Chinese General Practice ›› 2024, Vol. 27 ›› Issue (27): 3440-3445.DOI: 10.12114/j.issn.1007-9572.2023.0530
Special Issue: 心血管最新文章合辑
• Review & Perspectives • Previous Articles Next Articles
Received:
2023-07-17
Revised:
2023-11-05
Published:
2024-09-20
Online:
2024-06-14
Contact:
YU Man
通讯作者:
于漫
作者简介:
作者贡献:
左仲琪、王宇负责论文的构思与设计、论文的撰写与修订;靳艳、于漫负责论文的可行性分析;张庆伟、袁彬彬、沈赛娅、王菲负责文献/资料的收集与整理;左仲琪、于漫负责论文的英文修订、质量控制及审校,并对文章整体负责,监督管理。
基金资助:
CLC Number:
Add to citation manager EndNote|Ris|BibTeX
URL: https://www.chinagp.net/EN/10.12114/j.issn.1007-9572.2023.0530
第一作者 | 评估工具 | 评估内容 | 研究对象 | 研究终点 | 危险评分呈现形式/分界值 | 信效度 | 预测效能 |
---|---|---|---|---|---|---|---|
于漫[ | CEWSa | 收缩压、心率、呼吸、血氧饱和度、心律失常、体温、意识、疼痛评分、年龄 | <90岁的成年心血管疾病患者 | 院内病亡 | 四分位间距分层,低风险(0~3分)、中风险(4~6分)、高风险(7~10分)、极高风险(≥11分) | Cronbach's α系数为0.730;结构效度为0.630 | O/E为0.80~0.91;Pearson相关系数为0.954 |
ZHANG[ | 改良MEWS | 收缩压、舒张压、呼吸、心率、血氧饱和度、心律失常、意识、胸痛 | 心血管疾病住院患者 | 心血管疾病严重程度 | 低风险(0~3分)、中风险(4~6分)、高风险(7~10分)、极高风险(≥11分) | Cronbach's α系数为0.989;结构效度为0.916 | |
MO[ | 未命名a | 收缩压、白细胞计数、血细胞比容、总胆红素、肾小球滤过率和NTproBNP | 危重症ADHF患者 | 任何住院病死、心脏骤停或使用机械支持装置 | C-index为0.758 | ||
BIAN[ | SUPERa | 血氧饱和度、尿量、脉搏、情绪状态和呼吸 | AHF患者 | 全因死亡率 | 低风险(0~1)分、中风险(2~3分)、高风险(4~5分)、极高风险(6~10分) | AUC为0.811 | |
TAŞOLAR[ | CHA2DS2-VASC-HSa | 慢性心力衰竭、高血压、糖尿病、血管疾病、年龄65~74岁、性别、高血脂、吸烟、卒中或TIA史和年龄>75岁 | NSTE-ACS | 重大心血管不良事件 | 根据SYNTAX评分、三分位数分层,低风险(0~22分)、中风险(23~32分)、高风险(>32分)/5分 | AUC为0.804;灵敏度为0.696;特异度为0.903 | |
CHOTECHUANG[ | GRACEb | 病史、初次就诊时和住院期间的调查结果 | STEMI患者 | 30 d和6个月内因心血管疾病死亡、再入院 | 低风险(0~126分)、中高风险(126~258分) | AUC为0.746 | |
张婧婧[ | ViEWSb | 体温、脉搏、收缩压、呼吸、SpO2、辅助吸氧及意识 | STEMI患者 | 院内MACE | 低风险(0~6.845分)、高风险(6.845~21分)/6.845分 | AUC为0.801 | |
HONG[ | CHINA-PARb | 年龄、性别、居住地、地域、腰围、总胆固醇、高密度脂蛋白、收缩压、服用降压药、糖尿病、吸烟、心血管病家族史 | 冠心病患者 | 冠状动脉病变严重程度 | 低风险(<5%)、中风险(5%~10%)、高风险(>10%)/7.55% | AUC为0.693;灵敏度为0.558;特异度为0.718 | |
SCHOOFS[ | SCO RE-FNFb | 年龄、性别、收缩压、吸烟状况、总胆固醇/高密度脂蛋白比和类风湿性关节炎 | 40~70岁心血管疾病患者 | 因心血管疾病死亡及再入院 | C-index为0.613 | ||
