Research on the Construction of a Risk Prediction Model for Primary Hypertension with Left Ventricular Hypertrophy Based on TCM Syndromes and Pulse Graph Parameters

doi:10.12114/j.issn.1007-9572.2025.0397

Abstract

Abstract:

Background

Early risk assessment of essential hypertension with left ventricular hypertrophy (EH-LVH) is crucial for clinical intervention, but existing predictive models often overlook Traditional Chinese Medicine (TCM) syndromes, pulse graph parameters, and other TCM clinical information. Therefore, integrating the aforementioned characteristic indicators to construct an EH-LVH risk prediction model will provide new evidence for risk stratification and clinical decision-making in integrated Traditional Chinese and Western Medicine.

Objective

To develop a nomogram model for predicting the risk of EH-LVH based on TCM syndromes and pulse graph parameters.

Methods

A total of 201 inpatients with essential hypertension admitted to Shanghai Municipal Hospital of Traditional Chinese Medicine, Shanghai Integrated Traditional Chinese and Western Medicine Hospital Affiliated to Shanghai University of Traditional Chinese Medicine, and Shuguang Hospital Affiliated to Shanghai University of Traditional Chinese Medicine from August 2018 to June 2021 were selected. Based on echocardiographic results, they were divided into the essential hypertension with left ventricular hypertrophy group (EH-LVH group) and the essential hypertension without left ventricular hypertrophy group (EH-NLVH group). General information, physicochemical indicators, and TCM inquiry data of the two groups were collected, and pulse graph parameters were detected using the SMART-Ⅰ TCM pulse analysis instrument. Multivariate Logistic regression analysis was used to explore factors independently associated with the risk of EH-LVH. Using the rms package in R software version 4.1.1, three nomogram models (Models A, B, and C) were established with pulse graph parameters, TCM syndromes, and pulse graph parameters + TCM syndromes + general information as variables, respectively. Receiver operating characteristic (ROC) curves were used to assess discrimination, calibration curves to evaluate accuracy, Hosmer-Lemeshow test to verify calibration, and decision curve analysis (DCA) to evaluate clinical utility, followed by model comparisons.

Results

Multivariate Logistic regression analysis showed that low-density lipoprotein cholesterol (OR=1.511, 95%CI=1.709-2.115), Yin deficiency with Yang hyperactivity syndrome (OR=2.493, 95%CI=1.272-4.885), Qi stagnation and blood stasis syndrome (OR=7.866, 95%CI=2.201-28.110), T (OR=1.906, 95%CI=1.278-2.842), H3/H1 (OR=1.549, 95%CI=1.021-2.351), and W1/T (OR=2.129, 95%CI=1.369-3.310) were factors independently associated with the risk of EH-LVH (P<0.05). The areas under the ROC curves (AUC) of the nomogram models were as follows: the AUC of Model A was 0.642 (95%CI=0.571-0.713), that of Model B was 0.717 (95%CI=0.646-0.788), and that of Model C was 0.784 (95%CI=0.719-0.849). The calibration results showed that for Model A: χ²=0.133 (P>0.05), for Model B: χ²=4.316 (P>0.05), and for Model C: χ²=3.754 (P>0.05), indicating good agreement between the predicted probabilities and actual probabilities in the calibration curves of all three models. DCA curve analysis showed that when the threshold for predicting EH-LVH occurrence was between 0.05 and 0.80 (estimated value), Model C achieved optimal applicability, indicating its more significant clinical utility value.

Conclusion

This study successfully construct a nomogram for predicting the risk of EH-LVH, with TCM syndromes and pulse graph parameters as core predictive variables. The discrimination performance and predictive accuracy of this nomogram were validated to be favorable, demonstrating value for clinical promotion and application, and it can serve as a reference for clinical risk assessment of this disease.

