【摘要】 背景 在心血管風(fēng)險評估領(lǐng)域，主動脈僵硬度被認(rèn)為是關(guān)鍵的預(yù)測指標(biāo)，頸股脈搏波傳導(dǎo)速度（cfPWV）被認(rèn)為是無創(chuàng)評估主動脈硬化風(fēng)險的金標(biāo)準(zhǔn)。由于技術(shù)難度等挑戰(zhàn)，我國cfPWV檢測尚未廣泛開展。目的 本研究旨在開發(fā)并驗證一種基于心血管危險因素的早期主動脈硬化風(fēng)險篩查模型，以期替代cfPWV復(fù)雜的測量過程，減少對傳統(tǒng)測量方法的依賴。方法 選取2023年5—11月在安徽醫(yī)科大學(xué)第一附屬醫(yī)院體檢中心招募的878名受試者作為研究對象，按照8∶2的比例進(jìn)行隨機(jī)抽樣分為建模組（n=703）和驗證組（n=175）。收集患者一般資料、實驗室檢查結(jié)果及cfPWV。依據(jù)cfPWV檢查結(jié)果和相關(guān)指南，將建模組受試者分為無主動脈硬化風(fēng)險（n=503）和有主動脈硬化風(fēng)險（n=200）。采用多因素Logistic回歸分析并篩選變量，建立列線圖評估模型。繪制模型預(yù)測主動脈硬化發(fā)生風(fēng)險的受試者工作特征曲線（ROC曲線），以ROC曲線下面積（AUC）、Hosmer-Lemeshow檢驗評估模型的區(qū)分度和校準(zhǔn)度，采用Delong檢驗比較各模型的AUC，采用決策曲線分析（DCA）評估模型臨床實用性，并采用Bootstrap法重復(fù)采樣1 000次對模型進(jìn)行內(nèi)部驗證。結(jié)果 建模組有主動脈硬化風(fēng)險者年齡、BMI、收縮壓（SBP）、舒張壓（DBP）、平均動脈壓（MAP）、尿素、空腹血糖（FBG）、低密度脂蛋白膽固醇（LDL-C）、三酰甘油（TG）、總膽固醇（TC）、丙氨酸氨基轉(zhuǎn)移酶（ALT）、天冬氨酸氨基轉(zhuǎn)移酶（AST）、血紅蛋白（Hb）、飲酒、血脂異常、糖尿病比例高于無主動脈硬化風(fēng)險者，腎小球濾過率（GFR）、血小板計數(shù)（PLT）低于無主動脈硬化風(fēng)險者（P<0.05）。多因素Logistic回歸分析結(jié)果顯示年齡（OR=1.112，95%CI=1.082～1.143）、MAP（OR=1.146，95%CI=1.107～1.188）、Hb（OR=1.026，95%CI=1.004～1.049）和FBG（OR=1.353，95%CI=1.076～1.701）是主動脈硬化的獨(dú)立影響因素（P<0.05）。納入多因素Logistic回歸分析結(jié)果差異有統(tǒng)計學(xué)意義的指標(biāo)（年齡、MAP、Hb、FBG）構(gòu)建預(yù)測模型Ⅰ，同時分別納入吸煙、性別、血脂異常構(gòu)建模型Ⅱ、模型Ⅲ、模型Ⅳ，繪制模型Ⅰ～模型Ⅳ的ROC曲線，模型Ⅰ～模型Ⅳ的AUC分別為0.941（95%CI=0.923～0.964，P<0.05）、0.941（95%CI=0.922～0.962，P<0.05）、0.941（95%CI=0.922～0.963，P<0.05）、0.939（95%CI=0.919～0.962，P<0.05）；Delong檢驗結(jié)果示，模型Ⅰ、模型Ⅱ、模型Ⅲ、模型Ⅳ的AUC比較，差異無統(tǒng)計學(xué)意義（P>0.05）。根據(jù)多因素Logistic回歸分析結(jié)果，以年齡、MAP、FBG、Hb為預(yù)測因子構(gòu)建列線圖模型，預(yù)測模型訓(xùn)練集的AUC為0.941（95%CI=0.920～0.962），靈敏度為0.832，特異度為0.917。驗證集的AUC為0.961（95%CI=0.914～1.000），靈敏度為0.872，特異度為0.964。DCA結(jié)果顯示使用主動脈硬化早期篩查模型可以使受試者在臨床中獲益。結(jié)論 本研究基于年齡、MAP、Hb和FBG 4個簡易指標(biāo)，建立了早期主動脈硬化風(fēng)險篩查模型，提供了便捷、高效的早期血管功能篩查的方法。

【關(guān)鍵詞】 動脈硬化；主動脈僵硬度；頸股脈搏波傳導(dǎo)速度；預(yù)測模型；早期篩查

【中圖分類號】 R 543.5 【文獻(xiàn)標(biāo)識碼】 A DOI：10.12114/j.issn.1007-9572.2024.0032

Construction and Validation of a Screening Model for Early Atherosclerosis Risk in the Aorta

ZHOU Zhensen1，2，HUANG Yan2，CHENG Siwei3，ZHANG Xiaoyu2，ZHANG Xiaoyu4，SUN Ting1，YANG Xianjun2，XIE Hui1，MA Zuchang2，3*

