心力衰竭临床预后预测模型研究进展
杨敏１ 殷跃辉１，２ 陈芸霖２ 杨仙１ 易鑫１ 崔 １
（１．重庆医科大学研究生院，重庆４０００１０；２．重庆医科大学附属第二医院心血管内科，重庆４０００１０）
【摘要】心力衰竭（ＨＦ）是多种心血管疾病发展的终末期阶段。随着社会老年化的加重，其发病率、再住院率和死亡率逐年增加。根据ＨＦ的类型和病情不同，患者的病死率可能存在明显差异。目前许多国家和地区已经建立了多种用于预测ＨＦ患者死亡风险的客观评估模型，在为不同危险分层的患者拟定医疗管理策略和方案时提供了重要的决策辅助支持。不同的临床预测模型各有其临床使用特点，适用于不同ＨＦ类型的临床患者。现旨在从不同ＨＦ类型患者人入手，对国际上预测ＨＦ患者发生不良预后的预警模型研究现状进行概述。
【关键词】心力衰竭；预测模型；风险评分
【ＤＯＩ】１０ １６８０６／ｊ．ｃｎｋｉ．ｉｓｓｎ．１００４ ３９３４ ２０２３ １０ ００４
ＣｌｉｎｉｃａｌＰｒｅｄｉｃｔｉｏｎＭｏｄｅｌｆｏｒＨｅａｒｔＦａｉｌｕｒｅＰｒｏｇｎｏｓｉｓ
ＹＡＮＧＭｉｎ１，ＹＩＮＹｕｅｈｕｉ１，２，ＣＨＥＮＹｕｎｌｉｎ２，ＹＡＮＧＸｉａｎ１，ＹＩＸｉｎ１，ＣＵＩＢｅｎ１
（１．ＣｈｏｎｇｑｉｎｇＭｅｄｉｃａｌＵｎｉｖｅｒｓｉｔｙＧｒａｄｕａｔｅＳｃｈｏｏｌ，Ｃｈｏｎｇｑｉｎｇ４０００１０，Ｃｈｉｎａ；２．ＤｅｐａｒｔｍｅｎｔｏｆＣａｒｄｉｏｌｏｇｙ，ＴｈｅＳｅｃｏｎｄＡｆｆｉｌｉａｔｅｄＨｏｓｐｉｔａｌｏｆＣｈｏｎｇｑｉｎｇＭｅｄｉｃａｌＵｎｉｖｅｒｓｉｔｙ，Ｃｈｏｎｇｑｉｎｇ４０００１０，Ｃｈｉｎａ）
【Ａｂｓｔｒａｃｔ】Ｈｅａｒｔｆａｉｌｕｒｅ（ＨＦ）ｉｓａｓｅｒｉｏｕｓｃｏｎｄｉｔｉｏｎｏｆｖａｒｉｏｕｓｈｅａｒｔｄｉｓｅａｓｅｓｉｎｔｈｅｌａｔｅｓｔａｇｅ．Ｗｉｔｈｔｈｅａｇｇｒａｖａｔｉｏｎｏｆｓｏｃｉａｌａｇｉｎｇ，ｉｔｓｍｏｒｂｉｄｉｔｙ，ｒｅａｄｍｉｓｓｉｏｎｒａｔｅａｎｄｍｏｒｔａｌｉｔｙｉｎｃｒｅａｓｅｙｅａｒｂｙｙｅａｒ．ＤｅｐｅｎｄｉｎｇｏｎｔｈｅｔｙｐｅａｎｄｃｏｎｄｉｔｉｏｎｏｆＨＦ，ｔｈｅｍｏｒｔａｌｉｔｙｏｆｐａｔｉｅｎｔｓｍａｙｂｅｓｉｇｎｉｆｉｃａｎｔｌｙｄｉｆｆｅｒｅｎｔ．Ａｔｐｒｅｓｅｎｔ，ｍａｎｙｃｏｕｎｔｒｉｅｓａｎｄｒｅｇｉｏｎｓｈａｖｅｅｓｔａｂｌｉｓｈｅｄａｇｒｅａｔｖａｒｉｅｔｙｏｆｏｂｊｅｃｔｉｖｅａｓｓｅｓｓｍｅｎｔｍｏｄｅｌｓｆｏｒｐｒｅｄｉｃｔｉｎｇｔｈｅｒｉｓｋｏｆｄｅａｔｈｉｎＨＦｐａｔｉｅｎｔｓ，ｗｈｉｃｈｐｒｏｖｉｄｅｓｉｍｐｏｒｔａｎｔｄｅｃｉｓｉｏｎａｉｄｓｕｐｐｏｒｔｉｎｔｈｅｆｏｒｍｕｌａｔｉｏｎｏｆｍｅｄｉｃａ
ｌｍａｎａｇｅｍｅｎｔｓｔｒａｔｅｇｉｅｓａｎｄｔｒｅａｔｍｅｎｔｐｌａｎｓｆｏｒｐａｔｉｅｎｔｓｗｉｔｈｄｉｆｆｅｒｅｎｔｒｉｓｋｓｔｒａｔｉｆｉｃａｔｉｏｎ．ＤｉｆｆｅｒｅｎｔｃｌｉｎｉｃａｌｐｒｅｄｉｃｔｉｏｎｍｏｄｅｌｓｈａｖｅｔｈｅｉｒｏｗｎｃｌｉｎｉｃａｌａｐｐｌｉｃａｔｉｏｎｃｈａｒａｃｔｅｒｉｓｔｉｃｓａｎｄａｒｅｓｕｉｔａｂｌｅｆｏｒｄｉｆｆｅｒｅｎｔｔｙｐｅｓｏｆＨＦｐａｔｉｅｎｔｓ．Ｉｎｔｈｉｓｐａｐｅｒ，ｗｅｗｉｌｌｉｎｔｒｏｄｕｃｅｖａｒｉｏｕｓｃｏｍｍｏｎＨＦｐｒｏｇｎｏｓｔｉｃｍｏｄｅｌｆｒｏｍｄｉｆｆｅｒｅｎｔｔｙｐｅｓｏｆｐａｔｉｅｎｔｓｗｉｔｈＨＦ．
【Ｋｅｙｗｏｒｄｓ】Ｈｅａｒｔｆａｉｌｕｒｅ；Ｐｒｏｇｎｏｓｔｉｃｍｏｄｅｌ；Ｒｉｓｋｓｃｏｒｅ
心力衰竭（ｈｅａｒｔｆａｉｌｕｒｅ，ＨＦ）是由于心脏收缩或舒张功能障碍、心输出量不足而导致的以循环功能障碍为主要特征的临床综合征，是各种心血管疾病的严重阶段。据２０２１年中国心血管健康与疾病报告［１］推算，中国现有约８９０万ＨＦ患者。其发病率呈上升趋势，死亡率和再住院率居高不下，给卫生保健系统带来了巨大的经济负担。为实现ＨＦ患者的最佳监测和管理，需尽早识别高死亡风险的患者，决定开始盐皮质激素受体拮抗剂（ｍｉｎｅｒａｌｏｃｏｒｔｉｃｏｉｄｒｅｃｅｐｔｏｒａｎｔａｇｏｎｉｓｔ，ＭＲＡ）、心脏再同步化（ｃａｒｄｉａｃｒｅｓｙｎｃｈｒｏｎｉｚａｔｉｏｎｔｈｅｒａｐｙ，ＣＲＴ）、左心室辅助装置或心脏移植等ＨＦ二线的时机。
