CC BY
40ПЕРЕДОВАЯ СТАТЬЯ
© Коллектив авторов, 2013
Моделирование риска развития сердечно-сосудистых заболеваний и их осложнений на индивидуальном и групповом уровнях
С.А. БОЙЦОВ, С.А. ШАЛЬНОВА, А.Д. ДЕЕВ, А.М. КАЛИНИНА
ГНИЦ профилактической медицины Минздрава России
Simulation of a risk for cardiovascular diseases and their events at individual and group levels
S.A. BOITSOV, S.A. SHALNOVA, A.D. DEEV, A.M. KALININA
State Research Center of Preventive Medicine, Ministry of Health of Russia, Moscow
Аннотация
Одним из важнейших достижений эпидемиологии хронических неинфекционных заболеваний в настоящее время следует признать переход от выявления отдельных факторов риска к оценке общего или суммарного риска, иными словами к созданию прогностических моделей. Представлен сравнительный анализ основных современных прогностических алгоритмов оценки риска развития сердечно-сосудистых заболеваний и их осложнений, недостатки и преимущества таких алгоритмов. Авторы обосновывают необходимость создания национальных моделей риска, в том числе с включением наиболее перспективных новых показателей.
Ключевые слова: хронические неинфекционные заболевания, факторы риска, моделирование риска развития сердечнососудистых заболеваний и их осложнений.
The transition from the identification of individual risk factors to the assessment of an overall or total risk, in other words, to the creation of prognostic models should be now recognized to be one of the most important achievements in the epidemiology of chronic noncommunicable diseases. The paper comparatively analyzes major current prognostic algorithms for assessing the risk of cardiovascular diseases and their events and the advantages and disadvantages of these algorithms. The authors provide evidence that it is necessary to create national risk models, including the most promising new indicators.
Key words: chronic noncommunicable diseases, risk factors, simulation of a risk of cardiovascular diseases and their events.
АГ — артериальная гипертония САД — систолическое АД
АД — артериальное давление СД — сахарный диабет
вч-СРБ — С-реактивный белок, определенный высокочув- ССЗ — сердечно-сосудистые заболевания
ствительным методом ФИ — Фрамингемское исследование
ГЛЖ — гипертрофия левого желудочка ФП — фибрилляция предсердий
ИБС — ишемическая болезнь сердца ФР — фактор риска
ИМ — инфаркт миокарда ФШ — Фрамингемская шкала
ЛПВП — липопротеиды высокой плотности ХС — холестерин
НИЗ — неинфекционные заболевания ЭКГ — электрокардиограмма
Во второй половине прошлого века возникла и стала бурно развиваться эпидемиология сердечно-сосудистых заболеваний (ССЗ). Сначала сердечно-сосудистые, затем и другие хронические неинфекционные заболевания (НИЗ) стали ведущей причиной смертности населения экономически развитых стран, и был даже введен термин «эпидемия НИЗ». Особенностью данной эпидемии является ее постоянство, практическая невозможность излечить НИЗ и патогенетический, но не этиологический характер лечения, поскольку не определены первичные причины заболеваний, хотя имеются многочисленные гипотезы их развития, базирующиеся в том числе на дан-
Сведения об авторах:
Бойцов Сергей Анатольевич — дир. ГНИЦ профилактической медицины
Деев Александр Дмитриевич — рук. лаб. биостатистики Калинина Анна Михайловна — рук. отд. профилактики в первичном звене здравоохранения
ных геномики, протеомики и метаболомики. Вместе с тем к настоящему времени накоплено достаточно научных знаний, позволяющих констатировать наличие факторов, которые способствуют развитию и прогрессированию этих заболеваний, так называемых факторах риска (ФР).
