全球缺血性心脏病负担报告^[2]显示，全球2019年约有1.97亿冠状动脉粥样硬化性心脏病（coronary heart disease，CHD）患者，估计914万人因患CHD死亡。《中国心血管健康与疾病报告2022概要》 ^[3]的数据表明，我国CHD患者约1 139万，且其患病率、死亡率呈上升趋势^[4]。最新的研究^[5]显示，新疆地区居民的缺血性心脏病疾病负担是上海等地区的4倍，而西北地区的心血管疾病医疗资源及医院疾病防治能力却相对落后^[6-7]。研究^[8-10]显示，尽早对高危人群进行评估和筛查，消除人群的不健康行为，可有效降低CHD患病率。本研究拟探讨塔城市人民医院住院治疗患者的冠状动脉中重度狭窄（狭窄程度 > 50%）的危险因素，应用logistic回归建立风险预测模型，以期为评估CHD风险、选择治疗方案、优化医疗资源提供科学依据。

1 材料与方法 1.1 研究对象

回顾性选取2021年1月至2023年6月在塔城市人民医院心内科住院并行冠状动脉造影检查的629例冠状动脉中重度狭窄患者作为研究对象。依据随机数字表法，按7∶3比例随机分为训练组（n = 440）和验证组（n = 189）。纳入标准：年龄≥18岁；依据冠状动脉造影结果确定冠状动脉中重度狭窄，即至少有1根主要冠状动脉的狭窄程度 > 50% ^[11]。排除标准：患有风湿性心脏病、严重心脏瓣膜病、肺功能衰竭、凝血功能障碍及恶性肿瘤等，临床资料信息不全。本研究已获得沈阳医学院附属第二医院伦理委员会批准（2023-48）。所有患者知情同意。

1.2 资料收集

查阅患者的电子病历，收集其一般资料、疾病相关资料和实验室及辅助检查结果。社会人口学资料包括性别、年龄、民族、饮酒史、吸烟史、腰围、体重指数（body mass index，BMI）、婚姻状况。疾病相关资料包括入院时的心率和血压，糖尿病、慢性肾功能不全、高脂血症、心房颤动/心房扑动、高血压、心力衰竭、卒中或心肌梗死病史。实验室检查指标包括血脂、心钠素、血肌酐、血离子、超敏C反应蛋白、尿酸、尿素氮。辅助检查有颈动脉超声及选择性冠状动脉造影。

1.3 统计学分析

采用SPSS 26.0软件和R软件（4.0.5）进行统计分析。计量资料用x±s表示，组间比较符合正态分布者使用t检验，不符合正态分布者使用秩和检验。计数资料用构成比（%）表示，组间比较使用χ²检验。P < 0.05为差异有统计学意义。

采用LASSO回归精准筛选出危险因子，训练组使用logistic回归构建预测模型，以列线图可视化形式直观呈现，用验证组进行内部验证。应用受试者操作特征（receiver operating characteristic，ROC）曲线下面积（area under the curve，AUC）来评估模型的预测效能。AUC > 0.5~0.7，模型预测性能一般；AUC > 0.7~0.9，模型预测性能良好；AUC > 0.9，模型预测性能优秀^[12]。应用Brier评分评价模型校准度，Brier评分越接近0，代表模型的校准度越精准^[13]。应用临床决策曲线分析（decision curve analysis，DCA）验证模型在临床实践中的实用性。

2 结果 2.1 基本情况

629例患者中，轻度狭窄158例（25.12%），中重度狭窄471例（74.88%）；男394例（62.64%），女235例（37.36%）；平均年龄（62.75±11.45）岁。验证组和训练组的一般资料、疾病相关资料及实验室辅助检查结果比较，差异无统计学意义（P > 0.05）。

2.2 危险因素筛选

LASSO回归筛选出5个危险因素，即年龄、高血压、非汉族、脑血管病史、高脂血症。使用10倍交叉验证的方法确定最优λ值，结果见图 1。当log（λ）=0.038时，图 1中2条虚线范围内的模型标准偏差改变幅度较小，模型最为精简。图 2所示曲线为候选危险因素的系数轨迹，模型的压缩程度随λ值增大而增大，从而得到最少的候选变量。

