中老年人心脏代谢多重疾病预测模型的开发与验证

这对日常健康为何重要

随着年龄增加，很多人并非只患一种慢性病，而是多种疾病同时出现——高血压、高血糖和异常血脂常常相伴而来。这个被称为心脏代谢多重疾病的组合，会大幅提高心梗、中风、残疾和医疗支出的风险。本文总结的研究提出了一个与家庭和医生直接相关的现实问题：能否利用简单、常规的健康信息，提前多年识别出最有可能进入这一高风险状态的人，从而更早开始干预和预防？

日益复杂的心血管与代谢问题

在全球范围内，寿命延长、饮食结构变化和久坐生活方式促成了高血压、糖尿病和异常胆固醇等疾病的激增。当两种或两种以上疾病同时发生在一个人身上时，医学上称之为心脏代谢多重疾病。与仅患单一疾病相比，合并这些疾病的人寿命损失更多、日常生活质量更低、医疗开销也更高。在人口快速老龄化的中国，这已成为家庭和医疗体系的重要负担。然而，大多数研究和筛查工具仍聚焦于单一疾病，容易忽视这些问题如何聚集在一起的整体情况。

把大型调查数据变成五年风险图景

为了解决这一空白，研究者利用了CHARLS，一个对中老年中国人具有全国代表性的长期随访研究。他们从2015年超过2.1万名受访者中入手，排除了已存在多重心脏代谢疾病或缺少关键化验的数据后，最终纳入了5388名45岁及以上的成年人。入组时这些人均无心脏代谢多重疾病。研究团队随后随访至2020年，观察谁在未来五年内发展为多重心脏代谢疾病；约五分之一的人发生了这一结局。研究使用了31项可能的健康与生活方式指标——从血压与血液检测到睡眠、吸烟和疼痛——旨在构建能够预测个体五年风险的模型。

九项日常指标讲述有力故事

作者没有主观猜测哪些变量重要，而是用统计筛选让数据本身作出选择。这个过程将候选变量缩减为11项有前景的预测因子，进一步检验又去除了两项与其它指标高度重叠的变量。最终模型仅依靠九项在常规体检中常见的信息：收缩压、体质指数（BMI）、空腹血糖、总胆固醇、甘油三酯、尿酸、年龄、是否有其他长期疾病以及自觉躯体疼痛。基于这九项输入，他们构建了两类预测工具：一种是现代机器学习模型XGBoost，另一种是更传统的逻辑回归模型，可直观地绘制为列线图——临床医生一眼即可读取的视觉评分卡。

为何更简单的工具在实践中更占优

在训练数据上，高科技的XGBoost模型表现非常出色，但在新的受试者上验证时准确性明显下降，这是过拟合的典型信号。相比之下，更简洁的逻辑回归模型表现更为稳健，能够以中等但可靠的准确性区分高风险与低风险人群。统计检验显示，其预测结果与五年内的实际发生情况一致，使用该模型比对所有人一视同仁或忽视风险评分更能带来临床获益。值得注意的是，含九项指标的模型明显优于仅用四项常规指标的简化版本，表明加入尿酸、疼痛和总体共病情况确实提升了价值。研究团队还表明，该模型在不同年龄段以及有无既往单一心脏代谢疾病的人群中均表现尚可。

该工具如何改变护理——以及它的局限

对一线医生和社区门诊而言，这项工作的吸引力在于其实用性。该模型使用的检测和问诊内容均为基础健康体检中常见的项目，但将它们组合为个体化的五年发病风险估计。在列线图形式中，临床医生可为每一项因素计分并读取个人风险，从而决定谁最需要生活方式干预、密切随访或用药治疗。该研究也有局限：它不能取代诊断，缺少诸如详尽的体力活动和心理健康等因素，而且目前仅在一个中国队列中验证过。尽管如此，这项工作标志着从对单一疾病的被动应对向预测性识别危险疾病聚集迈出了重要一步。对普通读者而言，核心结论很清楚：血压、体重、血糖、血脂、尿酸、既往疾病情况乃至疼痛主诉等日常测量共同勾勒出一个强有力的早期预警系统，提示未来可能的心脏代谢问题。

引用: 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

关键词: 心脏代谢多重疾病, 风险预测模型, 老年人, 中国队列研究, 心血管代谢