令人震驚的研究揭示了 EHealthworld 的缺陷

新德里：一項新的研究表明，廣泛用於確定心臟病風險的計算器可能無法識別出很大一部分處於風險中的印度人，近 80% 最終心臟病發作的患者事先並未被歸類為「高風險」。

這項題為「STEMI 中 ASCVD 風險預測模型的比較：來自南亞隊列的見解」的研究是由來自 Govind Pallab Pant 研究生醫學教育與研究研究所、法裡達巴德 ESIC 醫學院和 AIIMS 德里癌症登記處等機構的科學家團隊進行的。

這項研究對 4,975 名首次心臟病發作的患者進行了研究，發現五種主要的全球風險預測模型對個體進行分類的方式存在顯著差異，引發了人們對其對南亞人群的可靠性的擔憂。

研究人員比較了廣泛使用的工具，例如弗雷明漢風險評分 (FRS)、2013 ACC/AHA ASCVD 模型、WHO 風險列線圖、JBS-3 計算器以及最新的預測心血管事件風險 (PREVENT) 評分。

他們發現，雖然一些模型將約 20% 的患者歸類為“高風險”，但其他模型識別出的數字要低得多，2013 年 ASCVD 模型僅顯示約 12.3%，這意味著絕大多數人被置於“低”或“中風險”類別。

「當我們透過這些西方模型對印度心臟病患者進行分類時，他們中的許多人都被錯誤分類。從生理學角度來看，他們應該被視為『高風險』患者，特別是因為他們曾經心臟病發作，但這些模型將他們歸類為低風險和中風險類別，引發了人們對預防的嚴重擔憂，」GB Pant 醫院心臟病學教授、該研究的聯合研究員 Mohit Gupta 博士告訴 PTI Mohit

研究指出，與西方人群相比，印度人的心臟病發病情況不同，發病更早，危險因子也不同，例如糖尿病負擔較高、脂肪分佈和代謝模式不同。

因此，當使用這些工具對印度患者進行評估時，他們的實際風險往往被低估，這可能導致治療和預防護理的延遲。

「印度患者的行為與其他人不同。遺傳、污染、生活方式和壓力水平等許多因素都會產生影響。即使是印度人或南亞人本身就是一個風險因素。我們迫切需要一個適合我們人群的本地風險計算器，」古普塔博士補充道。

值得注意的是，即使是表現最好的模型也無法識別隨後發生急性心肌梗塞或心臟病的大多數患者，這凸顯了當前風險預測系統的差距。

研究還發現，大多數模型傾向於將大量患者分為廣泛的「平均風險」類別，這使得醫生很難清楚地決定誰需要積極治療。

相較之下，PREVENT 評分能夠更清晰地將患者分為低風險、中風險和「高風險」類別，而不是將大多數人集中在中間。然而，研究表示，即使這個模型也漏掉了大量的最終心臟病發作患者。

研究人員分析了近 5,000 名年齡在 40 歲至 79 歲之間、首次心臟病發作後入院的患者的醫療記錄，利用血壓、膽固醇水平、糖尿病狀況和吸煙史等事件前的健康數據，透過五種不同的模型來估計風險，並將其與實際結果進行比較。

研究的結論是，迫切需要開發和驗證針對印度或南亞的風險預測工具，因為依賴現有的全球模型可能會導致低估可預防的風險和死亡。