2023他汀类药物在一级预防中的管理建议：国际风险评分的差异.docx

《2023他汀类药物在一级预防中的管理建议：国际风险评分的差异.docx》由会员分享，可在线阅读，更多相关《2023他汀类药物在一级预防中的管理建议：国际风险评分的差异.docx（9页珍藏版）》请在第一文库网上搜索。

1、2023他汀类药物在一级预防中的管理建议：国际风险评分的差异血脂异常指南基于降脂干预降低心血管风险的随机临床试验。二级预防的建议通常模仿二级预防试验的纳入标准。相反，一级预防建议依赖于使用风险算法的分层口-2。这种算法估计心血管事件的风险，通常超过十年，并有助于将患者分为高风险或极高风险患者，从而保证治疗，或低风险患者，因此保证观察。处于中等风险的个体可能需要治疗，也可能不需要治疗，并可能根据被称为风险增强剂或调节剂的额外测试结果进行重新分类。这些测试包括载脂蛋白B（叩。B）、脂蛋白（a）1p（a）或炎症指标，如高敏C反应蛋白（His-CRP）o冠状动脉钙评分（CACS）被认为是一种风险增强剂

2、和去增强剂，也是普遍提倡的3-4。风险水平基于事件发生率，但不同的算法会考虑不同的事件。那些考虑对事件进行更严格定义的算法将使用数值较低的事件率来对患者进行分层，而其他算法可能会考虑更多类型的事件，从而根据更高的事件率对风险类别进行分层1,5-9。然而，不太明显的是，不同权重的额外系统影响应用于算法中使用的传统风险因素及其对整体分层过程的潜在影响。这些影响的研究很少，但可能是实质性的。例如，总体风险、风险因素的流行率和风险因素控制程度的变化可能会影响在当代队列中应用的既定风险算法的性能，从而需要持续重新评估、调整偏倚和校准因素，并重新考虑定义风险水平的事件率5。最近,将一种更新的风险算法,即系

3、统冠状动脉风险评估2(SC0RE2)算法应用于哥本哈根普通人群研究,出乎意料地显示出在识别需要他汀类药物治疗的个体方面表现较差，尤其是在女性中10-11。在这里,比较了各种风险算法，以便更充分地探索它们在他汀类药物分配方面在一级预防中的差异。专注于北美和欧洲常用的算法。由于每种算法都在不同的人群中进行了研究，采取了一种新的方法，将每种算法应用于一个单一的、统一的队列中，该队列是模拟的，但其中包含了创建每种算法的风险因素范围，从而可以清楚地证明其方差。在评估他们的结果之间的一致性和不一致性。发现这些差异不仅可能对那些被认为具有足够高风险的人的治疗产生影响，特别是在男性和女性之间，而且可能对那些分

4、层到中等风险水平的人使用额外的风险调节剂产生影响。最后，作者提出了符合他汀类药物资格的一级预防患者档案的替代方案，该档案可在国际上用于解决脂质特异性风险降低问题，并减少他汀类药物用于一级预防的国际差异。最近发表的一项研究比较了北美和欧洲用于识别需要他汀类药物或考虑使用风险增强和去增强的患者的算法。该研究对一个模拟人群(n=7680)进行评估，该人群男女平等，吸烟/不吸烟，年龄4570岁，总胆固醇3.57.0mmo1/1z高密度脂蛋白胆固醇0.62.2mmo1/1,收缩压100-170mmHgo使用Framingham风险评分(FRS)、汇集队列方程(PCE)、四个版本的系统冠状动脉风险评估2(

5、SC0RE2)和动脉粥样硬化多民族研究(MESA)算法(01000个Agaston单位)确定高、中、低风险。研究结果显示，三种风险水平的一致性从19%到85%不等。根据所应用的算法，即使风险因素负担相同，两性也可能被认为具有低、中或高风险。只有SC0RE2（高风险和极高风险版本）确定了高风险男性和女性比例相等。除MESA外，中度风险的比例为25%（SC0RE2,极高风险地区）、32%（FRS）、39%（PCE）和45%（SC0RE3,低风险地区）。在几种经过验证、广泛使用的风险算法中，发现高风险一级预防患者使用他汀类药物的建议以及需要依赖风险调节进行他汀类药物决策的中风险患者的识别建议存在显著

