领异标心 通过动态列线图预测急性心衰患者的生

　　该计算器可以通过临床数据包括重新定义的生物标志物截断值（NT-pro BNP和 ST2）来解决AHF患者的相对长期依赖死亡风险，有助于识别与全因死亡密切相关的患者。

　　急性心力衰竭（Acute Heart Failure，AHF）是由多种病因引起的急性临床综合征，心衰症状和体征迅速发生或急性加重。尽管近年来治疗取得了一定进展，但AHF的预后依然很差。因此，早期发现AHF并及时干预已成为其治疗的关键。

　　生物标志物对AHF的鉴别诊断和评估预后至关重要。近期，ACC/AHA指南推荐了评估AHF的最新诊断标准，包括NT-proBNP与ST2。

　　为进一步构建AHF患者长期预后模型的列线图，本研究旨在调查和验证与NT-proBNP和ST2共存的临床变量，以探讨中国新发AHF和慢性HF急性加重患者的全因死亡率。

　　本前瞻性研究纳入了537例AHF患者，并导出了一个临床预测模型。采用最小绝对收缩和选择算子回归模型结合临床特点进行降维和特征选择。

　　应用多因素Cox比例风险分析和Dynnom软件包建立了预测1、2、5年总生存率的动态列线图。通过Bootstrap验证，采用时间相关一致性指数（C指数）和校准曲线评估预测区分度和准确性。采用决策曲线分析（DCA）评估临床价值。

　　本分析平均随访时间为34.21±21.28个月。随访期间患者死亡174例（32.4%）。所有受试者的左心室射血分数（LVEF）为42.10±14.52%。 推导队列和验证队列分别占患者人口的74.9%（n=402）和24.1%（n=135）。推导和验证队列的平均随访时间分别为34.56±20.85和33.40±22.28个月。两组间比较差异无统计学意义（p0.05）。 随机分组后，KM生存曲线与推导和验证队列无显著性差异（图1），表明两组队列间分布均匀，适合内部验证。

　　LASSO法重选最优预测变量当Lambda=0.038，log（λ）=-2.417时，全因死亡率的残差平方和为1-SE。筛选出6个最佳预后变量，包括NT-proBNP、ST2、年龄、CRBBB、平均动脉压（MAP）、红细胞分布宽度（RDW）（图2）。

　　1、2、5年全因死亡率的列线图基于多变量分析，将6个变量纳入预测1、2、5年总生存期的列线）。每个临床病理因素都对应一个特定的临界点。

　　列线图的内部验证采用时间相关判别分析评估模型对AHF患者预后的预测性能（图5）。结果表明，列线图模型的预测能力随时间的推移相对稳定，可以用于所有时间段的死亡预测。

　　总而言之，本研究开发并验证了一个基于网络的BS-ACMR列线图风险计算器，多变量动态实用鼻图显示了良好的校准、鉴别和临床应用。这些发现可以帮助临床医生对AHF患者的风险进行分层、临床决策和早期预防。

　　本研究有一定的局限性。首先，该研究是单中心研究。其次，该模型没有得到外部验证。另外，药物治疗和ICD/CRT装置治疗并未纳入本列线图，可能影响了AHF的死亡率。未来应在样本量充足的前提下，进一步考虑AHF患者各种合并症的分层分析（如肥胖、 T2DM、高血压和贫血，等）将有助于提高模型精度。