心脑血管事件的药物,包括但不限于降血压药物、降血脂药物、阿司匹林、叶酸。
具体的,参考图1-图5的描述,在此不再赘述。
本发明实施例提供一种胆固醇筛查的设备,首先,根据一个假设的胆固醇值和用户的其他心血管病危险因素的信息,初步估计所述用户的心血管病发病风险。只有在初步估计的风险大于适合开始药物预防的标准或阈值的情况下,才测量所述用户的真实的胆固醇值,并根据真实的胆固醇值估计所述用户真实的心血管病发病风险。最后,根据真实的风险是否大于适合开始药物预防的标准或阈值,确定是否建议所述用户采取药物预防。本发明在保证低漏检率及总体预防效果的同时,可以避免全民胆固醇测量,为社会节省80%以上的胆固醇测量费用;在个体层面,本发明可以避免不必要的胆固醇测量和由于筛查带来的后续不良作用,如误诊、情绪紧张、误工误学及经济损失等。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明披露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求的保护范围为准。
Claims (10)
1.一种胆固醇筛查的方法,其特征在于,所述方法包括:
根据用户信息和预先设置的胆固醇值计算所述用户未来的心血管病风险,所述用户信息至少包括年龄、性别、血压和吸烟情况;
在所述用户未来的心血管病风险大于适合开始药物预防的标准或阈值的情况下,测量所述用户真实的胆固醇值;
在所述用户信息保持不变的情况下,根据所述用户真实的胆固醇值计算所述用户真实的心血管病风险,以使得所述用户根据所述真实的心血管病风险是否大于所述适合开始药物预防的标准或阈值来确定是否接受药物预防。
2.根据权利要求1所述的方法,其特征在于,所述预先设置的胆固醇值高于代表所述用户的总体人群或样本人群的平均胆固醇值;或者,
所述预先设置的胆固醇值是通过所述总体人群或可代表所述总体人群的样本人群的平均胆固醇值及其标准差,或者是通过所述总体人群或可代表所述总体人群的样本人群的胆固醇值的百分位数,计算得到的;或者,
所述预先设置的胆固醇值是根据公式(1)或者公式(2)计算得到的;
H-CHOL=M+Z×SD(1)
其中,所述H-CHOL表示所述预先设置的胆固醇值,所述M表示所述总体或样本人群的平均胆固醇值,所述SD表示所述总体或样本人群的平均胆固醇值的标准差,所述Z表示大于1的数值;
H-CHOL=X(2)
其中,所述H-CHOL表示所述预先设置的胆固醇值,所述X表示所述总体或样本人群的胆固醇值的百分位数所对应的胆固醇值,所述百分位数包括但不限于90%分位数、95%分位数、99%分位数。
3.根据权利要求2所述的方法,其特征在于,所述总体或样本人群的平均胆固醇值是血液总胆固醇值或所述血液总胆固醇及其构成组分之间的关系式,所述关系式包括但不限于高密度胆固醇与总胆固醇之比;
所述总体或样本人群的平均胆固醇值、所述标准差及所述百分位数所对应的胆固醇值是测量所得的原始数值或由所述原始数值经过数学转换后得到的数值。
4.根据权利要求1所述的方法,其特征在于,所述心血管病风险是通过适合所述人群的心血管病风险预测方程计算得到的,所述心血管病风险预测方程的表达形式包括但不限于:数学方程式以及根据所述数学方程式制作的用于估计心血管病风险的图、表、计算机软件、网络计算工具。
5.根据权利要求1所述的方法,其特征在于,所述适合开始药物预防的标准或阈值包括但不限于:适合所述人群的实践指南规定的开始药物预防的所述心血管病风险的标准或阈值以及所述用户选择的开始药物预防的标准或阈值;
所述药物是可用于预防首次心脑血管事件的药物,包括但不限于降血压药物、降血脂药物、阿司匹林、叶酸。
6.一种胆固醇筛查的设备,其特征在于,所述设备包括:
第一计算单元,用于根据用户信息和预先设置的胆固醇值计算所述用户未来的心血管病风险,所述用户信息至少包括年龄、性别、血压和吸烟情况;
获取单元,用于在所述用户未来的心血管病风险大于适合开始药物预防的标准或阈值的情况下,测量所述用户真实的胆固醇值;
第二计算单元,用于在所述用户信息保持不变的情况下,根据所述用户真实的胆固醇值计算所述用户真实的心血管病风险,以使得所述用户根据所述真实的心血管病风险是否大于所述适合开始药物预防的标准或阈值来确定是否接受药物预防。
7.根据权利要求6所述的设备,其特征在于,所述预先设置的胆固醇值高于代表所述用户的总体人群或样本人群的平均胆固醇值;或者,
所述预先设置的胆固醇值是通过所述总体人群或可代表所述总体人群的样本人群的平均胆固醇值及其标准差,或者是通过所述总体人群或可代表所述总体人群的样本人群的胆固醇值的百分位数,计算得到的;或者,
所述预先设置的胆固醇值是根据公式(1)或者公式(2)计算得到的;
H-CHOL=M+Z×SD(1)
其中,所述H-CHOL表示所述预先设置的胆固醇值,所述M表示所述总体或样本人群的平均胆固醇值,所述SD表示所述总体或样本人群的平均胆固醇值的标准差,所述Z表示大于1的数值;
H-CHOL=X(2)
其中,所述H-CHOL表示所述预先设置的胆固醇值,所述X表示所述总体或样本人群的胆固醇值的百分位数所对应的胆固醇值,所述百分位数包括但不限于90%分位数、95%分位数、99%分位数。
8.根据权利要求7所述的设备,其特征在于,所述总体或样本人群的平均胆固醇值是血液总胆固醇值或所述血液总胆固醇及其构成组分之间的关系式,所述关系式包括但不限于高密度胆固醇与总胆固醇之比;
