
比较 Life’s Simple7、Life’s Essential8和 Life’s Crucial9复杂性对死亡率预测的影响

1.第一段–文章基本信息
文章题目:Comparative Discrimination of Life’s Simple 7, Life’s Essential 8, and Life’s Crucial 9: Evaluating the impact of added complexity on mortality prediction
中文标题:Life’s Simple 7、Life’s Essential 8 和 Life’s Crucial 9 的比较判别:评估增加的复杂性对死亡率预测的影响
发表杂志:BMC Medicine
影响因子:1区,IF=7.0
发表时间:2025年5月
2.第二段–研究思路
本研究思路
本研究旨在比较美国心脏协会(AHA)提出的三种心血管健康(CVH)评估工具——Life’s Simple 7(LS7)、Life’s Essential 8(LE8)和Life’s Crucial 9(LC9)——在预测全因死亡率、心脑血管疾病(CCD)死亡率和心血管疾病(CVD)死亡率方面的有效性。研究使用了2005—2018年国家健康与营养调查(NHANES)中的22382名参与者的数据。通过Cox比例风险回归模型分析这些CVH评分与死亡率之间的关联,并利用受试者工作特征(ROC)曲线和曲线下面积(AUC)值评估各指标的预测性能。结果显示,尽管LE8和LC9在LS7的基础上增加了睡眠健康和心理健康等额外指标,但LS7凭借其更简单的评分和较少的组成,在预测死亡率方面与LE8和LC9表现相当,这表明LS7是一个更实用的临床和公共卫生应用工具。
3.第三段-Introdction
背景
心血管疾病(CVD)对公共卫生造成了重大负担,影响约10%的美国成年人,并占年度死亡人数的近25%。到2019年,CVD相关死亡人数已上升至1860万,较前30年增长超过50%,部分原因是人口老龄化。预计到2050年,65岁及以上人口将达到3.66亿,占全球人口的26.1%。CVD发病率的增加给全球医疗系统带来了巨大压力。2010年,美国心脏协会(AHA)引入了Life’s Simple 7(LS7)评分,用于评估心血管健康,涵盖吸烟、体重指数(BMI)、体力活动、总胆固醇、血压、空腹血糖和饮食等7个关键可改变风险因素。随后,Life’s Essential 8(LE8)增加了睡眠健康,Life’s Crucial 9(LC9)进一步纳入心理健康。研究表明,坚持健康生活方式可显著降低慢性疾病风险,但目前尚不清楚这些更新的指标(尤其是LE8和LC9)是否能显著改善死亡风险预测。
4.第四段-Methods
方法
本研究最初纳入了2005—2018年NHANES的70,190名参与者。排除年龄小于20岁(n=30,441)的个体,因为LS7、LE8和LC9指标是专门为评估成年人的心血管健康而设计的。此外,还排除了怀孕的参与者(n=708)、基线时患有心血管疾病(n=4,441)和癌症(n=2,836)的个体。经过这些排除后,剩下31,764名参与者符合进一步分析的条件。在这些参与者中,因缺少LC9评分所需的至少一个组成部分的数据(需要8个或9个组成部分的数据才能计算LC9评分),排除了9,342名参与者。经过这一排除后,基线时有22,422名参与者具有完整的LC9数据。随后,因不符合死亡率链接的资格(由于缺乏足够的识别数据或随访不完整)而排除了40名参与者,最终纳入生存分析的研究人群为22,382名参与者。
暴露:心血管健康指标
本研究评估了美国心脏协会开发的三种心血管健康(CVH)指标:Life’s Simple 7(LS7)、Life’s Essential 8(LE8)和Life’s Crucial 9(LC9)。LS7基于七个组成部分(吸烟、BMI、体力活动、总胆固醇、血压、空腹血糖和饮食),每个部分按差、中等或理想健康分为0、1或2分,总分0到14分,分数越高表示心血管健康状况越好。LE8在2022年推出,增加了睡眠健康,并更新了饮食和吸烟状态的定义,评分范围为0到100,各组成部分贡献相等。LC9进一步纳入心理健康(通过PHQ-9评估),评分同样为0到100,需至少八个组成部分的数据,总分是可用组成部分分数的平均值。
结局: 死亡率
本研究的结局包括全因死亡率、心脑血管疾病(CCD)死亡率和心血管疾病(CVD)死亡率。死亡率数据来自与NHANES链接的国家死亡指数(NDI),该指数为NHANES参与者提供了详细的死亡状态和死因信息。随访期从NHANES体检日期开始,直至2019年12月31日。使用国际疾病分类第十版(ICD-10)代码对特定原因的死亡率进行分类。心血管死亡率通过ICD-10代码I00–I09、I11、I13和I20–I51识别,而CCD死亡率还包括脑血管疾病代码(I60–I69)。NHANES与NDI的链接提供了经过验证且可靠的死亡率数据来源。
协变量
年龄、性别、种族/民族、教育水平、婚姻状况、家庭贫困收入比(PIR)、饮酒状态
统计学方法
本研究采用NHANES分析指南,通过R软件的“survey”包纳入样本权重、分层和初级抽样单位(PSUs),以调整调查设计。分析包括描述性统计(连续变量以均值和标准误表示,分类变量以频率和百分比表示),并利用箱线图和皮尔逊相关性分析评估LE8和LC9与LS7的关系。通过分层计算标准化死亡率(每1000人年),并采用Cox比例风险回归模型分析CVH指标(LS7、LE8和LC9)与死亡率的关联。模型调整了潜在混杂因素,报告了风险比(HRs)和95%置信区间。使用限制性立方样条(RCS)回归模型评估剂量-反应关系,并通过ROC曲线和AUC值评估预测能力。两次敏感性分析分别排除了早期死亡参与者和仅纳入完整LC9数据的参与者,以验证结果的稳健性。所有统计分析使用R软件完成,显著性水平为p<0.05。
5.第五段-Results
结果
研究人群的一般特征
表 1 总结了研究人群 (n = 22,382) 的基线特征。参与者的平均年龄为 45.23 ± 0.23 岁,其中 51.53% 为女性。种族/民族构成包括 67.64% 的非西班牙裔白人、10.92% 的非西班牙裔黑人和 21.43% 的其他种族/族裔群体。CVH 评分导致平均 LS7 得分为 8.47 ± 0.04,其中 20.29% 得分≤ 4,5.22% 得分≥ 11。平均 LE8 得分为 68.92 ± 0.25,24.12% 的参与者得分低于 50。对于 LC9,平均得分为 71.51 ± 0.23,其中 5.91% 得分低于 50。


