队列筛选与分组
确定符合SLE标准且无既往CVD的研究人群，并分为CVD与无CVD组。
从多伦多狼疮门诊中筛选1935名患者，排除48名（45名入组前有CVD，3名随访间隔>10年），最终纳入1887名。根据随访期间是否发生CVD分为CVD组（n=232）和无CVD组（n=1655）。
关于丁香通
公司信息
个人用户
企业机构
无忧采购 轻松科研
- 移动端
心血管风险评估工具作为系统性红斑狼疮心血管疾病事件预测因子的评估
Assessment of cardiovascular risk tools as predictors of cardiovascular disease events in systemic lupus erythematosus
实验完整度
中研究为单中心回顾性分析，基于前瞻性队列数据，比较五种CVD风险工具，包含敏感性、特异性、预测值和c统计量，但缺乏干预性功能验证。
主要模型
多伦多狼疮门诊的成年SLE患者队列（n=1887） CVD患者队列（n=232） 无CVD患者队列（n=1655）
重点核对
患者队列来自多伦多大学狼疮门诊，满足1997年ACR分类标准或3项标准加皮肤或肾活检确认 CVD事件定义为基于2008年Framingham研究的复合终点，包括CHD、动脉粥样硬化性CVA、PAD和心衰 风险评分指数日期：CVD患者为事件前10年最近就诊，无CVD患者为最近就诊前10年，随访不足10年者从入组日期计算 对HDL、体重、身高缺失值进行均值插补，对QRISK2未收集的风险因素通过子集分析插补 主要分析以10%的10年CVD风险作为截断值，计算敏感性、特异性、PPV、NPV和c统计量
摘要
背景：SLE是心血管疾病（CVD）的独立危险因素。本研究旨在确定QRISK2、QRISK3、弗雷明汉风险评分（FRS）、改良弗雷明汉风险评分（mFRS）和SLE心血管风险方程（SLECRE）中哪一个最能预测CVD。方法：这是对1887名SLE患者的单中心分析，根据标准方案进行前瞻性随访。对患有CVD和无CVD的患者，评估工具评分与10年内或10年时CVD发展的关系。对于CVD患者，风险评分计算的指数日期选择尽可能接近CVD事件前10年。对于无CVD的患者，风险评分计算尽可能接近最近一次门诊就诊前10年。根据每种工具确定发展为CVD的低风险（<10%）、中风险（10%–20%）和高风险（>20%）患者比例，从而进行敏感性、特异性、阳性/阴性预测值和一致性（c）统计量分析。结果：在1887名患者中，发生232次CVD事件。QRISK2和FRS，以及QRISK3和mFRS表现相似。SLECRE将最高数量的患者分类为中风险和高风险。敏感性和特异性分别为：QRISK2 19%和93%，FRS 22%和93%，mFRS 46%和83%，QRISK3 47%和78%，SLECRE 61%和64%。各工具的阴性预测值相似，从89%（QRISK2）到92%（SLECRE）不等。FRS和mFRS的c统计量最高（0.73），而QRISK3和SLECRE最低（0.67）。结论：mFRS优于FRS，且未被QRISK工具超越。SLECRE具有最高的敏感性但最低的特异性。mFRS是一种经SLE调整的实用工具，具有简单直观的评分系统，适用于门诊环境，但需要更多研究来开发更准确的CVD风险预测工具。
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
- 在SLE患者中，QRISK2、QRISK3、FRS、mFRS和SLECRE中哪一种最能预测CVD的发展？
- 核心机制
- 考虑SLE诊断的风险工具计算的风险评分相对较高，但并未显著提高CVD预测的准确性；不同工具之间的风险分层存在差异，可能导致治疗决策不一致。
- 主要证据
- 在1887名SLE患者中，232例发生CVD；mFRS的c统计量为0.73，敏感性46.1%，特异性82.6%；SLECRE敏感性最高61.2%，特异性最低63.7%。
- 研究意义
- 研究建议在临床实践中选择工具时考虑计算便捷性、敏感性、特异性和实验室数据可获取性；需要更多研究开发或改进现有的CVD风险预测工具，并关注外部有效性。
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。
计算风险评分
使用五种工具计算每位患者的10年CVD风险评分，以评估其预测能力。
在指数日期（CVD患者为事件前10年最近就诊，无CVD患者为最近就诊前10年，不足10年者用入组日期）分别计算FRS、mFRS、QRISK2、QRISK3和SLECRE评分。
评估工具性能
比较五种风险工具在10年CVD预测中的敏感性、特异性、预测值和区分能力。
根据风险评分将患者分为低（<10%）、中（10–20%）、高（>20%）风险，以10%为截断值计算敏感性、特异性、PPV、NPV和c统计量，并计算Kappa统计量评估工具间一致性。
敏感性分析
验证主要分析结果在不同计算范式下的稳健性。
进行了三项敏感性分析：①在入组时计算所有患者的风险评分，按SLECRE协议；②仅使用mFRS推导中使用的CVD事件（心绞痛、MI、CVD死亡）；③仅纳入指数年龄>25岁的患者。
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 |
|---|---|---|---|
| 风险评分计算 | QRISK2 | -- | -- |
| QRISK3 | -- | -- | |
| 弗雷明汉风险评分 | -- | -- | |
| 改良弗雷明汉风险评分 | -- | -- | |
| SLE心血管风险方程 | -- | -- |
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 |
|---|---|
| 研究人群 | 患者队列来源，纳入标准，排除标准 阅读提示：Methods - Study population |
| CVD事件定义 | CVD复合终点的具体组成（CHD，CVA，PAD，心衰） 阅读提示：Methods - Definition of CVD event |
| 风险评分计算 | 指数日期的定义，各工具所需变量，缺失数据插补方法 阅读提示：Methods - Risk factor data collection |
| 统计性能评估 | 截断值（10%），统计指标（敏感性、特异性、PPV、NPV、c统计量、Kappa），敏感性分析条件 阅读提示：Methods - Statistical analysis, Results - Tool performance, Sensitivity analyses |
| 敏感性分析 | 三种敏感性分析的具体设置（入组时计算，仅使用mFRS的CVD事件，排除年龄<25） 阅读提示：Methods - Statistical analysis；Results - Sensitivity analyses |