因此，许多国家和地区的研究人员建立了各种风险预测模型用于评估、预测ＨＦ患者的病情危重程度和不良预后［２ １１］。
２０２１年美国、欧洲和日本三大ＨＦ学会共同发布ＨＦ的分类共识［１２］，根据左室射血分数（ｌｅｆｔｖｅｎｔｒｉｃｕｌａｒｅｊｅｃｔｉｏｎｆｒａｃｔｉｏｎ，ＬＶＥＦ），可将ＨＦ分为射血分数降低的ＨＦ（ＨＦｗｉｔｈｒｅｄｕｃｅｄｅｊｅｃｔｉｏｎｆｒａｃｔｉｏｎ，ＨＦｒＥＦ）、射血分数中间值的ＨＦ、射血分数保留的ＨＦ（ＨＦｗｉｔｈｐｒｅｓｅｒｖｅｄｅｊｅｃｔｉｏｎｆｒａｃｔｉｏｎ，ＨＦｐＥＦ）、射血分数改善的ＨＦ这４类。不同类型的ＨＦ发病机制、方案、临床预后均有差异。不同ＨＦ模型纳入人不同，其最佳适应患者人也有所不同。现旨在针对不同ＨＦ类型患者人，讨论各ＨＦ预后模型的应用，以期为临床医护人员提供指导。
１ ＨＦ预测模型
现有的ＨＦ预后预测模型众多，笔者根据不同ＨＦ类型分别对预测模型进行总结，并绘制成表，以期为评估ＨＦ患者临床预后提供参考（见表１）。
心血管病学进展２０２３年１０月第４４卷第１０期 ＡｄｖＣａｒｄｉｏｖａｓｃＤｉｓ，Ｏｃｔｏｂｅｒ２０２３，Ｖｏｌ．４４，Ｎｏ．１０
通信作者：殷跃辉，Ｅ ｍａｉｌ：ｙｉｎｙｈ６３＠１６３．ｃｏｍ
表１ ＨＦ临床预后预测模型内容及特点
预测模型年份训练集／验证集
样本数
模型的
验证方法
建模方法及
ＡＵＣ／Ｃ指数
结局优势不足
ＨＦｒＥＦＨＦＳＳ１９９７训练集：２６８
验证集：１９９内部验证
无外部验证
Ｃｏｘ回归；
ＡＵＣ０．６２±
０．０４
紧急心脏移
植或死亡
可通过公式计算患者死亡风
险，对于待心脏移植患者具
有良好的预测能力，且在不
同年龄、性别、种族，植入
ＩＣＤ或ＣＲＴ的患者中均有
良好的表现
严重ＨＦ的患者
峰耗氧量变量获
取困难
ＳＨＦＭ２００６训练集：１１２５
验证集：９９４２内部验证
外部验证
Ｃｏｘ回归；
ＡＵＣ０．７３
（９５％ＣＩ
０．６９～０ ７６）
植入左心室
辅助装置、
进行心脏移
植或者死亡
变量简单、客观、易获得，目
前已实现在线数据计算器，
应用较为广泛
低估了植入左心
室辅助装置患者
以及年龄≥６５岁
的老年ＨＦ患者
的死亡风险
ＰＡＲＡＤＩＧＭ ＨＦ风险评分２０２０训练集：８３９９
验证集：７０１６
内部验证
外部验证
Ｃｏｘ回归；
ＡＵＣ０．７１
（９５％ＣＩ
０．６９～０．７４）
心血管原因
死亡或ＨＦ
原因再住
院；心血管
原因死亡；
全因死亡
纳入人均接受了ＡＣＥＩ／
ＡＲＢ，符合循证指南
推荐
对于接受了
ＭＲＡ、ＩＣＤ及ＣＲＴ
的患者的预
测能力需进一步
证据支持
ＨＦ ＡＣＴＩＯＮ风险评分模型２０１２训练集：２３３１
验证集：无
内部验证
无外部验证
Ｃｏｘ回归；
Ｃ指数为０．７３
死亡或全因
住院
变量简单、客观、易获得，适
用于门诊患者，纳入人有
７４％的患者接受了ＡＣＥＩ／
ＡＲＢ，符合循证指南
推荐
无外部验证
ＳＨＯＣＫＥＤ模型２０１２训练集：１７９９１
验证集：２７８９３
内部验证
外部验证
Ｃｏｘ回归；
Ｃ指数为０．７５
（９５％ＣＩ
０．７５～０．７６）
全因死亡可用于评估ＨＦ患者是否能
从ＩＣＤ植入中获得益处
推导队列纳入研
究不是随机临床
试验，未用安慰
剂组进行比较，
且变量中不包含
实验室指标
ＨＦｐＥＦＩ ＰＲＥＳＥＲＶＥ
模型２０１１训练集：４１２８
验证集：无
内部验证
无外部验证
Ｃｏｘ回归；
Ｃ指数分别为
０．７１、０．７４和
０．７６
全因死亡和
心血管原因
再住院；全
因死亡；心
血管原因死
亡或心血管
原因再住院
评分针对ＨＦｐＥＦ患者，具有
较强的针对性
无外部验证，推
导队列研究对象
几乎均为白种
人，其是否可运
用于其他人种需
进一步验证
ＡＲＩＣ评分２０１７训练集：１８５２
验证集：无
内部验证
无外部验证
Ｃｏｘ回归；
ＡＵＣ为０．７６
和０．７２
２８ｄ和１年
全因死亡
变量简单、客观、易获得，可
用于评估ＨＦｐＥＦ患者临床
预后情况
推导队列纳入病
例数较少，且无
