文献速递消化、代谢与肾脏急症

慢性病人群风险工具(CDPoRT)的开发与验证:预测成人慢性病发病率

Development and Validation of the Chronic Disease Population Risk Tool (CDPoRT) to Predict Incidence of Adult Chronic Disease.
PubMed 文献 · JAMA Netw Open · 2020-06-01
一句话结论CDPoRT是首个基于常规人群调查数据预测成人10年内首次发生6种主要慢性病的人群风险算法,区分度与校准度良好。

研究利用加拿大社区健康调查6个周期数据链接行政数据库,在安大略省开发并内部验证、在曼尼托巴省外部验证CDPoRT,预测20岁以上无主要慢性病成人10年内首次发生充血性心力衰竭、慢性阻塞性肺疾病、糖尿病、肺癌、心肌梗死或卒中(含短暂性脑缺血发作)的风险。模型分性别构建,完整版含11个预测因子,简约版含9个预测因子,简易版仅含吸烟、年龄和体重指数。完整版与简约版预测性能相近(女性Brier评分0.087,男性0.091;女性Harrell C指数0.779,男性0.783),简约版外部验证C指数女性0.752。作者推荐简约版用于人群风险预测。

要点

  • CDPoRT预测20岁以上无主要慢性病成人10年内首次发生6种主要慢性病之一的风险,模型分性别构建。
  • 完整版含11个预测因子,简约版含9个预测因子(饮酒、吸烟、果蔬摄入、年龄、可见少数族裔、哮喘、体重指数、高血压、自评健康),两者预测性能相近。
  • 女性简约版C指数在bootstrap、拆分样本和外部验证分别为0.778、0.776、0.752,男性分别为0.782、0.769。
  • 简易版仅含吸烟、年龄和体重指数,性能略差(女性Brier评分0.088,男性0.092)。
  • 作者推荐简约版CDPoRT,因其预测力最强且预测因子较少,可防止过拟合。

适用人群与场景

  • 加拿大社区健康调查中安大略省前6个周期(2000、2003、2005、2007、2009/2010、2011/2012)和马尼托巴省3.1、4.1、2009/2010、2011/2012周期受访者,年龄≥20岁,无充血性心力衰竭、慢性阻塞性肺疾病、糖尿病、肺癌、心肌梗死或卒中病史(自报或行政数据诊断),且有完整预测因子信息(体重指数和收入缺失除外)。
  • 研究队列共133 991名成人,代表安大略省和马尼托巴省人群;安大略省队列n=118 747,马尼托巴省队列n=13 244。
  • CDPoRT用于一般人群的人群水平预测,不用于个体水平预测;目前尚未考虑个体水平的额外变异,需额外验证评估个体水平性能。

研究设计与关键结果

  • 研究为队列研究,在安大略省开发并内部验证(bootstrap和拆分样本),在马尼托巴省外部验证CDPoRT,数据链接行政数据时间范围为2000年1月至2014年12月。
  • 安大略省队列n=118 747,较马尼托巴省队列n=13 244更年轻(平均年龄45.6岁 vs 46.3岁)、移民更多(23 808人[20.0%] vs 1417人[10.7%])、平均体重指数更低(26.9 vs 27.7)。
  • 10年首次慢性病风险马尼托巴省高于安大略省:女性12.5% vs 11.2%,男性13.1% vs 11.8%。
  • 完整版与简约版预测性能相近:女性Brier评分均为0.087,男性均为0.091;女性Harrell C指数0.779,男性0.783;简易版略差(女性Brier评分0.088,男性0.092)。
  • 女性简约版C指数在bootstrap、拆分样本和外部验证分别为0.778、0.776、0.752;男性分别为0.782、0.769。
  • 外部验证中女性完整版Brier评分马尼托巴省0.128 vs 安大略省开发0.087和验证0.119,校准-in-the-large 0.032 vs 0和−0.006;男性完整版Harrell C指数0.775 vs 0.783 vs 0.769。
  • 校准曲线显示预测概率至60%校准良好,超过60%时模型高估风险,但该人群比例很小(女性2.9%,男性4.1%)。
  • 第三项敏感性分析纳入基线无原6种慢性病及另外9种慢性病者(n=67 235;女性34 729人[51.7%]),模型预测性能差(女性完整版Brier评分0.322,男性0.316),预测9种额外慢性病时低估发病率。

