2026年3月5日，bat365正版唯一官网群医学及公共卫生学院（群公学院）王也副研究员与伦敦帝国理工学院（Imperial College London）Jennifer K. Quint教授团队在《欧洲呼吸杂志》（ European Respiratory Journal ）在线发表了题为“Developing and Validating the CE-MACE Model to Predict One-Year Major Adverse Cardiovascular Events Post COPD Exacerbation Using Routine Healthcare Data”的研究论文，该研究利用常规医疗数据，开发并验证了CE-MACE预测模型，精准识别慢阻肺病急性加重后一年内发生重大不良心血管事件（MACE）风险，为促进慢阻肺病多学科综合照护提供科学工具。
慢性阻塞性肺疾病（简称“慢阻肺病”）患者相比一般人群面临更高的心血管事件风险，尤其在发生慢阻肺病急性加重后，患者发生心血管事件的风险显著升高。既往研究表明，QRISK3等预测模型低估了该人群的心血管疾病风险，亟需开发和验证新型预测模型，实现对慢阻肺病患者心血管事件风险的精准预测。
研究团队利用英国临床实践研究数据链（Clinical Practice Research Datalink，CPRD），纳入338981名40岁及以上经历中度或重度慢阻肺病急性加重的患者，研究以急性加重后一年内的致死或非致死性重大不良心血管事件（包括急性冠脉综合症、心律失常、心衰、卒中）为结局。综合临床专家意见及既往文献证据，研究共纳入21项候选预测变量，通过LASSO回归筛选重要预测变量，最终结合LASSO回归结果和临床意义，纳入6项临床实践中常见且易获取的变量为模型预测因素：年龄、急性加重严重程度、既往MACE疾病史、mMRC呼吸困难分级、高血压病史、糖尿病病史。研究采用竞争风险模型估计预测因素的回归系数，并开发了网页端的预测模型工具，研究还利用预测因素的回归系数，开发了易于临床推广使用的风险评估量表。
研究使用内部-外部交叉验证策略综合评估CE-MACE模型的预测性能，结果显示，模型区分度（C统计量）为0.752，整体校准度为-0.006，校准度斜率为0.999，表明模型能够很好地区分高风险与低风险患者，且预测概率与实际概率具有较好一致性。敏感性分析显示，无论患者既往是否有慢阻肺病急性加重史，CE-MACE均表现出良好的预测性能。
该研究基于大规模真实世界医疗数据，构建了精准评估慢阻肺病患者心血管风险的预测模型，填补了国际上该领域的研究空白，研究开发的风险评估工具有助于在临床实践中推广使用，研究结果有望促进对慢阻肺病的综合照护和心血管事件的精准预防。
该研究工作得到国家科技重大专项（2023ZD0506402）、bat365正版唯一官网医学与健康科技创新工程（2021-I2M-1-049）等基金资助，群公学院王也副研究员为该论文独立第一作者和独立通讯作者，帝国理工学院公共卫生学院Jennifer K. Quint教授为该论文最后作者。王也副研究员于2025年1月6日至2026年1月5日受到国家留学基金委“国家公派高级研究学者、访问学者、博士后项目”资助，在帝国理工学院开展博士后研究工作，本项研究是本次访问学习的重要国际合作成果之一，为深化院校国际合作发挥积极作用。
论文链接：https://publications.ersnet.org/content/erj/early/2026/02/26/1399300302555-2025
供稿：群公学院