Key words: Essential hypertension, Left ventricular hypertrophy, Pulse wave parameters, TCM syndromes, Prediction model

摘要：

背景

原发性高血压伴左心室肥厚（EH-LVH）的早期风险评估对临床干预至关重要，但现有预测模型常忽视中医证候、脉图参数等中医临床信息。因此，整合上述特色指标构建EH-LVH风险预测模型，将为中西医结合的风险分层与临床决策提供新依据。

目的

基于中医证候和脉图参数构建EH-LVH风险预测列线图模型。

方法

选取2018年8月—2021年6月上海市中医医院、上海中医药大学附属上海市中西医结合医院、上海中医药大学附属曙光医院收治的201例原发性高血压住院患者，根据超声心动图结果将其分为原发性高血压伴左心室肥厚组（EH-LVH组）和原发性高血压无左心室肥厚组（EH-NLVH组）。收集两组患者一般资料、理化指标及中医问诊信息，通过SMART-Ⅰ型中医脉象分析仪检测脉图参数。采用多因素Logistic回归分析探讨与EH-LVH发生风险存在独立关联的因素。应用R软件4.1.1rms程序包，分别以脉图参数、中医证候、脉图参数+中医证候+一般资料为变量，建立3个列线图模型（依次为模型A、B、C），以受试者工作特征（ROC）曲线分析区分度，校正曲线评估准确度，Hosmer-Lemeshow检验验证校准度，临床决策曲线（DCA曲线）评价临床实用性，并进行模型比较。

结果

多因素Logistic回归分析结果显示，低密度脂蛋白胆固醇（OR=1.511，95%CI=1.709~2.115）、阴虚阳亢证（OR=2.493，95%CI=1.272~4.885）、气滞血瘀证（OR=7.866，95%CI=2.201~28.110）、T（OR=1.906，95%CI=1.278~2.842）、H3/H1（OR=1.549，95%CI=1.021~2.351）、W1/T（OR=2.129，95%CI=1.369~3.310）是与EH-LVH风险独立相关的影响因素（P<0.01）。列线图模型的ROC曲线下面积（AUC）分别为：模型A的AUC为0.642（95%CI=0.571~0.713），模型B的AUC为0.717（95%CI=0.646~0.788），模型C的AUC为0.784（95%CI=0.719~0.849）。校准度结果显示，模型A：χ²=0.133（P>0.05），模型B：χ²=4.316（P>0.05），模型C：χ²=3.754（P>0.05），提示3个模型校准曲线的预测概率与实际概率一致性良好。DCA曲线分析显示，当预测EH-LVH发生的阈值处于0.05~0.80（估算值）时，模型C的适用性达到最优，表明该模型的临床实用价值更为显著。

结论

本研究以中医证候及脉图参数为核心预测变量，成功构建EH-LVH风险预测列线图。该列线图的区分效能与预测精准度经验证表现良好，具备临床推广应用价值，可作为临床开展该疾病风险评估的参考依据。

关键词: 原发性高血压, 左心室肥厚, 脉图参数, 中医证候, 预测模型

WANG Siman,ZHANG Mengchu,LI Wen, et al. Research on the Construction of a Risk Prediction Model for Primary Hypertension with Left Ventricular Hypertrophy Based on TCM Syndromes and Pulse Graph Parameters[J]. Chinese General Practice, 2026, 29(14): 1840-1848. DOI: 10.12114/j.issn.1007-9572.2025.0397.
王斯曼,张梦楚,李文等. 基于中医证候及脉图参数构建原发性高血压伴左心室肥厚风险预测模型研究[J]. 中国全科医学, 2026, 29(14): 1840-1848. DOI: 10.12114/j.issn.1007-9572.2025.0397.