证据类型、等级与局限

  • 证据类型:队列研究(预测模型开发与验证),遵循TRIPOD报告指南。
  • 局限:原住民未被采样,而加拿大原住民报告慢性病风险高于非原住民,马尼托巴省原住民比例(15%)高于安大略省(2%),可能 contribute 至CDPoRT在马尼托巴省略逊表现。
  • 局限:生活方式危险因素测量质量有限,果蔬摄入仅代表饮食,未捕获其他食物组和成分;仅捕获休闲相关体力活动,未捕获交通和工作相关活动,可能解释体力不活动未显示预测性。
  • 局限:校准曲线在高预测风险区持续显示过拟合,这些个体倾向年龄较大且有不良生活习惯(如每日吸烟、高体重指数),CDPoRT可能缺少改善该区域校准的预测因子(如家族史等遗传信息)。
  • 局限:CDPoRT未考虑所有慢性病或后续慢性病发病(多病共存),因此低估慢性病负担。
  • 局限:CDPoRT目前未考虑个体水平的额外变异,需额外验证评估个体水平性能。

对床旁实践的改变

  • 作者推荐简约版CDPoRT用于人群慢性病风险预测,因其包含预测力最强的预测因子且预测因子总数较少,可防止过拟合。
  • 作者认为简约版所需输入较少,更用户友好,且对调查问题随时间变化较不敏感;简易版在数据有限时有优势;完整版可能有利于预测特定人群亚组的慢性病风险。
  • CDPoRT可用于政策制定者识别和理解哪些人群亚组主要慢性病风险增加,并评估社会经济、行为和人口学危险因素的贡献以指导预防策略。
  • CDPoRT不适用于个体水平预测,因其目前未考虑个体水平的额外变异。

提炼说明

  • 原文未涉及「诊断标准与关键阈值」「处置流程与药物剂量」「红旗征与不能漏的情况」「指南或共识出处」,故未列出这些栏目。
全文中译18 节 · 点击展开
本译文由 AI 依据开放获取原文逐段翻译,供学习参考,可能存在误差,请以原文为准。原文 © 原作者(PMC Open Access),按 CC BY 许可使用,本译文为翻译改编。出处:JAMA Netw Open. 2020 Jun 4;3(6):e204669. doi: 10.1001/jamanetworkopen.2020.4669

引言

慢性病的高患病率是一个全球性健康问题,全球有67亿人患有非传染性疾病,导致大量寿命损失年。1,2 慢性病患病率随时间推移而增加,2 这可归因于人口老龄化和慢性病管理的改善。2,3,4 由于这种增加以及多病共存(存在多种慢性疾病)的增加,5 医疗保健系统承担了高昂的成本。慢性疾病的直接和间接总成本估计占美国国内生产总值的19.6%(3.7万亿美元)。6 一种能够预测多种慢性疾病未来对医疗保健系统负担的工具,对于支持卫生政策制定者的规划和预防工作将具有不可估量的价值。

一级预防是应对慢性病负担的理想策略。7 充分建立的证据表明,4种可改变的生活方式危险因素,即饮酒、吸烟、不健康饮食和缺乏体力活动,与癌症、心血管疾病、慢性呼吸系统疾病和糖尿病合计发病率的超过三分之二相关。7 尽管有这些证据,通过一级预防策略预防或延缓慢性病发病仍然困难。7 一个问题是,目前不存在直接的方法来预测人群中慢性病的发病率,这已被卫生政策制定者列为一项需求。8 人群预测的一种解决方案是使用人群风险算法。8,9 这些算法像临床风险算法(如Framingham风险评分)10 一样预测某一结局(如心血管疾病)的风险,但它们旨在通过使用从人群水平数据源(如全国住户访谈调查)常规收集的危险因素信息(如吸烟)来做出代表总体人群的预测(而非个体水平的预测)。9