外部验证
混杂人慕尼黑
评分模型
２００８训练集：１７８
验证集：无
内部验证
无外部验证
Ｃｏｘ回归紧急心脏移
植或死亡
可通过公式计算患者死亡风
险，变量获取为非侵入性
推导队列纳入病
例数少，且无外
部验证
ＭＡＧＧＩＣ ＨＦ
模型
２０１３训练集：３９３７２
验证集：５１０４３
内部验证
外部验证
Ｃｏｘ回归；
Ｃ指数为０．７４
全因死亡率推导队列纳入人数量多、
随访时间长，目前已实现在
线数据计算器
模型建立时部分
变量数据缺失量
大，且未纳入ＮＴ
ｐｒｏＢＮＰ等指标
ＣＨＡＲＭ
在线计算器模型
２００６训练集：７５９９
验证集：无
内部验证
无外部验证
Ｃｏｘ回归；
Ｃ指数为０．７５
心源性死亡
或因ＨＦ恶
化住院
推导队列随访时间长，变量
简单、客观、易获得
无外部验证，且
推导队列基于临
床研究，存在纳
入偏倚
注：ＨＦＳＳ，ＨＦ存活评分；ＡＵＣ，曲线下面积；ＳＨＦＭ，西雅图ＨＦ模型；ＩＣＤ，植入式心律转复除颤器；ＡＣＥＩ／ＡＲＢ，血管紧张素转化酶抑制剂／血管紧张素Ⅱ受体阻滞剂；ＡＲＩＣ，社区动脉粥样硬化风险研究；ＭＡＧＧＩＣ ＨＦ，全球慢性ＨＦｍｅｔａ分析评分；ＮＴ ｐｒｏＢＮＰ，Ｎ末端脑钠肽前体。
心血管病学进展２０２３年１０月第４４卷第１０期 ＡｄｖＣａｒｄｉｏｖａｓｃＤｉｓ，Ｏｃｔｏｂｅｒ２０２３，Ｖｏｌ．４４，Ｎｏ．１０
１ １ ＨＦｒＥＦ患者临床预后评估模型
１ １ １ ＨＦ存活评分
ＨＦ存活评分（ＨＦｓｕｒｖｉｖａｌｓｃｏｒｅ，ＨＦＳＳ）是由宾夕法尼亚大学医院的Ａａｒｏｎｓｏｎ等［２］在１９９７年设计开发的评分模型。该研究共纳入４６７例ＬＶＥＦ≤４０％的晚期ＨＦ患者，包括２６８例患者的模型推导队列及１９９例患者的模型验证队列，结局事件定义为紧急心脏移植或死亡，通过Ｃｏｘ回归方法建立。包括侵入性和非侵入性模型，非侵入性模型包含ＱＲＳ时限＞１２０ｍｓ、缺血性心肌病２个分类变量以及静息心率、平均动脉压、ＬＶＥＦ、血钠浓度、峰耗氧量５个连续变量，侵入性模型在此基础上增加了肺动脉楔压。根据模型最终得分可将ＨＦ患者分为高、中、低危３个风险等级，高危患者在１年发生紧急心脏移植或死亡的概率为中危患者的５倍、低危患者的１２～２１倍。
该模型的优点为推导队列和验证队列结果均提示其对于待心脏移植患者具有良好的预测能力，且该模型在不同年龄［１３］、性别［１４］、种族［１５］的患者中，以及在接受了植入式心律转复除颤器（ｉｍｐｌａｎｔａｂｌｅｃａｒｄｉｏｖｅｒｔｅｒｄｅｆｉｂｒｉｌｌａｔｏｒ，ＩＣＤ）或ＣＲＴ的患者中，均有良好的表现［１６］。ＨＦＳＳ的缺点为需进行心肺运动测试以测量峰耗氧量，而严重ＨＦ患者往往因不能耐受而无法获得准确的数据。
１ １ ２ 西雅图ＨＦ模型
Ｌｅｖｙ等［３］从前瞻性随机氨氯地平生存评估试验中提取了１１２５例ＬＶＥＦ＜３０％且纽约心
功能分级（ＮｅｗＹｏｒｋＨｅａｒｔｆｕｎｃｔｉｏｎａｓｓｅｓｓｍｅｎｔ，ＮＹＨＡ分级）为Ⅲ～Ⅳ级的ＨＦ患者数据，运用Ｃｏｘ回归方法建立了西雅图ＨＦ模型（ｔｈｅＳｅａｔｔｌｅＨｅａｒｔＦａｉｌｕｒｅＭｏｄｅｌ，ＳＨＦＭ），并同时在５个独立验证队列共９９４２例患者中得到前瞻性验证。主要结局事件为植入左心室辅助装置、进行心脏移植或者死亡。该评分模型由１０个分类变量［性别、缺血性心肌病、ＱＲＳ＞１２０ｍｓ、β受体阻滞剂、血管紧张素转化酶抑制剂（ａｎｇｉｏｔｅｎｓｉｎｃｏｎｖｅｒｔｉｎｇｅｎｚｙｍｅｉｎｈｉｂｉｔｏｒ，ＡＣＥＩ）、血管紧张素Ⅱ受体阻滞剂（ａｎｇｉｏｔｅｎｓｉｎⅡｒｅｃｅｐｔｏｒｂｌｏｃｋｅｒ，ＡＲＢ）、保钾利尿剂、他汀类药物或别嘌呤醇、接受ＩＣＤ或ＣＲＴ］和１０个连续变量（年龄、ＮＹＨＡ分级、ＬＶＥＦ、收缩压、血红蛋白、淋巴细胞计数、尿酸、总胆固醇、血清钠、利尿剂剂量）构成。该模型推导队列ＲＯＣ曲线下面积（ａｒｅａｕｎｄｅｒｔｈｅｃｕｒｖｅ，ＡＵＣ）为０．７３（９５％ＣＩ０．６９～０ ７６）。