С 1961 г., когда были опубликованы первые результаты Фрамингемского исследования (ФИ), началась эра изучения ФР, а коронарная, или ишемическая, болезнь сердца (ИБС) названа в качестве ведущей причины смерти в США [1]. В этой работе авторы впервые показали, что риск развития ИБС связан с артериальной гипертонией (АГ), повышенным уровнем холестерина (ХС) и электрокардиографическими признаками гипертрофии левого желудочка (ГЛЖ). В настоящее время эти и другие дан-
Контактная информация:
Шальнова Светлана Анатольевна — рук. отд. эпидемиологии хронических неинфекционных заболеваний; тел.: +7(903)238-8783; e-mail: sshalnova@gnicpm.ru
ные, полученные в ФИ, считаются само собой разумеющимися, но тогда, в начале 60-х годов, они были действительно новыми.
ФИ было первым исследованием, пролившим свет на многие из основных понятий, касающихся прогнозирования риска развития ИБС, и рассеяло множество заблуждений. Например, ожирение до тех пор не считалось важным ФР развития ССЗ, но именно ФИ подтвердило, что ожирение способствует развитию многих важных ФР, таких как повышенный уровень ХС и липопротеидов, АГ и сахарный диабет (СД). Кроме того, это исследование доказало, что риск развития ИБС зависит от числа выкуриваемых в день сигарет, а отказ от курения быстро снижает риск развития инфаркта миокарда (ИМ), что указывает на связь между курением и коронарным тромбозом [1].
Одним из важнейших достижений эпидемиологии НИЗ в настоящее время следует признать переход от оценки отдельных ФР к оценке общего, или суммарного, риска, иными словами к созданию прогностических моделей. Результаты, полученные в ФИ, позволили разработать методику многомерного моделирования риска развития ССЗ и их осложнений, и с помощью метода логистической регрессии уже в 1976 г. создана первая система прогнозирования суммарного риска развития ИБС.
Определение общего риска развития ИБС в ранних крупных эпидемиологических исследованиях вызвало интерес к возможности определения индивидуального риска развития ИБС у пациентов с целью предупреждения этого заболевания [2].
В 1998 г. P. Wilson и соавт. [3] опубликовали результаты исследования, в котором совместно с Joint National Committee (JNC-V) blood pressure and National Cholesterol Education Program (NCEP) изучали ассоциации ФР с вероятностью развития ИБС. Кроме отмеченных ассоциаций риска развития ИБС с уровнем артериального давления (АД) и ХС, авторы оценили относительный и атрибутивный риск других показателей, включая курение, СД и возраст. Используя множественную регрессию, они разработали алгоритм, позволяющий прогнозировать риск развития ССЗ и их осложнений, основанный на данных этого исследования. Результатом этой работы явилась Фрамингемская система (шкала; ФШ) риска Framingham Risk Score (FRS), с помощью которой измеряют 10-летний риск развития ИБС (стенокардия, ИБС, ИМ и смерть от ССЗ). Данная шкала риска валидизирована [4] и широко используется в США и Канаде.
Вместе с тем, несмотря на то что данная шкала является краеугольным камнем превентивной кардиологии, она имеет ряд ограничений. Главный предмет критики — ограничения по применению ее в других популяциях, поскольку Фрамингемская когорта состоит в большинстве своем из американских семей — представителей европеоидной расы, которые по своему социальному статусу относятся к среднему классу. Впервые оценку суммарного риска на основе Фрамингемской когорты для выбора пациентов, нуждающихся в антигипертензивном лечении, использовала группа экспертов Новой Зеландии [5]. Авторы сделали заключение, что использование этой шкалы дает результаты, соответствующие реальным в данном регионе. В то же время сами авторы ФШ риска предупреждали, что результаты необходимо с осторожностью экстраполировать на другие популяции [6]. Показано совпа-
дение прогнозируемого и наблюдаемого риска в когортах представителей европеоидной расы и афроамериканцев, чего нельзя сказать о когортах американцев японского, испанского происхождения или коренного населения США [7]. B настоящее время имеется достаточное количество публикаций, свидетельствующих о том, что при использовании данных ФШ риска, например в Европейском регионе, наблюдаемый абсолютный риск часто существенно ниже, чем прогнозируемый с помощью ФШ, т.е. происходит завышение реального абсолютного риска [8—11]. В частности, Р. Brindle и соавт. [12], которые наблюдали за когортой мужчин, принимавших участие в British Regional Heart Study в течение 10 лет, показали, что использование ФШ в британской когорте привело к завышению абсолютного риска коронарной смерти на 47%, а суммарного показателя фатальных и нефатальных коронарных осложнений — на 57%.