已有相关尝试来预测未来的慢性病负担。一个现有的预测多种慢性疾病发病率的临床风险评分是在特定的私人医疗保险患者人群中开发的,11 因此其对该一般人群的推广性尚不清楚。也有一些人群风险算法可以预测个体慢性疾病(如糖尿病)的发病率。9,12,13,14,15 然而,据我们所知,尚不存在能够在人群水平上预测首个主要慢性疾病发病的风险算法。

为满足这一需求,本研究的目的是创建慢性病人群风险工具(CDPoRT)。该工具利用从人群健康调查中常规收集的、关于生活方式危险因素的自我报告信息,来预测一般成年人群在10年期间6种主要慢性疾病(即充血性心力衰竭、慢性阻塞性肺疾病、糖尿病、肺癌、心肌梗死和卒中包括短暂性脑缺血发作)中首个疾病的发病率。此外,CDPoRT通过多种技术进行了验证,以量化其可重复性和可移植性。

方法

本节总结了方法,更多细节可在已发表的分析方案中获取。16 总体而言,方案得到了遵守,但有一些修改。第一,最长随访时间从15年缩短至10年,以消除因随访15年的个体极少而导致的模型不稳定。第二,额外排除预测变量值缺失的受访者(体重指数[按体重千克除以身高米平方计算]和收入除外)。第三,Weibull模型取代Royston-Parmar模型,因为对数累积基线风险函数近似直线,表明风险函数呈Weibull分布(补充材料中的eFigure 1)。第四,开发并验证了CDPoRT的简单精简版本以及所提出的模型(即完整版本)。这些版本展示了预测变量对模型性能的贡献。第五,增加了敏感性分析,以了解CDPoRT在竞争风险框架中的表现。第六,由于计算不收敛,未完成将每种慢性病单独建模然后再合并以了解每种疾病对总体慢性病风险贡献的敏感性分析。

该研究获得了多伦多大学、Sunnybrook健康科学中心和曼尼托巴大学研究伦理委员会的批准。由于ICES和曼尼托巴健康政策中心分别是《个人健康信息保护法》和《个人健康信息法》下的指定实体,因此免除了患者知情同意。本报告按照多变量预测模型个体预后或诊断透明报告(TRIPOD)预测模型开发与验证报告指南撰写。

数据来源

加拿大社区健康调查覆盖了98%的12岁及以上加拿大人口17,包含社会人口学特征、健康状况和健康决定因素的信息。该调查与来自2个加拿大省份的行政数据进行了链接。对于安大略省的开发和内部验证,数据通过唯一编码标识符进行链接并在ICES进行分析。对于曼尼托巴省的外部验证,使用了曼尼托巴健康政策中心保存的数据。

参与者

安大略省前6个周期(1.1 [2000]、2.1 [2003]、3.1 [2005]、4.1 [2007]、2009/2010和2011/2012)中所有同意行政数据链接的加拿大社区健康调查受访者均符合条件。如果受访者在访谈时年龄小于20岁;根据自我报告或行政数据诊断有充血性心力衰竭、慢性阻塞性肺疾病、糖尿病、肺癌、心肌梗死或卒中病史;或预测变量信息缺失(体重指数和收入除外),则被排除。对于有多次调查应答的个体,使用最早的应答。曼尼托巴验证队列由加拿大社区健康调查周期3.1、4.1、2009/2010和2011/2012中符合相同排除标准的受访者组成。

慢性病结局

这些慢性病包括充血性心力衰竭、慢性阻塞性肺疾病、糖尿病、肺癌、心肌梗死和卒中(包括短暂性脑缺血发作)。这些疾病是根据其患病率5、与生活方式危险因素的既定关联7、与发病率和死亡率的关联1,2,18,19以及对慢性病人口风险工具(CDPoRT)预期使用者的重要性8而选择的。所有疾病均通过经验证的算法20,21,22,23,24,25从行政数据中识别,生命统计资料根据死因补充了其他结局。