LI[ | CHINA-PARb | 性别、年龄、居住地、地域、腰围、收缩压、服用降压药、总胆固醇、高密度脂蛋白、吸烟、糖尿病和心血管病家族史 | 40~80岁有心血管危险因素的患者 | 急性心肌梗死、致死性冠心病和非致死性或致死性卒中 | 低风险(<5%)、中风险(5%~10%)、高风险(>10%)/10% | ||
HAGEMAN[ | SMART2ab | 年龄、性别、吸烟、非高密度脂蛋白、糖尿病、冠状动脉疾病、脑血管疾病、外周动脉疾病、腹主动脉瘤、患病时长、肾小球滤过率、C反应蛋白 | ASCVD患者 | 非致死性心肌梗死、非致死性卒中和血管性死亡 | 50% | AUC为0.696 | |
SUZUKI[ | H2FPEFb | 肥胖、使用≥2种抗高血压药物、心房颤动、肺动脉高压、年龄、E/e'>9 | 有心血管危险因素的稳定门诊患者 | 心血管死亡和心衰失代偿住院 | 低风险(0~1分)、中风险(2~5分)、高风险(6~9分)/7分 | AUC为0.78;灵敏度为0.470;特异度为0.960 | |
仲骏[ | EuroSCO RE、APACHEⅡ、EWS、MEWS、EWS-Lb | 脉搏、体温、呼吸、收缩压、意识、尿量、SpO2、乳酸等 | 心脏外科术后再入ICU患者 | 死亡 | EWS-L评分6.45分 | 5种工具依次如下:AUC为0.550、0.725、0.653、0.685、0.794,灵敏度为0.223、0.567、0.500、0.400、0.800,特异度为0.948、0.812、0.779、0.935、0.734 | |
WU[ | 风险预警模型(PIP、PPO、PIM) | 心绞痛、疾病数量、药物数量、住院时间(d)、年龄 | 年龄≥65岁的住院心血管疾病患者 | 患者药物不良事件 | 3种工具依次如下:AUC为0.834 1、0.700 7、0.706 1 | ||
LI[ | 基于人工智能技术的风险早期预警模型(逻辑回归模型、贝叶斯模型、支持向量机模型) | 医学数据库中提取患者疾病信息 | 高血压患者 | 急性心血管事件(中风、心力衰竭)和危重疾病事件(肾功能衰竭) | 3种模型依次如下:AUC为0.926 9、0.922 0、0.924 6;灵敏度为0.804 8、0.819 5、0.850 1;特异度为0.901 4、0.895 1、0.869 5 | ||
FANG[ | 心血管疾病早期预警系统 | 可穿戴设备自动采集获取的血压、心电图、SpO2、体温以及由患者测试的血脂和体脂百分比指标 | 心血管疾病患者 |
Table 1 Basic characteristics of the included literature
第一作者 | 评估工具 | 评估内容 | 研究对象 | 研究终点 | 危险评分呈现形式/分界值 | 信效度 | 预测效能 |
---|---|---|---|---|---|---|---|
于漫[ | CEWSa | 收缩压、心率、呼吸、血氧饱和度、心律失常、体温、意识、疼痛评分、年龄 | <90岁的成年心血管疾病患者 | 院内病亡 | 四分位间距分层,低风险(0~3分)、中风险(4~6分)、高风险(7~10分)、极高风险(≥11分) | Cronbach's α系数为0.730;结构效度为0.630 | O/E为0.80~0.91;Pearson相关系数为0.954 |
ZHANG[ | 改良MEWS | 收缩压、舒张压、呼吸、心率、血氧饱和度、心律失常、意识、胸痛 | 心血管疾病住院患者 | 心血管疾病严重程度 | 低风险(0~3分)、中风险(4~6分)、高风险(7~10分)、极高风险(≥11分) | Cronbach's α系数为0.989;结构效度为0.916 | |
MO[ | 未命名a | 收缩压、白细胞计数、血细胞比容、总胆红素、肾小球滤过率和NTproBNP | 危重症ADHF患者 | 任何住院病死、心脏骤停或使用机械支持装置 | C-index为0.758 | ||
BIAN[ | SUPERa | 血氧饱和度、尿量、脉搏、情绪状态和呼吸 | AHF患者 | 全因死亡率 | 低风险(0~1)分、中风险(2~3分)、高风险(4~5分)、极高风险(6~10分) | AUC为0.811 | |