Figures/Tables 13

References 44

[1]	FUCHS F D, WHELTON P K. High blood pressure and cardiovascular disease[J]. Hypertension, 2020, 75(2): 285-292.
[2]	傅桑娅, 李正昕, 温清, 等.心血管疾病风险预测的危险因素和模型构建的研究进展[J].中华高血压杂志, 2024, 32(11): 1020-1028. DOI: 10.16439/j.issn.1673-7245.2024.11.006.
[3]	费兆馥.现代中医脉诊学[M].北京: 人民卫生出版社, 2006: 14-18.
[4]	牛欣. 脉诊位,数,形,势变化的心血管生理学探讨[J]. 北京中医学院学报, 1992(1): 30-33.
[5]	张梦楚, 赵倩倩, 解天骁, 等. 基于脉图参数构建原发性高血压患者伴左心室肥厚的风险预测列线图模型[J]. 中国中医药信息杂志, 2022, 29(8): 116-122. DOI: 10.19879/j.cnki.1005-5304.202112351.
[6]	PEDUZZI P, CONCATO J, KEMPER E, et al. A simulation study of the number of events per variable in logistic regression analysis[J]. J Clin Epidemiol, 1996, 49(12): 1373-1379. DOI: 10.1016/s0895-4356(96)00236-3.
[7]	中国高血压防治指南修订委员会, 高血压联盟(中国), 中国医疗保健国际交流促进会高血压分会, 等. 中国高血压防治指南(2024年修订版)[J]. 中华高血压杂志, 2024, 32(7): 603-700.
[8]	MANCIA G, FAGARD R, NARKIEWICZ K, et al. 2013 ESH/ESC guidelines for the management of arterial hypertension: the Task Force for the Management of Arterial Hypertension of the European Society of Hypertension (ESH) and of the European Society of Cardiology (ESC)[J]. Eur Heart J, 2013, 34(28): 2159-2219.
[9]	CHIANG C E, WANG T D, UENG K C, et al. 2015 guidelines of the Taiwan Society of Cardiology and the Taiwan Hypertension Society for the management of hypertension[J]. J Chin Med Assoc, 2015, 78(1): 1-47. DOI: 10.1016/j.jcma.2014.11.005.
[10]	SHIMAMOTO K, ANDO K, FUJITA T, et al. The Japanese society of hypertension guidelines for the management of hypertension (JSH 2014)[J]. Hypertens Res, 2014, 37(4): 253-390.
[11]	黄元伟, 戚文航. 临床心血管病学[M]. 天津: 天津科学技术出版社, 1998: 26-34.
[12]	胡亮亮. 基于中医四诊信息的冠心病发病风险预测模型研究[D]. 上海: 上海中医药大学, 2019.
[13]	朱文锋. 证素辨证学[M].北京: 人民卫生出版社, 2008: 36-53.
[14]	国家技术监督局. 中医临床诊疗术语　证候部分: GB/T 16751.2—1997[S]. 北京: 中国标准出版社, 2004.
[15]	张伯臾. 中医内科学[M]. 上海: 上海科学技术出版社, 1985.
[16]	LI R, DONG W, WANG W, et al. Additive effects of Lp (a) and inflammation on cardiovascular risk beyond LDL-C lowering: circulating and genetic evidence from 401 548 adults[J]. Sci Bull, 2025, 70(23): 3979-3982. DOI: 10.1016/j.scib.2025.10.005.
[17]	CANNON C P, BLAZING M A, GIUGLIANO R P, et al. Ezetimibe added to statin therapy after acute coronary syndromes[J]. N Engl J Med, 2015, 372(25): 2387-2397.
[18]	WENG S F, REPS J, KAI J, et al. Can machine-learning improve cardiovascular risk prediction using routine clinical data?[J]. PLoS one, 2017, 12(4): e0174944. DOI: 10.1371/journal.pone.0174944.
[19]	WEHBE R M, KHAN S S, SHAH S J, et al. Predicting high-risk patients and high-risk outcomes in heart failure[J]. Heart Fail Clin, 2020, 16(4): 387-407. DOI: 10.1016/j.hfc.2020.05.002.
[20]	KHAN S S, MATSUSHITA K, SANG Y, et al. Development and validation of the American Heart Association's prevent equations[J]. Circulation, 2024, 149(6): 430-449.
[21]	LIU T, KRENTZ A, LU L, et al. Machine learning based prediction models for cardiovascular disease risk using electronic health records data: systematic review and meta-analysis[J]. Eur Heart J Digit Health, 2025, 6(1): 7-22. DOI: 10.1093/ehjdh/ztae080.
[22]	王永炎, 严世芸. 实用中医内科学[M]. 2版. 上海: 上海科学技术出版社, 2009: 108.
[23]	HIJAZI Z, OLDGREN J, WALLENTIN L, et al. Response to letter regarding article, "Cardiac biomarkers are associated with an increased risk of stroke and death in patients with atrial fibrillation: a randomized evaluation of long-term anticoagulation therapy (RE-LY)substudy"[J]. Circulation, 2013, 127(2): e278-e279.
[24]	MIRZA S J, AHMAD RADAIDEH G. Pattern of left ventricular hypertrophy seen on transthoracic echo in patients with hypertensive cardiomyopathy when compared with idiopathic hypertrophic cardiomyopathy[J]. J Pak Med Assoc, 2013, 63(1): 16-19.
[25]	程斌, 宋婷婷, 董昌武. 近5年中医药防治高血压左心室肥厚研究[J]. 中医药临床杂志, 2018, 30(6): 995-998.
[26]	方媛, 倪永骋. 基于心脏稳态失衡探析高血压心脏病从虚和瘀论治内涵[J]. 中国中医药信息杂志, 2024, 31(12): 15-19.
[27]	成思燃. 老年高血压患者血脂异常与左室收缩功能及左室质量指数的相关性研究[D]. 银川: 宁夏医科大学, 2020.
[28]	岳军. 血清HDL-C、LDL-C对老年2型糖尿病患者动脉粥样硬化的评估分析[J]. 心血管病防治知识, 2021, 11(30): 3-5.
[29]	杨继, 张垚, 张秋月, 等. 高血压病并发脑卒中的影响因素分析及风险预测模型的初步建立——3859例回顾性研究[J]. 中医杂志, 2021, 62(10): 868-873.
[30]	SCHUBERT J, LINDAHL B, MELHUS H, et al. Low-density lipoprotein cholesterol reduction and statin intensity in myocardial infarction patients and major adverse outcomes: a Swedish nationwide cohort study[J]. Eur Heart J, 2021, 42(3): 243-252.
[31]	郑筱萸. 中药新药临床研究指导原则——试行[M]. 北京: 中国医药科技出版社, 2002: 73-77.
[32]	靳利利, 王清海, 李典鸿. 高血压左心室肥厚患者的中医辨证分型研究[J]. 辽宁中医杂志, 2008, 35(10): 1542. DOI: 10.3969/j.issn.1000-1719.2008.10.053.
[33]	叶天士. 临证指南医案[M]. 苏礼, 整理. 北京: 人民卫生出版社, 2018: 10.
[34]	关山月. 高血压左心室肥厚中医证型与左心室结构指标的关系及中药干预研究[D]. 北京: 北京中医药大学, 2015.
[35]	邢长城. 原发性高血压的中医辨证分型与左心室肥厚的相关性研究[D]. 济南: 山东中医药大学, 2021.
[36]	田代华. 黄帝内经素问[M]. 北京: 人民卫生出版社, 2017.
[37]	范金茹, 王行宽, 熊国强. 高血压左室肥厚中医病名、病位、病因病机探讨[J]. 中医药通报, 2005, 4(2): 19-21.
[38]	刘璐, 马泽慧, 陈聪, 等. 上海中医药大学在校大学生不同情感状态脉图特征参数分析与识别[J]. 中国中医药信息杂志, 2019, 26(4): 19-23.
[39]	陈新胜, 柯植泉. 原发性高血压合并左心室肥厚与心率变异性及室性心律失常的相关性研究[J]. 临床医学工程, 2016, 23(7): 863-864.
[40]	刘璐, 陈瑞, 张春柯, 等. 冠状动脉不同病变程度患者中医脉图特征参数分析[J]. 中国中医药信息杂志, 2020, 27(4): 13-17.
[41]	姚天文, 王清亮, 潘诗蕾, 等. 健康成人不同年龄、不同性格对中医脉图的影响[J]. 中华中医药学刊, 2015, 33(11): 2775-2777.
[42]	陈一峰, 方寒蕊, 王浩, 等. 高血压200例脉象及病机分析[J]. 中国社区医师, 2021, 37(27): 91-92.
[43]	王蕾, 尚倩倩, 钱鹏, 等. 高血压病患者动态动脉硬化指数的研究现状及对中医脉诊研究的启示[J]. 中华中医药杂志, 2017, 32(11): 4793-4797.
[44]	武玉琳, 齐新, 魏丽萍, 等. 老年高血压患者的无创血流动力学参数与心脏结构变化的关系[J]. 中华老年心脑血管病杂志, 2020, 22(1): 10-14.