预测因素

根据公认的关联18,26,27,28、领域专业知识、用户意见、研究团队在人口风险算法方面的经验9,12,14,29,30,31,32以及各周期变量的可及性,从加拿大社区健康调查中确定了16个候选预测因素。自我报告的预测因素在访谈时一次性收集。预测因素包括社会人口学预测因素(如年龄、族裔、移民身份、家庭收入、教育、婚姻状况)、可改变的生活方式危险因素(如饮酒、吸烟、每日水果和蔬菜摄入量、体力活动)以及其他健康相关因素(如哮喘、体质指数、高血压、家庭二手烟、自评健康、生活压力)。族裔根据加拿大社区健康调查的回答类别分为白人或少數族裔。将族裔纳入预测因素是因为慢性病风险的发生率因族裔而异。33,34,35

研究设计

由于慢性病的生物学基础因性别而异,因此创建了性别特异性的CDPoRT预后模型。36,37,38,39,40该预后模型在安大略省开发并进行内部验证,在曼尼托巴省进行外部验证(图1)。在安大略省的模型开发中,CDPoRT在70%的随机受访者样本中开发(步骤1)。开发了CDPoRT的完整版、简化版和精简版(详见“模型设定”部分)。在安大略省的分样本验证中,使用70%拆分样本通过自助法(1000个有放回样本)进行内部验证(步骤2a)。剩余30%用于分样本验证(步骤2b)。在安大略省的最终模型生成中,鉴于分样本方法的低效性41,42,43,将整个安大略省队列合并以估计最终的安大略省CDPoRT模型(步骤3)。同时通过自助法进行内部验证(步骤3)。在曼尼托巴省的外部验证中,最终的安大略省CDPoRT模型的完整版、简化版和精简版在曼尼托巴省进行外部验证(步骤4)。

图1. 慢性病人口风险工具开发与验证的步骤 查看原图 ↗

模型设定

基于预测性能,从16个候选预测因子中筛选出一个子集用于完整版。预测性能通过整体预测性能指标(如Nagelkerke R2、Brier评分)、区分度指标(如Harrell C指数、时间特异性区分斜率)和校准指标(时间特异性校准曲线、校准截距和校准斜率)进行评估;各指标的定义见补充材料中的eTable 1。作为对预测因子重要性的额外验证,还采用了方差分析中的偏χ2检验,预设统计学显著性水平为P < .05,以确认预测因子的重要性。所有时间特异性统计量均在10年时计算。未改善预测性能的候选预测因子被剔除。使用了预设形式的预测因子(补充材料中的eTable 2),并在序贯选择后检查了替代规格。对于两种性别,吸烟变量均重新指定了形式。年龄在两种性别中均重新指定为限制性立方样条。教育程度在女性模型中重新指定了形式,而收入在男性模型中重新指定了形式。完整版的最终预测因子规格(补充材料中的eTable 2)被用于简单版和精简版。还检查了年龄、吸烟和体重指数之间的双向交互作用和交叉分类。

简单版仅包含有影响力的预测因子。这些预测因子是指从完整模型中剔除后会导致区分度显著降低(即Harrell C指数<0.7[区分度差]44)或校准显著偏差(即校准图明显偏离)的预测因子。精简版在简单版和完整版之间取得平衡,因为其预测因子数量多于简单版、少于完整版,但预测性能与完整版相似。精简版采用前向选择法构建,从简单版出发,逐一添加其余预测因子,直至预测性能与完整版相似。

统计分析

2000年1月至2014年12月期间,受访者从加拿大社区健康调查访谈开始接受观察,直至慢性病发病,并以死亡、10年随访或研究结束作为删失。模型采用Weibull模型估计。比例风险假设通过标准化Schoenfeld残差进行评估。通过纳入加拿大社区健康调查权重,所有估计值均代表总体人群。方差通过百分位自举法从自举调查权重中计算得出。45,46