TAŞOLAR[ | CHA2DS2-VASC-HSa | 慢性心力衰竭、高血压、糖尿病、血管疾病、年龄65~74岁、性别、高血脂、吸烟、卒中或TIA史和年龄>75岁 | NSTE-ACS | 重大心血管不良事件 | 根据SYNTAX评分、三分位数分层,低风险(0~22分)、中风险(23~32分)、高风险(>32分)/5分 | AUC为0.804;灵敏度为0.696;特异度为0.903 | |
CHOTECHUANG[ | GRACEb | 病史、初次就诊时和住院期间的调查结果 | STEMI患者 | 30 d和6个月内因心血管疾病死亡、再入院 | 低风险(0~126分)、中高风险(126~258分) | AUC为0.746 | |
张婧婧[ | ViEWSb | 体温、脉搏、收缩压、呼吸、SpO2、辅助吸氧及意识 | STEMI患者 | 院内MACE | 低风险(0~6.845分)、高风险(6.845~21分)/6.845分 | AUC为0.801 | |
HONG[ | CHINA-PARb | 年龄、性别、居住地、地域、腰围、总胆固醇、高密度脂蛋白、收缩压、服用降压药、糖尿病、吸烟、心血管病家族史 | 冠心病患者 | 冠状动脉病变严重程度 | 低风险(<5%)、中风险(5%~10%)、高风险(>10%)/7.55% | AUC为0.693;灵敏度为0.558;特异度为0.718 | |
SCHOOFS[ | SCO RE-FNFb | 年龄、性别、收缩压、吸烟状况、总胆固醇/高密度脂蛋白比和类风湿性关节炎 | 40~70岁心血管疾病患者 | 因心血管疾病死亡及再入院 | C-index为0.613 | ||
LI[ | CHINA-PARb | 性别、年龄、居住地、地域、腰围、收缩压、服用降压药、总胆固醇、高密度脂蛋白、吸烟、糖尿病和心血管病家族史 | 40~80岁有心血管危险因素的患者 | 急性心肌梗死、致死性冠心病和非致死性或致死性卒中 | 低风险(<5%)、中风险(5%~10%)、高风险(>10%)/10% | ||
HAGEMAN[ | SMART2ab | 年龄、性别、吸烟、非高密度脂蛋白、糖尿病、冠状动脉疾病、脑血管疾病、外周动脉疾病、腹主动脉瘤、患病时长、肾小球滤过率、C反应蛋白 | ASCVD患者 | 非致死性心肌梗死、非致死性卒中和血管性死亡 | 50% | AUC为0.696 | |
SUZUKI[ | H2FPEFb | 肥胖、使用≥2种抗高血压药物、心房颤动、肺动脉高压、年龄、E/e'>9 | 有心血管危险因素的稳定门诊患者 | 心血管死亡和心衰失代偿住院 | 低风险(0~1分)、中风险(2~5分)、高风险(6~9分)/7分 | AUC为0.78;灵敏度为0.470;特异度为0.960 | |
仲骏[ | EuroSCO RE、APACHEⅡ、EWS、MEWS、EWS-Lb | 脉搏、体温、呼吸、收缩压、意识、尿量、SpO2、乳酸等 | 心脏外科术后再入ICU患者 | 死亡 | EWS-L评分6.45分 | 5种工具依次如下:AUC为0.550、0.725、0.653、0.685、0.794,灵敏度为0.223、0.567、0.500、0.400、0.800,特异度为0.948、0.812、0.779、0.935、0.734 | |
WU[ | 风险预警模型(PIP、PPO、PIM) | 心绞痛、疾病数量、药物数量、住院时间(d)、年龄 | 年龄≥65岁的住院心血管疾病患者 | 患者药物不良事件 | 3种工具依次如下:AUC为0.834 1、0.700 7、0.706 1 | ||
LI[ | 基于人工智能技术的风险早期预警模型(逻辑回归模型、贝叶斯模型、支持向量机模型) | 医学数据库中提取患者疾病信息 | 高血压患者 | 急性心血管事件(中风、心力衰竭)和危重疾病事件(肾功能衰竭) | 3种模型依次如下:AUC为0.926 9、0.922 0、0.924 6;灵敏度为0.804 8、0.819 5、0.850 1;特异度为0.901 4、0.895 1、0.869 5 | ||
FANG[ | 心血管疾病早期预警系统 | 可穿戴设备自动采集获取的血压、心电图、SpO2、体温以及由患者测试的血脂和体脂百分比指标 | 心血管疾病患者 |
[1] |
中国心血管健康与疾病报告编写组. 中国心血管健康与疾病报告2022概要[J]. 中国循环杂志,2023,38(6):583-612. DOI:10.3969/j.issn.1000-3614.2023.06.001.