1.Department of Nursing，Bengbu Medical University，Bengbu 233030，China

2.Hefei Institutes of Physical Science，Chinese Academy of Sciences，Hefei 230031，China

3.University of Science and Technology of China，Hefei 230026，China

4.Health Management Center，the First Affiliated Hospital of Anhui Medical University，Hefei 230022，China

*Corresponding author：MA Zuchang，Researcher；E-mail：zuchangma_zcm@163.com

【Abstract】 Background In the field of cardiovascular risk assessment，aortic stiffness is considered a key predictive indicator，and carotid-femoral pulse wave velocity（cfPWV）is recognized as the gold standard for non-invasive assessment of atherosclerotic risk in the aorta. Due to challenges such as technical difficulty，cfPWV testing has not been widely implemented in China. Objective This study aimed to develop and validate a screening model for early atherosclerotic risk in the aorta based on cardiovascular risk factors，with the intention of replacing the complex measurement process of cfPWV and reducing reliance on traditional measurement methods. Methods A total of 878 participants recruited from the Health Checkup Center of the First Affiliated Hospital of Anhui Medical University between May and November 2023 were selected as research subjects，randomly divided into a model-building group（n=703）and a validation group（n=175）in an 8∶2 ratio. Patient general information，laboratory test results，and cfPWV were collected. Based on the cfPWV examination results and relevant guidelines，participants in the model-building group were divided into those without atherosclerotic risk in the aorta（n=503）and those with atherosclerotic risk in the aorta（n=200）. Multifactorial Logistic regression analysis was used to screen variables and establish a nomogram assessment model. The receiver operating characteristic curve（ROC curve）for predicting the risk of atherosclerosis in the aorta was plotted for the model，and the model's discriminative ability and calibration were assessed using the area under the ROC curve（AUC）and the Hosmer-Lemeshow test，respectively. The Delong test was used to compare the AUCs of different models，and decision curve analysis（DCA）was used to assess the clinical utility of the model. Internal validation of the model was performed using the bootstrap method with 1 000 resampling iterations. Results Participants with atherosclerotic risk in the model-building group were older，had higher BMI，systolic blood pressure（SBP），diastolic blood pressure（DBP），mean arterial pressure（MAP），urea，fasting blood glucose（FBG），low-density lipoprotein cholesterol（LDL-C），triglycerides（TG），total cholesterol（TC），alanine aminotransferase（ALT），aspartate aminotransferase（AST），hemoglobin（Hb），and a higher proportion of alcohol consumption，dyslipidemia，and diabetes than those without atherosclerotic risk in the aorta. The glomerular filtration rate（GFR）and platelet count（PLT）were lower in those with atherosclerotic risk（P<0.05）. Multifactorial Logistic regression analysis showed that age（OR=1.112，95%CI=1.082-1.143），MAP（OR=1.146，95%CI=1.107-1.188），Hb（OR=1.026，95%CI=1.004-1.049），and FBG（OR=1.353，95%CI=1.076-1.701）were independent risk factors for atherosclerosis in the aorta（P<0.05）. A predictive modelⅠ was constructed using statistically significant indicators from the multifactorial logistic regression analysis（age，MAP，Hb，F(xiàn)BG），and models Ⅱ，Ⅲ，and Ⅳ were constructed by additionally including smoking，gender，and dyslipidemia，respectively. The AUCs for models Ⅰ to Ⅳ were 0.941（95%CI=0.923-0.964，P<0.05），0.941（95%CI=0.922-0.962，P<0.05），0.941（95%CI=0.922-0.963，P<0.05），and 0.939（95%CI=0.919-0.962，P<0.05），respectively. The Delong test showed no statistically significant difference in AUCs among models Ⅰ，Ⅱ，Ⅲ，and Ⅳ（P>0.05）. A nomogram model was constructed using age，MAP，F(xiàn)BG，and Hb as predictive factors，with an AUC of 0.941（95%CI=0.920-0.962）for the training set，sensitivity of 0.832，and specificity of 0.917. The AUC for the validation set was 0.961（95%CI=0.914-1.000），with sensitivity of 0.872 and specificity of 0.964. DCA results indicated that the use of the early atherosclerosis screening model could benefit participants in clinical practice. Conclusion Based on four simple indexes of age，mean arterial pressure，hemoglobin and fasting blood glucose，a screening model for early aortic sclerosis risk was established，which provides a convenient and efficient method for early vascular function screening.

