最新进展 | BMJ：急性心衰诊断决策支持工具的开发和验证：系统回顾、荟萃分析和建模研究

急性失代偿性心力衰竭(ADHF)占所有非计划性住院的5%。准确并及时地诊断急性心力衰竭(AHF)具有挑战性，国家和国际指南都建议进行利钠肽检测以帮助诊断。但氨基末端B型利钠肽前体(NT-proBNP)检测尚未被普遍应用，部分原因是担心其在真实世界中的临床效用。调查NT-proBNP诊断性能的研究主要在相对较小的特定患者队列中进行，限制了研究结果在重要临床亚组（如老年患者和肾病或肥胖患者）中的应用。虽然已经开发了许多模型来预测心衰患者的预后，但很少有模型可以帮助诊断AHF。先前的尝试具有许多优势，但都加入了主观变量，并且没有考虑到NT-proBNP与其他临床变量之间的动态和非线性交互作用。

在这项国际合作分析中，评估了指南推荐的NT-proBNP阈值对AHF的诊断性能，并开发和验证一种将NT-proBNP水平与临床特征相结合的决策支持工具。

研究组收集关于NT-proBNP在疑似AHF患者中的诊断性能的研究，并进行了系统回顾。具有以下纳入标准的研究符合条件：患者年龄≥18岁、疑似AHF、在住院当天的初步评估中测定了血样中的NT-proBNP、并使用可接受的参考标准诊断AHF。研究组开发并验证了一个决策支持工具（心力衰竭诊断和评估协作，Collaboration for the Diagnosis and Evaluation of Heart Failure[CoDE-HF]; https://decision-support.shinyapps.io/code-hf/），该工具将NT-proBNP与临床变量相结合，以预测单个患者急性心力衰竭的概率(0-100)。本分析选择极限梯度提升(XGBoost)模型作为CoDE-HF的最终模型。

本分析最终纳入10369例疑似AHF的患者，其中4549(43.9%)例患者被判定为AHF，既往有心衰病史者73.3%(2286/3119)被判定AHF，而既往无心衰病史者仅有29.0% (1802/6208) 被判定AHF。

1.指南推荐和年龄特异性的NT-proBNP阈值

在指南推荐的300 pg/mL排除阈值下，NT-proBNP对总体人群的阴性预测值、敏感性、阳性预测值和特异性分别为94.6%、96.8%、62.9%和49.3%。总体而言，30.4%(3148/10369)的患者NT-proBNP浓度低于300 pg/mL。然而，不同亚组和研究之间存在明显的异质性。阴性预测价值在≥75岁(88.2%)和既往有心衰(79.4%)和肥胖(90.4%)的患者中较低。

年龄特异性的NT-proBNP确诊阈值为450 pg/mL、900 pg/mL和1800 pg/mL时，阳性预测值分别为61.0%、73.5%和80.2%。相应的特异性分别为87.8%、81.1%和73.1%。总体而言，在疑似AHF的患者中，48.7%(5052/10369)的患者NT-proBNP高于其年龄特异性阈值。尽管存在年龄组、肾功能和AHF患病率的异质性，但在亚组中年龄特异性阈值的阳性预测值高于统一的300 pg/mL阈值。

总体而言，本分析确定了七项研究具有高偏倚风险。在对AHF判定时不知道NT-proBNP浓度和偏倚风险较低的研究进行敏感性分析时，指南推荐的和年龄特异性的NT-proBNP阈值的诊断性能保持不变。

2.最佳NT-proBNP阈值

NT-proBNP阈值为100 pg/mL时达到了本分析的最佳排除标准，其阴性预测值为97.8%，敏感性为99.3%。然而，只有17.9%(1851/10369)的患者NT-proBNP浓度低于100 pg/mL，老年患者和既往有心衰、缺血性心脏病和肾功能受损的患者的阴性预测值仍然较低。同样，NT-proBNP阈值为1000 pg/mL达到了本分析的最佳确诊标准，阳性预测值为74.9%，特异性为76.1%，尽管在亚组中的性能也较低，特别是那些既往无心衰的患者（阳性预测值为62%）。

3.CoDe-HF评分

在既往有和无心衰的患者（受试者工作曲线下面积分别为0.846和0.925，Brier评分分别为0.130和0.099）中，CoDE-HF具有极好的区分度。在既往无心衰的患者中，CoDE-HF评分为4.7时，阴性预测值为98.6%，敏感性为98.1%；评分为51.2时，阳性预测值为75.0%，特异性为92.2%。在所有亚组中，这些确诊和排除分数具有类似的诊断性能。如果将这些评分应用于疑似AHF患者，CoDE-HF识别到40.3%(2502/6208)的患者具有低概率(<4.7)、28.0%(1737/6208)的患者具有高概率(≥51.2)AHF。在既往有心衰的患者中，在训练队列中没有人得分达到目标排除标准。CoDE-HF评分为84.5时，阳性预测值为92.7%，特异性为90.2%。该评分确定了45.5%(1420/3119)的患者具有高概率AHF。在决策曲线分析中，与单独使用NT-proBNP相比，CoDE-HF在所有阈值概率中具有更高的净收益。在无既往病史的情况下进行训练时，CoDE-HF的性能略有减弱（既往无和有心衰患者的受试者工作曲线下面积分别为0.922和0.841）。

被CoDE-HF识别为低概率的患者与被识别为中/高概率的患者相比，其30天和一年的全因死亡率和心血管死亡率显著降低（30天全因死亡率：1.0% vs 4.0%和10.4%；一年全因死亡率：5.9% vs 17.8%和33.4%；30天心血管死亡率：0.2% vs 0.8%和4.1%；一年心血管死亡率：1.4% vs 3.4%和16.3%）。NT-proBNP浓度<300 pg/mL的患者与≥300 pg/mL的患者相比，其30天全因死亡率分别为0.8%和7.6%，一年全因死亡率为5.9%和26.6%，30天心血管死亡率分别为0.1%和2.6%，一年心血管死亡率为1.3%和10.2%。

研究结果表明，在这项对NT-proBNP诊断性能的国际合作评估中，指南推荐的AHF诊断阈值在重要患者亚组中差异较大。本分析开发并验证了CoDE-HF评分，该评分将NT-pro BNP作为连续测量和其他临床变量结合起来，通过使用统计建模来确定个体患者发生AHF的概率。该决策支持工具比任何单独使用NT-proBNP阈值的方法更准确地排除AHF，并在所有亚组中性能一致。目前仍需要进行前瞻性研究以进一步评估该决策支持工具对医疗资源使用和患者结局的影响。

参考文献