在未自我报告既往慢性病但因行政数据诊断而被排除的个体中进行了一项敏感性分析。该分析展示了在无法获取行政数据以排除慢性病个体时CDPoRT的表现。第二项敏感性分析将死亡建模为竞争风险,以确定子分布风险比与病因特异性风险比的比较情况。第三项敏感性分析考察了CDPoRT在将9种额外慢性病作为结局时的性能(即心律失常、慢性冠脉综合征、克罗恩病或结肠炎、痴呆、骨质疏松症、关节炎、类风湿关节炎、骨关节炎和肾功能衰竭)。5

数据使用SAS Enterprise Guide 7.1版(SAS Institute)进行清理,而R 3.1.2版(R Project for Statistical Computing)用于模型开发和内部验证。SAS用于外部验证。统计显著性设定为P < .05,检验为单尾检验。

结果

70%安大略开发队列(n = 83 167)、30%安大略拆分样本验证队列(n = 35 580)和马尼托巴外部验证队列(n = 13 244)的基线特征见表1。队列排除情况见补充材料中的eFigure 2。主要的病例组合差异为:与合并的安大略队列相比,马尼托巴队列年龄更大(平均[SD]年龄,46.3 [16.4]岁 vs 45.6 [16.1]岁),移民更少(1417 [10.7%] vs 23 808 [20.0%]),平均(SD)体重指数更高(27.7 [5.4] vs 26.9 [5.1])。马尼托巴的10年首发慢性病风险更高(女性,12.5%;男性,13.1%)vs 安大略(女性,11.2%;男性,11.8%)。

表1. 按性别分层的开发队列和验证队列的基线特征 查看原表 ↗

CDPoRT开发

女性和男性CDPoRT的完整版本由11个预测因子组成,其系数和风险比列于表2。没有交互作用或交叉分类改善完整版本的预测性能。年龄、吸烟和体重指数对预测性能影响最大,因此被保留在两种性别的简化版本中(表2);例如,基于较大的χ2值,它们具有较高的预测因子重要性,女性中年龄为1117、吸烟为631、体重指数为453,男性中年龄为1166、吸烟为337、体重指数为314。对于两种性别,精简版本包含相同的9个预测因子,即饮酒、吸烟、水果和蔬菜摄入、年龄、可见少数族裔、哮喘、体重指数、高血压和自评健康(表2)。比例风险假设没有严重违反。

开发模型的预测性能详见表3。总体而言,完整版本具有最佳的总体预测性能(女性,Brier评分,0.087;男性,Brier评分,0.091)和区分度(女性,区分斜率,0.109;男性,区分斜率,0.112),精简模型表现相当(女性,Brier评分:0.087;区分斜率,0.109;男性,Brier评分,0.091;区分斜率,0.111)。简化版本表现良好,但预测性能劣于其他版本(女性,Brier评分:0.088;男性,0.092)。校准曲线(图2A)表明在预测概率高达60%时校准良好,超过该点后模型高估了慢性病风险,表现为曲线偏离45°线。然而,这种差异仅发生在队列中极小比例的人群中(女性2.9%,男性4.1%),因此对总体校准影响极小,如校准曲线下方条形图中人数较少所示。按性别分析,CDPoRT各版本之间的校准曲线形状相似。

表2. 女性和男性慢性病人口风险工具完整版、简化版和精简版的比例风险系数和风险比,按安大略队列 查看原表 ↗
表3. CDPoRT完整版、简化版和精简版在女性和男性中的预测性能,按开发环境和验证环境分类a 查看原表 ↗
图2. 慢性病人群风险工具的校准曲线。误差条表示95%置信区间。 查看原图 ↗

安大略开发队列的Bootstrap验证与拆分样本验证

对于两性,70%样本与30%样本之间的基线特征相似(标准化差异<0.03)。在模型性能方面,女性和男性的Bootstrap验证与拆分样本验证结果相似(表3)。例如,精简模型在女性中Bootstrap验证和拆分样本验证的C指数分别为0.778和0.776,在男性中分别为0.782和0.769。校准曲线的形状也相似(图2B)。