|
[2] |
|
[3] |
|
[4] |
|
[5] |
任雪丽,周蓉. 早期预警评分系统在普通病房的应用研究进展[J]. 护理研究,2022,36(14):2528-2532. DOI:10.12102/j.issn.1009-6493.2022.14.016.
|
[6] |
张竹英,姚彦蓉,刘娜,等. 国家早期预警评分在心脏外科潜在危重症患者病情早期识别中的应用[J]. 基层医学论坛,2022,26(9):7-10. DOI:10.19435/j.1672-1721.2022.09.003.
|
[7] |
|
[8] |
|
[9] |
|
[10] |
|
[11] |
|
[12] |
|
[13] |
|
[14] |
仲骏,丁紫微,张贤玲,等. 不同危重症评分工具预测心脏外科术后再入ICU患者死亡风险的比较[J]. 护理学杂志,2020,35(23):1-4. DOI:10.3870/j.issn.1001-4152.2020.23.001.
|
[15] |
于漫,杨巧芳,袁彬彬. 心血管疾病早期预警评分量表的构建与应用[J]. 中华现代护理杂志,2018,24(21):2525-2528. DOI:10.3760/cma.j.issn.1674-2907.2018.21.010.
|
[16] |
|
[17] |
|
[18] |
|
[19] |
|
[20] |
|
[21] |
|
[22] |
|
[23] |
|
[24] |
|
[25] |
|
[26] |
|
[27] |
|
[28] |
|
[29] |
张婧婧. ViEWS评分对STEMI患者院内发生MACE事件的预测价值[J]. 医学理论与实践,2022,35(22):3900-3902. DOI:10.19381/j.issn.1001-7585.2022.22.047.
|
[30] |
魏珂,司春婴,王贺,等. 人工智能在心血管疾病诊断及风险预测中的研究进展[J]. 世界科学技术-中医药现代化,2020,22(10):3576-3582. DOI:10.11842/wst.20200915002.
