重审心血管风险评估中的种族/族裔变量：无种族/族裔 MESA 风险评分

重点提示

1. 原始 MESA 风险评分将种族/族裔与冠状动脉钙化（CAC）及传统心血管危险因素一起纳入，用于预测冠心病风险。
2. 新开发的“无种族/族裔”MESA 风险评分去除了种族/族裔变量，但保留了若干新的交互项，仍维持了预测性能。
3. 与原始模型相比，无种族/族裔评分的区分度和校准度相当，预测准确性差异无统计学意义。
4. 这提示在风险模型中可以不纳入种族/族裔而不降低临床实用性，也回应了对基于种族的风险分层的担忧。

研究背景

心血管疾病仍是全球发病和死亡的主要原因之一，因此需要精确的风险分层工具来用于预防和管理。多种族动脉粥样硬化研究（Multi-Ethnic Study of Atherosclerosis，MESA）风险评分被广泛用于估计 10 年冠心病（CHD）风险。原始 MESA 评分的一个关键特点是，将冠状动脉钙化（CAC）评分与传统心血管危险因素以及种族/族裔类别（White、Hispanic/Latino、Black、Chinese）一并纳入。然而，在临床算法中使用种族/族裔引发了伦理和方法学方面的担忧，包括可能强化健康差异，以及种族分类在生物学基础上的有限性。

研究设计

本研究对 MESA 队列数据进行了重新分析。该队列纳入了居住在社区、年龄 45～84 岁且既往无心血管疾病的成年人。作者采用原始的两步回归方法构建无种族/族裔 MESA 风险模型：首先使用最小绝对收缩和选择算子回归（least absolute shrinkage and selection operator，LASSO）进行变量筛选，随后使用岭回归以减少过拟合。值得注意的是，种族/族裔变量及其相关的任何交互项均未作为候选预测因子，从而可在不依赖种族分类的情况下评估模型表现。

主要发现

无种族/族裔 MESA 风险评分保留了部分原始评分中并不存在的交互项，提示其他变量及其交互作用可能弥补了此前归因于种族/族裔的预测贡献。

性能指标显示，无种族/族裔模型的受试者工作特征曲线下面积（area under the receiver operating characteristic curve，AUC）为 0.820（95% CI，0.801～0.840），与原始模型非常接近。AUC 差值为 0.0032（95% CI，-0.0008～0.0073），差异无统计学意义，支持两种模型具有相当的区分能力。

判别斜率作为风险分层能力的指标，在无种族/族裔评分中略有提高（0.101），而原始评分为 0.0937，提示事件与非事件之间的分离度有所增强。

两种模型均表现出良好的校准度，提示其对不同风险层级中的实际事件发生率均具有较准确的预测能力。

专家点评

研究结果强调，在不降低临床准确性的前提下，心血管风险预测算法有望去除种族/族裔变量。这与不断演变的建议一致，即由于担心加剧健康差异以及种族本质上属于社会建构，不应在临床算法中常规使用种族变量。

在排除种族/族裔后仍可保持预测准确性，说明基础临床变量和影像学变量，以及更细致的交互作用，足以捕捉通常与种族/族裔类别相关的风险因素。

然而，本研究也存在局限性，包括仅聚焦于原始 MESA 队列中的四个特定种族/族裔群体，以及非种族变量可能未能充分捕捉表型风险异质性。仍需在更为多样的外部人群中进一步验证。

结论

本研究为无种族/族裔 MESA 冠心病风险评分提供了重要证据，其预测性能与原始模型相近。将种族/族裔从预测模型中移除，可能有助于促进心血管风险评估的公平性，并在不强化基于种族的分类的前提下指导临床决策。

未来研究应重点关注外部验证、在不同人群中的临床影响评估，以及探索影响心血管风险的其他社会和环境决定因素，以进一步提升个体化预测能力。

研究资助与 ClinicalTrials.gov

本研究基于多种族动脉粥样硬化研究（MESA）队列的数据。此次二次分析的具体资助来源未作详细说明。原始 MESA 队列的 ClinicalTrials.gov 注册信息可查（NCT00005487）。

参考文献

White Q, Hansen S, Murphy BS, Johnson C, DeFilippis A, Post W, McClelland R. Reevaluating the Use of Race/Ethnicity in the MESA Risk Score. J Am Heart Assoc. 2026 Jul 7;15(13):e047013. doi: 10.1161/JAHA.125.047013. Epub 2026 Jul 3. PMID: 42396766.