В 2003 г. группой экспертов Европейского и других обществ кардиологов представлена шкала SCORE (Systematic Coronary Risk Evaluation), разработанная на основе результатов европейских исследований. Были предложены варианты шкалы для стран с низким и высоким уровнем смертности от ССЗ [13]. В то же время указано, что оценка суммарного риска с помощью базы данных SCORE может и должна быть адаптирована в зависимости от национальных условий, ресурсов и приоритетов, так как она учитывает гетерогенность сердечно-сосудистой заболеваемости и смертности в различных европейских популяциях. Шкалу SCORE следует рассматривать как основу, на базе которой могут быть проведены все необходимые адаптирующие изменения для более полного учета местных социально-экономических условий и условий системы здравоохранения. Так, совсем недавно опубликованы результаты сравнения двух моделей Фрамингем-ской (FRS) и Европейской шкалы SCORE [14]. Авторы представили данные об использовании FRS и SCORE по прогнозированию коронарных осложнений у британских мужчин в возрасте 40—59 лет в зависимости от социального статуса и показали, что во всех социальных стратах обе шкалы давали превышение риска.
Особенность этой модели состоит в том, что риск выражается посредством расчета абсолютной вероятности развития фатального сердечно-сосудистого осложнения в ближайшие 10 лет. Приоритетными клиническими группами для врачей являются пациенты с установленным диагнозом ССЗ и лица с высоким риском развития этих заболеваний.
Основные ФР, формирующие суммарный риск и влияющие на прогноз, могут быть определены при относительно простом скрининговом обследовании с использованием обычных стандартных методов. Исходя из результатов первичного скринингового обследования можно выделить группы риска по уровню абсолютного риска (по многомерной модели) и уровню относительного риска (по отношению к типичному представителю данной группы населения или по отношению к любой другой рефе-ренсной группе).
Шкала SCORE является также одним из самых удачных примеров автоматизированных систем оценки риска, так как она существует как в электронном виде на сайтах, так и распространяется в форме дисков для установки на стационарных компьютерах.
С целью повышения точности шкалы авторы SCORE внесли в модель дополнительно новый фактор — ХС ли-попротеидов высокой плотности (ЛПВП) [15].
В последние годы интерес вырос к использованию новых биомаркеров для повышения точности прогнозирования риска развития ССЗ и их осложнений. Уровень С-реактивного белка, определенный высокочувствительным методом (вч-СРБ), является одним из самых обещающих в силу как простоты определения, так и хорошей прогностической способности. Так, The Reynolds Risk Score (RRS), первоначально созданная и валидизирован-ная для группы здоровых женщин, позволяет прогнозировать сердечно-сосудистые осложнения, включив вч-СРБ и семейный анамнез ИМ у родителей моложе 60 лет в алгоритм FRS с традиционными ФР [16]. При добавлении этих показателей от 40 до 50% женщин с промежуточным (средним) риском согласно модели FRS (от 5 до 10% и от 10 до 20%) отнесены к группе высокого или низкого риска. Такие результаты позволили существенно улучшить прогностическую точность. Успех этого калькулятора у женщин обусловил разработку подобного алгоритма у мужчин. При этом 16,7% исследуемой популяции переклассифицировано в группы низкого и высокого риска
[17].
Авторы ФШ оценки риска на основании многолетних наблюдений предложили модифицированный вариант шкалы, позволяющий оценивать риск развития ССЗ в течение 30 лет, что, как считают авторы, позволит дополнительно оценивать точность экономического ущерба и будет полезным при планировании развития здравоохранения [18].
De Filippis и соавт. [19] сравнили эффективность двух алгоритмов определения риска (FRS и RRS) для выявления субклинического атеросклероза в исследовании MESA (Multi-Ethnic Study of Atherosclerosis) на популяции более 5 тыс. человек. Оказалось, что обе шкалы позволяют прогнозировать возникновение и прогрессирование субклинического атеросклероза. Однако RRS дает дополнительную уточняющую информацию (13,7%) [19].