组别	例数	性别[例（%）]		年龄[M（P₂₅，P₇₅），岁]	BMI[M（P₂₅，P₇₅），kg/m²]	TC[M（P₂₅，P₇₅），mmol/L]	TG[M（P₂₅，P₇₅），mmol/L]	HDL-C[M（P₂₅，P₇₅），mmol/L]	LDL-C[M（P₂₅，P₇₅），mmol/L]	UA[M（P₂₅，P₇₅），μmol/L]
组别	例数	男	女	年龄[M（P₂₅，P₇₅），岁]	BMI[M（P₂₅，P₇₅），kg/m²]	TC[M（P₂₅，P₇₅），mmol/L]	TG[M（P₂₅，P₇₅），mmol/L]	HDL-C[M（P₂₅，P₇₅），mmol/L]	LDL-C[M（P₂₅，P₇₅），mmol/L]	UA[M（P₂₅，P₇₅），μmol/L]
EH-NLVH组	119	71（59.7）	48（40.3）	67（62，72）	26.2（23.4，28.5）	4.23（3.56，4.98）	1.40（1.10，1.98）	1.02（0.91，1.22）	2.54（1.89，3.13）	307.50（257.70，369.45）
EH-LVH组	82	14（17.1）	68（82.9）	71（66，76）	24.4（22.1，26.9）	4.49（3.87，5.44）	1.37（1.07，1.88）	1.19（0.93，1.44）	2.78（1.96，3.58）	361.50（302.00，439.95）
Z（χ²）值		36.084^a		-2.944	-2.942	-1.739	-0.044	-2.539	-1.785	-3.333
P值		<0.001		0.003	0.003	0.077	0.979	0.011	0.071	0.001
组别	BUN[M（P₂₅，P₇₅），mmol/L]	Cys-C[M（P₂₅，P₇₅），mg/L]	FBG[M（P₂₅，P₇₅），mmol/L]	Hcy[M（P₂₅，P₇₅），μmol/L]	MALB[M（P₂₅，P₇₅），g/L]	最高SBP[M（P₂₅，P₇₅），mmHg]	最高DBP[M（P₂₅，P₇₅），mmHg]	目前SBP[M（P₂₅，P₇₅），mmHg]	目前DBP[M（P₂₅，P₇₅），mmHg]	Scr[M（P₂₅，P₇₅），μmol/L]
EH-NLVH组	5.60（4.54，6.88）	1.05（0.92，1.30）	5.90（5.20，7.53）	13.80（11.80，18.70）	1.21（0.74，10.10）	170（160，180）	100（90，100）	135（125，149）	80（75.0，90）	73.30（64.10，86.10）
EH-LVH组	5.60（4.60，6.50）	1.02（0.90，1.28）	5.70（5.10，7.00）	11.40（9.17，13.80）	0.65（0.48，0.81）	178（160，191）	99（90，102）	132（122，146）	80（75，84）	57.60（51.90，69.10）
Z（χ²）值	-0.341	-0.151	-0.265	-3.531	-1.370	-1.024	-0.379	-0.753	-1.155	-5.300
P值	0.706	0.880	0.789	0.001	0.171	0.275	0.634	0.451	0.248	<0.001

