01

心力衰竭（Heart failure, HF）是一种影响身体多个器官和系统的复杂临床综合征，因其高患病率、死亡率和医疗成本而成为全球公共卫生问题。亚洲拥有庞大的人口、多样化的民族和复杂的医疗保健系统，在心力衰竭的预防和管理方面面临着巨大挑战。然而，与西方国家不同，亚洲的心力衰竭流行病学数据和疾病负担方面的综合数据仍然有限。

中国医学科学院阜外医院张健教授和张宇辉教授团队等在《JACC：Asia》上发表的综述中，从心力衰竭的发生、病因和危险因素、临床预后及治疗等方面总结有关亚洲心力衰竭负担的现有信息，涵盖了全球负担疾病研究（Global Burden of Disease， GBD）数据和注册研究数据，为减轻心力衰竭负担和改善心力衰竭患者预后提供见解。

亚洲的心力衰竭患病率在全球范围内明显偏高，高伤残损失寿命年（year lived with disability, YLD）突显了沉重的疾病负担。尽管大多数亚洲地区的年龄标准化心衰患病率表现出稳定或下降的趋势，但东南亚和南亚仍是增长趋势。

射血分数保留型心衰（Heart failure with preserved ejection fraction, HFpEF）在亚洲的发病率逐渐增加，特别是在日本等国家，这归因于人口老龄化等因素。缺血性心脏病仍然是HF的主要致病原因。此外，空气污染作为HF的风险因素的影响也不容小觑。

在亚洲，HF患者的死亡率和再入院率持续偏高，心血管死亡仍然是HF患者主要死亡原因。尽管近年来取得了一些进展，但指导性医学治疗的标准化应用仍然相对不足，某些药物剂量的优化需要更多关注。

心力衰竭在亚洲仍然是一个严重的公共卫生问题，存在着显著的地区差异；因此，急需加强亚洲地区心力衰竭的预防和标准化管理。

编译：陈毓文, MD

02

性别对于许多疾病的发生发展都有不同的影响，女性相对于男性而言抑郁症的发病率更高。抑郁症是心血管疾病的已知危险因素，但性别对该关联的潜在影响尚不清楚。

Senoo教授等人在《JACC：Asia》上发表的论文中，通过使用日本健康保险（JMDC）索赔数据库中的数据记录，量化了抑郁症与心血管疾病发病率之间的关联。

作者对2005-2022年间的JMDC索赔数据库资料进行了回顾性分析。该研究人群包括超过400万个年龄在18-75岁，没有心血管疾病或肾脏疾病史的人，平均随访1288天，以评估抑郁症与随后的心血管病事件之间的关联，例如心肌梗死、心绞痛、卒中、心力衰竭和心房颤动。

结果发现，抑郁症与随后的复合心血管事件之间存在显著关联，并且在女性中观察到了更强的关联。在校正多个变量后，女性抑郁症患者的复合心血管病终点事件的HR为1.64（95％CI：1.59-1.70），男性抑郁症患者的复合心血管病终点事件HR为1.39（95％CI：1.35-1.42）（交互作用P<0.001）。此外，复合终点的每一项在女性抑郁症患者的发病率都高于男性抑郁症患者。

由于缺乏基线的数据资料，以及一些资料收集方面的欠缺之处，本研究尚不足以建立女性抑郁症患者心血管事件发病率高于男性抑郁症患者的因果关系，但是至少指出了一个趋势：在抑郁症对随后的心血管结局的不利影响中考虑性别因素的影响，可能有助于更好地预防抑郁症患者的心血管病风险。

编译：陈 涵, MD

03

肥厚型心肌病（HCM）是心源性猝死(SCD)的主要原因，尤其是在年轻人中。因此，目前HCM患者的风险分层方法主要集中在SCD且仅限于传统的方法。迄今为止，HCM的不良心血管事件预测模型尚未得到充分验证。包含多维变量的基于机器学习的模型预测各种心血管疾病的不良事件比传统的风险指标更精确和更普遍。

近期韩国首尔大学医学院心血管中心的Hyung-Kwan Kim教授以及启明大学医学院医学信息学系的Seung-Bo Lee教授作为通讯作者，在《JACC：Asia》上发表文章，建立了基于机器学习（ML）的模型以评估HCM患者的主要心血管事件。