Одной из последних модификаций FRS стала ФШ оценки риска развития фибрилляции предсердий (ФП), которая включает оценку возраста, индекса массы тела, систолического АД (САД), факта лечения по поводу АГ, длительность интервала P—R на электрокардиограмме (ЭКГ), возраст регистрации шума в сердце, возраст развития стенокардии напряжения. Как и во всех ФШ, каждому параметру присваивается определенное количество баллов, которые затем суммируются и на основании суммарной оценки в баллах прогнозируется 10-летний риск развития ФП [20].
Весьма интересна также новая шкала оценки риска на основе степени кальцификации коронарных артерий по данным компьютерной томографии [21]. По результатам этого обследования определяют индекс кальцификации коронарных артерий как отражение степени развития в артериях атеросклероза, который имеет 3 градации: 0 — нет существенной обструкции просвета сосудов, и риск коронарных осложнений низкий, 1—100 — средний риск развития коронарных осложнений в ближайшие 5 лет, более 100 — высокий риск коронарных осложнений в течение 5 лет. Основным преимуществом данной шкалы является более короткий период прогнозирования по сравне-
нию с другими шкалами: 5 лет против 10 лет, а основным недостатком — невозможность применения для массовых обследований в первичном звене здравоохранения и воздействие рентгеновского излучения на человека. В некоторых исследованиях показано, что применение этого метода оценки повышает точность прогнозирования риска в дополнение к FRS (у некоторых лиц с низким и средним риском по FRS оказался высокий риск по данным оценки индекса кальцификации [22], по другим исследованиям никакого преимущества добавление этого затратного метода не выявлено [23]).
На основе результатов крупного когортного исследования Münster Heart Study, выполненного в Европе, построена шкала оценки риска развития ССЗ и их осложнений PROCAM [24, 25]. Эта шкала позволяет оценивать 10-летний риск развития коронарных осложнений как фатальных, так и нефатальных.
Copenhagen City Heart Study (10-лет наблюдения за датской популяцией) стала основой для разработки шкалы оценки риска развития коронарных осложнений и создания автоматизированной системы оценки риска PRECARD, переведенной на несколько европейских языков [26].
В настоящее время в литературе представлено достаточное количество других калькуляторов, из которых можно отметить шкалу оценки риска смерти Cooper. Особенностью этой шкалы является возможность прогнозирования риска смерти от всех причин у мужчин в течение 15 лет [27]. Шкала разработана на основе результатов проспективного исследования с участием 21 766 мужчин без анамнеза ИБС, инсульта и онкологического заболевания. Эта единственная в настоящее время зарубежная шкала, разработанная для прогнозирования риска смерти от всех причин и применения в реальной клинической практике.
Для нашей страны, в которой сохраняется очень высокая смертность среди лиц трудоспособного возраста, не имеющих доказанных ССЗ, точная и своевременная оценка риска имеет весьма большое значение. На основании отечественных проспективных многолетних наблюдений и использования обширной базы результатов российских исследований, выполненных в ГНИЦ профилактической медицины, создана отечественная шкала оценки риск фатальных сердечно-сосудистых осложнений в течение ближайших 10 лет, основанная на системе SCORE и построенная впервые для населения России. Разработанная шкала позволяет оценить и прогнозировать индивидуальный суммарный 10-летний риск смерти от ССЗ в российской популяции с учетом пола, возраста, курения, уровней САД, общего ХС и уровня образования и определить врачебную лечебную и профилактическую тактику в реальной клинической практике. Российская шкала суммарного риска составлена для мужчин и женщин, может быть легко использована на практике для оценки эффективности профилактических технологий [28].
