CN114267451A - 一种心血管病风险评估方法 - Google Patents

一种心血管病风险评估方法 Download PDF

Info

Publication number
CN114267451A
CN114267451A CN202111609473.8A CN202111609473A CN114267451A CN 114267451 A CN114267451 A CN 114267451A CN 202111609473 A CN202111609473 A CN 202111609473A CN 114267451 A CN114267451 A CN 114267451A
Authority
CN
China
Prior art keywords
risk
cardiovascular disease
information
modeling
score
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.)
Pending
Application number
CN202111609473.8A
Other languages
English (en)
Inventor
袁洪
周赞
李艳
李艳乐
陆瑶
蔡菁菁
何烨
刘霜霜
卢创
赵立钢
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hunan Hongyuan Chronic Disease Health Management Co ltd
Original Assignee
Hunan Hongyuan Chronic Disease Health Management Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hunan Hongyuan Chronic Disease Health Management Co ltd filed Critical Hunan Hongyuan Chronic Disease Health Management Co ltd
Priority to CN202111609473.8A priority Critical patent/CN114267451A/zh
Publication of CN114267451A publication Critical patent/CN114267451A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

本发明公开了一种心血管病风险评估方法,涉及医学数据处理领域。本发明包括以下步骤,获取病人信息作为变量;将变量分为两部分,一部分用于建模得到评估模型,一部分用于直接评估;综合建模结果与直接评估,得到心血管病评估结果。本发明提供了一种心血管病风险评估方法,有效将病人信息通过建模的方式进行很好的融合,以实现对心血管病风险的科学准确的预测。

