每日毅讯｜JACC子刊：自动实时的冠脉介入危险评分系统

虽然在医学领域存在各种风险预测模型或者评分系统，但能真正广泛进行的临床应用的确实寥寥无几。一般而言，能够临床应用的风险预测模型基本需要两个特性。第一是足够的简单，比如CHA2DSVas评分等等；第二是能够被指南推荐来指导临床决策。如果不具备这两个特征，风险评估系统鲜有实际应用。近期，JACC：Advances杂志发表了一项基于Mayo Clinic的单中心临床数据库的，自动实时冠脉介入（PCI）风险评估系统，为数字时代的风险评估提供了新方案。

本研究利用Mayo Clinic 的 PCI 注册数据库，对梅奥诊所PCI风险评分中的变量进行了训练和测试，收集了2016年至2024年接受PCI患者的院内死亡、中风、出血和急性肾损伤（AKI）。采用 LASSO 回归来训练（数据构建）和测试（评估性能）预测模型，并估计加权并整合到评分系统中的效应大小。

研究结果显示：院内死亡、中风、出血和AKI的发生率分别为157例（1.8%）、43例（0.5%）、157例（1.8%）和682例（7.6%）。对于院内死亡、中风、出血和AKI，训练和测试数据集的C统计量（95%置信区间）分别为0.83（95% CI：0.80-0.86）和0.84（95% CI：0.78-0.89）；0.76（95% CI：0.65-0.84）和0.77（95% CI：0.65-0.86）；0.80（95% CI：0.75-0.83）和0.75（95% CI：0.68-0.81）；以及0.82（95% CI：0.80-0.84）和0.80（95% CI：0.77-0.84）。引导分析表明，模型并未过度拟合现有数据集。模型估计的概率与观察数据吻合良好，这从校准曲线的斜率和截距以及在包括女性、急性冠状动脉综合征、心源性休克和糖尿病在内的亚组中均得到了体现。

「毅讯点评」

本研究提出了一种基于电子病历系统实时自动抓取的PCI风险评估模型，最大限度地做到了简便，也就是不需要临床医生做任何的操作，PCI风险评分就在术前自动显示在电子病案系统中。如果这样的评分再能够通过广泛应用来指导临床决策，那就太完美了。然而，这样的风险评估系统显然不能基于一家超级医院的资料，毕竟不是所有医疗机构都是Mayo Clinic。但是，这样的尝试为未来的风险预测模型提供了一种新的思路，可以最大程度的做到简单易行。在这个基础上如果能做到“临床有用“，就能有望进入临床指南，指导临床实践。如果能这样，那这种风险预测模型的意义要比停留在纸面上来的大得多。

原文参考