Самарскими учеными разработана автоматизированная система для неинвазивного мониторинга степени риска развития ССЗ и их осложнений [29]. Для оценки степени этого риска в данной автоматизированной системе используют данные о САД, диастолическом и пульсовом АД пациента, учитывается частота сердечных сокращений, наличие аритмии, оценивается скорость распространения пульсовой волны, рассчитываются по-
казатели вязкости крови и гематокрита. Оценку степени риска развития ССЗ и их осложнений проводят с использованием оригинальной программы «Пульс» версия 2,0. Автоматизированная система позволяет в течение 2—3 мин неинвазивно прогнозировать риск развития атеросклероза и АГ, выявлять атеросклероз на ранних, доклинических стадиях (дисфункция эндотелия), а также контролировать клиническое течение атеросклероти-ческого процесса. Система предлагается для использования в том числе в домашних условиях. Основным недостатком программы является отсутствие верификации предложенного алгоритма оценки о рисках в крупных проспективных исследованиях.
Барнаульские исследователи разработали компьютерные программы комплексной оценки факторов риска, прогнозирующие вероятность ИМ «Автоматизированная система оценки ФР развития ССЗ (Риск)» и инсульта «Оценка ФР инсульта (Инсульт)» [30]. Одним из модулей этих программ явился алгоритм расчета риска на основании формул ФИ (Framingham) и PROCAM (Multiple Risk Factors Intervention Trial, Munster Heart Study), в которых использованы 9 переменных: возраст, курение, наличие стенокардии, семейный анамнез ИМ, уровень САД, ХС ЛПНП, ХС липопротеидов высокой плотности, тригли-церидов, наличие СД, ГЛЖ по данным ЭКГ. Риск развития инсульта рассчитывали по Фрамингемской формуле, риск развития ИМ — по формуле PROCAM. Недостатком предложенных автоматизированных систем является отсутствие валидизации формул расчета риска ФШ и PROCAM для российской популяции.
По результатам обследования когорты мужчин, государственных служащих, проведено сравнение различных прогностических моделей. При анализе распределений выявлена положительная линейная зависимость между частотой новых случаев и степенью выраженности суммарного риска, однотипная для 3 шкал (SCORE, ФШ, построенной на данных Российских исследований — CD RISK). Наиболее сильная положительная связь определяется между Российской шкалой CD RISK и европейской SCORE — коэффициент соответствия 0,91, тогда как корреляция с ФШ несколько слабее — коэффициент соответствия составил 0,74. Это, с одной стороны, указывает на большее сходство профиля риска обследованной когорты с профилем риска европейской популяции, а с другой — на необходимость разработки отечественных моделей риска [31].
В последние годы разработана технология оценки совокупного риска основных НИЗ («ОРИСКОН»), которая является оригинальной экспертной системой. В ней впервые оценивается риск развития основных хронических НИЗ, имеющих общие ФР и единые концептуальные основы профилактики [32]. Основные социально значимые НИЗ включают основные ССЗ (ИБС, цереброваскуляр-ную болезнь и другие ССЗ, связанные с атеросклерозом), онкологические заболевания, заболевания легких, эндокринные, заболевания органов пищеварения, а также ряд нестрого установленных причин.
Данная технология разработана на основе результатов 20-летнего проспективного наблюдения за большими контингентами населения, репрезентативными для России. Перечень параметров здоровья и факторов, его определяющих, и методы оценки состояния здоровья выбраны
и сформированы на основе принципов доказательной медицины и основаны на стандартных методах измерения, рекомендуемых экспертами ВОЗ.
Медицинская технология «ОРИСКОН» предназначена для применения в ходе профилактических обследований (диспансерных осмотров, скрининговых обследований) различных групп населения, в частности при профилактических обследованиях в первичном звене здравоохранения (в структурах медицинской профилактики, центрах здоровья), в блоках врачей общей практики, в медико-санитарных частях предприятий, мобильными врачебными бригадами.
Особенностью данной системы оценки риска является ее валидизация, которая осуществлена на независимой (контрольной) выборке московских данных программы многофакторной профилактики ИБС на примере неорганизованной популяции мужчин 40—69-летнего возраста [33, 34]. Сравнивали прогнозируемый риск смерти от ИБС и фактические данные. Полученные результаты свидетельствует о высокой степени совпадений и высокой прогностической значимости шкалы риска системы «ОРИСКОН» (х2=6,08 с 4 степенями свободы — _р>0,05). Аналогичные данные получены для смертности от НИЗ.