安大略最终模型

对安大略最终模型进行了估计(表2),各版本的总体预测性能和区分度与其开发及拆分样本验证对应结果相似。例如,在女性精简模型中,Brier评分为0.088(最终)vs 0.087(开发),区分斜率为0.104(最终)vs 0.109(开发)。校准曲线显示,在预测概率不超过60%时模型拟合良好,超过此点则存在过拟合(补充材料中的e图3)。Bootstrap验证提示具有高可重复性。

马尼托巴外部验证

对于给定的女性CDPoRT版本,马尼托巴外部验证的Brier评分和整体校准普遍高于安大略开发与验证(例如,完整版,Brier评分:0.128 vs 0.087和0.119;整体校准:0.032 vs 0和−0.006)(表3)。Harrell C指数和校准斜率倾向于较小,而区分斜率在马尼托巴与安大略之间相似(例如,精简版,Harrell C指数:0.752 vs 0.779和0.778;校准斜率:0.885 vs 1 vs 0.995;区分斜率:0.102 vs 0.109)。对于给定的男性CDPoRT版本,Harrell C指数、区分斜率、整体校准和校准斜率与安大略各环境相似(完整版:Harrell C指数:0.775 vs 0.783 vs 0.769;区分斜率:0.121 vs 0.112 vs 0.103;整体校准:0.013 vs 0 vs −0.008;校准斜率:1.007 vs 1 vs 0.865)。对于两性,马尼托巴校准图的形状与安大略校准图相似(图2C)。

敏感性分析

第一项敏感性分析考察了CDPoRT在安大略未自我报告慢性病史的个体中的性能(n = 135 085;75 880 [56.2%]为女性)。预测性能与其他结果相似(例如,女性完整版,Brier评分:0.090;男性完整版,Brier评分:0.092)(表3;补充材料中的e图4)。第二项敏感性分析将死亡作为竞争风险处理,发现亚分布风险比与病因特异性风险比相似(补充材料中的e表3)。第三项敏感性分析在基线时无原始6种慢性病及其他9种疾病的个体中进行(n = 67 235;34 729 [51.7%]为女性),发现模型预测性能较差(例如,女性完整版,Brier评分0.322;男性完整版,Brier评分0.316)(表3),且在预测9种额外慢性病时低估了慢性病发病率。

讨论

根据开发和验证期间展示的预测性能,CDPoRT在使用常规收集数据对多种慢性病首次发病进行基于人群的预测时表现出良好的区分度和校准度,敏感性分析显示该工具具有稳健性。内部验证评估了CDPoRT的可重复性,而外部验证评估了该工具的可迁移性。根据这些结果,CDPoRT在不同环境中的应用应能转化为稳健的性能。

重要的预测因素为年龄、吸烟和体重指数,这些是公认的单一慢性病危险因素。47作为肺癌、48心血管疾病、49慢性阻塞性肺疾病50和糖尿病51的主要危险因素,吸烟是一项主要预测因素。在针对卒中、12全因死亡率30和心血管疾病13的类似人群风险算法中,吸烟也被发现是一项主要预测因素。体重指数是类似糖尿病工具中最具预后价值的预测因素。9CDPoRT与其他人群风险算法的不同之处在于,它根据人群水平上的共同危险因素准确预测了多种慢性病中首个疾病的风险,而非针对个别慢性病。CDPoRT的一个潜在应用是使政策制定者能够识别和了解哪些人群亚组面临主要慢性病的风险增加,并评估社会经济、行为和个人特征危险因素的贡献,从而为适当的预防策略提供信息。尽管CDPoRT确实预测了慢性病负担,但该负担被低估,因为该工具未考虑所有慢性病或后续慢性病发病(即多重共存疾病)。5