【Key words】 Arteriosclerosis；Aortic stiffness；Carotid-femoral pulse wave velocity；Prediction model；Early screening

隨著中國人口老齡化加速以及不健康生活方式的影響，心血管疾?。╟ardiovascular disease，CVD）在中國人群中的患病率和死亡率不斷上升。《中國心血管健康與疾病報告2022概要》［1］表明，CVD已經(jīng)成為威脅居民身體健康的首要疾病。據(jù)統(tǒng)計，我國目前約有3.3億人患有CVD，每5例死亡病例中就有2例死于CVD，形勢嚴(yán)峻。

在心血管風(fēng)險評估領(lǐng)域，主動脈僵硬度被認(rèn)為是關(guān)鍵的預(yù)測指標(biāo)［2］。動脈僵硬度增加會導(dǎo)致收縮壓（SBP）升高，引起左心室后負(fù)荷壓力增加。同時，舒張壓（DBP）降低，導(dǎo)致血液灌注不足，引起心肌缺血［3-4］。目前無創(chuàng)篩查主動脈硬化的主要方法包括彩色超聲、CT掃描和核磁共振等影像學(xué)技術(shù)。這些方法側(cè)重于血管結(jié)構(gòu)的篩查，而頸股脈搏波傳導(dǎo)速度（carotid-femoral pulse wave velocity，cfPWV）檢測更注重血管功能的評估。cfPWV被認(rèn)為是無創(chuàng)評估主動脈硬化風(fēng)險的金標(biāo)準(zhǔn)［5］，在各種脈搏波速度測量中，cfPWV與CVD之間的相關(guān)性最顯著［6］。由于血管功能性的改變通常先于結(jié)構(gòu)性的改變。因此，cfPWV的測量對于反映早期血管功能至關(guān)重要。

目前，測量cfPWV仍然面臨一些挑戰(zhàn)：檢測設(shè)備昂貴；需要專業(yè)人員操作，在測量股動脈時可能會涉及隱私等問題。為解決這些問題，本研究成功構(gòu)建了早期主動脈硬化風(fēng)險篩查模型，有效地替代了cfPWV復(fù)雜的測量過程，通過該模型，居民可以自主監(jiān)測主動脈硬化風(fēng)險水平，并有針對性地采取預(yù)防和管理措施。

1 對象與方法

1.1 研究對象

選取2023年5—11月在安徽醫(yī)科大學(xué)第一附屬醫(yī)院體檢中心招募的878名受試者作為研究對象。納入標(biāo)準(zhǔn)：（1）年齡≥18歲；（2）意識清醒，具有良好的中文書寫及閱讀交流能力；（3）具有良好的依從性，自愿參加。排除標(biāo)準(zhǔn)：（1）患有精神疾??；（2）患有嚴(yán)重的心腦血管、肝腎等疾??；（3）嚴(yán)重周圍動脈閉塞性病變累及左、右側(cè)頸動脈、上肢動脈、髂動脈、股動脈等無法完成cfPWV檢測者；（4）頻發(fā)性期前收縮、心房顫動等導(dǎo)致檢測過程中無法獲得規(guī)律的竇性節(jié)律者；（5）急性疼痛、嚴(yán)重痛苦感或焦躁者；（6）身體或情感上不安或不合作者；（7）以任何原因拒絕參與者；（8）研究者認(rèn)定有其他不合格條件，包括孕婦，測量部位無法觸及動脈脈搏者等。根據(jù)Logistic回歸樣本量估計的因變量事件數(shù)法（events per variable，EPV）計算樣本量。為保證回歸分析結(jié)果的穩(wěn)健，EPV應(yīng)為10～20［7］。前期100例預(yù)調(diào)查發(fā)現(xiàn)主動脈硬化檢出率為30%，假設(shè)EPV=10，由于本研究共納入研究因素21個，因此所需陽性事件的例數(shù)為21×10=210例，共需樣本量210÷30%=700例。根據(jù)風(fēng)險預(yù)測模型外部驗證的樣本量一般為建模組樣本量1/4～1/2的原則［8］，驗證組樣本量應(yīng)為175～350例。本研究共納入878例樣本，按照8∶2的比例進(jìn)行隨機(jī)抽樣，其中建模組703例，驗證組175例。

本研究遵照赫爾辛基宣言，并獲得中科院合肥物質(zhì)研究院科技倫理委員會批準(zhǔn)（YXLL-2023-46），受試者均同意參加本次研究并簽署知情同意書。

1.2 方法

1.2.1 一般資料收集：測量前受試者禁食8 h，并且測量前3 h內(nèi)停止攝入咖啡因或吸煙。由2名經(jīng)過規(guī)范訓(xùn)練的操作者在每天上午固定時間測量，控制環(huán)境溫度為（25±2）℃。收集年齡、性別、身高、體質(zhì)量、高血壓、糖尿病、用藥史、SBP、DBP、吸煙史（吸煙定義為調(diào)查前30 d有吸煙行為，并且≥1支/d［9］）、飲酒史（飲酒定義為調(diào)查前30 d有飲酒行為，至少1次/周［10］）等。采用OMORON M6設(shè)備記錄臥位時右側(cè)肱動脈血壓，每次間隔至少1 min，進(jìn)行3次測量，取每位受試者連續(xù)3次SBP和DBP測量的平均值，計算平均動脈壓（mean arterial pressure，MAP），MAP=（SBP+2×DBP）/3。

1.2.2 實驗室檢查指標(biāo)的收集：受試者空腹８ h后，于次日清晨抽取肘靜脈血，測定總膽固醇（total cholesterol，TC）、低密度脂蛋白膽固醇（low density lipoprotein cholesterol，LDL-C）、高密度脂蛋白膽固醇（high density lipoprotein cholesterol，HDL-C）、三酰甘油（triglyceride，TG）、空腹血糖（fasting blood glucose，F(xiàn)BG）、腎小球濾過率（glomerular filtration rate，GFR）、尿素、尿酸（uric acid，UA）、血紅蛋白（hemoglobin，Hb）、丙氨酸氨基轉(zhuǎn)移酶（glutamic-pyruvic transaminase，ALT）、天冬氨酸氨基轉(zhuǎn)移酶（aspartate aminotransferase，AST）、血小板計數(shù)（platelet，PLT）、肌酐水平。根據(jù)《中國血脂管理指南（2023年）》［11］將血脂異常定義為TC≥5.2 mmol/L；LDL-C≥3.4 mmol/L；HDL-C≤1.0 mmol/L或TG≥1.7 mmol/L。