所述总体或样本人群的平均胆固醇值、所述标准差及所述百分位数所对应的胆固醇值是测量所得的原始数值或由所述原始数值经过数学转换后得到的数值。
9.根据权利要求6所述的设备,其特征在于,所述心血管病风险是通过适合所述人群的心血管病风险预测方程计算得到的,所述心血管病风险预测方程的表达形式包括但不限于:数学方程式以及根据所述数学方程式制作的用于估计心血管病风险的图、表、计算机软件、网络计算工具。
10.根据权利要求1所述的设备,其特征在于,所述适合开始药物预防的标准或阈值包括但不限于:适合所述人群的实践指南规定的开始药物预防的所述心血管病风险的标准或阈值以及所述用户选择的开始药物预防的标准或阈值;
所述药物是可用于预防首次心脑血管事件的药物,包括但不限于降血压药物、降血脂药物、阿司匹林、叶酸。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410171694.5A CN103995959B (zh) | 2014-04-25 | 2014-04-25 | 一种胆固醇筛查的设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410171694.5A CN103995959B (zh) | 2014-04-25 | 2014-04-25 | 一种胆固醇筛查的设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103995959A true CN103995959A (zh) | 2014-08-20 |
CN103995959B CN103995959B (zh) | 2018-07-13 |
Family
ID=51310122
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410171694.5A Active CN103995959B (zh) | 2014-04-25 | 2014-04-25 | 一种胆固醇筛查的设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103995959B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101932332A (zh) * | 2008-03-19 | 2010-12-29 | 马来西亚政府 | 拉比西亚普米拉萃取物减低心血管疾病风险的应用 |
CN102014636A (zh) * | 2008-02-27 | 2011-04-13 | 安姆科尔国际公司 | 治疗和动脉粥样硬化有关的心血管障碍的方法 |
CN102749462A (zh) * | 2012-07-20 | 2012-10-24 | 常熟柏宇医疗电子有限公司 | 基于生物芯片的无创胆固醇智能监测系统 |
-
2014
- 2014-04-25 CN CN201410171694.5A patent/CN103995959B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102014636A (zh) * | 2008-02-27 | 2011-04-13 | 安姆科尔国际公司 | 治疗和动脉粥样硬化有关的心血管障碍的方法 |
CN101932332A (zh) * | 2008-03-19 | 2010-12-29 | 马来西亚政府 | 拉比西亚普米拉萃取物减低心血管疾病风险的应用 |
CN102749462A (zh) * | 2012-07-20 | 2012-10-24 | 常熟柏宇医疗电子有限公司 | 基于生物芯片的无创胆固醇智能监测系统 |
Non-Patent Citations (4)
Title |
---|
BARZI F ET.: "Cardiovascular risk prediction tools for populations in Asia", 《J EPIDEMIOL COMMUNITY HEALTH》 * |
李利娟: "糖化血红蛋白与糖尿病筛查及非糖尿病人群心血管疾病等危险因素的研究", 《中国博士学位论文全文数据库 医药卫生科技辑》 * |
王卫中等: "剖析高血压药物治疗综合危险策略背后的证据和逻辑", 《中华高血压杂志》 * |
纪璟峰: "中国成人心血管疾病危险因素的流行病学研究", 《中国博士学位论文全文数据库 医药卫生科技辑》 * |
Also Published As
Publication number | Publication date |
---|---|
CN103995959B (zh) | 2018-07-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110428901B (zh) | 脑卒中发病风险预测系统及应用 | |
Kanis et al. | FRAX® and its applications to clinical practice | |
Nascimento-Ferreira et al. | The lipid accumulation product is a powerful tool to predict metabolic syndrome in undiagnosed Brazilian adults | |