该研究招募了来自2个三级转诊中心的HCM患者，并使用25个临床和超声心动图特征来区分主要不良心血管事件（MACE），包括全因死亡、心力衰竭入院和卒中。使用受试者工作特征曲线下面积（AUROC）对每个结果选择最佳模型并进行20倍交叉验证。在外部验证队列中进行测试后，使用SHapley加法解释确定特征在区分每个结果中的相对重要性。

该研究共计纳入2111例HCM患者(年龄61.4 ± 13.6岁; 其中67.6%为男性)，中位随访时间为4年，其中341例(16.2%)患者发生MACE。在4个ML模型中，logistic回归模型的AUROC最佳，MACE为0.800 (95% CI: 0.760-0.841)，全因死亡为0.789 (95% CI: 0.736-0.841)， 心衰住院为0.798 (95% CI: 0.736-0.860)，卒中为0.807 (95% CI: 0.754-0.859)。当应用于的外部验证队列时，logistic回归模型的评价能力仍然很好[MACE (AUROC=0.768)、全因死亡(AUROC=0.750)和心衰住院 (AUROC=0.806)]。SHAP分析确定左房内径和高血压是所有相关结果的重要变量。该ML模型包含HCM患者的各种表型，可以准确地区分心血管不良事件，并为每种临床结局提供重要的评估参数。 

同期，来自美国克利夫兰诊所血管和胸腔研究所的Milind Y. Desai教授在《JACC: ASIA》发表述评文章指出，该研究是利用人工智能和机器学习来理解各种临床和成像标志物在HCM患者MACE（不仅仅是心源性猝死）广泛终点发展中的作用的关键一步。然而，作为一个社会，随着人工智能和机器学习应用的迅速增加，我们仍需要不断完善：1）确保准确、高质量、多样化以及大规模训练和验证数据集的可用性；2）拥有临床验证的工具，以增强患者的信任，并增加卫生保健专业人员的采用；3）拥有公平、公正的预测工具，同时保护患者隐私。

编译：叶飞鸣, MD, PHD

04

近期指南不鼓励对与呼吸系统疾病相关的肺动脉高压（pulmonary hypertension，PH）患者使用肺动脉高压（pulmonary arterial hypertension，PAH）靶向治疗。因此，PAH 靶向治疗的有效性分层对于这一群体非常重要。

为了确定对于伴有间质性肺炎并合并肺纤维化和肺气肿的 PH 患者，可能会受益于初始 PAH 靶向治疗的表型，来自日本的Nobuhiro Tanabe教授团队通过一项前瞻性观察注册研究（JRPHS ，Japan Respiratory PH Study），于2013年9月至2016年12月（JRPHS1）和2017年1月至2021年12月在30个专门的呼吸和PH中心进行（JRPHS2），来明确该科学问题。该研究发表于今年3月的 JACC: Asia 杂志。

该研究初始纳入 270 名毛细血管前 PH 患者（192 名间质性肺炎，78 名合并肺纤维化和肺气肿），研究团队使用 5 WU 的肺血管阻力（PVR）将分为重度和轻度 PH。调查了预后因素，并比较了初始治疗组（诊断后 2 个月内）和非初始治疗组以及有反应者（世界卫生组织功能分级、肺血管阻力和 6 分钟步行距离的改善）和无反应者的预后。

最终在剔除出组后的 239 名初治患者中，46.0% 患有严重肺动脉高压，51.8% 患有轻度通气障碍 (VI)，40.6% 接受了初步治疗。在重度PH伴轻度VI亚组中，初始治疗组与非初始治疗组相比预后良好。该组的缓解率显着高于其他组（48.2% vs 21.8%，比率 2.21 [95% CI: 1.17-4.16]）。

在多变量分析中，初始治疗对于严重 PH 来说是更好的预后因素，但对于轻度 PH 则不然。在严重 PH 亚组中，治疗反应组预后良好。

基于以上结果，该研究团队得出结论：对初始 PAH 靶向治疗有反应的人数有所增加，轻度 VI 级的严重 PH 病例预后良好。在轻度 PH 病例中未观察到生存获益。

尽管如此，该研究最显著的局限性在于使用PAH靶向疗法的决定是由每个机构的医生做出的，存在选择偏差。

尽管这是一个全国性的登记注册研究，但按PVR分层的病例数量很少，且没有足够的病例能够对PVR＜5WU进行反应评估。如前所述，轻度VI组有可能被归类为患有PAH。

编译：叶健，MD