不开发，仅外部验证！NHANES数据库+预测模型发JAMA子刊(IF=10.5)

引言

仅外部验证就发顶刊，NHANES数据库这波简直在大气层！

今天分享的这篇文章中，研究团队纳入了NHANES数据库中1.729亿名参与者的数据，仅对这个最新开发的心血管疾病风险预测模型—PREVENT方程进行外部验证，10分＋的顶刊文章就诞生了！

接下来，让我们一起来看看这篇文章！

心血管疾病（CVD）是全球主要的死亡原因之一，其发病率在过去几十年里显著上升。

为了应对这一挑战，美国心脏协会最新开发了预测心血管疾病事件（PREVENT）方程，用于评估预测CVD发生和死亡风险。不过，这些方程在实际应用中的有效性和准确性还未进行验证。

因此，研究团队利用NHANES数据库的数据，对PREVENT方程进行了全面的外部验证。

2024年10月11日，外国学者用NHANES数据库，在期刊《JAMA Network Open》（医学top一区，IF=10.5）发表题为：“External Validation of the American Heart Association PREVENT Cardiovascular Disease Risk Equations”的研究论文，旨在评估美国非机构化居民中PREVENT方程的预后、校准和鉴别能力。

研究结果显示，PREVENT方程预测性能良好，并且仅有轻微的校准差异。因此，该方程可作为心血管疾病风险预测的工具。

本公号回复“ 原文”即可获得文献PDF等资料，如果进一步需NHANES一对一指导课程，请联系郑老师团队，微信号：aq566665

研究团队纳入了美国国家健康与营养调查（NHANES）1999~2010年中1.729亿名参与者，平均年龄为45.0岁，其中女性占52.1%。同时，研究团队使用PREVENT方程对每位参与者的CVD风险进行评估，并进行了10年的随访，以记录他们是否发生了CVD相关事件。

研究团队通过接收者—操作特征曲线（ROC）和Harrell C统计量来评估PREVENT方程的鉴别能力，根据预测CVD死亡风险的斜率来评估其拟合效果。此外，研究团队还将其与当前的临床标准PCE方程进行对比，并通过计算对数似然比来比较两个模型的性能。

基于NHANES分析，PREVENT方程性能良好

• Kaplan-Meier分析结果显示，在不同的PREVENT风险层中，CVD生存率存在着显著差异。

图1 预测 CVD 风险评分分类的Kaplan-Meier生存曲线

• 单变量竞争风险回归结果显示，PREVENT方程的预估风险每增加1%，CVD死亡风险就会显著增加（HR=1.090；95% CI，1.087~1.094）。

• Harrell C统计量结果表明，PREVENT方程具有极好的鉴别能力 (C 统计量= 0.890；95% C，0.881~0.898)。

• ROC曲线的结果也进一步验证，PREVENT方程具有优秀的鉴别能力。

图2 展示预测心血管事件风险评分对CVD和竞争风险（CR）死亡的ROC曲线

• 斜率的结果表明，该模型存在轻微的校准差异（斜率=1.13；95% CI， 1.06~1.21）。
  

图3 根据预测CVD风险评分，用观察和预测的风险百分比斜率的进行校准评估

基于NHANES分析，PREVENT方程比PCE方程性能更好

• 似然性检验结果证实，PREVENT方程的鉴别能力比PCE方程高。
  

• 重分类改善分析结果也显示，PREVENT方程的性能在统计学上显著优于PCE方程（NRI=0.093；95% CI，0.073~0.115）。

表1 将PCE风险评分重新分为PREVENT风险评分

综上所述，研究团队认为PREVENT方程预测性能良好，并且仅有轻微的校准差异。因此，该方程可作为心血管疾病风险预测的工具。

用NHANES数据库验证预测模型，影响因子好高！关注“公共数据库与孟德尔随机化”公众号，我们将持续分享有关NHANES数据库优质文献的发文思路！如果你也想用NHANES数据库发高分文章，却毫无头绪？那快快加入郑老师的NHANES课程，专业团队让你发文易如反掌！

关于郑老师统计团队及公众号

全国较大的线上医学统计平台，专注于医学生、医护工作者学术研究统计支持，我们是你们统计助理！

我们提供以下科研与统计服务：

①研究者发起的临床试验项目

②医院回顾性数据分析与预测模型

③医学数据库SEER、NHANES、GBD、孟德尔随机化等挖掘发表级数据

④预测模型、GBD、NHANES医学数据库挖掘1对1R语言指导

联系助教小董咨询（微信号aq566665）