后续研究［１７ １９］发现，ＳＨＦＭ在接受ＩＣＤ或ＣＲＴ等的ＨＦ患者中也有良好的表现。Ｂｉｌｃｈｉｃｋ等［２０］在ＳＨＦＭ基础上增加了心脏磁共振成像指标，结果显示其能有效预测ＣＲＴ植入术后患者４年的长期生存风险，ＡＵＣ为０．７５。ＳＨＦＭ的缺点为低估了植入左心室辅助装置患者［２１］以及年龄≥６５岁的老年ＨＦ患者［２２］的死亡风险。
１ １ ３ ＰＡＲＡＤＩＧＭ ＨＦ风险评分
ＰＡＲＡＤＩＧＭ ＨＦ风险评分［４］建模队列由来自ＰＡＲＡＤＩＧＭ ＨＦ研究中的８３９９例符合ＮＹＨＡ分级Ⅱ～Ⅳ级，ＬＶＥＦ≤３５％且Ｎ末端脑钠肽前体（Ｎ ｔｅｒｍｉｎａｌｐｒｏ ｂｒａｉｎｎａｔｒｉｕｒｅｔｉｃｐｅｐｔｉｄｅ，ＮＴ ｐｒｏＢＮＰ）水平升高的ＨＦ患者组成，平均随访时间为２７个月。结局事件分为３个：（１）心血管原因死亡或ＨＦ原因再住院；（２）心血管原因死亡；（３）全因死亡。运用Ｃｏｘ回归方法对３个不同终点建立了３个预测模型，ＮＴ ｐｒｏＢＮＰ为最强的独立预测因子。模型验证队列数据来自ＡＴＭＯＳＰＨＥＲＥ研究和瑞典国家心力衰竭登记处。该模型１年全因死亡的ＡＵＣ指数为０．７１（９５％ＣＩ０ ６９～０．７４）。
此模型的优点为全体患者均接受了ＡＣＥＩ／ＡＲＢ，符合循证指南推荐，缺点为仅有少量患者接受了ＭＲＡ、ＩＣＤ及ＣＲＴ，其是否可运用于当代ＨＦ患者仍需进一步验证。
１ １ ４ ＨＦ ＡＣＴＩＯＮ风险评分模型
Ｏ’Ｃｏｎｎｏｒ等［５］从ＨＦ ＡＣＴＩＯＮ研究中提取了２３３１例符合ＮＹＨＡ分级为Ⅱ～Ⅳ级，ＬＶＥＦ≤３５％的ＨＦ患者，随机分为运动训练加常规与单独常规２个组，中位随访时间为２．５年，主要结局事件为死亡或全因住院。以死亡为终点的简化版预测模型包含心肺运动测试的持续时间、血尿素氮水平、体重指数、女性４个变量，Ｃ指数为０．７３。
模型的优点：（１）该模型变量的获取相对简单，可在门诊操作；（２）该风险评分是在循证的背
景下进行的，其中有７４％的患者使用了ＡＣＥＩ／ＡＲＢ，４０％的患者植入了ＩＣＤ，使评分适用于广泛的ＨＦ患者。该模型缺点为纳入分析的变量不包括ＮＴ ｐｒｏＢＮＰ水平、ＬＶＥＦ等与ＨＦ预后相关的变量，且未进行外部验证。１ １ ５ ＳＨＯＣＫＥＤ模型
为预测ＩＣＤ植入后的患者４年内的死亡风险，Ｂｉｌｃｈｉｃｋ等［６］在２０１２年建立了ＳＨＯＣＫＥＤ模型。推导队列为从爱荷华州医疗保健基金会ＩＣＤ登记处获得的１７９９１例植入ＩＣＤ的ＨＦ患者，验证队列是从美国国家心血管数据库ＩＣＤ登记处获得的２７８９３例于２００５—２００７年植入ＩＣＤ的ＨＦ患者。结局事件定义为全因死亡，随访时间４年。ＳＨＯＣＫＥＤ模型分为简化版和完整版，Ｃ指数分别为０．７５和０．７３。简化版模型共纳入７个变量：年龄≥７５岁、ＮＹＨＡ分级Ⅲ级、心房颤动、慢性阻塞性肺疾病、慢性肾脏疾病、ＬＶＥＦ≤２０％
心血管病学进展２０２３年１０月第４４卷第１０期 ＡｄｖＣａｒｄｉｏｖａｓｃＤｉｓ，Ｏｃｔｏｂｅｒ２０２３，Ｖｏｌ．４４，Ｎｏ．１０
以及糖尿病。
此模型的优点为其对卫生保健系统筛选可能从ＩＣＤ植入中获得益处的患者具有重要意义。缺点为该研究不是随机临床试验，未用安慰剂进行比较，且变量中不包含实验室指标。
１ ２ ＨＦｐＥＦ患者临床预后评估模型
１ ２ １ Ｉ ＰＲＥＳＥＲＶＥ模型
Ｉ ＰＲＥＳＥＲＶＥ模型［７］纳入了Ｉ ＰＲＥＳＥＲＶＥ试验中４１２８例ＬＶＥＦ≥４５％的ＨＦｐＥＦ患者的数据作为推导队列。主要结局分为３个：（１）全因死亡和心血管原因再住院；（２）全因死亡；（３）心血管原因死亡或心血管原因再住院，３个结局的Ｃ指数分别为０．７１、０．７４和０．７６，显示出良好的区分度。最显著的相关因素是血浆ＮＴ ｐｒｏＢＮＰ的对数水平、年龄、肾功能和入组前６个月内ＨＦ原因住院病史。
该模型的不足：其研究是基于有排除性标准的临床试验，与实际临床中的ＨＦ患者有差别；研究对象几乎均为白种人，对于其他人种并不一定适用；未在独立的ＨＦｐＥＦ人中进行验证。
１ ２ ２ 社区动脉粥样硬化风险研究评分