Description

一种心血管病风险评估方法
技术领域
本发明涉及医学数据处理领域,更具体的说是涉及一种心血管病风险评估方法。
背景技术
全球疾病负担研究的最新数据证明,心血管疾病(cardiovascular disease,CVD)是导致死亡和生活质量下降的主要原因,而且在全球范围内的流行程度只增不减。据2017年数据表明,CVD在全球造成约1780万人死亡,给各国造成了巨大的经济和社会负担。心血管疾病亦是威胁我国居民健康的重大公共卫生问题之一,已经成为导致我国居民预期寿命受损、因病致贫、因病返贫的主要疾病。心血管疾病起病隐匿、病程长且迁延不愈、严重影响生活质量的疾病,《中国心血管病报告2018》指出,我国心血管病现患人数约为2.9亿,今后10年患病率和病亡率仍将急剧增长。全球疾病负担研究表明,中国心血管病死亡率居首位,远高于肿瘤和其它疾病,占居民疾病死亡构成的40%以上,且呈持续上升趋势,是我国居民死亡的首要原因。
影响心血管疾病发生、发展的危险因素越来越多,据美国心脏病协会(AmericanHeart Association,AHA)最新统计数据显示,影响心血管健康的7项因素包括:运动量不足、超重与肥胖、血脂异常、吸烟、膳食结构不合理、控高血压、高血糖。高血压影响着全球31.1%的人口,它是世界范围内一个主要的公共卫生问题。高血压与许多重大心血管疾病(CVD)事件的风险增加密切相关,包括中风、冠心病(CHDS)和心力衰竭。高血压是世界范围内心血管疾病的主要可预防原因,然而并不是所有的高血压患者都有同样的心血管并发症风险。高血压治疗的临床实践指南通常侧重于血压水平来指导药物的使用,而没有充分评估相关的总体心血管风险。相反,越来越多的其他指南建议使用整体多变量心血管风险评估,而不是任何单一风险因素的绝对值。最近的一项研究表明,基于心血管疾病风险预测的降压治疗策略比仅基于血压水平的降压治疗策略更有效。这强调了正确识别高危患者的重要性,即使在高血压人群中也是如此,高血压人群本身就是高危亚群。因此,应该综合考虑一系列个人因素来指导高血压人群的临床治疗决策。在过去的几十年里,许多多变量预测模型已经被广泛开发来估计个体患心血管疾病的总体风险。高血压患者存在一定数量的心血管危险预测模型,如:Pocock 2001模型、Bastuji-Garin 2002模型、Kjeldsen 2009模型、Nelson 2012模型、Bavry 2013模型、Prieto-Merino 2013模型、Ayyagari 2014模型、Huynh2015模型、Teramukai 2016模型、Runge 2017模型、Sahle 2017模型等,在发展研究和验证研究中,偏差评估的风险在方法学质量和报告方面都显示出几个缺陷。在高血压人群中开发的大多数模型都没有经过外部验证,与为普通人群和其他特定人群开发的模型相比,为高血压人群开发的模型在高血压患者中验证时并没有表现出更好的表现。因此,了解现阶段高血压群体和个体心脑血管风险因素和预测模型,开展高血压人群的心脑血管风险新的的危险因素筛选,建立高血压人群的心脑血管风险新的预测模型,推动高血压人群的心脑血管疾病群体风险评估及个体风险评估和预测,是防治心脑血管疾病的首要环节。
如何正确的发现、识别、分析、判断并采集影响高血压人群心血管健康的危险因素是目前的难题。为了解决此问题,一系列简易预测模型的出现可以早期识别心血管疾病各危险因素所占比重以及各相关危险因素对心血管疾病发展的影响,可以快速有效的识别出高危人群,帮助制定干预措施;同时促使患者了解心血管疾病的发病风险、疾病等级,提高对疾病的认知和治疗的依从性。发达国家在慢病防控积累了相关成熟的经验,包括:建立相关队列研究及注册研究,发现慢病危险因素;对高危人群进行预测预警及干预等,然而由于种族、环境、社会文化、生活方式等方面的差异,这些成果并不能直接照搬应用于指导我国和我省的慢病防控。各国学者一直在研发了适合本国人群的心血管等慢病的风险预测模型。在高血压人群中,预测心血管疾病发生率的模型同样很多,但由于方法上的缺陷、陈述的不完整、缺乏外部验证和模型影响的研究,大多数模型的有用性仍然不清楚,因此,在大数据时代,应该将研究集中于外部验证和比较已经存在的心血管风险预测模型,并结合本地环境,进行模型的研究和算法的开发。
发明内容
有鉴于此,本发明提供了一种心血管病风险评估方法。
为了实现上述目的,本发明采用如下技术方案:
一种心血管病风险评估方法,包括以下步骤,
获取病人信息作为变量;
将变量分为两部分,一部分用于建模得到评估模型,一部分用于直接评估;
综合建模结果与直接评估,得到心血管病评估结果。
可选的,所述变量包括基本信息、危险因素、测量信息、靶器官损害信息、合并临床症状信息;其中建模部分为基本信息、危险因素和测量信息;直接评估部分为靶器官损害信息和合并临床症状信息。
可选的,所述评估模型如下:
1、根据权利要求1所述的一种心血管病风险评估方法,其特征在于,所述直接评估具体如下,
建模部分:利用传统患病危险因素数据进行建模。
直接评估部分总分100分:总分(100)=(高血压=1)*24.7+(年龄=1)*22.3+(妊娠糖尿病病史=1)*11.6+(腹型肥胖=1)*10.1+(肥胖=1)*9.4+(血糖异常=1)*5.9+(高同型半胱氨酸血症=1)*5.2+(心率变异性降低=1)*1.2+(睡眠障碍=1)*1.2+(抑郁=1)*1.2+(吸烟=1)*1.2+(饮酒=1)*1.2+(早发心脑血管疾病家族史=1)*1.2+(妊娠高血压病史=1)*1.2+(血脂异常=1)*1.2+(糖尿病家族史=1)*1.2
其中,年龄=1时,男性>55岁,女性>65岁,否则年龄=0;血脂异常=1:总胆固醇>=5.7mmol/L或低密度脂蛋白胆固醇>=3.3mmol/L或者高密度脂蛋白胆固醇(HDL-C)<1.0mmol/L,否则血脂异常=1;高血压=1:收缩压>=140或舒张压>=90,否则高血压=0;血糖异常=1:空腹血糖6.1-6.9,或者餐后2h血糖7.8~11.1mmol/L;否则血糖异常=0;肥胖=1:BMI>=28kg/m2,计算公式为体重除以身高的平方,否则肥胖=0。
直接评估部分:临床症状和靶器官损伤部分,有任意一项为100分,否或者不详为0分。
其中临床症状为:脑血管病;心血管病;外周血管病;颈动脉狭窄;CKD4-5期;大量蛋白尿;心力衰竭;视网膜病变。
靶器官损害为:左心室肥厚;冠状动脉硬化;颈动脉超声IMT;肱-踝脉搏波传导速度;踝/臂血压指数;CKD1-3期;微量白蛋白尿。
可选的,评估模型的评分低于35.7为低危,大于等于35.7小于49.8为中危,大于等于49.8为高危,最高分为200分。
经由上述的技术方案可知,与现有技术相比,本发明提供了一种心血管病风险评估方法,有效将病人信息通过建模的方式进行很好的融合,以实现对心血管病风险的科学准确的预测。
此外,本发明根据我国高血压人群存在的遗传因素和环境特点,改良了Framingham模型针对美国一般人群、China-PAR模型针对我国一般人群和其他模型种族区域局限性、危险因素不全等缺点,补充了根据最新指南提出的饮酒、腹型肥胖、早发心血管疾病家族史、高甘油三脂、低高密度脂蛋白、高同型半胱氨酸血症、糖耐量受损或空腹血糖异常、心率变异性降低、抑郁、睡眠障碍等指标,共计28项危险因素。通过数据采集与分析,有助于高血压人群的心血管病高危人群的早期发现,为高血压人群带来更安全的服务和指导,降低心血管疾病风险。
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地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,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,还可以根据提供的附图获得其他的附图。
图1为本发明的流程示意图。
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、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,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。
本发明实施例公开了一种心血管病风险评估方法,如图1所示,包括以下步骤,
获取病人信息作为变量;
将变量分为两部分,一部分用于建模得到评估模型,一部分用于直接评估;
综合建模结果与直接评估,得到心血管病评估结果。
进一步的,变量包括基本信息、危险因素、测量信息、靶器官损害信息、合并临床症状信息;其中建模部分为基本信息、危险因素和测量信息;直接评估部分为靶器官损害信息和合并临床症状信息。
进一步的,评估模型如下:
总分(100)=(高血压=1)*24.7+(年龄=1)*22.3+(妊娠糖尿病病史=1)*11.6+(腹型肥胖=1)*10.1+(肥胖=1)*9.4+(血糖异常=1)*5.9+(高同型半胱氨酸血症=1)*5.2+(心率变异性降低=1)*1.2+(睡眠障碍=1)*1.2+(抑郁=1)*1.2+(吸烟=1)*1.2+(饮酒=1)*1.2+(早发心脑血管疾病家族史=1)*1.2+(妊娠高血压病史=1)*1.2+(血脂异常=1)*1.2+(糖尿病家族史=1)*1.2
其中,年龄=1时,男性>55岁,女性>65岁,否则年龄=0();血脂异常=1:总胆固醇>=5.7mmol/L或低密度脂蛋白胆固醇>=3.3mmol/L或者高密度脂蛋白胆固醇(HDL-C)<1.0mmol/L,否则血脂异常=1;高血压=1:收缩压>=140或舒张压>=90,否则高血压=0;血糖异常=1:空腹血糖6.1-6.9,或者餐后2h血糖7.8~11.1mmol/L;否则血糖异常=0;肥胖=1:BMI>=28kg/m2,计算公式为体重除以身高的平方,否则肥胖=0。
进一步的,直接评估部分:临床症状和靶器官损伤部分,有任意一项为100分,否或者不详为0分。
其中临床症状为:脑血管病;心血管病;外周血管病;颈动脉狭窄;CKD4-5期;大量蛋白尿;心力衰竭;视网膜病变。
靶器官损害为:左心室肥厚;冠状动脉硬化;颈动脉超声IMT;肱-踝脉搏波传导速度;踝/臂血压指数;CKD1-3期;微量白蛋白尿。
进一步的,评估模型的评分低于35.7为低危,大于等于35.7小于49.8为中危,大于等于49.8为高危,最高分为200分。
在另一实施例中,还包括医生建议:
低危:您的的心血管病健康风险为低危,建议您继续保持健康的生活方式,保持自身的低风险状况。
中危:您的的心血管病健康风险为中危,应积极改变不良生活方式,必要时在临床医生的指导下进行相关的治疗
高危:您的的心血管病健康风险为高危,请密切注意相关的危险因素,采取必要干预措施。(如有靶器官损伤或临床症状,则提示相关的)
鉴于您有靶器官损伤(或相关临床症状),请积极治疗,避免心血管病发生。
还包括如表1所示的一般人群风险评估软件极端值界定
Figure BDA0003432390880000081
Figure BDA0003432390880000091
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (4)