Прогнозирование риска может осуществляться не только на индивидуальном, но и на групповом (популя-ционном) уровне. В случае такой постановки задачи спрогнозировать исход (например, смерть) в обследованной группе (представительной выборке) необходимо наличие «переходной» функции, преобразующей профиль ФР в исход (смерть). Такая функция строится на основании независимого длительного проспективного наблюдения за исходом (смертью). В России пока доступны данные только одного Московско-Ленинградского (Петербургского) проспективного исследования, продолжающегося в Москве с 1975 г. поныне. В Санкт-Петербурге проспективное наблюдение прекращено в 2006 г. Следует отметить, что до настоящего времени мы не располагаем данными когортных исследований по изучению влияния факторов на число нефатальных исходов. За рубежом такие исследования проводятся непрерывно, начиная с конца 40-х годов XX века (ФИ). Российские данные (Московская выборка мужчин в возрасте 35 лет и старше; «=3500) использованы для построения шкалы Евро-SCORE для стран с высоким риском. Кроме того, на основе данных, полученных в исследовании в Москве—Ленинграде (Петербурге), построена Российская шкала риска. При этом необходимо иметь в виду, что данная шкала построена на основе данных 20-летней давности. Следует также признать, что поскольку смертность в Москве и Ленинграде (Петербурге) ниже, чем в России в целом, эта шкала, возможно, дает заниженную оценку риска развития ССЗ и их осложнений в регионах страны.
Очевидно, что в регионах с разной распространенностью ФР развития хронических НИЗ и разной смертностью, применение единой для всех шкалы будет заведомо давать ошибку в расчете величины риска. Более того, поскольку распространенность ФР и сама смертность со временем в том или другом регионе меняются, вероятность ошибки прогнозирования будет возрастать и в отношении того региона, выборка которого использовалась для разработки шкалы. Однако шкала может корректироваться при получении данных при наблюдении за распро-
страненностью ФР и числом исходов в обследованной выборке.
В качестве метода прогнозирования используется оценка выживаемости, полученная по референсной выборке, в регрессионной модели пропорционального риска Кокса. Параметры модели обычно оцениваются по этой референсной независимой выборке отдельно по полу и с учетом стратификации по образованию.
В выбранной модели Кокса предполагается, что интенсивность прогнозируемых состояний hi j(t, x) (смерть от основных социально значимых НИЗ) в каждой образовательной страте при фиксированном поле распадается (факторизуется) в произведение функции, зависящей только от времени t, на функцию экспоненциального типа, зависящую только от ФР х через профиль риска (линейную комбинацию факторов) обследуемого P'x:
h^ .(t, x)=\,/t)* exp(Pi'x), где i=1, 2 — номер когорты по полу (i=1 — мужчины, j=2 — женщины); j=1, 2, 3 — номер подкогорты по образованию (j=1 — низкое, j=2 — среднее, j=3 — высокое образование); li j(t) — функция только времени (своя для каждого пола и возраста); Pi — вектор регрессионных коэффициентов, характеризующий вклад факторов в профиль риска Pi'x (свой для каждого пола), независимой от образовательной страты.
Характерной особенностью модели пропорционального риска является независимость относительного риска от времени, а именно, если x1 и х2 — ФР двух субъектов, то относительный риск
R(x1,x2)=hi,j(t,x2)/ hij(t,x1)=exp(Pi(x2-x1) зависит только от разности профилей риска P/(x2 — х1) и не зависит ни от времени, ни от образования. При этом субъект с минимальным или средним для данного возраста профилем может быть объявлен референсным, относительно которого для субъекта с «текущим высоким» профилем хR могут быть даны профилактические рекомендации по снижению его профиля.
Абсолютный риск прогнозируемого состояния (смерти) за данный промежуток времени Т для субъекта с уровнем факторов х получается из соотношения: RRij(T,x)=1—Sij(T,xR)exP(b*(xr-x).
Параметры Pt и функции Si j(t,xR) оценены по выборке и табулированы.