6、差异。虽然女性的风险预计低于男性，但研究观察到的趋势显示，即使有相同的风险因素，女性的治疗也存在非常显著的差异。只有推荐用于高风险和极高风险地区的SC0RE2版本确定了用于一级预防他汀类药物治疗的男性和女性人数几乎相等。除了男性治疗的趋势外，达到他汀类药物治疗明确高危指征的患者的平均年龄也在60多岁，吸烟和高血压的可能性很高。与PCE或SCORE2（低风险区域）相比,FRS确定了更多符合他汀类药物治疗条件的独特患者,而与FRS和PCE相比，SCORE2高风险和极高风险区域算法确定了符合他汀类治疗条件的较高患者数量。在使用各种国际标准进行评估时，男性或女性可能被视为具有低、中等甚至高风险，在风险

7、状况相同的男性和女性之间，男性比女性更有可能达到高或中等风险。这突出了分配给每个风险因素的不同权重，不同的算法如何以不同的方式考虑给定风险因素的影响，即使在同一个人身上也是如此，以及由此产生的脂质特异性风险管理的差异。确定他汀类药物在一级预防中有效性的关键试验没有使用风险算法来确定符合条件的受试者。此外，众所周知，他汀类药物的相对益处甚至延伸到低风险患者，从而进一步质疑风险算法分层过程指导他汀类药物治疗分配的有效性19-20。然而，有人认为，治疗低风险人群的绝对益处会导致需要治疗的人数过多，从而降低成本效益1,21o但研究表明,当比较五种突出的治疗指南时，通过鼓励在更广泛的人群中使用他汀类药物

8、，可以更好地实现一级预防的益处，破坏了风险算法方法中隐含的需要处理的数量原则7-8。研究结果表明，相同的风险状况可能会在同一名患者身上产生低、中或高风险结果，因此医生对该特定状况所需治疗人数的推断在国际上不能被视为可靠的衡量标准。此外，对使用心血管风险评分进行一级预防的效果的系统审查表明，支持该方法在降低事件和死亡率甚至个人风险因素控制方面提高有效性的证据有限22。虽然不是本分析的重点，必须认识到，许多从业者发现这些算法很繁琐，根本不使用它们，从而进一步导致国际甚至当地对他汀类药物在一级预防和潜在治疗不足方面的建议存在差异。作者认为，这进一步证明了创建一个更简单、可替代的第一步的合理性,例如从

9、现有的一级预防随机临床试验中得出的符合他汀类药物条件的初级预防患者概况的概念。算法风险分层的另一个理由是基于区域剪裁的概念，通过校准总体心血管风险水平并优化特定人群中高风险或低风险人群之间的区分5-6。然而，研究表明，这种方法的可变性明显被低估了。最近，一项比较从SCORE1算法切换到SCORE2算法的影响的分析表明了这一点10。作者在哥本哈根人口研究登记处发现，女性和年轻人对他汀类药物治疗的建议出乎意料，明显减少。仅由于算法选择，治疗建议的巨大变化可能会给从业者和患者带来困惑，尤其是当随机临床试验数据库在所有指南中基本相同时。研究结果暴露了将人群优化算法应用于个体患者级治疗建议时的其他局限性

10、。一方面，在特定地区或人群中，高风险或低风险人群之间的区别以及心血管疾病发病率的校准都将取决于风险因素的流行率及其成功管理的程度，这两者都将随着时间的推移而改变并普遍改善。另一方面，具有一组特定风险因素的个人的风险不会仅仅由于影响普通人群的风险因素的总体变化而发生变化。有人认为，通过使用他汀类药物合格性的风险评分，该评分与心血管疾病的人群水平比率进行了很好的校准，指南可能会成为其自身成功的受害者11。也就是说，随着整个人群的风险下降,被认为有资格接受可能导致首先是改善，除非通过不断降低支持治疗的算法推导的风险阈值来抵消这一点。风险算法方法还有其他局限性，包括以下方面：风险是在没有置信区间的情况

