开发和验证CE-MACE模型:利用常规医疗数据预测COPD急性加重后一年内主要不良心血管事件

Developing and Validating the CE-MACE Model to Predict One-Year Major Adverse Cardiovascular Events Post COPD Exacerbation Using Routine Healthcare Data

作者信息Ye Wang, Anne E Ioannides, Constantinos Kallis, Jennifer K Quint
PMID41786499
发布时间2026-03-05
DOI10.1183/13993003.02555-2025

实验完整度

基于大规模常规医疗数据(CPRD、HES、ONS),进行了多区域内部-外部交叉验证,并进行了敏感性分析,涵盖预测模型开发、验证及临床效用评估。

主要模型

英国临床实践研究数据链(CPRD Aurum)中的COPD患者队列 包含中度或重度COPD急性加重事件的患者 九大地理区域划分的队列

重点核对

COPD急性加重事件的定义:中度(初级医疗管理)和重度(二级医疗管理) MACE结局定义,包括急性冠脉综合征、心律失常、心力衰竭或缺血性卒中 预测因子(年龄、急性加重严重程度、MACE病史、mMRC、高血压、糖尿病) 模型预测公式:Ppredicted=1–(1–R0)^exp(β1*X1+β2*X2+…+βn*Xn)

摘要

背景:COPD患者心血管事件风险升高,尤其在急性加重后。现有预测模型低估了其风险。我们开发和验证了CE-MACE模型,用于预测COPD急性加重后1年内主要不良心血管事件(MACE)的风险。方法:利用英国临床实践研究数据链Aurum数据库的电子健康记录,纳入年龄≥40岁、发生中度或重度COPD急性加重的患者。结局为致死性或非致死性MACE(急性冠脉综合征、心律失常、心力衰竭或缺血性卒中)。使用原因别风险模型估计预测因子的系数。通过Nagelkerke's R²、Harrell's C统计量、校准-in-the-large、校准斜率和决策曲线分析评估模型性能。采用内部-外部交叉验证评估九个地理区域的模型性能。根据原始系数推导出风险评分。结果:共纳入338,981例患者。COPD急性加重后MACE的1年累积发生率为5.04%(95%置信区间4.96–5.12%)。保留了六个预测因子:年龄、急性加重严重程度、MACE病史、改良医学研究委员会呼吸困难量表、高血压和糖尿病。在内部-外部交叉验证中,Nagelkerke's R²的汇总估计值为3.120%(2.945–3.295%),Harrell's C统计量为0.752(0.746–0.759)。校准-in-the-large为−0.006(−0.008–−0.004),校准斜率为0.999(0.977–1.020)。这些结果表明该模型具有临床实用性,在2%至18%的风险阈值范围内,净获益高于默认策略。模型驱动的风险分层显示不同风险类别之间的累积发生率存在显著差异。敏感性分析显示CE-MACE模型对有任何COPD急性加重史的患者具有普适性。结论:CE-MACE模型强调了COPD患者心血管共病的负担。该模型有助于在临床实践中精准识别高风险患者,并促进对这类患者的综合多学科医疗。

实验结论

提炼研究问题、关键发现与证据,快速把握文章的核心贡献。

研究问题
如何利用常规医疗数据准确预测COPD急性加重后1年内MACE风险?
核心机制
COPD急性加重与心血管事件风险增加相关,可能通过全身性炎症、肺功能恶化等机制影响心血管系统。
主要证据
基于338,981例患者的大规模队列,内部-外部交叉验证证实模型具有良好区分度(C统计量0.752)和校准度,且决策曲线分析显示临床效用。
研究意义
CE-MACE模型有助于在临床实践中精准识别高风险患者,促进心血管风险的整合管理,减轻COPD患者的心血管共病负担。

研究路径

按研究推进顺序梳理实验设计、验证步骤与关键观察。

1

数据提取与队列构建

确定研究队列,包括COPD患者及急性加重事件。

从CPRD Aurum数据库中提取COPD患者数据,并按纳入排除标准筛选队列。

2

结局定义与随访

确定主要不良心血管事件(MACE)的定义及随访终点。

根据HES和ONS数据定义MACE,随访至事件发生、其他原因死亡或1年无事件等。

3

预测因子选择与模型构建

从候选预测因子中选择最优子集,构建预测模型。

预选21个候选预测因子,采用LASSO回归和临床知识进行变量选择,比较五种模型规格,确定最终模型。

4

模型性能评估

评估模型的区分度、校准度和临床效用。

使用内部-外部交叉验证评估性能,包括R²、C统计量、校准-in-the-large、校准斜率及决策曲线分析。

5

风险分层与评分表

将模型转化为易用的评分工具,并进行风险分层。

根据系数推导评分表,将患者分为低、中、高风险组,并比较各组的MACE累积发生率。

6

敏感性分析

检验模型对任意急性加重史患者的普适性。

使用后续急性加重事件作为分析单元进行内部-外部交叉验证。

研究方法

按研究目的归类文中使用的方法,便于定位所需技术。

产品清单

实验环节名称品牌货号
Stata 18.5StataCorp LLC--
R 4.4.3R Foundation for Statistical Computing--

关键环节

汇总复现实验时建议重点确认的条件及原文阅读提示。

环节核对要点
队列构建
COPD诊断定义、急性加重的定义(中度/重度)、纳入和排除标准
阅读提示:Methods - Study population and study design
结局定义
MACE的定义(急性冠脉综合征、心律失常、心力衰竭或缺血性卒中)、信息来源(HES/ONS)
阅读提示:Methods - Outcomes definition
预测因子
六个预测因子(年龄、急性加重严重程度、MACE病史、mMRC、高血压、糖尿病)的定义及测量时间
阅读提示:Methods - Candidate predictors, Results - Predictors and prediction
模型构建
模型公式(Ppredicted=1–(1–R0)^exp(β1*X1+β2*X2+…+βn*Xn)),基线风险R0=0.00223
阅读提示:Methods - Predictor selection and model specification, Results - Predictors and prediction
性能评估
内部-外部交叉验证方法、九个地理区域划分、性能指标(R2、C统计量、校准指标)
阅读提示:Methods - Model performance