Rubbieri et al. | Techniques for the diagnosis of sarcopenia | |
Poslusna et al. | Misreporting of energy and micronutrient intake estimated by food records and 24 hour recalls, control and adjustment methods in practice | |
Thodberg et al. | Validation and reference values of automated bone age determination for four ethnicities | |
Namazi et al. | The association of neck circumference with risk of metabolic syndrome and its components in adults: A systematic review and meta-analysis | |
Chaemsaithong et al. | First‐trimester pre‐eclampsia biomarker profiles in Asian population: multicenter cohort study | |
La Porta et al. | Can we scientifically and reliably measure the level of consciousness in vegetative and minimally conscious States? Rasch analysis of the coma recovery scale-revised | |
Kumar et al. | Neck circumference and cardio-metabolic syndrome | |
JP5135197B2 (ja) | 生体指標管理装置 | |
Suistomaa et al. | Customised prediction models based on APACHE II and SAPS II scores in patients with prolonged length of stay in the ICU | |
Wilms et al. | Poor prediction of resting energy expenditure in obese women by established equations | |
Bastiaanse et al. | Bone quality in older adults with intellectual disabilities | |
Thein et al. | Health status utilities and the impact of pressure ulcers in long-term care residents in Ontario | |
WO2021004168A1 (zh) | 一种具备人工智能的医疗数据整合系统及方法 | |
CN115714022A (zh) | 基于人工智能的新生儿黄疸健康管理系统 | |
EP1314396A1 (en) | Visceral adipose meter with body weighing function | |
Cordero-Franco et al. | Discriminatory accuracy of preeclampsia risk factors in primary care | |
KR100935610B1 (ko) | 허혈성 심장질환 발병 위험도 예측 장치 및 예측 방법과허혈성 심장질환 발병 위험도 예측 프로그램이 기록된 매체 | |
Vianna et al. | Accuracy and adequacy of waist circumference cut-off points currently recommended in Brazilian adults | |
Wahrlich et al. | Validity of a population-specific BMR predictive equation for adults from an urban tropical setting | |
CN103995959A (zh) | 一种胆固醇筛查的方法及设备 | |
Mondal et al. | Effect of central obesity on lipid profile in healthy young adults | |
Schunkert et al. | The correlation between waist circumference and ESC cardiovascular risk score: data from the German metabolic and cardiovascular risk project (GEMCAS) |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |