一种基于常规体检指标构建冠脉疾病风险判别模型的方法

1.本发明属于完善血脂检测模块技术领域，尤其涉及一种基于常规体检指标构建冠脉疾病风险判别模型的方法。


背景技术：

2.目前在我国，冠脉疾病死亡率仍呈逐年上升趋势，2013年中国第五次卫生服务调查显示我国城乡15岁以上人口缺血性心脏病患病率为10.2％。胆固醇是动脉粥样硬化性心血管疾病(atherosclerotic cardiovascular disease,ascvd)的核心致病性危险因素。目前临床上常用的传统血脂检测系列主要包括甘油三酯(triglyceride，tg)，总胆固醇(totalcholesterol，tc)，低密度脂蛋白胆固醇(low-density lipoprotein cholesterol,ldl-c)，高密度脂蛋白胆固醇(high-density lipoprotein cholesterol,hdl-c)四项。现大部分血脂指南都将ldl-c作为ascvd风险评估及治疗的首要目标。但越来越多证据表明ldl-c不能代表所有致动脉粥样硬化脂蛋白；ldl-c水平经治疗达标后仍存在较高剩留风险。国人的ldl-c水平较欧美人群低，有其独特的血脂谱。因此，探讨非传统的血脂指标对国人冠脉疾病防控价值具有重要意义。
3.残粒脂蛋白胆固醇水平(remnant lipoprotein particle cholesterol,rlp-c)代表除ldl-c以外所有的致动脉粥样硬化胆固醇脂蛋白，可以代表心血管剩留风险。目前有证据显示rlp-c作为非传统的血脂指标能够更好的预测冠脉疾病发病及病变程度。但是有关rlp-c在冠脉疾病人群的诊断界值以及是否、有性别差异尚不清楚；另外，在临床研究中大多数待测样本在入院前服用过降脂药物，在服药基础上分析血脂与冠脉疾病的关系通常会影响血脂异常对ascvd风险的判断结果，且在目前尚缺乏有关未用过降脂药物情况下即基线非传统血脂指标在临床中的应用。因此，对于在传统血脂四项检测基础上联合rlp-c水平来进一步完善血脂模块检测构建冠脉疾病风险判别模型在临床应用中具有重要意义。


技术实现要素：

4.本发明提供一种基于常规体检指标构建冠脉疾病风险判别模型的方法，所述方法包括：
5.s1.筛选体检人群，主要包含：将受试者中缺乏体检报告的诊断结果、年龄小于18周岁人群进行筛除；
6.s2.获取受试者的临床信息及血液样本；
7.s3.检测在步骤s2获得的血液样本中的传统基线血脂指标水平并对数据进行录入形成数据集；
8.s4.计算受试者的基线残粒脂蛋白胆固醇水平(rlp-c)并将数据加入步骤s3得到的数据集形成血脂检测数据集，删除异常立群值并进行缺失值填充；
9.s5.将受试者人群分组，标记为冠脉疾病组和非冠脉疾病组，获取冠脉疾病组与非冠脉疾病组中基线残粒脂蛋白胆固醇水平临床数据差异；
10.s6.将步骤s5得到的数据按照1:1的比例分为实验集和对照集，通过特征选择和训练，建立基于logistic回归的全冠脉疾病风险判别模型；
11.s7.根据步骤s4得到的基线血脂指标水平、基线残粒脂蛋白胆固醇水平采用gensini(gs)评分方法对冠状动脉血管病变狭窄程度进行定量评分、比较不同gs评分下及残粒脂蛋白胆固醇水平以及根据不同阈值对冠脉疾病严重程度的诊断，绘制单指标受试者操作特征roc曲线，简化模型，建立基于logistic回归的冠脉疾病风险判别模型。
12.进一步的，所述步骤s2中临床信息包括但不限于年龄、性别、身体指数(bmi)、身高、体重；所述血液样本为血清样本。
13.进一步的，所述步骤s3中所述传统基线血脂指标包括甘油三酯(tg)、总胆固醇(tc)、高密度脂蛋白胆固醇(hdl-c)以及低密度脂蛋白胆固醇(ldl-c)；
14.进一步的，检测所述基线总胆固醇水平的方法为免疫比浊法。
15.进一步的，检测所述基线高密度脂蛋白胆固醇水平的方法为化学修饰法。
16.进一步的，检测所述基线低密度脂蛋白胆固醇水平的方法为选择性可溶化法。
17.进一步的，所述步骤s4中基线残粒脂蛋白胆固醇水平＝基线总胆固醇水平-基线高密度脂蛋白胆固醇水平-基线低密度脂蛋白胆固醇水平。
18.进一步的，所述步骤s6基于logistic回归的全冠脉疾病风险判别模型包括指标集合：年龄、性别、身体指数(bmi)、tg、tc、hdl-c和ldl-c和腰围(waist)，以及对应的logistic回归系数(ω0，ω1，ω2......ω6，ω7，ω8)；
19.所述全冠脉疾病风险判别模型中运算公式如下：
[0020][0021]
x8＝ω0+ω1x
age
+ω2x
sex
+ω3x
bmi
+ω4x
tg
+ω5x
tc
+ω6x
hdl-c
+ω7x
ldl-c
+ω8x
waist
；
[0022]
其中，p8为全冠脉疾病风险判别模型的冠脉疾病风险概率，(ω0，ω1，ω2......ω6，ω7，ω8)为全冠脉疾病风险判别模型的logistic回归系数。
[0023]
进一步的，所述步骤s7基于logistic回归的冠脉疾病风险判别模型包括指标集合：性别、身体指数(bmi)、总胆固醇(tc)、高密度脂蛋白胆固醇(hdl-c)和低密度脂蛋白胆固醇(ldl-c)和基线残粒脂蛋白水平rlp-c，以及对应的logistic回归系数(ω0′
，ω1′
，ω2′
......ω6′
)；
[0024]
所述全冠脉疾病风险判别模型中运算公式如下：
[0025][0026]
x6＝ω0′
+ω1′
x
age
+ω2′
x
sex
+ω3′
x
bmi
+ω4′
x
tc
+ω5′
x
hdl-c
+ω6′
x
ldl-c
[0027]
其中，其中，p6为冠脉疾病风险判别模型的冠脉疾病风险概率，(ω0，ω1，ω2......ω6，ω7，ω8)为冠脉疾病风险判别模型的logistic回归系数。
[0028]
进一步的，还包括根据步骤s7绘制的特征曲线计算roc曲线下的面积auc和对应基线残粒脂蛋白胆固醇水平的特异度及灵敏度，并在确定不同性别人群中基线残粒脂蛋白胆固醇值预测冠脉疾病的界值的基础上，对其特异度及灵敏度分类。
[0029]
本发明提供一种基于常规体检指标构建冠脉疾病风险判别模型的方法包括：筛选体检人群；获取受试者的临床信息及血液样本；检测血液样本中的传统基线血脂指标水平；
计算受试者的基线残粒脂蛋白胆固醇水平(rlp-c)；建立基于logistic回归的全冠脉疾病风险判别模型；采用gensini(gs)评分方法对冠状动脉血管病变狭窄程度进行定量评分、比较不同gs评分下及残粒脂蛋白胆固醇水平以及根据不同阈值对冠脉疾病严重程度的诊断，绘制单指标受试者操作特征roc曲线，简化模型，建立基于logistic回归的冠脉疾病风险判别模型。
[0030]
本发明采用常规体检指标通过构建冠脉疾病风险判别模型在不额外增加患者血脂评估方面的费用情况下简单、快速的提示受试者患有冠脉疾病的风险概率，方法简单易操作，受饮食、进食时间影响小，提高工作效率，降低检测者的检测成本。
附图说明
[0031]
图1是一种基于常规体检指标构建冠脉疾病风险判别模型的方法流程图。
具体实施方式
[0032]
为了使本发明的目的、技术方案及优点更加清楚，以下结合附图及实施例，对本发明进行进一步详细说明。此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
[0033]
实施例1
[0034]
本发明提供一种基于常规体检指标构建冠脉疾病风险判别模型的方法，包括：
[0035]
s1.筛选体检人群，主要包含：将受试者中缺乏体检报告的诊断结果、年龄小于18周岁人群进行筛除；
[0036]
s2.获取受试者的临床信息及血液样本；
[0037]
s3.检测在步骤s2获得的血液样本中的传统基线血脂指标水平并对数据进行录入形成数据集；
[0038]
s4.计算受试者的基线残粒脂蛋白胆固醇水平(rlp-c)并将数据加入步骤s3得到的数据集形成血脂检测数据集，删除异常立群值并进行缺失值填充；
[0039]
s5.将受试者人群分组，标记为冠脉疾病组和非冠脉疾病组，获取冠脉疾病组与非冠脉疾病组中中基线残粒脂蛋白胆固醇水平临床数据差异；
[0040]
s6.将步骤s5得到的数据按照1:1的比例分为实验集和对照集，通过特征选择和训练，建立基于logistic回归的全冠脉疾病风险判别模型；
[0041]
s7.根据步骤s4得到的基线血脂指标水平、基线残粒脂蛋白胆固醇水平采用gensini(gs)评分方法对冠状动脉血管病变狭窄程度进行定量评分、比较不同gs评分下及残粒脂蛋白胆固醇水平以及根据不同阈值对冠脉疾病严重程度的诊断，绘制单指标受试者操作特征roc曲线，简化模型，建立基于logistic回归的冠脉疾病风险判别模型。
[0042]
进一步的，所述步骤s2中临床信息包括但不限于年龄、性别、身体指数(bmi)、身高、体重；所述血液样本为血清样本。
[0043]
进一步的，所述步骤s3中所述传统基线血脂指标包括甘油三酯(tg)、总胆固醇(tc)、高密度脂蛋白胆固醇(hdl-c)以及低密度脂蛋白胆固醇(ldl-c)；
[0044]
进一步的，检测所述基线总胆固醇水平的方法为免疫比浊法。
[0045]
进一步的，检测所述基线高密度脂蛋白胆固醇水平的方法为化学修饰法。
[0046]
进一步的，检测所述基线低密度脂蛋白胆固醇水平的方法为选择性可溶化法。
[0047]
进一步的，所述步骤s4中基线残粒脂蛋白胆固醇水平＝基线总胆固醇水平-基线高密度脂蛋白胆固醇水平-基线低密度脂蛋白胆固醇水平。
[0048]
进一步的，所述步骤s6基于logistic回归的全冠脉疾病风险判别模型包括指标集合：年龄、性别、身体指数(bmi)、tg、tc、hdl-c和ldl-c和腰围(waist)，以及对应的logistic回归系数(ω0，ω1，ω2......ω6，ω7，ω8)；
[0049]
所述全冠脉疾病风险判别模型中运算公式如下：
[0050][0051]
x8＝ω0+ω1x
age
+ω2x
sex
+ω3x
bmi
+ω4x
tg
+ω5x
tc
+ω6x
hdl-c
+ω7x
ldl-c
+ω8x
waist
；
[0052]
其中，p8为全冠脉疾病风险判别模型的冠脉疾病风险概率，(ω0，ω1，ω2......ω6，ω7，ω8)为全冠脉疾病风险判别模型的logistic回归系数。
[0053]
进一步的，所述步骤s7基于logistic回归的冠脉疾病风险判别模型包括指标集合：性别、身体指数(bmi)、总胆固醇(tc)、高密度脂蛋白胆固醇(hdl-c)和低密度脂蛋白胆固醇(ldl-c)和基线残粒脂蛋白水平rlp-c，以及对应的logistic回归系数(ω0′
，ω1′
，ω2′
......ω6′
)；
[0054]
所述冠脉疾病风险判别模型中运算公式如下：
[0055][0056]
x6＝ω0′
+ω1′
x
age
+ω2′
x
sex
+ω3′
x
bmi
+ω4′
x
tc
+ω5′
x
hdl-c
+ω6′
x
ldl-c
[0057]
其中，其中，p6为冠脉疾病风险判别模型的冠脉疾病风险概率，(ω0，ω1，ω2......ω6，ω7，ω8)为冠脉疾病风险判别模型的logistic回归系数。
[0058]
进一步的，还包括根据步骤s7绘制的特征曲线计算roc曲线下的面积auc和对应基线残粒脂蛋白胆固醇水平的特异度及灵敏度，并在确定不同性别人群中基线残粒脂蛋白胆固醇值预测冠脉疾病的界值的基础上，对其特异度及灵敏度分类。
[0059]
具体的：s1.筛选体检人群,主要包含：将受试者中缺乏体检报告的诊断结果、年龄小于18周岁人群进行筛除；选取1927例符合标准的受试者待测样本，其中入选标准为：入选标准：(1)有完整、真实、详细的病历资料及全面的化验检查结果。(2)年龄≥18岁。(3)既往未应用降脂药；或既往不规律应用降脂药，近12周未应用降脂药，血脂测定前24小时内仅服用1次降脂药。
[0060]
根据2018版中国稳定性冠脉疾病诊断与治疗指南诊断标准将所有待测样本分为待测样本组和标准样本组，其中2018版冠脉疾病的诊断标准：冠脉造影检查发现心外膜下冠状动脉直径狭窄超过50％，且有典型心绞痛症状或无创性检查显示患者有心肌缺血证据(引用自《稳定性冠脉疾病诊断与治疗指南》)。
[0061]
1)对待测样本组和标准样本组中基本信息进行统计如表3-1：
[0062]
表3-1
[0063]
参数\分组待测样本组标准样本组人数n＝1356571平均年龄61.4
±
9.9956.6
±
10.11
男性比例63.7％45.3％吸烟人群比例45.9％32.6％高血压人群比例61.8％45.3％糖尿病人群比例28.4％13.0％
[0064]
得到结论为：待测样本组和标准样本组对比，年龄、男性比例、吸烟人群比例、高血压人群比例以及糖尿病人群比例偏高。
[0065]
2)对待测样本组和标准样本组中药物服用情况进行统计如表3-2：
[0066]
表3-2
[0067][0068][0069]
得到结论为：待测样本组和标准样本组对比，药物使用比例更高，而抗血小板药、acei/arb、β受体阻滞剂使用比例两组间无明显差异。
[0070]
s2.获取受试者的临床信息及血液样本；
[0071]
s3.检测在步骤s2获得的血液样本中的传统基线血脂指标水平并对数据进行录入形成数据集；
[0072]
s4.计算受试者的基线残粒脂蛋白胆固醇水平(rlp-c)并将数据加入步骤s3得到的数据集形成血脂检测数据集，删除异常立群值并进行缺失值填充；
[0073]
3)对受试者传统基线血脂指标水平记录，计算基线残粒脂蛋白胆固醇水平记录数据如表3-3：
[0074]
表3-3
[0075][0076]
s5.将受试者人群分组，标记为冠脉疾病组和非冠脉疾病组，获取冠脉疾病组与非冠脉疾病组中基线残粒脂蛋白胆固醇水平临床数据差异；
[0077]
s6.将步骤s5得到的数据按照1:1的比例分为实验集和对照集，通过特征选择和训练，建立基于logistic回归的全冠脉疾病风险判别模型；
[0078]
将冠脉疾病发病与否作为因变量，各危险因素为变量行二元logistic回归分析，结果显示，年龄增大(or值1.057(1.043,1.070)，p＝0.000)、吸烟(or值1.403(1.052,1.871),p＝0.021)、男性(or值2.068(1.538,2.779),p＝0.000)、高血压病(or值1.451(1.137,1.854)，p＝0.003)及hba1c(or值1.418(1.253,1.605)，p＝0.000)显著增加冠脉疾病风险。
[0079]
空腹基线rlp-c水平(or值3.318(1.901,5.793)，p＝0.000)显著增加冠脉疾病发病风险。
[0080]
s7.根据步骤s4得到的基线血脂指标水平、基线残粒脂蛋白胆固醇水平采用gensini(gs)评分方法对冠状动脉血管病变狭窄程度进行定量评分、比较不同gs评分下及残粒脂蛋白胆固醇水平以及根据不同阈值对冠脉疾病严重程度的诊断，绘制单指标受试者操作特征roc曲线，简化模型，建立基于logistic回归的冠脉疾病风险判别模型。
[0081]
将冠脉疾病变gs积分》0分的患者进行三分位分组，即低危组、中危组、高危组。
[0082]
各组患者的基线危险因素及用药情况：gs积分更高组年龄更大、hba1c水平更高，以及男性、吸烟患者的比例更高，但各组间bmi、高血压病患者比例并无显著性差异，此外，gs积分更高组外周血白细胞总数显著增加。
[0083]
gs积分越高组口服降糖药、胰岛素使用比例更高，β受体阻滞剂使用比例更低，而抗血小板药、acei/arb、钙离子通道阻滞剂使用比例各组间无明显差异。
[0084]
各组间基线血脂情况，gs积分越高组患者rlp-c显著增高，tg、tc、ldl-c水平组间无显著性差异。
[0085]
随后筛选有差异性的单指标，进一步进行spearman相关分析：结果示血脂指标中、rlp-c、非-hdl-c均与gs积分明显相关；进一步将单因素相关分析结果中与gs积分明显相关的各变量进行多元线性回归，结果显示rlp-c仍与gs积分明显相关。
[0086]
空腹基线ldl-c指标小于1.80mmol/l人群的冠脉疾病发病及严重程度影响因素：本实施例观察到基线ldl-c＜1.80mmol/l的人群总213例，其中冠脉疾病人数(n＝148)占总体冠脉疾病人群的11％，非冠脉疾病人数65例。
[0087]
基线空腹血脂指标方面，与非冠脉疾病组相比，待测样本组患者hdl-c(1.10
±
0.33 vs 0.95
±
0.30mmol/l，p＝0.003)、apoa1(1.19
±
0.24 vs 1.11
±
0.21g/l，p＝0.022)水平更低，rlp-c水平(0.48
±
0.31 vs 0.57
±
0.43mmol/l，p＝0.084)有升高趋势、而tg(1.38
±
0.96 vs 1.55
±
1.08mmol/l，p＝0.262)、非-hdl-c(1.96
±
0.38 vs 2.02
±
0.46mmol/l，p＝0.276)、tc(3.05
±
0.39 vs 2.97
±
0.51mmol/l，p＝0.216)、ldl-c(1.47
±
0.26 vs 1.45
±
0.23mmol/l，p＝0.525)、apob(0.57
±
0.11 vs 0.60
±
0.15g/l，p＝0.162)两组间无显著差异。
[0088]
将冠脉疾病发病与否作为因变量，各危险因素为自变量行二元logistic回归分析，结果显示，年龄增大、hba1c、bmi升高会增加冠脉疾病发病风险，而高血压、吸烟及大部分血脂指标对冠脉疾病发病风险均无显著影响，rlp-c对冠脉疾病发病有明显贡献。在行roc曲线分析后，结果发现rlp-c可预测高冠脉疾病发病风险(auc：0.601,敏感度：0.629，特异度：0.542)，且诊断价值优于ldl-c(auc：0.500,p＞0.05)，其截断值为0.490mmol/l,即rlp-c超过此值可考虑冠脉疾病，将rlp-c与ldl-c联合后，亦可预测高冠脉疾病发病风险(auc：0.604,敏感度：0.606，特异度：0.572)。我们进一步根据性别类型进行分组，判断不同性别下rlp-c预测冠脉疾病的截断值；在男性人群中rlp-c可预测高冠脉疾病发病风险(auc：0.550,敏感度：0.499；特异度：0.611)，其截断值为0.560mmol/l,即rlp-c超过此值可考虑冠脉疾病。在女性人群中rlp-c亦可预测高冠脉疾病发病风险(auc：0.653,敏感度：0.629；特异度：0.613)，其截断值为0.505mmol/l，即rlp-c超过此值考虑冠脉疾病风险大。即在男女人群中rlp-c诊断冠脉疾病的截断值不同，说明在不同性别中rlp-c值对于预测冠脉疾病风险水平不同。
[0089]
对基线ldl-c水平小于1.80mmol/l的人群，我们采用spearman相关分析检测各变量与冠脉疾病变严重程度之间的相关性。结果显示，危险因素中，年龄、吸烟与冠脉病变严重程度明显正相关，血脂指标中rlp-c水平与gs积分呈明显正相关。在行roc曲线分析后，结果发现rlp-c可预测冠脉疾病严重冠脉病变程度的发生,其截断值为0.475mmol/l，(曲线下面积：0.626,敏感度：0.627；特异度：0.637)，且诊断价值优于ldl-c(曲线下面积：0.398,p＞0.05)。
[0090]
具体来说，基于本发明提供的风险判别模型的判别方法及判别过程为：
[0091]
筛选体检人群，主要包含：将受试者中缺乏体检报告的诊断结果、年龄小于18周岁人群进行筛除；
[0092]
获取受试者的临床信息及血液样本；
[0093]
检测血液样本中的传统基线血脂指标水平；
[0094]
计算受试者的基线残粒脂蛋白胆固醇水平；
[0095]
将受试者人群分组，标记为冠脉疾病组和非冠脉疾病组，获取冠脉疾病组与非冠
脉疾病组中基线残粒脂蛋白胆固醇水平临床数据差异；
[0096]
将数据通过基于logistic回归的冠脉疾病风险判别模型中的logistic回归运算得到冠脉疾病风险概率：
[0097]
x6＝ω0′
+ω1′
x
age
+ω2′
x
sex
+ω3′
x
bmi
+ω4′
x
tc
+ω5′
x
hdl-c
+ω6′
x
ldl-c
[0098]
其中，其中，p6为冠脉疾病风险判别模型的冠脉疾病风险概率，(ω0，ω1，ω2......ω6，ω7，ω8)为冠脉疾病风险判别模型的logistic回归系数。
[0099]
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。