1.一种心血管病风险评估方法,其特征在于,包括以下步骤,
获取病人信息作为变量;
将变量分为两部分,一部分用于建模得到评估模型,一部分用于直接评估;
综合建模结果与直接评估,得到心血管病评估结果。
2.根据权利要求1所述的一种心血管病风险评估方法,其特征在于,所述变量包括基本信息、危险因素、测量信息、靶器官损害信息、合并临床症状信息;其中建模部分为基本信息、危险因素和测量信息;直接评估部分为靶器官损害信息和合并临床症状信息。
3.根据权利要求1所述的一种心血管病风险评估方法,其特征在于,所述直接评估具体如下,
3.1建模部分:利用传统患病危险因素数据进行建模。
直接评估部分总分100分:总分(100)=(高血压=1)*24.7+(年龄=1)*22.3+(妊娠糖尿病病史=1)*11.6+(腹型肥胖=1)*10.1+(肥胖=1)*9.4+(血糖异常=1)*5.9+(高同型半胱氨酸血症=1)*5.2+(心率变异性降低=1)*1.2+(睡眠障碍=1)*1.2+(抑郁=1)*1.2+(吸烟=1)*1.2+(饮酒=1)*1.2+(早发心脑血管疾病家族史=1)*1.2+(妊娠高血压病史=1)*1.2+(血脂异常=1)*1.2+(糖尿病家族史=1)*1.2
其中,年龄=1时,男性>55岁,女性>65岁,否则年龄=0;血脂异常=1:总胆固醇>=5.7mmol/L或低密度脂蛋白胆固醇>=3.3mmol/L或者高密度脂蛋白胆固醇(HDL-C)<1.0mmol/L,否则血脂异常=1;高血压=1:收缩压>=140或舒张压>=90,否则高血压=0;血糖异常=1:空腹血糖6.1-6.9,或者餐后2h血糖7.8~11.1mmol/L;否则血糖异常=0;肥胖=1:BMI>=28kg/m2,计算公式为体重除以身高的平方,否则肥胖=0。
3.2直接评估部分:临床症状和靶器官损伤部分:有任意一项为100分,否或者不详为0分。
其中临床症状为:脑血管病;心血管病;外周血管病;颈动脉狭窄;CKD4-5期;大量蛋白尿;心力衰竭;视网膜病变。
靶器官损害为:左心室肥厚;冠状动脉硬化;颈动脉超声IMT;肱-踝脉搏波传导速度;踝/臂血压指数;CKD1-3期;微量白蛋白尿。
4.根据权利要求3所述的一种心血管病风险评估方法,其特征在于,评估模型的评分低于35.7为低危,大于等于35.7小于49.8为中危,大于等于49.8为高危,最高分为200分。
CN202111609473.8A 2021-12-24 2021-12-24 一种心血管病风险评估方法 Pending CN114267451A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111609473.8A CN114267451A (zh) 2021-12-24 2021-12-24 一种心血管病风险评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111609473.8A CN114267451A (zh) 2021-12-24 2021-12-24 一种心血管病风险评估方法

