Разработка и валидация прогностической модели кардиометаболической мультиморбидности у людей среднего и пожилого возраста

Почему это важно для повседневного здоровья

С возрастом многие люди сталкиваются не с одной хронической болезнью, а с несколькими одновременно — повышенное кровяное давление, высокий уровень сахара в крови и нарушенный профиль липидов часто идут в комплексе. Этот кластер, называемый кардиометаболической мультиморбидностью, резко увеличивает риск инфарктов, инсультов, инвалидности и значительных медицинских расходов. В исследовании, резюмированном здесь, поставлен практический вопрос, важный для семей и врачей: можно ли с помощью простых, рутинных клинических данных заранее определить тех, кто с высокой вероятностью попадёт в эту группу риска в ближайшие годы, чтобы начать профилактику и вмешательство раньше?

Растущая сеть проблем сердца и обмена веществ

Во всём мире увеличение продолжительности жизни, изменение пищевых привычек и более сидячий образ жизни способствовали росту таких состояний, как гипертензия, диабет и дислипидемия. Когда два или более из этих нарушений возникают у одного человека, это именуют кардиометаболической мультиморбидностью. По сравнению с наличием только одного заболевания, сочетание приводит к уменьшению продолжительности жизни, снижению качества жизни и увеличению затрат на медицинское обслуживание. В Китае, где население быстро стареет, это стало серьёзной нагрузкой для семей и системы здравоохранения. При этом большинство исследований и инструментов скрининга по‑прежнему ориентированы на отдельные болезни и не отражают полноты картины их совместного возникновения.

Преобразование больших опросных данных в пятилетнюю картину риска

Чтобы восполнить этот пробел, исследователи использовали данные CHARLS — крупного, репрезентативного национального исследования, которое наблюдает за людьми среднего и пожилого возраста в Китае в течение многих лет. Они начали с более чем 21 000 участников, обследованных в 2015 году, и после исключения тех, у кого уже была множественная кардиометаболическая патология или отсутствовали ключевые лабораторные показатели, получили к анализу 5 388 человек в возрасте 45 лет и старше. Никто из них на стартовом этапе не имел кардиометаболической мультиморбидности. Команда проследила, кто из них развил это состояние в течение следующих пяти лет, до 2020 года; примерно каждый пятый участник сделал это. Используя 31 возможный показатель здоровья и образа жизни — от артериального давления и лабораторных тестов до сна, курения и болевых жалоб — исследователи поставили задачу построить модели, способные прогнозировать пятилетний риск.

Девять повседневных показателей, которые многое рассказывают

Вместо того чтобы предполагать, какие переменные важны, авторы применили статистический отбор, позволяющий данным самим определить наиболее информативные предикторы. Этот процесс сократил список до 11 перспективных факторов, а последующая проверка исключила два, которые слишком сильно перекрывались с другими. Конечная модель опиралась всего на девять показателей, которые знакомы при рутинных осмотрах: систолическое артериальное давление, индекс массы тела, уровень глюкозы натощак, общий холестерин, триглицериды, мочевая кислота, возраст, наличие других хронических заболеваний и жалобы на телесную боль. На основе этих девяти входных переменных были созданы два типа моделей прогнозирования: современная модель машинного обучения XGBoost и более традиционная логистическая регрессия, которую можно легко представить в виде номограммы — визуальной шкалы для быстрого чтения клиницистом.

Почему на практике выигрывает более простая модель

На обучающих данных высокотехнологичная модель XGBoost выглядела очень мощной, но её точность заметно падала при тестировании на новых участниках — классический признак переобучения. Проще устроенная логистическая регрессия, напротив, показала более стабильную работу, с умеренной, но надёжной способностью разделять людей с высоким и низким риском. Статистические проверки показали хорошее согласование прогнозов модели с реальными исходами в пятилетней перспективе и подтвердили, что применение модели принесло бы врачам большую пользу по сравнению с лечением всех одинаково или игнорированием стратификации риска. Важно, что девятипараметрическая модель однозначно превзошла упрощённую версию, использующую только четыре стандартных показателя, что указывает на добавленную ценность включения мочевой кислоты, болевых жалоб и сопутствующих заболеваний. Авторы также продемонстрировали, что модель работает сравнительно хорошо в разных возрастных группах и у людей с наличием или отсутствием уже имеющейся одной кардиометаболической болезни.

Как этот инструмент может изменить уход — и его ограничения

Для клиницистов и медицинских пунктов первичной помощи ценность работы заключается в её практичности. Модель использует тесты и вопросы, которые уже распространены в базовых медицинских обследованиях, при этом объединяет их в персонализированную пятилетнюю оценку риска развития множественных сердечно‑сосудистых и метаболических заболеваний. В форме номограммы врач может суммировать баллы по каждому фактору и считать риск пациента, после чего решить, кому срочнее требуется советы по изменению образа жизни, более тщательное наблюдение или назначение препаратов. У исследования есть ограничения: модель пока не заменяет диагноз, в ней не учтены такие факторы, как детализированная физическая активность и психическое здоровье, и она протестирована только в одной китайской когорте. Тем не менее это важный шаг от реагирования на отдельные болезни к прогнозированию опасных сочетаний патологий. Для непрофессионального читателя главный вывод прост: повседневные показатели — давление, вес, глюкоза, липиды, мочевая кислота, наличие сопутствующих заболеваний и даже жалобы на боль — вместе образуют мощную систему раннего предупреждения о будущих кардиометаболических рисках.

Цитирование: Li, H., Ma, X., Cui, T. et al. Development and validation of a cardiometabolic multimorbidity prediction model in middle-aged and older adults. Sci Rep 16, 13300 (2026). https://doi.org/10.1038/s41598-026-44213-0

Ключевые слова: кардиометаболическая мультиморбидность, модель прогнозирования риска, пожилые люди, китайское когортное исследование, сердечно-сосудистый метаболизм