死亡率
在中位随访时间为7.75年(IQR:4.42–11.08)期间,共记录到1,483例全因死亡、405例心脑血管疾病(CCD)死亡和337例心血管疾病(CVD)死亡。随着CVH评分的增加,全因、CCD和CVD死亡率均显著降低。例如,LS7得分≤4的参与者全因死亡率为16.57/1000人年,而得分≥11的参与者死亡率降至4.06/1000人年;CCD和CVD死亡率也呈现类似趋势,从最低分组的4.42和3.92/1000人年分别降至最高分组的1.14和1.12/1000人年。

CVH评分与死亡率的关联
在研究中,Life’s Simple 7(LS7)、Life’s Essential 8(LE8)和Life’s Crucial 9(LC9)均显示出与心血管健康显著相关的死亡风险降低效果。具体而言,LS7得分≥11的参与者相比得分≤4的参与者,全因死亡风险降低65%,心脑血管疾病(CCD)死亡风险降低66%,心血管疾病(CVD)死亡风险降低61%,且每增加1分,全因死亡风险降低12%。对于LE8,得分>79.9的参与者相比得分<50的参与者,全因死亡风险降低62%,CCD死亡风险降低68%,CVD死亡风险降低66%,每增加10分,全因死亡风险降低21%。LC9得分>79.9的参与者相比得分<50的参与者,全因死亡风险降低68%,CCD死亡风险降低76%,CVD死亡风险降低75%,每增加10分,全因死亡风险降低24%。这些结果表明,较高的CVH评分与显著降低的死亡风险相关,且LC9在降低死亡风险方面表现最为显著。

预测准确性
在预测全因死亡率方面,LS7的AUC值为0.68(95%CI:0.66–0.70),略高于LE8(0.67,95%CI:0.65–0.69)和LC9(0.67,95%CI:0.65–0.69)。在预测CCD和CVD死亡率方面,三种指标的预测性能相似。此外,将LS7、LE8和LC9加入基线模型(包括年龄、性别、种族/民族等)后,5年全因死亡率的预测性能显著提高,但实际提升幅度较小,表明这些指标在预测死亡率方面具有一定的价值,但其改进效果有限。

敏感性分析
敏感性分析进一步验证了研究结果的稳健性。首先,排除了随访前两年内死亡的参与者后,LS7、LE8和LC9与死亡率的关联依然显著,表明早期死亡事件并未对结果产生显著偏差。其次,仅分析基线时具有完整LC9数据的参与者时,结果与主要分析一致,表明更全面的CVH评估对结果无显著影响。这些分析结果进一步支持了主要研究结论的可靠性。
6.第六段–结论与启发
结论与启发
结论
本研究显示,Life’s Simple 7(LS7)、Life’s Essential 8(LE8)和Life’s Crucial 9(LC9)均能有效预测全因死亡率、心脑血管疾病(CCD)死亡率和心血管疾病(CVD)死亡率。尽管LE8和LC9通过增加睡眠健康和心理健康等额外成分,提供了更全面的心血管健康评估,但这些复杂性并未显著提高预测准确性。相比之下,LS7凭借其更简单的结构和评分系统,在预测死亡率方面与LE8和LC9表现相当。因此,LS7仍然是一个实用且可靠的工具,适用于临床和公共卫生领域,以改善心血管健康并降低死亡率。
【光速科研启发】
选题:研究聚焦于比较Life’s Simple 7(LS7)、Life’s Essential 8(LE8)和Life’s Crucial 9(LC9)三种心血管健康(CVH)评估工具对全因死亡率、心脑血管疾病(CCD)死亡率和心血管疾病(CVD)死亡率的预测能力,填补了直接比较这三种工具在死亡率预测方面有效性的研究空白,具有重要的临床和公共卫生意义。
统计学:采用Cox比例风险回归模型评估LS7、LE8和LC9评分与死亡率之间的关联,并通过Schoenfeld残差检验验证比例风险假设。为揭示剂量-反应关系,使用限制性立方样条(RCS)回归模型分析CVH评分与死亡率的关系。此外,通过受试者工作特征(ROC)曲线和曲线下面积(AUC)值评估各指标的预测性能,并进行DeLong检验比较不同模型间的AUC差异。
数据库:利用国家健康与营养调查(NHANES)数据库,确保样本的全国代表性及数据的丰富性。通过严格排除不符合条件的参与者(如年龄小于20岁、基线患有CVD或癌症、数据缺失等),提高样本质量,为研究提供坚实基础。
启发:研究提示在评估心血管健康和死亡风险时,LS7作为一种简单易用的工具,与更复杂的LE8和LC9具有相当的预测能力,更适合临床和公共卫生应用。通过亚组分析,发现特定人群(如高CVH评分者)中CVH指标与死亡率的关联更为显著,为个性化干预提供依据。此外,研究结果强调了在大规模人群中使用简单指标进行心血管健康评估的可行性,有助于推动公共卫生干预措施的实施。