社区动脉粥样硬化风险研究（ＡｔｈｅｒｏｓｃｌｅｒｏｓｉｓＲｉｓｋｉｎＣｏｍｍｕｎｉｔｉｅｓ，ＡＲＩＣ）评分是由Ｔｈｏｒｖａｌｄｓｅｎ等［８］在２０１７年设计开发的风险评分。建模队列为１８５２例来自ＡＲＩＣ研究中符合年龄≥５５岁且ＬＶＥＦ≥５０％的急性心脏失代偿性ＨＦ患者。主要结局为入组后２８ｄ及１年内发生全因死亡。该评分包括年龄、收缩压、血尿素氮、血清钠、脑血管疾病、慢性阻塞性肺疾病和血红蛋白共７个变量。验证队列为ＡＲＩＣ研究中的８２１例急性心脏失代偿性ＨＦ患者。推导队列２８ｄ和１年死亡率的ＡＵＣ分别为０．７６和０．７２，显示出良好
的区分度。
该模型的优点为严格纳入了ＨＦｐＥＦ患者，后续可为这一人的分诊、医疗资源使用决策提供实用、全面的信息，缺点为缺乏外部验证队列证实其泛化能力。１ ３ 混杂人临床预后评估模型
１ ３ １ 慕尼黑评分模型
Ｓｔｅｍｐｆｌｅ等［９］研究者于２００８年通过前瞻性队列研究方法，共纳入１７８例ＬＶＥＦ＜４５％的慢性ＨＦ患者作为推导队列建立了慕尼黑评分模型。结局事件定义为紧急心脏移植或死亡。该模型共纳入５５个基本变量及９个血流动力学参数变量，最终预测模型包含有５个重要的预测危险因素，分别为ＨＦ病因、左心室舒张末期内径、收缩压、最大负荷量和１年缩短分数的改变。根据模型分数，可将ＨＦ患者分为高、中、低危３个等级，１年内无主要不良心血管事件生存率分别为１００％、９１．９％和６９．９％。
该模型的优点为非侵入性，但由于该模型推导队列中只有６％的人具有ＩＣＤ，并不能反映当前的医疗水准。另该研究为单中心小样本研究，且缺乏验证队列。因此，未来仍需在外部队列中进一步验证其泛化能力。
１ ３ ２ 全球慢性ＨＦｍｅｔａ分析评分模型
全球慢性ＨＦｍｅｔａ分析评分（ｔｈｅＭｅｔａ ＡｎａｌｙｓｉｓＧｌｏｂａｌＧｒｏｕｐｉｎＣｈｒｏｎｉｃＨＦｓｃｏｒｅ，ＭＡＧＧＩＣ ＨＦ）［１０］建模对象为来自３０项研究共３９３７２例ＨＦｒＥＦ或ＨＦｐＥＦ患者，确定了１３个独立变量来预测１年和３年的全因死亡率，包括年龄、ＬＶＥＦ、ＮＹＨＡ分级级别、血清肌酐、糖尿病、收缩压、体重指数、ＨＦ持续时间、吸烟、慢性阻塞性肺疾病、男性，以及使用了β受体阻滞剂、ＡＣＥＩ或ＡＲＢ药物。３年全因死亡的Ｃ指数为０．７４。２０１４年，Ｓａｒｔｉｐｙ等［２３］使用瑞典国家心脏衰竭登记处的５１０４３例患者对该模型进行了验证，结果显示该模型将ＨＦ患者划分为不同风险等级的能力出。
该模型的优点为推导队列纳入人数量多、随访时间长。缺点为未纳入ＭＲＡ、ＡＣＥＩ／ＡＲＢ等药物以及ＮＴ ｐｒｏＢＮＰ、心肌肌钙蛋白等生物标志物。
１ ３ ３ ＣＨＡＲＭ模型
ＣＨＡＲＭ模型［１１］建模队列由ＣＨＡＲＭ研究中提取的７５９９例诊断为慢性ＨＦ的患者组成，所有患者均符合：年龄≥１８岁，慢性ＨＦ症状持续至少４周。研究的主要终点为心源性死亡或因ＨＦ恶化住院，平均随访时间为３８个月，通过Ｃｏｘ回归方法建立。最强预测因素为年龄（≥６０岁）、糖尿病和ＬＶＥＦ≥４５％。该模型预测２年内发生心源性死亡或因ＨＦ恶化住院的Ｃ指数为０．７５，预测２年内发生全因死亡的Ｃ指数为０．７５，显示出良好的区分度。
该模型的优点为随访时间长，且纳入各个层次射血分数的ＨＦ患者，因此允许更详细、精确地评估预测因子及其独立贡献。缺点为可能存在纳入偏倚，且该模型未包含如血红蛋白、肌钙蛋白、肌酐和ＮＴ ｐｒｏＢＮＰ等已被证实与ＨＦ预后相关的血清学标志物［２４ ２７］。
２ 总结与展望
不同的ＨＦ预后模型，其建立目的不同，适合患者人不同。对于ＨＦｒＥＦ患者，仍推荐使用ＳＨＦＭ，该模型推导及验证队列样本量足，并通过多个外部队列的验证［２８］，故推荐。而对于ＨＦｐＥＦ患者，Ｉ ＰＲＥＳＥＲＶＥ模型和ＡＲＩＣ评分在建模队列中获得不错的Ｃ指数，但未来仍需开展外部验证进一步评估模型的预测性能。针对混合人，ＭＡＧＧＩＣ ＨＦ纳入患者数量多，随访时间长，外部验证提示该模型的预测能力强，故
心血管病学进展２０２３年１０月第４４卷第１０期 ＡｄｖＣａｒｄｉｏｖａｓｃＤｉｓ，Ｏｃｔｏｂｅｒ２０２３，Ｖｏｌ．４４，Ｎｏ．１０
推荐。
综上所述，由于纳入的研究对象、ＨＦ类型、随访时间及模型构建方法的不同，ＨＦ临床预测模型呈现多样化的发展趋势，关于哪种预测模型应用效能更好尚无统一意见。临床医务人员在应用ＨＦ预测模型