开发并验证了三个版本的CDPoRT,使该工具能够迁移至其他环境并在不同数据可及条件下使用。尽管CDPoRT完整版有11个预测因素,但精简版以9个预测因素表现出相似的性能。这与既往研究一致,即纳入更多预测因素时预测性能的改善逐渐减小。52根据这些发现,我们推荐使用精简版CDPoRT,因为它纳入了最具预测力的预测因素,但总体预测因素较少,以防止过拟合。精简版所需输入较少,使其更易于使用且对调查问题随时间的变化较不敏感。简单版在数据有限时具有优势。完整版可能在对特定人群亚组预测慢性病风险时具有优势。CDPoRT通过使用表2中列出的系数和补充材料eAppendix中的公式计算慢性病风险。CDPoRT是为基于人群的慢性病风险预测(即一般人群)而构建的。CDPoRT目前未考虑个体水平上出现的额外变异,因此需要进一步验证以评估其在个体水平上的性能。额外变异可通过新的预测因素(例如生物学、临床因素)或包含交互项的更复杂模型来考虑。

安大略省和马尼托巴省队列之间存在病例组合差异。因此,外部验证基于地理可移植性为CDPoRT的泛化能力提供了见解。总体而言,CDPoRT在马尼托巴省的预测性能在区分度和校准度方面与安大略省相似,尽管略差,这表明CDPoRT可移植到其他环境。

局限性

本研究存在局限性。尽管CDPoRT是基于代表大多数加拿大居民的常规收集调查数据构建的,但原住民未被纳入抽样。这是一个重要的考虑因素,因为在加拿大,原住民报告的慢性病风险高于非原住民。53,54,55,56这可能是CDPoRT在马尼托巴省表现略差的一个 contributing 因素,因为该省原住民人口比例更大(15%),而安大略省为2%。57保留地调查数据可用于校准和更新CDPoRT。

另一个局限性是生活方式危险因素的测量质量。例如,水果和蔬菜摄入量代表饮食,而其他食物类别(如肉类、乳制品)和成分(如钠、脂肪)未被捕获。然而,每日水果和蔬菜摄入频率越高与更好的饮食习惯相关。58仅捕获了与休闲相关的体力活动,而其他形式(如交通、工作)未被捕获。这可能解释了为什么缺乏体力活动尽管是所研究慢性病的主要危险因素却无预测作用。59,60,61在整个人群中捕获生活方式行为是困难、耗时且昂贵的,但本研究通过将人群水平调查与行政数据链接,充分利用了现有数据。

校准曲线一致显示对较高预测风险存在过拟合。这些个体往往年龄较大且生活方式习惯不理想(如每日吸烟、高体重指数)。他们似乎代表的是尽管有这些习惯但未发生慢性病的幸存者。CDPoRT可能缺失了一个能改善该区域校准度的预测因子。例如,加拿大社区健康调查缺乏遗传信息,如慢性病家族史,而后者在其他模型中是一个重要的预测因子。62捕获慢性病的遗传风险可能抵消对这一小亚组的过拟合,因为这些个体可能并不具有较低的慢性病遗传风险。尽管该亚组存在过拟合,CDPoRT利用常规收集的数据(比临床数据成本更低且更易于评估)准确预测了大多数人群(约95%)的慢性病风险。

结论

据我们所知,CDPoRT是首个利用10年间常规收集的可改变生活方式危险因素信息,准确预测成人主要慢性病首次发病的人群风险算法。CDPoRT在卫生政策制定者规划举措和支持人群层面决策方面具有巨大的应用潜力。

参考来源

  1. Ng R, Sutradhar R, Kornas K, et al. Development and Validation of the Chronic Disease Population Risk Tool (CDPoRT) to Predict Incidence of Adult Chronic Disease. JAMA Netw Open. 2020. PMID: 32496565. doi:10.1001/jamanetworkopen.2020.4669
  2. 全文:PMC7273197(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC7273197/

供执业医师抢救与诊疗参考,不替代临床判断;剂量请结合体重、肝肾功能和本院药品规格复核,以指南原文为准。