|
[31] |
|
[32] |
|
[33] |
|
[34] |
|
[1] | XU Baichuan, WANG Yan, ZHANG Peng, LI Yiting, LIU Feilai, XIE Yang. Research and Analysis of Screening Tools for Chronic Obstructive Pulmonary Disease Comorbidity Lung Cancer [J]. Chinese General Practice, 2025, 28(30): 3847-3852. |
[2] | ZHOU Sheng, DENG Changsheng, ZOU Guanyang, SONG Jianping. Research Progress on the Pathogenesis of Complications of Malaria in Cardiovascular Diseases [J]. Chinese General Practice, 2025, 28(27): 3466-3472. |
[3] | HUANG Yulin, WANG Haoyun, LI Yanmei, XIAO Xueying. Symptom Clusters in Gastric Cancer Patients Receiving Chemotherapy: a Scoping Review [J]. Chinese General Practice, 2025, 28(26): 3338-3344. |
[4] | XIANG Xinyue, ZHANG Bingqing, OUYANG Yuqin, TANG Wenjuan, FENG Wenhuan. Impact of Short-term Medical Weight Loss on Atherosclerotic Cardiovascular Disease Risk in Patients with Obesity [J]. Chinese General Practice, 2025, 28(26): 3229-3239. |
[5] | LIU Yinyin, SUI Hongping, LI Tingting, JIANG Tongtong, SHI Tieying, XIA Yunlong. Advances in Risk Prediction Models for Cardiotoxicity Associated with Breast Cancer Treatment [J]. Chinese General Practice, 2025, 28(24): 3072-3078. |
[6] | WEN Yongxia, SUN Hai, CHEN Xiaoju, CAI Wanjing, LI Shuni, GUO Honghua. A Systematic Review of the Assessment Tools for Maternal Psychological Birth Trauma [J]. Chinese General Practice, 2025, 28(20): 2555-2561. |
[7] | WANG Zhijun, ZHANG Shibo, LIU Jie, LI Dongqi, ZHENG Meijia, ZHOU Jianzhi. Correlation Analysis between TyG-BMI Index and Nocturnal Hypertension in Patients with Hypertension [J]. Chinese General Practice, 2025, 28(18): 2212-2221. |
[8] | PAN Yaojia, FU Fanglin, HAN Zheng, SUN Meng, GU Huaicong, WANG Weiqiang. Correlation of the Type of Obesity with the Cardiometabolic Multimorbidity: a Study in Male and Female Middle-aged Residents in Anhui Province [J]. Chinese General Practice, 2025, 28(18): 2285-2293. |
[9] | HAN Zheng, SUN Meng, FU Fanglin, PAN Yaojia, WANG Weiqiang. A Study on the Relationship between the Triglyceride-Glucose Index and Cardiometabolic Multimorbidity in Individuals Aged 50 and Above [J]. Chinese General Practice, 2025, 28(18): 2278-2284. |
[10] | ZHANG Bingqing, WANG Zhongkai, WU Changyong, SUN Huang, LI Ruijie, LIU Wenjie, LUO Yihua, ZHENG Lihui, PENG Yunzhu. Changes and Trend Prediction in the Global Burden of Congenital Heart Defects, 1990-2021 [J]. Chinese General Practice, 2025, 28(18): 2253-2261. |
[11] | AN Qinyu, WANG Yiying, ZHANG Xiaodan, ZHANG Tianlin, ZHAN Qingqing, ZHANG Fuyan, LIU Tao, WU Yanli. Prospective Cohort Study of the Impact of Socioeconomic Status and Healthy Lifestyle on Cardiovascular Disease [J]. Chinese General Practice, 2025, 28(16): 2017-2024. |
[12] | NIE Yuanyuan, FANG Da, XU Hao, YANG Donghui, BI Yan, GU Tianwei. Clinical Characteristics and Cardiovascular Disease Risk of Type 2 Diabetes Populations with Different Liver Fibrosis Risks [J]. Chinese General Practice, 2025, 28(15): 1847-1854. |
[13] | XU Jun, GAO Yanan, XU Yaxin, YAO Ting, CHEN Yamei. Latent Profiles Analysis and Its Influencing Factors of Disease Burden in Patients with Inflammatory Bowel Disease [J]. Chinese General Practice, 2025, 28(14): 1744-1750. |
[14] | LI Yiting, TU Wenjing, YIN Tingting, MEI Ziqi, ZHANG Sumin, WANG Meng, XU Guihua. Application of Artificial Intelligence in Nutritional Management of Patients with Inflammatory Bowel Disease: a Scoping Review [J]. Chinese General Practice, 2025, 28(14): 1709-1716. |
[15] | CHI Xun, LIU Sisi, CHEN Qiao, HU Yue, WANG Weixian. The Suitability of Four Nutritional Screening Tools for Nutritional Screening in Patients with Cirrhosis: a Network Meta-analysis [J]. Chinese General Practice, 2025, 28(11): 1395-1402. |
Viewed | ||||||
Full text |
|
|||||
Abstract |
|
|||||