Publications (1)

Publication Number Publication Date
CN114267451A true CN114267451A (zh) 2022-04-01

Family

ID=80830101

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111609473.8A Pending CN114267451A (zh) 2021-12-24 2021-12-24 一种心血管病风险评估方法

Country Status (1)

Country Link
CN (1) CN114267451A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115458172A (zh) * 2022-11-11 2022-12-09 中山大学附属第一医院 一种心脏风险评估系统、设备及介质
CN115862853A (zh) * 2022-08-12 2023-03-28 内蒙古自治区综合疾病预防控制中心 一种前列腺癌患者的心血管疾病发生风险的评估方法
CN116052877A (zh) * 2022-12-19 2023-05-02 李珊珊 一种糖尿病患者抑郁风险评估方法及评估系统的构建方法
WO2024175130A1 (zh) * 2023-02-23 2024-08-29 江苏盖睿健康科技有限公司 一种量化的高血压患者心血管水平识别方法

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115862853A (zh) * 2022-08-12 2023-03-28 内蒙古自治区综合疾病预防控制中心 一种前列腺癌患者的心血管疾病发生风险的评估方法
CN115862853B (zh) * 2022-08-12 2023-11-21 内蒙古自治区综合疾病预防控制中心 一种前列腺癌患者的心血管疾病发生风险的评估方法
CN115458172A (zh) * 2022-11-11 2022-12-09 中山大学附属第一医院 一种心脏风险评估系统、设备及介质
CN115458172B (zh) * 2022-11-11 2023-04-28 中山大学附属第一医院 一种心脏风险评估系统、设备及介质
CN116052877A (zh) * 2022-12-19 2023-05-02 李珊珊 一种糖尿病患者抑郁风险评估方法及评估系统的构建方法
WO2024175130A1 (zh) * 2023-02-23 2024-08-29 江苏盖睿健康科技有限公司 一种量化的高血压患者心血管水平识别方法