1.2.3 cfPWV檢測：本研究采用Sphygmocor XCEL設(shè)備，受試者仰臥位休息10 min后，定位每位受試者右側(cè)頸動脈和股動脈最強(qiáng)跳動的脈搏點［2］進(jìn)行cfPWV測量。在測量過程中，受試者不得說話和睡覺。使用卷尺測量頸動脈與股動脈搏動最明顯處之間的距離（ｍ）作為實測距離，并將信息錄入分析系統(tǒng)。頸、股動脈之間距離=實測距離（ｍ）×0.8，以校正測量誤差［2］。系統(tǒng)采集10個穩(wěn)定波形后，計算cfPWV。cfPWV（m/s）=L×0.8/Δt，其中L為頸股動脈之間的距離（ｍ），Δt為脈搏波傳導(dǎo)的時間（s）［12］，取兩次測量后的平均值。如果兩次計算的cfPWV差值>0.5 m/s，則進(jìn)行第3次測量取中值。

1.2.4 受試者分組：根據(jù)歐洲專家共識［2］，本研究采用10 m/s作為cfPWV的截斷值，將受試者分為無主動脈硬化風(fēng)險和有主動脈硬化風(fēng)險，其中建模組共703名成員，200例存在主動脈硬化風(fēng)險。驗證組共175名成員，40例存在主動脈硬化風(fēng)險。

1.3 統(tǒng)計學(xué)方法

采用R 4.1.0和SPSS 26.0統(tǒng)計學(xué)軟件進(jìn)行數(shù)據(jù)分析。符合正態(tài)分布的計量資料以（x-±s）表示，兩組間比較采用獨(dú)立樣本t檢驗；非正態(tài)分布的計量資料以M（P25，P75）表示，兩組間比較采用Mann-Whitney U檢驗；計數(shù)資料以例（%）表示，組間比較采用χ2檢驗。采用多因素Logistic回歸分析并篩選變量，采用R 3.6.1軟件包聯(lián)合rms程序包建立列線圖評估模型。繪制受試者工作特征曲線（ROC曲線），以ROC曲線下面積（AUC）、Hosmer-Lemeshow檢驗評估模型的區(qū)分度和校準(zhǔn)度，采用Delong檢驗比較各模型的AUC，采用決策曲線分析（decision curve analysis，DCA）評估模型臨床實用性，并采用Bootstrap法重復(fù)采樣1 000次對模型進(jìn)行內(nèi)部驗證。以P<0.05為差異有統(tǒng)計學(xué)意義。

2 結(jié)果

2.1 建模組臨床基線資料比較

建模組共703名受試者，其中男349名，女354名；年齡18～91歲，中位年齡51（30，61）歲。有主動脈硬化風(fēng)險者年齡、BMI、SBP、DBP、MAP、尿素、FBG、LDL-C、TG、TC、ALT、AST、Hb、飲酒、血脂異常、糖尿病比例高于無主動脈硬化風(fēng)險者，GFR、PLT低于無主動脈硬化風(fēng)險者，差異有統(tǒng)計學(xué)意義（P<0.05）；兩組性別、心率、肌酐、UA、HDL-C、吸煙比例比較，差異無統(tǒng)計學(xué)意義（P>0.05），見表1。

2.2 主動脈硬化影響因素的單因素及多因素Logistic回歸分析

以是否發(fā)生主動脈硬化（賦值：否=0，是=1）為因變量，以性別（賦值：女=0，男=1）、血脂異常（賦值：否=0，是=1）、年齡、MAP、BMI、AST、GFR、UA、FBG、TG、TC、Hb（賦值均為實測值）為自變量進(jìn)行單因素Logistic回歸分析，結(jié)果顯示性別、年齡、MAP、BMI、AST、GFR、UA、FBG、TG、TC、Hb、血脂異常為主動脈硬化的影響因素（P<0.05）。進(jìn)一步將單因素分析差異有統(tǒng)計學(xué)意義的結(jié)果納入多因素Logistic回歸分析（賦值同上），結(jié)果顯示年齡（OR=1.112，95%CI=1.082～1.143）、MAP（OR=1.146，95%CI=1.107～1.188）、Hb（OR=1.026，95%CI=1.004～1.049）和FBG（OR=1.353，95%CI=1.076～1.701）是主動脈硬化的獨(dú)立影響因素（P<0.05），見表2、3。