组别	例数	性别[例（%）]		年龄[M（P₂₅，P₇₅），岁]	BMI[M（P₂₅，P₇₅），kg/m²]	TC[M（P₂₅，P₇₅），mmol/L]	TG[M（P₂₅，P₇₅），mmol/L]	HDL-C[M（P₂₅，P₇₅），mmol/L]	LDL-C[M（P₂₅，P₇₅），mmol/L]	UA[M（P₂₅，P₇₅），μmol/L]
组别	例数	男	女	年龄[M（P₂₅，P₇₅），岁]	BMI[M（P₂₅，P₇₅），kg/m²]	TC[M（P₂₅，P₇₅），mmol/L]	TG[M（P₂₅，P₇₅），mmol/L]	HDL-C[M（P₂₅，P₇₅），mmol/L]	LDL-C[M（P₂₅，P₇₅），mmol/L]	UA[M（P₂₅，P₇₅），μmol/L]
EH-NLVH组	119	71（59.7）	48（40.3）	67（62，72）	26.2（23.4，28.5）	4.23（3.56，4.98）	1.40（1.10，1.98）	1.02（0.91，1.22）	2.54（1.89，3.13）	307.50（257.70，369.45）
EH-LVH组	82	14（17.1）	68（82.9）	71（66，76）	24.4（22.1，26.9）	4.49（3.87，5.44）	1.37（1.07，1.88）	1.19（0.93，1.44）	2.78（1.96，3.58）	361.50（302.00，439.95）
Z（χ²）值		36.084^a		-2.944	-2.942	-1.739	-0.044	-2.539	-1.785	-3.333
P值		<0.001		0.003	0.003	0.077	0.979	0.011	0.071	0.001
组别	BUN[M（P₂₅，P₇₅），mmol/L]	Cys-C[M（P₂₅，P₇₅），mg/L]	FBG[M（P₂₅，P₇₅），mmol/L]	Hcy[M（P₂₅，P₇₅），μmol/L]	MALB[M（P₂₅，P₇₅），g/L]	最高SBP[M（P₂₅，P₇₅），mmHg]	最高DBP[M（P₂₅，P₇₅），mmHg]	目前SBP[M（P₂₅，P₇₅），mmHg]	目前DBP[M（P₂₅，P₇₅），mmHg]	Scr[M（P₂₅，P₇₅），μmol/L]
EH-NLVH组	5.60（4.54，6.88）	1.05（0.92，1.30）	5.90（5.20，7.53）	13.80（11.80，18.70）	1.21（0.74，10.10）	170（160，180）	100（90，100）	135（125，149）	80（75.0，90）	73.30（64.10，86.10）
EH-LVH组	5.60（4.60，6.50）	1.02（0.90，1.28）	5.70（5.10，7.00）	11.40（9.17，13.80）	0.65（0.48，0.81）	178（160，191）	99（90，102）	132（122，146）	80（75，84）	57.60（51.90，69.10）
Z（χ²）值	-0.341	-0.151	-0.265	-3.531	-1.370	-1.024	-0.379	-0.753	-1.155	-5.300
P值	0.706	0.880	0.789	0.001	0.171	0.275	0.634	0.451	0.248	<0.001

