缺血性心脏病是最常见的死亡原因，其发病率正在上升^[1]，在欧洲缺血性心脏病现在每年造成近180万人死亡^[2]，STEMI在缺血性心脏病中占据重要位置。目前临床上有GRACE、TIMI、HEART评分等评价心肌梗死预后的方法^[3-4]，但GRACE更适用于非ST段抬高的急性冠脉综合征的预后; TIMI评分方法研究对象为溶栓后的患者且发表年份较早^[5]，上述方法对STEMI患者短期预后判断存在缺陷。本研究旨在通过建立一个可靠、准确的风险预测模型，为STEMI患者是否会短期死亡做早期识别。

1 资料与方法 1.1 一般资料

收集东阳市人民医院2013年6月至2019年10月收治的1144例急性ST段抬高型心肌梗死患者。在R软件上随机分为建模(model)组及验证(Validation)组。

本研究经东阳市人民医院伦理委员会批准(伦理号：东人医2020-YX-019)。在本研究中，患者或其近亲获得书面知情同意。数据被匿名分析，个人信息被完全删除。

1.2 研究方法

纳入标准：①胸闷胸痛患者心电图提示为ST段弓背向上抬高，伴有肌钙蛋白阳性或者肌酸激酶同工酶升高大于正常值2倍以上。②排除入院时合并有慢性阻塞性肺疾病急性发作、肺栓塞、主动脉夹层、气胸、非心源性休克、慢性肾功能不全、肝衰竭的患者。其中100例死亡，根据R软件随机分组，其中建模组801人，死亡73人，验证组343人，死亡27人。收集并分析受试者的一般资料(性别、年龄、糖尿病、高血压)、是否PCI、是否进行溶栓，入病房后第1次血液指标：肌钙蛋白T(ng/mL)、肌酐(μmol/L)、PRO-BNP(pg/mL)、CKMB(U/L)、谷草转氨酶(U/L)、乳酸(mmol/L)

1.3 统计学方法

对纳入的患者用R软件随机分为建模及验证组(将肌钙蛋白T大于10及PROBNP大于35000的进行等于10及等于35000处理)，首先两组人群的基本资料对比：分类变量以频率(百分比)表示，予χ²检验，连续性性变量非正太分布，以中位数(四分位)表示，予秩和检验; 正态分布予以均数±标准差(Mean±SD)表示，予参数检验。在建模组中，所有变量与死亡之间进行单因素分析。对筛选出的变量是否与Logit(p)成线性关系进行验证。线性关系成立情况下对变量进行多因素logistic回归分析，筛选出独立危险因素。并对独立危险因素进行多重共线检验，证明独立危险因素之间有无共线关系。最后将这些变量纳入建模，绘制预测STEMI患者短期死亡的个体化列线图(诺模图)^[6]。

从区分度和校正及临床效果三方面对预测模型进行了评价。预测模型的区分度是指它是否能够有效区分急性ST段抬高患者预后。通过ROC曲线下的面积(AUC)来评估。AUC > 0.75表明该模型有较好的辨别能力^[7]。

预测模型的校正是指预测概率与观测概率的一致性。通过校准图来判断，P值大于0.05，提示有较好的拟合优度^[8]。模型的临床有效性判断在应用DCA曲线评价，解读：建模(model)曲线为模型的曲线，以All曲线及None(2条极端曲线)曲线为标准，model曲线越远离2条极端曲线，临床意义越好^[9-10]。以上所有操作均在R软件上完成。

2 结果 2.1 患者基本情况统计

在这项研究中，共有1 144例患者被纳入研究，。详细情况见列表 1。类别变化用χ²检验分析，连续变量用克鲁斯卡尔-沃利斯检验分析。

根据P值统计显示建模组与验证组在基数上差异无统计学意义。

2.2 单因素的分析

有6个变量与STEMI患者短期死亡相关，分别是PRO-BNP、CKMB、年龄、肌酐、乳酸、是否PCI手术(见表 2)。线性关系检验：P值显示连续性变量与logit(p)成线性关系(P大于0.1认为成线性)，可进行多因素Logistic回归分析(见表 2)。

将6个变量纳入多因素Logistic广意线性回归分析，P值显示，均为独立的危险因素(见表 3)。

2.3 进行多重共线检验，利用VIF值进行判读

大于10提示存在多重共性，越接近1共性越小，结果示各变量之间无明显共性。见表 4。

2.4 纳入建模，建立列线图

在列线图上，得到各预测指标对应的积分，积分之和记为总分，每个总分都有对应的死亡风险。见图 1。

2.5 模型的判断

区分度：模型ROC曲线下面积为0.897，有良好的区分度，切点为0.132，意义为患者死亡风险在0.132以上，被认为死亡的风险比较高。(图 2A)

拟合度：校准图中Logistic拟合曲线(实线)与标准曲线重叠度高，P值达到0.834，提示有较好的拟合优度。(图 2B)

临床有效性：在本文中应用DCA曲线(图 2C)进行评价，在约5%~95%风险区间中，均与2条极端曲线无交集，显示有临床价值。

2.6 模型验证

验证人群中ROC曲线下面积为0.869(图 3A)，有良好的区分度，校准图P值为0.838(图 3B)，有较好的拟合度，DCA曲线在约15%~80%的风险区间内有临床价值(图 3C)。

3 讨论

本文通过分析，得出了预测STEMI患者短期死亡的独立危险因素，其中4项为生物学指标，包括CK-MB、肌酐、PRO-BNP、乳酸，其余2项为是否PCI及年龄。既往研究支持上述指标预测该类患者死亡的可靠性^[11-15]。在此基础上用这些指标建立了预测STEMI患者的30 d内死亡的个体化列线图，并对模型的区分度、预测准确性及临床有效性进行了评估，均提示有良好的意义; 且该模型在验证人群中也提示了良好的意义。上述结果提示了该模型在临床应用上有价值。本文绘制了个体化的列线图，列线图上的指标是STEMI患者常用的被评估指标，收集容易，通过列线图，能更直观、更准确对患者短期预后进行判断，在临床工作中可以对高危患者(死亡风险大于13.2%)及时、积极的干预，并指导与患者家属沟通。

本研究纳入的均为临床患者的客观信息资料，使结果避免了主观因素的影响; 采集到了较多的样本，并刷除了数据缺失的样本，除去了数据插补带来的偏倚，增加了结果的可靠性。统计分析详实，建模方式较以往类似研究先进，建模过程完整，评判方式完整，结果可靠。

感谢: 乐九平台为本文的数据收集提供技术支持，本文所有数据均来自东阳市人民医院。

利益冲突：作者声明无利益冲突。