2.3 主動脈硬化預(yù)測模型的性能評價

納入多因素Logistic回歸分析結(jié)果差異有統(tǒng)計學(xué)意義的指標(biāo)（年齡、MAP、Hb、FBG）構(gòu)建預(yù)測主動脈硬化的預(yù)測模型Ⅰ，同時根據(jù)臨床經(jīng)驗分別納入吸煙、性別、血脂異常構(gòu)建模型Ⅱ、模型Ⅲ、模型Ⅳ，繪制模型Ⅰ～模型Ⅳ的ROC曲線，模型Ⅰ～模型Ⅳ的AUC分別為0.941（95%CI=0.923～0.964，P<0.05）、0.941（95%CI=0.922～0.962，P<0.05）、0.941（95%CI=0.922～0.963，P<0.05）、0.939（95%CI=0.919～0.962，P<0.05）；Delong檢驗結(jié)果示，模型Ⅰ、模型Ⅱ、模型Ⅲ、模型Ⅳ的AUC比較，差異無統(tǒng)計學(xué)意義（P>0.05），見圖1、表4、表5。

2.4 列線圖模型的構(gòu)建

根據(jù)多因素Logistic回歸分析結(jié)果，以年齡、MAP、FBG、Hb為預(yù)測因子構(gòu)建列線圖模型，見圖2。通過將相應(yīng)預(yù)測因子的得分相加得出總分，對應(yīng)的概率即為主動脈硬化發(fā)生的概率。

2.5 模型的內(nèi)部驗證和外部驗證

內(nèi)部驗證：采用Bootstrap法進(jìn)行內(nèi)部驗證，對建模組進(jìn)行1 000次重復(fù)抽樣后，計算得到的C-index為0.939，表明模型具有良好的區(qū)分度，準(zhǔn)確率為86.8%。Hosmer-Lemeshow檢驗結(jié)果為χ2=14.500（P=0.070），預(yù)測模型曲線和參考線重合度較好，提示模型的校準(zhǔn)度良好。繪制ROC曲線，AUC為0.941（95%CI=0.920～0.962），靈敏度為0.832，特異度為0.917，約登指數(shù)為0.267，見圖3A。

外部驗證：驗證組模型中C-index為0.922，校準(zhǔn)圖顯示實際曲線與理想曲線吻合良好。AUC為0.961（95%CI=0.914～1.000），靈敏度為0.872，特異度為0.964，預(yù)測準(zhǔn)確率為93.9%。Hosmer-Lemeshow檢驗χ2=1.547（P=0.992），見圖3B。

DCA曲線中A線假設(shè)對所有受試者采取主動脈硬化風(fēng)險干預(yù)方案，凈獲益是斜率為負(fù)值的反斜線；B線假設(shè)受試者均不采取干預(yù)方案，凈獲益為0。使用主動脈硬化早期篩查模型可以使受試者在臨床中獲益，見圖4。

3 討論

3.1 研究結(jié)果及意義

本研究通過綜合分析建模組703名受試者的數(shù)據(jù)，揭示了主動脈硬化與多種生理指標(biāo)之間的顯著關(guān)聯(lián)，為心血管疾病的早期識別和預(yù)防提供了重要的科學(xué)依據(jù)。研究結(jié)果表明，主動脈硬化組在年齡、BMI、心率、SBP、DBP、MAP、尿素、FBG、TG、TC、AST、PLT、飲酒比例、血脂異常比例和糖尿病比例等方面均顯著高于正常組，而GFR水平顯著低于正常組。這些發(fā)現(xiàn)不僅加深了對主動脈硬化病理機(jī)制的認(rèn)識，而且為主動脈硬化的臨床診斷提供了新的生物標(biāo)志物。此外，回歸分析結(jié)果顯示，年齡、MAP、Hb和FBG是主動脈硬化的獨(dú)立預(yù)測因子?；谏鲜鑫ｋU因素，構(gòu)建的早期主動脈硬化風(fēng)險篩查模型能夠精確地識別早期血管功能異常的個體，為心血管疾病的預(yù)防和管理提供了一種簡單高效的評估工具，有望在臨床實踐中發(fā)揮重要作用。

3.2 主動脈硬化相關(guān)危險因素分析

Logistic回歸分析顯示年齡增長、MAP升高是主動脈硬化的獨(dú)立危險因素，年齡的增長與主動脈硬化的風(fēng)險呈正相關(guān)，會導(dǎo)致血管壁逐漸失去彈性，發(fā)生內(nèi)膜的變化以及脂質(zhì)斑塊的積累［13］。因此，隨著年齡的增加，個體主動脈硬化風(fēng)險逐漸增加。高血壓在主動脈硬化過程中同樣發(fā)揮著關(guān)鍵作用，高血壓會增加血管壁的壓力，導(dǎo)致內(nèi)膜受損，從而使動脈壁對脂蛋白的通透性增加，加快膽固醇斑塊的形成［14］。目前高血壓的定義是基于SBP和DBP的水平，研究指出［15］亞洲人高血壓長期卒中風(fēng)險應(yīng)通過SBP和DBP一起評估，或通過MAP進(jìn)行評估。劉倩等［16］發(fā)現(xiàn)在非高血壓人群中，基線MAP和10年隨訪期間MAP升高是影響動脈硬化進(jìn)展的重要因素。BENETOS等［17］發(fā)現(xiàn)MAP越高，動脈的擴(kuò)張性越低（r=-0.36，P<0.01）。