组别	例数	阴虚证		血瘀证		阴虚阳亢证		气阴两虚证		气滞血瘀证
组别	例数	无	有	无	有	无	有	无	有	无	有
EH-NLVH组	119	71（59.7）	48（40.3）	97（81.5）	22（18.5）	72（60.5）	47（39.5）	92（77.3）	27（22.7）	115（96.6）	4（3.4）
EH-LVH组	82	34（41.5）	48（58.5）	56（68.3）	26（31.7）	33（40.2）	49（59.8）	48（58.5）	34（41.5）	68（82.9）	14（17.1）
χ²值		6.446		4.667		7.987		8.095		11.195
P值		0.017		0.031		0.005		0.004		0.001

组别	例数	阴虚证		血瘀证		阴虚阳亢证		气阴两虚证		气滞血瘀证
组别	例数	无	有	无	有	无	有	无	有	无	有
EH-NLVH组	119	71（59.7）	48（40.3）	97（81.5）	22（18.5）	72（60.5）	47（39.5）	92（77.3）	27（22.7）	115（96.6）	4（3.4）
EH-LVH组	82	34（41.5）	48（58.5）	56（68.3）	26（31.7）	33（40.2）	49（59.8）	48（58.5）	34（41.5）	68（82.9）	14（17.1）
χ²值		6.446		4.667		7.987		8.095		11.195
P值		0.017		0.031		0.005		0.004		0.001

组别	例数	H3/H1	T5	T	W1	W2	W1/T	W2/T
EH-NLVH组	119	0.79（0.61，0.85）	0.42（0.39，0.45）	0.82（0.75，0.91）	0.19（0.17，0.22）	0.15（0.11，0.17）	0.22（0.20，0.25）	0.18（0.14，0.20）
EH-LVH组	82	0.85（0.76，0.89）	0.43（0.41，0.47）	0.88（0.80，0.95）	0.21（0.18，0.23）	0.17（0.13，0.19）	0.25（0.22，0.27）	0.18（0.16，0.21）
Z值		-3.357	-2.690	-3.010	-2.144	-2.666	-3.312	-2.239
P值		0.001	0.007	0.003	0.032	0.008	0.001	0.025