2.3 预测模型构建

使用440例训练组数据进行建模，将冠状动脉中重度狭窄作为因变量（是=1，否=0），将LASSO回归计算所得5个变量作为自变量，纳入logistic回归分析。自变量赋值情况如下：年龄（岁）、非汉族（是=1，否=0）、脑血管病史（是=1，否=0）、高血压（是=1，否=0）、高脂血症（是=1，否=0。以P < 0.2为筛选标准，将符合要求的变量纳入风险预测模型^[14]。结果显示，年龄、非汉族、高脂血症、高血压、脑血管病史为危险因素，见表 1。

2.4 验证模型

应用189例验证组数据实施模型验证，如图 3所示，验证组AUC值为0.864（95%CI：0.744~0.861），训练组AUC值为0.905（95%CI：0.790~0.863），表明模型预测效能好。如图 4所示，理想曲线与校准曲线偏差较小，验证组Brier得分0.14，训练组Brier得分0.03，真实值与预测值具有一致性。验证组DCA和训练组DCA提示，构建的预测模型具有临床净获益，见图 5。

2.5 列线图绘制

如图 6所示，在使用R软件绘制的可视化列线图横轴上，具体分值对应着5个危险因素，其分值相加得到总分，再对应到风险栏的冠状动脉狭窄程度预测值。总分越高说明冠状动脉发生中重度狭窄的风险越高。

3 讨论

本研究发现，年龄大、非汉族、脑血管病史、高血压、高脂血症为塔城地区人群冠状动脉中重度狭窄的危险因素。美国心血管疾病研究机构数据^[15]显示，冠状动脉发生狭窄的风险随年龄增加而增加，呈正相关。我国居民的CHD患病风险也随着年龄增长而上升^[16]。随着血管老化，动脉血管内膜发生不同程度的损伤，动脉管壁内脂质含量增加，均可导致进展性的动脉粥样硬化^[17]。研究^[19-21]显示，新疆非汉族居民的CHD患病率高于全国的平均患病水平，非汉族居民可能存在更多CHD危险因素，更容易罹患心血管方面疾病，本研究结果也证实了以上结果。塔城地区少数民族喜食油脂含量较高的食物，如腌肉和奶茶，易发生冠状动脉狭窄^[22-23]。研究^[24]显示，高血压是罹患CHD的重要危险因素，其次是高脂血症，尤其是低密度脂蛋白胆固醇（low-density lipoprotein cholesterol，LDL-C）高。高血压患者常合并高脂血症，二者并存能显著增加CHD的发生风险^[25]。患者长期处于血压升高的状态，冠状动脉内皮细胞增生，管腔内径缩小，从而引发心肌供血不足^[26]。血管中LDL-C积聚，内皮细胞被活化，血管壁产生炎症、坏死、增殖和钙化，最终产生动脉粥样硬化斑块^[27-28]，冠状动脉管腔变狭窄。

本研究构建的新疆塔城地区人群冠状动脉狭窄程度预测模型中，训练组和验证组的AUC值分别为0.905（95%CI：0.790~0.863）和0.864（95%CI：0.744~0.861），提示模型具有良好的区分度，校准曲线与理想曲线接近，模型校准度表现良好，训练组和验证组Brier得分分别为0.03和0.14，可见模型预测值与真实值具有高度一致性，提示本研究构建的预测模型预测性能良好。训练组与验证组DCA结果均显示，本研究构建的预测模型能够为实际临床应用带来净获益，可为新疆塔城地区人群冠状动脉狭窄风险的评估提供有力工具。

本研究的局限性在于为单中心研究，且样本量较小，未来可进一步拓展样本规模，涵盖更多中心，纳入更全面的危险因素，并对模型进行外部验证，以提高模型的精准度和通用性。

综上所述，本研究构建了新疆塔城地区人群冠状动脉狭窄程度列线图预测模型，采用科学的赋值方法对各危险因素进行量化评估，可高效评估冠状动脉狭窄程度，有助于早期识别本地区存在冠状动脉中重度狭窄危险因素的人群，从而及早实施干预措施，降低不良结局的发生率。