本研究發(fā)現(xiàn)，Hb升高是主動脈硬化獨(dú)立危險因素，與ZHANG等［18］和LIANG等［19］研究結(jié)果一致。Hb主要通過影響血液黏度，以及外周小動脈的口徑影響外周血管阻力［20］。Hb水平的升高與脈搏波速度的增加可能由以下機(jī)制解釋：（1）Hb水平的升高與血壓升高有關(guān)，而持續(xù)升高的血壓會加速動脈粥樣硬化。（2）Hb會導(dǎo)致胰島素抵抗，胰島素抵抗與動脈硬化有關(guān)［21］。（3）血紅素氧合酶1（HO-1）是降解Hb的誘導(dǎo)限速酶，具有血管舒張作用。當(dāng)體內(nèi)Hb過多時，大量的游離Hb釋放到血液中，導(dǎo)致氧化應(yīng)激，激活HO-1的降解作用。當(dāng)HO-1減少時，無法在高血壓中調(diào)節(jié)血管內(nèi)皮生長因子，減輕氧化應(yīng)激和炎癥［22-23］。

FBG是主動脈硬化重要危險因素之一，是一種廉價且方便的糖代謝測量方法，高血糖與冠狀動脈疾病的發(fā)生和嚴(yán)重程度密切相關(guān)。研究表明高血糖可誘導(dǎo)心血管細(xì)胞中線粒體活性氧的過量產(chǎn)生，過量的活性氧可通過激活多種途徑促進(jìn)動脈粥樣硬化［24］，此外，高血糖可能通過誘導(dǎo)內(nèi)皮細(xì)胞功能障礙、減少一氧化氮的生物可用性、促進(jìn)血管收縮或促使凝血狀態(tài)，并增強(qiáng)核因子κB的表達(dá)，從而加速動脈粥樣硬化的發(fā)展［25］。一項為期5年的關(guān)于中國社區(qū)人群的前瞻性研究中發(fā)現(xiàn)，F(xiàn)BG升高是cfPWV增加的獨(dú)立影響因素［26］，本研究結(jié)果與之一致。

吸煙和血脂異常被廣泛認(rèn)為是心血管疾病的危險因素。研究發(fā)現(xiàn)香煙中的尼古丁不僅會通過刺激活性氧的產(chǎn)生激活NOD樣受體熱蛋白結(jié)構(gòu)域相關(guān)蛋白3炎癥體，導(dǎo)致內(nèi)皮細(xì)胞焦亡，同時也會引起脂肪組織異常，從而加速動脈粥樣硬化的進(jìn)展［27-28］。血脂異常是指血漿TC和/或TG水平增高，或是HDL-C水平降低。這種血脂水平的失衡會導(dǎo)致血液中的脂質(zhì)更易沉積于血管壁內(nèi)膜，形成粥樣斑塊［29］。吸煙和血脂異常會導(dǎo)致動脈硬化似乎是合理的，但CECELJA等［30］開展了一項元分析，納入了65項研究，結(jié)果顯示僅有個別研究報道了吸煙、TC、LDL-C、HDL-C與cfPWV之間存在顯著獨(dú)立相關(guān)性。本研究也發(fā)現(xiàn)，在考慮了其他潛在的混雜因素后，吸煙和血脂異常并不是主動脈硬化的獨(dú)立危險因素，該發(fā)現(xiàn)與VLACHOPOULOS等［31］的研究結(jié)果一致?？赡苁且驗閏fPWV是評價血管早期功能的指標(biāo)，在動脈粥樣硬化的早期階段，這些風(fēng)險因素可能對動脈壁的硬度影響不大。但隨著病情進(jìn)展，特別是出現(xiàn)鈣化斑塊時，可能會增加動脈僵硬度。

3.3 早期主動脈硬化風(fēng)險篩查模型的建立

列線圖建模方法是一種強(qiáng)大且可解釋性較強(qiáng)的統(tǒng)計工具，適用于二分類問題，能夠預(yù)測某一臨床事件發(fā)生的概率［32］。在模型構(gòu)建過程中，通過Logistic回歸分析篩選出對主動脈硬化風(fēng)險具有顯著影響的因素，包括年齡、MAP、Hb和FBG。通過給予這些因素相應(yīng)的評分，計算影響因素的總分，獲得相應(yīng)的風(fēng)險預(yù)測值。該模型經(jīng)驗證能夠有效篩查早期血管功能異常人群。外部驗證C-index為0.922，AUC>0.9，提示該模型區(qū)分度較好［33］。校準(zhǔn)圖顯示兩曲線重合度較好，Hosmer-Lemeshow檢驗表明預(yù)測結(jié)果與觀察結(jié)果間存在較好的一致性。此外，外部驗證的準(zhǔn)確率為93.9%，進(jìn)一步表明預(yù)測結(jié)果與觀察結(jié)果的準(zhǔn)確度較高。在模型性能評價方面，在僅考慮年齡、MAP、Hb和FBG 4個指標(biāo)時，模型的AUC、特異度和準(zhǔn)確率均優(yōu)于其他考慮了血脂異常、吸煙和性別的模型，因此血脂異常、吸煙和性別未被納入最終模型。

4 小結(jié)