Similar Documents

Publication Publication Date Title
CN114267451A (zh) 一种心血管病风险评估方法
Iseki et al. Changes in the demographics and prevalence of chronic kidney disease in Okinawa, Japan (1993 to 2003)
Wang et al. Twenty-four-hour systolic blood pressure variability and renal function decline in elderly male hypertensive patients with well-controlled blood pressure
US8715194B2 (en) Screening for early detection of cardiovascular disease in asymptomatic individuals
Zhang et al. [Retracted] The Correlation between Type 2 Diabetes Mellitus and Cardiovascular Disease Risk Factors in the Elderly
Xiaoxue et al. Risk prediction model of metabolic syndrome in perimenopausal women based on machine learning
Huang et al. Using Chinese body constitution concepts and measurable variables for assessing risk of coronary artery disease
CN117238522A (zh) 一种非布司他的疗效预测系统、设备及介质
CN115547495B (zh) 一种综合评价糖脂代谢水平的系统及其应用
Chen et al. [Retracted] Association of Obstructive Sleep Apnea Syndrome (OSA/OSAHS) with Coronary Atherosclerosis Risk: Systematic Review and Meta‐Analysis
Pan et al. Correlation between cardiac ultrasound index and cardiovascular risk in healthy obese and overweight populations
Yun et al. Construction of Risk Prediction Model of Type 2 Diabetic Kidney Disease Based on Deep Learning
Hsueh et al. Automatic summarization of risk factors preceding disease progression an insight-driven healthcare service case study on using medical records of diabetic patients
Morshed et al. Heart rate variability analysis for diagnosis of diabetic peripheral neuropathy
US8636660B1 (en) System and method for dynamic multi-stage test administration for detection of cardiovascular disease
US20240266062A1 (en) Disease risk evaluation method, disease risk evaluation system, and health information processing device
KR102136995B1 (ko) 당뇨병 환자에서 중증저혈당 발생을 예측하는 방법
VARATHARAJAN AN EFFICIENT EARLY DIAGNOSIS FOR DIABETIC RETINOPATHY USING QUICK CONVOLUTIONAL DIAGNOSIS
Xu et al. Research Article Novel Insights into the Predictors of Obstructive Sleep Apnea Syndrome in Patients with Chronic Coronary Syndrome: Development of a Predicting Model
Reddy et al. A PROSPECTIVE STUDY TO ASSESS THE CARDIOVASCULAR RISK USING FRAMINGHAM RISK SCORE IN A COAL MINE HOSPITAL
CN117153398A (zh) 一种质子泵抑制剂的健康风险预测模型的构建方法及其危险分层应用
Han et al. Prediction model for asymptomatic carotid atherosclerosis using retinal microvascular intelligent analysis: A retrospective study
CN114049962A (zh) 一种空腹血糖受损风险预测模型及其应用
Khalid et al. Glycosylated Hemoglobin (HbA1c) as a Marker for Dyslipidemia in Type 2 Diabetes Mellitus
Odah et al. S839 Glucagon-Like Peptide-1 Receptor Agonists and Capsule Endoscopy in Patients With Diabetes: A Matched Cohort Study

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB03 Change of inventor or designer information

Inventor after: Yuan Hong

Inventor after: Zhao Ligang

Inventor after: Zhou Zan

Inventor after: Li Yan

Inventor after: Li Jingle

Inventor after: Lu Yao

Inventor after: Cai Jingjing

Inventor after: He Ye

Inventor after: Liu Shuangshuang

Inventor after: Lu Chuang

Inventor before: Yuan Hong

Inventor before: Zhao Ligang

Inventor before: Zhou Zan

Inventor before: Li Yan

Inventor before: Li Yanle

Inventor before: Lu Yao

Inventor before: Cai Jingjing

Inventor before: He Ye

Inventor before: Liu Shuangshuang

Inventor before: Lu Chuang

CB03 Change of inventor or designer information