European Heart Journal
癌症幸存者心血管风险预测模型的系统评价与荟萃分析
小赛推荐：
本研究揭示了现有模型在 血液系统恶性肿瘤 患者中的预测效能不足，提示在构建 心血管疾病 动物模型或进行临床前评估时，需特别关注治疗暴露史与异质性因素的整合。
文献概述
本文《Cardiovascular risk–prediction models in cancer survivors: a meta-analysis》，发表于《European Heart Journal》杂志，系统探讨了针对癌症幸存者的心血管风险预测模型的性能差异。文章回顾了34项研究，涵盖近百万癌症幸存者，评估了27种通用及癌症特异性风险评分在预测血管事件、癌症治疗相关心脏功能障碍（CTRCD）、心律失常及复合心血管事件中的表现。结果显示，约三分之一的模型评估达到了可接受的区分度，且模型性能在不同癌症类型间存在显著异质性。背景知识
随着癌症生存率的提高，心血管疾病 已成为癌症幸存者主要的死亡原因之一。然而，目前临床常用的 风险预测模型 多基于普通人群构建，未能充分纳入化疗、放疗及靶向治疗等特异性暴露因素，导致在 癌症幸存者 群体中常出现风险低估或预测不准的问题。特别是对于 血液系统恶性肿瘤 患者，由于治疗方案的复杂性和炎症状态的差异，现有 靶点 或评分系统的适用性面临巨大挑战。本研究旨在通过大规模荟萃分析，明确不同模型在特定 疾病 亚群中的效能，为优化临床风险分层策略提供循证依据，并指出未来开发整合治疗暴露数据的新型预测工具的必要性。
研究方法与核心实验
作者采用了系统评价与荟萃分析的方法，检索了PubMed、Embase等数据库，筛选出34项包含外部验证的原创研究，涉及983,438名成年癌症幸存者。研究将心血管结局分为血管事件、CTRCD/心力衰竭、心律失常及复合事件四类，并对比了18种通用人群模型与9种癌症特异性模型的性能。关键证据通过随机效应模型汇总了曲线下面积（AUC）及分类指标（敏感性、特异性）。研究发现，通用模型如SCORE和QRISK3在预测 血管事件 方面表现尚可，但在预测CTRCD时敏感性普遍较低。相比之下，癌症特异性模型如HFA-ICOS在特定结局上显示出高特异性，但缺乏敏感性。关键结论与观点
研究意义与展望
该研究从科研视角指出，单一的风险评分无法满足所有癌症亚群的需求。对于 药物开发 而言，在评估新型抗癌药的 心脏毒性 时，需结合特异性风险因素进行分层监测。在 临床监测 策略上，建议采用“串联测试”策略，即结合高敏感性模型进行初筛，再辅以高特异性模型或生物标志物确认。此外，研究强调了利用人工智能整合多组学数据构建高维非线性模型的潜力，这将有助于提升对复杂 疾病 机制的理解和预测精度。
结语
本研究通过大规模荟萃分析，全面评估了现有心血管风险预测工具在癌症幸存者中的表现，揭示了通用模型与癌症特异性模型在不同癌种间的效能差异。研究明确指出，针对 血液系统恶性肿瘤 等复杂亚群，现有工具的预测能力有限，亟需开发整合治疗暴露史的新型模型。这一发现为从实验室到临床的转化研究提供了重要方向：未来的 疾病建模 和风险评估体系必须超越传统的风险因素，深入整合抗癌治疗的特异性毒性数据。通过优化风险分层策略，临床医生能够更精准地识别高危患者，实施早期干预，从而改善癌症幸存者的长期生存质量，构建更加完善的 心血管疾病 综合照护体系。