时，除了考虑模型的应用人、预测效能等，还应结合临床实际问题具体分析。随着人工智能、大数据的发展，越来越多研究采用机器学习的方法构建ＨＦ临床预测模型，其能将复杂的临床数据简单化，具有省时、精准的特点，未来机器学习有望成为ＨＦ临床预后预测研究的新趋势。
参考文献
［１］中国心血管健康与疾病报告编写组．中国心血管健康与疾病报告２０２１概要［Ｊ］．中国循环杂志，２０２２，３７（６）：５５３ ５７８．
［２］ＡａｒｏｎｓｏｎＫＤ，ＳｃｈｗａｒｔｚＪＳ，ＣｈｅｎＴＭ，ｅｔａｌ．Ｄｅｖｅｌｏｐｍｅｎｔａｎｄｐｒｏｓｐｅｃｔｉｖｅｖａｌｉｄａｔｉｏｎｏｆａｃｌｉｎｉｃａｌｉｎｄｅｘｔｏｐｒｅｄｉｃｔｓｕｒｖｉｖａｌｉｎａｍｂｕｌａｔｏｒｙｐａｔｉｅｎｔｓｒｅｆｅｒｒｅｄｆｏｒｃａｒｄｉａｃｔｒａｎｓｐｌａｎｔｅｖａｌｕａｔｉｏｎ［Ｊ］．Ｃｉｒｃｕｌａｔｉｏｎ，１９９７，９５（１２）：２６６０ ２６６７．［３］ＬｅｖｙＷＣ，ＭｏｚａｆｆａｒｉａｎＤ，ＬｉｎｋｅｒＤＴ，ｅｔａｌ．ＴｈｅＳｅａｔｔｌｅＨｅａｒｔＦａｉｌｕｒｅＭｏｄｅｌ：ｐｒｅｄｉｃｔｉｏｎｏｆｓｕｒｖｉｖａｌｉｎｈｅａｒｔｆａｉｌｕｒｅ［Ｊ］．Ｃｉｒｃｕｌａｔｉｏｎ，２００６，１１３（１１）：１４２４ １４３３．
［４］ＳｉｍｐｓｏｎＪ，ＪｈｕｎｄＰＳ，ＬｕｎｄＬＨ，ｅｔａｌ．Ｐｒｏｇｎｏｓｔｉｃｍｏｄ
ｅｌｓｄｅｒｉｖｅｄｉｎＰＡＲＡＤＩＧＭ ＨＦａｎｄｖａｌｉｄａｔｅｄｉｎＡＴＭＯＳＰＨＥＲＥａｎｄｔｈｅＳｗｅｄｉｓｈＨｅａｒｔＦａｉｌｕｒｅＲｅｇｉｓｔｒｙｔｏｐｒｅｄｉｃｔｍｏｒｔａｌｉｔｙａｎｄｍｏｒｂｉｄｉｔｙｉｎｃｈｒｏｎｉｃｈｅａｒｔｆａｉｌｕｒｅ［Ｊ］．ＪＡＭＡＣａｒｄｉｏｌ，２０２０，５（４）：４３２ ４４１．
［５］Ｏ’ＣｏｎｎｏｒＣＭ，ＷｈｅｌｌａｎＤＪ，ＷｏｊｄｙｌａＤ，ｅｔａｌ．Ｆａｃｔｏｒｓｒｅｌａｔｅｄｔｏｍｏｒｂｉｄｉｔｙａｎｄｍｏｒｔａｌｉｔｙｉｎｐａｔｉｅｎｔｓｗｉｔｈｃｈｒｏｎｉｃｈｅａｒｔｆａｉｌｕｒｅｗｉｔｈｓｙｓｔｏｌｉｃｄｙｓｆｕｎｃｔｉｏｎ：ｔｈｅＨＦ ＡＣＴＩＯＮｐｒｅｄｉｃｔｉｖｅｒｉｓｋｓｃｏｒｅｍｏｄｅｌ［Ｊ］．ＣｉｒｃＨｅａｒｔＦａｉｌ，２０１２，５（１）：６３ ７１．［６］ＢｉｌｃｈｉｃｋＫＣ，ＳｔｕｋｅｎｂｏｒｇＧＪ，ＫａｍａｔｈＳ，ｅｔａｌ．Ｐｒｅｄｉｃｔｉｏｎｏｆｍｏｒｔａｌｉｔｙｉｎｃｌｉｎｉｃａｌｐｒａｃｔｉｃｅｆｏｒｍｅｄｉｃａｒｅｐａｔｉｅｎｔｓｕｎｄｅｒｇｏｉｎｇｄｅｆｉｂｒｉｌｌａｔｏｒｉｍｐｌａｎｔａｔｉｏｎｆｏｒｐｒｉｍａｒｙｐｒｅｖｅｎｔｉｏｎｏｆｓｕｄｄｅｎｃａｒｄｉａｃｄｅａｔｈ［Ｊ］．ＪＡｍＣｏｌｌＣａｒｄｉｏｌ，２０１２，６０（１７）：１６４７ １６５５．
［７］ＫｏｍａｊｄａＭ，ＣａｒｓｏｎＰＥ，ＨｅｔｚｅｌＳ，ｅｔａｌ．Ｆａｃｔｏｒｓａｓｓｏｃｉａｔｅｄｗｉｔｈｏｕｔｃｏｍｅｉｎｈｅａｒｔｆａｉｌｕｒｅｗｉｔｈｐｒｅｓｅｒｖｅｄｅ
ｊｅｃｔｉｏｎｆｒａｃｔｉｏｎ：ｆｉｎｄｉｎｇｓｆｒｏｍｔｈｅＩｒｂｅｓａｒｔａｎｉｎＨｅａｒｔＦａｉｌｕｒｅｗｉｔｈＰｒｅｓｅｒｖｅｄＥｊｅｃｔｉｏｎＦｒａｃｔｉｏｎＳｔｕｄｙ（Ｉ ＰＲＥＳＥＲＶＥ）［Ｊ］．ＣｉｒｃＨｅａｒｔＦａｉｌ，２０１１，４（１）：２７ ３５．
［８］ＴｈｏｒｖａｌｄｓｅｎＴ，ＣｌａｇｇｅｔｔＢＬ，ＳｈａｈＡ，ｅｔａｌ．Ｐｒｅｄｉｃｔｉｎｇｒｉｓｋｉｎｐａｔｉｅｎｔｓｈｏｓｐｉｔａｌｉｚｅｄｆｏｒａｃｕｔｅｄｅｃｏｍｐｅｎｓａｔｅｄｈｅａｒｔｆａｉｌｕｒｅａｎｄｐｒｅｓｅｒｖｅｄｅｊｅｃｔｉｏｎｆｒａｃｔｉｏｎ：ｔｈｅＡｔｈｅｒｏｓｃｌｅｒｏｓｉｓＲｉｓｋｉｎＣｏｍｍｕｎｉｔｉｅｓＳｔｕｄｙＨｅａｒｔＦａｉｌｕｒｅＣｏｍｍｕｎｉｔｙＳｕｒｖｅｉｌｌａｎｃｅ［Ｊ］．ＣｉｒｃＨｅａｒｔＦａｉｌ，２０１７，１０（１２）：ｅ００３９９２．
［９］ＳｔｅｍｐｆｌｅＨＵ，ＡｌｔＡ，ＳｔｉｅｆＪ，ｅｔａｌ．ＴｈｅＭｕｎｉｃｈｓｃｏｒｅ：ａｃｌｉｎｉｃａｌｉｎｄｅｘｔｏｐｒｅｄｉｃｔｓｕｒｖｉｖａｌｉｎａｍｂｕｌａｔｏｒｙｐａｔｉｅｎｔｓｗｉｔｈｃｈｒｏｎｉｃｈｅａｒｔｆａｉｌｕｒｅｉｎｔｈｅｅｒａｏｆｎｅｗｍｅｄｉｃａｌｔｈｅｒａｐｉｅｓ［Ｊ］．ＪＨｅａｒｔＬｕｎｇＴｒａｎｓｐｌａｎｔ，２００８，２７（２）：２２２ ２２８．
