一种预测心房颤动风险的简单方法

在12月3日的Annals of Internal Medicine杂志上发表的一项研究中，加州大学旧金山分校的科学家们指出，，一种普遍使用的心脏监护器，可能是预测心房颤动风险的简单工具。

　　

生物通报道：根据加州大学旧金山分校（UCSF）的研究者称，一种普遍使用的心脏监护器，可能是预测心房颤动风险的简单工具。心房颤动（Atrial fibrilation，AF），是一种最常见的心脏节律持续异常，或心律失常疾病，是心房呈无序激动和无效收缩的房性节律。考虑到心房颤动预防治疗的缺乏和许多风险因子的不变性，心房颤动预测模型还没有明确的临床应用。房性早搏（PACs）是源自心房或心脏两个上气室内过早发生的心跳，在心房颤动发病机制中起关键作用，是可以被改变的。

这项研究发表在12月3日的Annals of Internal Medicine杂志上。研究者发现，通过常规的24小时霍尔特氏心电动态监测仪检测显示有更多房性早搏的患者，其具有更高的心房颤动风险。霍尔特氏心电动态监测仪是一种手提式电子设施，用来连续监控一个人心脏的电活动。

本文的资深作者、UCSF内脏病学部门专门研究电生理学的医学副教授Gregory Marcus博士说：“我们力图确定，与弗雷明汉心脏研究中已构建的，但更为复杂的预测模型相比，PACs是如何预测心房颤动的。因为PCAs本身与心房颤动有一个因果关系，从理论上讲，根除它们——例如通过药物或一个导管消融术，实际上就能改变心房颤动的风险。”

具有心房颤动的人，可能不会表现出任何症状，但是这种情况能增加一个人心力衰竭或心脏病发作的风险。当快速的、任意的电信号引起心房不规则和快速收缩时，就会发生心房颤动。

Marcus和他的同事们，采用1260名无心房颤动的成人（65岁或者更老）中的一个随机子集，这些人在1989年和1990年之间，加入了国家心血管健康研究，他们都接受了24小时霍尔特氏心电动态监测仪监控。研究发现，这些以前没有被诊断为心房颤动的随机人群，如果具有更高的PAC计数——或者更多收缩，那么，他们发展为心房颤动的风险就会增高18%。

然后，研究者们将其结果与弗雷明汉心脏研究模型进行比较，后者这个模型采用包括身体质量指数（来自身高和体重）、人口统计信息、过去病史和心电图数据来计算风险预测。Marcus说：“我们发现，在对那些会还是不会最终发展为心房颤动的人进行识别时，PAC计数本身，与弗雷明汉模型一样好，或者更好。

Marcus说：“这项研究提供了一种预测心房颤动的相对简单而强大的方法，也为真正预防这种疾病的精准策略提供了一些线索，需要着重强调的是，这项研究并不旨在证明PACs和起始心房颤动之间存在的因果关系。”（生物通：王英）

生物通推荐原文摘要：
Atrial Ectopy as a Predictor of Incident Atrial Fibrillation: A Cohort Study
Background: Atrial fibrillation (AF) prediction models have unclear clinical utility given the absence of AF prevention therapies and the immutability of many risk factors. Premature atrial contractions (PACs) play a critical role in AF pathogenesis and may be modifiable.
Objective: To investigate whether PAC count improves model performance for AF risk.
Design: Prospective cohort study.
Setting: 4 U.S. communities.
Patients: A random subset of 1260 adults without prevalent AF enrolled in the Cardiovascular Health Study between 1989 and 1990.
Measurements: The PAC count was quantified by 24-hour electrocardiography. Participants were followed for the diagnosis of incident AF or death. The Framingham AF risk algorithm was used as the comparator prediction model.
Results: In adjusted analyses, doubling the hourly PAC count was associated with a significant increase in AF risk (hazard ratio, 1.17 [95% CI, 1.13 to 1.22]; P < 0.001) and overall mortality (hazard ratio, 1.06 [CI, 1.03 to 1.09]; P < 0.001). Compared with the Framingham model, PAC count alone resulted in similar AF risk discrimination at 5 and 10 years of follow-up and superior risk discrimination at 15 years. The addition of PAC count to the Framingham model resulted in significant 10-year AF risk discrimination improvement (c-statistic, 0.65 vs. 0.72; P < 0.001), net reclassification improvement (23.2% [CI, 12.8% to 33.6%]; P < 0.001), and integrated discrimination improvement (5.6% [CI, 4.2% to 7.0%]; P < 0.001). The specificity for predicting AF at 15 years exceeded 90% for PAC counts more than 32 beats/h.
Limitation: This study does not establish a causal link between PACs and AF.
Conclusion: The addition of PAC count to a validated AF risk algorithm provides superior AF risk discrimination and significantly improves risk reclassification. Further study is needed to determine whether PAC modification can prospectively reduce AF risk.