11、下计算的，风险可以针对人群进行验证，但不能针对个人进行验证，并且不知道风险的所有主要因果决定因素，每个已知的风险因素必须通过加权因子进行可变修改，以便在任何给定的人群或地区实施。在考虑中度或中度风险患者时，国际异质性的影响也很重要。在这种情况下，许多指南支持使用风险算法中未量化的其他因素和测试。在研究的模拟人群中，暂时不包括MESA算法，可能需要对25%45%的患者进行辅助测试。不出所料，SC0RE2完全解释了这些极端胃兄。为极高风险地区推荐的版本仅确定了25%的模拟人群具有中等风险,并且可能需要辅助测试来指导治疗决策。相比之下，推荐用于低风险地区的算法确定了45%的人群具有中等风险，可能需要

12、辅助测试。应用北美使用的PCE和FRS,32%38%的病例可能会依赖辅助测试来做出治疗决定。这种程度的异质性需要考虑，由于中等风险人群的比例，是否会对不同指南的资源利用和总体成本效益产生意想不到的后果。这种情况的影响更为复杂，因为在试图对感知到中度风险的个体做出治疗决定时，没有明确的指导来说明应该使用哪些或多少辅助测试或风险调节。尽管人们对1p(a)作为风险增强达成了一定程度的共识，但在其他方面的选择相当多样化，从获得CACS到仅仅重新评估家族史，确定低密度脂蛋白胆固醇(1D1-C)水平是否高于或低于3.5mmo11,或考虑非HD1-C或叩OB水平。因此，高度可变的成本效益不仅可能源于属于中等

13、风险类别的患者比例的差异，还可能源于如何使用风险调节剂来解决治疗影响。此外，潜在的修饰语列表继续变得更长、更复杂23。由于对中等风险类别的兴趣以及对辅助测试的影响，研究纳入了MESA算法，因为它使用CACS计算风险，CACS通常被认为有助于为开始他汀类药物治疗的医患讨论提供信息。为此目的使用CACS的建议通常是在FRS、PCE或SCORE算法的初始应用背景下提出的，而不是MESA算法本身。因此，值得注意的是，在研究的模拟人群中，在AU=O的情况下，几乎没有患者会被推荐接受治疗，尽管当应用其他算法时，12%68%的模拟人群的总体风险负担需要治疗。即使在AU50的模拟人群中，使用MESA算法，3.

14、1mmo1/1),因此可以认为3.0mmo1/1的1D1-C水平是提供他汀类药物治疗的循证标准26。H0PE-3试验没有1D1-C的入门水平，但它纳入了1D1-C为3.310.93mmo1/1的人群20。保守地说，低于平均值一个标准差，2.4mmo1/1的值也可能被认为是提供他汀类药物治疗的合理阈值。其他学会表示，一级预防中的最佳1D1-C应约2.5mmo1127z除了临床试验结果外，其他学会根据生理学原理认为，理想的1D1-C可能远低于1.5mmo1/1甚至1mmo1/1,但建议标准应来自随机临床试验。如果在这一点上能够就成人一级预防达成国际共识，他汀类药物治疗的差异将显著减少，从业者的治疗分层将显著简化。如果给定的患者不符合这一情况，或者如果患者与医生的讨论表明了对慢性他汀类药物治疗的担忧，那么可以考虑基于风险分层方法的第二步，如国家或社会批准的算法，以进一步丰富患者与医生之间的讨论。下一步可能包括终身风险算法、包含影响心血管风险的更广泛特征（如社会经济因素、种族）的算法以及其他风险修正因子。因此，将风险计算作为第二步，而不是第一步，将扩大而不是减少可能从他汀类药物治疗的一级预防中受益的人群。此外，第二步可能有助于评估治疗血脂异常的侵袭性（降脂程度和开始治疗的年龄）。其他个性化风险预测工具,包括多基因风险评分和年龄分层应用，在进一步调查之前可能会被证明是有用的23。还有