［１０］ＰｏｃｏｃｋＳＪ，ＡｒｉｔｉＣＡ，ＭｃＭｕｒｒａｙＪＪ，ｅｔａｌ．Ｐｒｅｄｉｃｔｉ
ｎｇｓｕｒｖｉｖａｌｉｎｈｅａｒｔｆａｉｌｕｒｅ：ａｒｉｓｋｓｃｏｒｅｂａｓｅｄｏｎ３９３７２ｐａｔｉｅｎｔｓｆｒｏｍ３０ｓｔｕｄｉｅｓ［Ｊ］．ＥｕｒＨｅａｒｔＪ，２０１３，３４（１９）：１４０４ １４１３．
［１１］ＰｏｃｏｃｋＳＪ，ＷａｎｇＤ，ＰｆｅｆｆｅｒＭＡ，ｅｔａｌ．Ｐｒｅｄｉｃｔｏｒｓｏｆｍｏｒｔａｌｉｔｙａｎｄｍｏｒｂｉｄｉｔｙｉｎｐａｔｉｅｎｔｓｗｉｔｈｃｈｒｏｎｉｃｈｅａｒｔｆａｉｌｕｒｅ［Ｊ］．ＥｕｒＨｅａｒｔＪ，２００６，２７（１）：６５ ７５．［１２］ＢｏｚｋｕｒｔＢ，ＣｏａｔｓＡ，ＴｓｕｔｓｕｉＨ．Ｕｎｉｖｅｒｓａｌｄｅｆｉｎｉｔｉｏｎａｎｄｃｌａｓｓｉｆｉｃａｔｉｏｎｏｆｈｅａｒｔｆａｉｌｕｒｅ［Ｊ］．ＪＣａｒｄＦａｉｌ，２０２１，Ｓ１０７１ ９１６４（２１）０００５０ ６．
［１３］ＰａｒｉｋｈＭＮ，ＬｕｎｄＬＨ，ＧｏｄａＡ，ｅｔａｌ．Ｕｓｅｆｕｌｎｅｓｓｏｆｐｅａｋｅｘｅｒｃｉｓｅｏｘｙｇｅｎｃｏｎｓｕｍｐｔｉｏｎａｎｄｔｈｅｈｅａｒｔｆａｉｌｕｒｅｓｕｒｖｉｖａｌｓｃｏｒｅｔｏｐｒｅｄｉｃｔｓｕｒｖｉｖａｌｉｎｐａｔｉｅｎｔｓ＞６５ｙｅａｒｓｏｆａｇｅｗｉｔｈｈｅａｒｔｆａｉｌｕｒｅ［Ｊ］．ＡｍＪＣａｒｄｉｏｌ，２００９，１０３（７）：９９８ １００２．［１４］ＦｒａｎｋｅＪ，ＬｉｎｄｍａｒｋＡ，ＨｏｃｈａｄｅｌＭ，ｅｔａｌ．Ｇｅｎｄｅｒａｓｐｅｃｔｓｉｎｃｌｉｎｉｃａｌｐｒｅｓｅｎｔａｔｉｏｎａｎｄｐｒｏｇｎｏｓｔｉｃａｔｉｏｎｏｆｃｈｒｏｎｉｃｈｅａｒｔｆａｉｌｕｒｅａｃｃｏｒｄｉｎｇ
ｔｏＮＴ ｐｒｏＢＮＰａｎｄｔｈｅＨｅａｒｔＦａｉｌｕｒｅＳｕｒｖｉｖａｌＳｃｏｒｅ［Ｊ］．ＣｌｉｎＲｅｓＣａｒｄｉｏｌ，２０１５，１０４（４）：３３４ ３４１．［１５］ＧｏｄａＡ，ＬｕｎｄＬＨ，ＭａｎｃｉｎｉＤＭ．Ｃｏｍｐａｒｉｓｏｎａｃｒｏｓｓｒａｃｅｓｏｆｐｅａｋｏｘｙｇｅｎｃｏｎｓｕｍｐｔｉｏｎａｎｄｈｅａｒｔｆａｉｌｕｒｅｓｕｒｖｉｖａｌｓｃｏｒｅｆｏｒｓｅｌｅｃｔｉｏｎｆｏｒｃａｒｄｉａｃｔｒａｎｓｐｌａｎｔａｔｉｏｎ［Ｊ］．ＡｍＪＣａｒｄｉｏｌ，２０１０，１０５（１０）：１４３９ １４４４．
［１６］ＧｏｄａＡ，ＬｕｎｄＬＨ，ＭａｎｃｉｎｉＤ．ＴｈｅＨｅａｒｔＦａｉｌｕｒｅＳｕｒｖｉｖａｌＳｃｏｒｅｏｕｔｐｅｒｆｏｒｍｓｔｈｅｐｅａｋｏｘｙｇｅｎｃｏｎｓｕｍｐｔｉｏｎｆｏｒｈｅａｒｔｔｒａｎｓｐｌａｎｔａｔｉｏｎｓｅｌｅｃｔｉｏｎｉｎｔｈｅｅｒａｏｆｄｅｖｉｃｅｔｈｅｒａｐｙ［Ｊ］．ＪＨｅａｒｔＬｕｎｇＴｒａｎｓｐｌａｎｔ，２０１１，３０（３）：３１５ ３２５．
［１７］ＲｅｇｏｌｉＦ，ＳｃｏｐｉｇｎｉＦ，ＬｅｙｖａＦ，ｅｔａｌ．ＶａｌｉｄａｔｉｏｎｏｆＳｅａｔｔｌｅＨｅａｒｔＦａｉｌｕｒｅＭｏｄｅｌｆｏｒｍｏｒｔａｌｉｔｙｒｉｓｋｐｒｅｄｉｃｔｉｏｎｉｎｐａｔｉｅｎｔｓｔｒｅａｔｅｄｗｉｔｈｃａｒｄｉａｃｒｅｓｙｎｃｈｒｏｎｉｚａｔｉｏｎｔｈｅｒａｐｙ［Ｊ］．ＥｕｒＪＨｅａｒｔＦａｉｌ，２０１３，１５（２）：２１１ ２２０．
［１８］ＢｉｌｃｈｉｃｋＫＣ，ＷａｎｇＹ，ＣｈｅｎｇＡ，ｅｔａｌ．ＳｅａｔｔｌｅＨｅａｒｔＦａｉｌｕｒｅａｎｄＰｒｏｐｏｒｔｉｏｎａｌＲｉｓｋＭｏｄｅｌｓｐｒｅｄｉｃｔｂｅｎｅｆｉｔｆｒｏｍｉｍｐｌａｎｔａｂｌｅｃａｒｄｉｏｖｅｒｔｅｒ ｄｅｆｉｂｒｉｌｌａｔｏｒｓ［Ｊ］．ＪＡｍＣｏｌｌＣａｒｄｉｏｌ，２０１７，６９（２１）：２６０６ ２６１８．
［１９］ＳｍｉｔｈＴ，ＬｅｖｙＷＣ，ＳｃｈａｅｒＢＡ，ｅｔａｌ．ＰｅｒｆｏｒｍａｎｃｅｏｆｔｈｅＳｅａｔｔｌｅＨｅａｒｔＦａｉｌｕｒｅＭｏｄｅｌｉｎｉｍｐｌａｎｔａｂｌｅｄｅｆｉｂｒｉｌｌａｔｏｒｐａｔｉｅｎｔｓｔｒｅａｔｅｄｗｉｔｈｃａｒｄｉａｃｒｅｓｙｎｃｈｒｏｎｉｚａｔｉｏｎｔｈｅｒａｐｙ［Ｊ］．ＡｍＪＣａｒｄｉｏｌ，２０１２，１１０（３）：３９８ ４０２．