本研究成功構(gòu)建了一個以年齡、MAP、Hb和FBG為預(yù)測因子的早期主動脈硬化風(fēng)險篩查模型，該模型在識別早期血管異常人群方面表現(xiàn)出高效性和準(zhǔn)確性，為社區(qū)居民提供了一種便捷且高效的篩查工具。然而，本研究采用的是橫斷面研究設(shè)計，無法推斷出變量間的因果關(guān)系或時間順序。此外，本研究未考慮其他潛在風(fēng)險因素，例如遺傳傾向、環(huán)境暴露或個人生活方式等，這些均可能對主動脈硬化的發(fā)展產(chǎn)生顯著影響。鑒于主動脈硬化是一個動態(tài)發(fā)展的病理過程，未來的研究應(yīng)當(dāng)通過長期隨訪的方式，納入遺傳、環(huán)境和生活方式等多維度因素，以實現(xiàn)對主動脈硬化風(fēng)險更全面的評估。

作者貢獻(xiàn)：周鎮(zhèn)森進(jìn)行研究設(shè)計、數(shù)據(jù)分析、撰寫論文；周鎮(zhèn)森、黃巖、張曉雨負(fù)責(zé)數(shù)據(jù)收集；程思為負(fù)責(zé)數(shù)據(jù)校對和錄入；張小玉、孫婷、楊先軍、謝暉負(fù)責(zé)文章審校；馬祖長負(fù)責(zé)最終版本修訂，對論文整體負(fù)責(zé)。

本文無利益沖突。

參考文獻(xiàn)

中國心血管健康與疾病報告編寫組. 中國心血管健康與疾病報告2022概要［J］. 中國循環(huán)雜志，2023，38（6）：583-612. DOI：10.3969/j.issn.1000-3614.2023.06.001.

VAN BORTEL L M，LAURENT S，BOUTOUYRIE P，et al. Expert consensus document on the measurement of aortic stiffness in daily practice using carotid-femoral pulse wave velocity［J］. J Hypertens，2012，30（3）：445-448. DOI：10.1097/HJH.0b013e32834fa8b0.

BENETOS A，WAEBER B，IZZO J，et al. Influence of age，risk factors，and cardiovascular and renal disease on arterial stiffness：clinical applications［J］. Am J Hypertens，2002，15（12）：1101-1108. DOI：10.1016/s0895-7061（02）03029-7.

LIANG Y L，TEEDE H，KOTSOPOULOS D，et al. Non-invasive measurements of arterial structure and function：repeatability，interrelationships and trial sample size［J］. Clin Sci，1998，95（6）：669-679. DOI：10.1042/cs0950669.

LAURENT S，COCKCROFT J，VAN BORTEL L，et al. Expert consensus document on arterial stiffness：methodological issues and clinical applications［J］. Eur Heart J，2006，27（21）：2588-2605. DOI：10.1093/eurheartj/ehl254.

KIM E D，BALLEW S H，TANAKA H，et al. Short-term prognostic impact of arterial stiffness in older ozecR3yqxfZCqOWsQmrnpkdT59sRzO8JVtWETL3egN8=adults without prevalent cardiovascular disease［J］. Hypertension，2019，74（6）：1373-1382. DOI：10.1161/HYPERTENSIONAHA.119.13496.

COURVOISIER D S，COMBESCURE C，AGORITSAS T，et al. Performance of logistic regression modeling：beyond the number of events per variable，the role of data structure［J］. J Clin Epidemiol，2011，64（9）：993-1000. DOI：10.1016/j.jclinepi.2010.11.012.

TAKUMA Y，SHOTA I，MIYATAKE H，et al. Nomograms to predict the disease-free survival and overall survival after radiofrequency ablation for hepatocellular carcinoma［J］. Intern Med，2018，57（4）：457-468. DOI：10.2169/internalmedicine.9064-17.

MCCLAVE A K，MCKNIGHT-EILY L R，DAVIS S P，et al. Smoking characteristics of adults with selected lifetime mental illnesses：results from the 2007 National Health Interview Survey［J］. Am J Public Health，2010，100（12）：2464-2472. DOI：10.2105/AJPH.2009.188136.

徐文超，覃玉，蘇健，等. 江蘇省≥35歲社區(qū)居民飲酒與肥胖對糖尿病患病交互作用［J］. 中國公共衛(wèi)生，2020，36（12）：1776-1779. DOI：10.11847/zgggws1123881.

王增武，劉靜，李建軍，等. 中國血脂管理指南（2023年）［J］. 中國循環(huán)雜志，2023，38（3）：237-271.

Reference Values For Arterial Stiffness' Collaboration. Determinants of pulse wave velocity in healthy people and in the presence of cardiovascular risk factors：'establishing normal and reference values'［J］. Eur Heart J，2010，31（19）：2338-2350. DOI：10.1093/eurheartj/ehq165.

CECELJA M，CHOWIENCZYK P. Role of arterial stiffness in cardiovascular disease［J］. JRSM Cardiovasc Dis，2012，1（4）：cvd.2012.012016. DOI：10.1258/cvd.2012.012016.

RAFIEIAN-KOPAEI M，SETORKI M，DOUDI M，et al. Atherosclerosis：process，indicators，risk factors and new hopes［J］. Int J Prev Med，2014，5（8）：927-946.