［２０］ＢｉｌｃｈｉｃｋＫＣ，ＡｕｇｅｒＤＡ，ＡｂｄｉｓｈｅｋｔａｅｉＭ，ｅｔａｌ．ＣＭＲＤＥＮＳＥａｎｄｔｈｅＳｅａｔｔｌｅＨｅａｒｔＦａｉｌｕｒｅＭｏｄｅｌｉｎｆｏｒｍｓｕｒｖｉｖａｌａｎｄａｒｒｈｙｔｈｍｉａｒｉｓｋａｆｔｅｒＣＲＴ［Ｊ］．ＪＡＣＣＣａｒｄｉｏｖａｓｃＩｍａｇｉｎｇ，２０２０，１３（４）：９２４ ９３６．
［２１］ＫａｌｏｇｅｒｏｐｏｕｌｏｓＡＰ，ＧｅｏｒｇｉｏｐｏｕｌｏｕＶＶ，ＧｉａｍｏｕｚｉｓＧ，ｅｔａｌ．ＵｔｉｌｉｔｙｏｆｔｈｅＳｅａｔｔｌｅＨｅａｒｔＦａｉｌｕｒｅＭｏｄｅｌｉ
ｎｐａｔｉｅｎｔｓｗｉｔｈａｄｖａｎｃｅｄｈｅａｒｔｆａｉｌｕｒｅ［Ｊ］．ＪＡｍＣｏｌｌＣａｒｄｉｏｌ，２００９，５３（４）：３３４ ３４２．
［２２］ＬｉＳ，ＭａｒｃｕｓＰ，Ｎú ｅｚＪ，ｅｔａｌ．ＶａｌｉｄｉｔｙｏｆｔｈｅＳｅａｔｔｌｅＨｅａｒｔＦａｉｌｕｒｅＭｏｄｅｌａｆｔｅｒｈｅａｒｔｆａｉｌｕｒｅｈｏｓｐｉｔａｌｉｚａｔｉｏｎ［Ｊ］．ＥＳＣＨｅａｒｔＦａｉｌ，２０１９，６（３）：５０９ ５１５．
［２３］ＳａｒｔｉｐｙＵ，Ｄａｈｌｓｔｒ ｍＵ，ＥｄｎｅｒＭ，ｅｔａｌ．Ｐｒｅｄｉｃｔｉｎｇｓｕｒｖｉｖａｌｉｎｈｅａｒｔｆａｉｌｕｒｅ：ｖａｌｉｄａｔｉｏｎｏｆｔｈｅＭＡＧＧＩＣｈｅａｒｔｆａｉｌｕｒｅｒｉｓｋｓｃｏｒｅｉｎ５１，０４３ｐａｔｉｅｎｔｓｆｒｏｍｔｈｅＳｗｅｄｉｓｈｈｅａｒｔｆａｉｌｕｒｅｒｅｇｉｓｔｒｙ［Ｊ］．ＥｕｒＪＨｅａｒｔＦａｉｌ，２０１４，１６（２）：１７３ １７９．［２４］ＪａｎｕｚｚｉＪＬＪｒ，ＺａｎｎａｄＦ，ＡｎｋｅｒＳＤ，ｅｔａｌ．ＰｒｏｇｎｏｓｔｉｃｉｍｐｏｒｔａｎｃｅｏｆＮＴ ｐｒｏＢＮＰａｎｄｅｆｆｅｃｔｏｆｅｍｐａｇｌｉｆｌｏｚｉｎｉｎｔｈｅＥＭＰＥＲＯＲ Ｒｅｄｕｃｅｄｔｒｉａｌ［Ｊ］．ＪＡｍＣｏｌｌＣａｒｄｉｏｌ，２０２１，７８（１３）：１３２１ １３３２．
［２５］ＰａｃｋｅｒＭ，ＪａｎｕｚｚｉＪＬ，ＦｅｒｒｅｉｒａＪＰ，ｅｔａｌ．Ｃｏｎｃｅｎｔｒａｔｉｏｎ ｄｅｐｅｎｄｅｎｔｃｌｉｎｉｃａｌａｎｄｐｒｏｇｎｏｓｔｉｃｉｍｐｏｒｔａｎｃ
ｅｏｆｈｉｇｈ ｓｅｎｓｉｔｉｖｉｔｙｃａｒｄｉａｃｔｒｏｐｏｎｉｎＴｉｎｈｅａｒｔｆａｉｌｕｒｅａｎｄａｒｅｄｕｃｅｄｅｊｅｃｔｉｏｎｆｒａｃｔｉｏｎａｎｄｔｈｅｉｎｆｌｕｅｎｃｅｏｆｅｍｐａｇｌｉｆｌｏｚｉｎ：ｔｈｅＥＭＰＥＲＯＲ Ｒｅｄｕｃｅｄｔｒｉａｌ［Ｊ］．ＥｕｒＪＨｅａｒｔＦａｉｌ，２０２１，２３（９）：１５２９ １５３８．
［２６］ＦｅｒｒｅｉｒａＪＰ，ＡｎｋｅｒＳＤ，ＢｕｔｌｅｒＪ，ｅｔａｌ．Ｉｍｐａｃｔｏｆａｎａｅｍｉａａｎｄｔｈｅｅｆｆｅｃｔｏｆｅｍｐａｇｌｉｆｌｏｚｉｎｉｎｈｅａｒｔｆａｉｌｕｒｅｗｉｔｈｒｅｄｕｃｅｄｅｊｅｃｔｉｏｎｆｒａｃｔｉｏｎ：ｆｉｎｄｉｎｇｓｆｒｏｍＥＭＰＥＲＯＲ Ｒｅｄｕｃｅｄ［Ｊ］．ＥｕｒＪＨｅａｒｔＦａｉｌ，２０２２，２４（４）：７０８ ７１５．
［２７］ＢｅｌｄｈｕｉｓＩＥ，ＭｙｈｒｅＰＬ，ＣｌａｇｇｅｔｔＢ，ｅｔａｌ．ＥｆｆｉｃａｃｙａｎｄｓａｆｅｔｙｏｆｓｐｉｒｏｎｏｌａｃｔｏｎｅｉｎｐａｔｉｅｎｔｓｗｉｔｈＨＦｐＥＦａｎｄｃｈｒｏｎｉｃｋｉｄｎｅｙｄｉｓｅａｓｅ［Ｊ］．ＪＡＣＣＨｅａｒｔＦａｉｌ，２０１９，７（１）：２５ ３２．
［２８］ＡｌｂａＡＣ，ＡｇｏｒｉｔｓａｓＴ，ＪａｎｋｏｗｓｋｉＭ，ｅｔａｌ．Ｒｉｓｋｐｒｅｄｉｃｔｉｏｎｍｏｄｅｌｓｆｏｒｍｏｒｔａｌｉｔｙｉｎａｍｂｕｌａｔｏｒｙｐａｔｉｅｎｔｓ
ｗｉｔｈｈｅａｒｔｆａｉｌｕｒｅ：ａｓｙｓｔｅｍａｔｉｃｒｅｖｉｅｗ［Ｊ］．ＣｉｒｃＨｅａｒｔＦａｉｌ，２０１３，６（５）：８８１ ８８９．
收稿日期：２０２３ ０２ ２１
心血管病学进展２０２３年１０月第４４卷第１０期 ＡｄｖＣａｒｄｉｏｖａｓｃＤｉｓ，Ｏｃｔｏｂｅｒ２０２３，Ｖｏｌ．４４，Ｎｏ．１０
版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。
发表评论