MIURA K，SOYAMA Y，MORIKAWA Y，et al. Comparison of four blood pressure indexes for the prediction of 10-year stroke risk in middle-aged and older Asians［J］. Hypertension，2004，

44（5）：715-720. DOI：10.1161/01.HYP.0000145108.23948.7b.

劉倩，韓旭，馬一涵，等. 非高血壓人群平均動脈壓對動脈硬化進(jìn)展的影響［J］. 中華高血壓雜志，2021，29（8）：733-739. DOI：10.16439/j.issn.1673-7245.2021.08.008.

BENETOS A，LAURENT S，HOEKS A P，et al. Arterial alterations with aging and high blood pressure. A noninvasive study of carotid and femoral arteries［J］. Arterioscler Thromb，1993，13（1）：90-97. DOI：10.1161/01.atv.13.1.90.

ZHANG Z Z，WANG P，KONG X L，et al. Association of hemoglobin with arterial stiffness evaluated by carotid-femoral pulse wave velocity among Chinese adults［J］. Chronic Dis Transl Med，2019，5（2）：122-128. DOI：10.1016/j.cdtm.2018.06.001.

LIANG J，ZHOU N，TENG F，et al. Hemoglobin A1c levels and aortic arterial stiffness：the Cardiometabolic Risk in Chinese（CRC）study［J］. PLoS One，2012，7（8）：e38485. DOI：10.1371/journal.pone.0038485.

FOSSUM E，H?IEGGEN A，MOAN A，et al. Whole blood viscosity，blood pressure and cardiovascular risk factors in healthy blood donors［J］. Blood Press，1997，6（3）：161-165. DOI：10.3109/08037059709061932.

BARBIERI M，RAGNO E，BENVENUTI E，et al. New aspects of the insulin resistance syndrome：impact on haematological parameters［J］. Diabetologia，2001，44（10）：1232-1237. DOI：10.1007/s001250100634.

CHEN H M，HUA Q，HOU H X. Association of hemoglobin with ambulatory arterial stiffness index in untreated essential hypertensive patients without anemia［J］. Intern Med，2011，50（22）：2759-2765. DOI：10.2169/internalmedicine.50.5832.

ANGERMAYR B，MEJIAS M，GRACIA-SANCHO J，et al. Heme oxygenase attenuates oxidative stress and inflammation，and increases VEGF expression in portal hypertensive rats［J］. J Hepatol，2006，44（6）：1033-1039. DOI：10.1016/j.jhep.2005.09.021.

SHAH M S，BROWNLEE M. Molecular and cellular mechanisms of cardiovascular disorders in diabetes［J］. Circ Res，2016，

118（11）：1808-1829. DOI：10.1161/CIRCRESAHA.116.306923.

KING R J，GRANT P J. Diabetes and cardiovascular disease：pathophysiology of a life-threatening epidemic［J］. Herz，2016，41（3）：184-192. DOI：10.1007/s00059-016-4414-8.

FU S H，CHEN W J，LUO L M，et al. Roles of fasting and postprandial blood glucose in the effect of type 2 diabetes on central arterial stiffness：a 5-year prospective community-based analysis［J］. Diabetol Metab Syndr，2017，9：33. DOI：10.1186/s13098-017-0231-3.

WU X X，ZHANG H Y，QI W，et al. Nicotine promotes atherosclerosis via ROS-NLRP3-mediated endothelial cell pyroptosis［J］. Cell Death Dis，2018，9（2）：171. DOI：10.1038/s41419-017-0257-3.

WANG Z Y，WANG D，WANG Y. Cigarette smoking and adipose tissue：the emerging role in progression of atherosclerosis［J］. Mediators Inflamm，2017，2017：3102737. DOI：10.1155/2017/3102737.

李建軍. 血脂異常與動脈粥樣硬化關(guān)系的現(xiàn)代觀念［J］. 中國循環(huán)雜志，2022，37（3）：212-214. DOI：10.3969/j.issn.1000-3614.2022.03.002.

CECELJA M，CHOWIENCZYK P. Dissociation of aortic pulse wave velocity with risk factors for cardiovascular disease other than hypertension：a systematic review［J］. Hypertension，2009，

54（6）：1328-1336. DOI：10.1161/HYPERTENSIONAHA.

109.137653.

VLACHOPOULOS C，XAPLANTERIS P，ABOYANS V，et al. The role of vascular biomarkers for primary and secondary prevention. A position paper from the European Society of Cardiology Working Group on peripheral circulation：endorsed by the Association for Research into Arterial Structure and Physiology（ARTERY）Society［J］. Atherosclerosis，2015，241（2）：507-532. DOI：10.1016/j.atherosclerosis.2015.05.007.

陶立元，張華，趙一鳴. 列線圖的制作要點及其應(yīng)用［J］. 中華兒科雜志，2017，55（5）：323. DOI：10.3760/cma.j.issn.0578-1310.2017.05.002.

王俊峰，章仲恒，周支瑞，等. 臨床預(yù)測模型：模型的驗證［J］. 中國循證心血管醫(yī)學(xué)雜志，2019，11（2）：141-144. DOI：10.3969/j.issn.1674-4055.2019.02.04.

（收稿日期：2024-02-07；修回日期：2024-06-20）

（本文編輯：鄒琳）