В качестве примера можно привести моделирование риска смерти от ССЗ на основе предварительных данных, полученных в исследовании «Эпидемиология сердечнососудистых заболеваний в регионах Российской Федерации (ЭССЕ-РФ)». Для моделирования использовали 2 шкалы оценки риска: Европейскую шкалу SCORE, которая включает пол, возраст, САД, уровень ХС и курение, и Российскую шкалу на основе данных Москвы и Санкт-Петербурга, которая включает, кроме указанных факторов, диастолическое АД, полный липидный статус, пульс, индекс массы тела, статус ИБС.
Сравнение моделей, выполненных на основе Европейской шкалы риска SCORE и Российской «ОРИ-СКОН», проведено на примере Ивановской области (руководитель исследования ЭССЕ-РФ в Ивановской области — гл. врач областного кардиологического диспансера С.В. Романчук). Условия моделирования включали 3 сценария: положительную динамику (снижение) уровня САД на 5, 10 и 15 мм рт.ст. вследствие профилактических и лечебных вмешательств у больных АГ.
На рисунке, а показано, что проведение профилактических и лечебных вмешательств у больных АГ в популяции Ивановской области с разной степенью эффективности в зависимости от уровня снижения САД приводит к различной динамике суммарного, или общего, риска развития ССЗ (1) и смерти от ССЗ (2).
Аналогичный характер динамики величины риска и смертности получен при использовании Российской шкалы (см. рисунок, б). Однако моделирование риска развития ССЗ и смертности с использованием Российской шкалы, опирающейся на большее количество переменных, а значит потенциально дающей меньшую вероятность ошибки, демонстрирует более выраженное снижение риска (1) и смертности от ССЗ (2).
Данный подход можно использовать для оценки ожидаемых результатов при различных вариантах профилактического вмешательства по снижению частоты курения, снижения уровня ХС и других ФР, для которых имеется оценка функции риска. Кроме того, метод позволяет провести многокомпонентную оценку, когда профилактическое вмешательство направлено одновременно на несколько ФР.
К сожалению, мы не располагаем данными оценки риска в зависимости от уровня физической активности, компонентов питания и других показателей. Получение подобных данных является первостепенной задачей крупнейшего за последнее время эпидемиологического исследования «Эпидемиология сердечно-сосудистых заболеваний и их факторов риска в различных регионах страны (ЭССЕ-РФ)», к которому присоединяются все новые регионы.
Вместе с тем расчеты и опыт многих стран показывают, что необходимо выполнение 2 основных условий: многофакторная модель профилактики (причем включающая коррекцию максимально возможного числа ФР) и максимально возможное снижение выраженности ФР.
Заключение
С момента опубликования первых результатов ФИ наши представления о риске развития ССЗ и их осложнений претерпели существенные изменения. В настоящее время медицинская наука продвинулась от простого выявления различных ФР к более сложному пониманию патофизиологических звеньев, лежащих в основе риска развития заболеваний и их осложнений. Разработаны рекомендации, позволяющие контролировать ФР с целью предупреждения НИЗ, имеются отчетливые доказательства, что чем раньше начинается вмешательство, тем лучше. Выявление пациентов из группы высокого риска в молодом возрасте позволит оптимизировать профиль ФР в среднем возрасте и предупредить или отсрочить развитие ССЗ. Современная стратегия профилактики ССЗ основана на определении суммарного, или общего, риска развития ССЗ и их осложнений. Вместе с тем очевидна необходимость развития данного направления, продолжения исследований по изучению механизмов реализации риска и внедрения новых технологий, разрабатываемых на основе новых знаний, в профилактическую медицину. В настоящее время в мире проводится более 30 эпидемиологических исследований с применением методов
Моделирование риска и динамики смертности от ССЗ в зависимости от различных сценариев снижения САД на основе данных, полученных в исследовании ЭССЕ (Ивановская область).
а — Европейская шкала; б — Российская шкала; 1 — ожидаемая динамика риска развития ССЗ, 2 — ожидаемая динамика смертности от ССЗ.
полногеномного или полноэкзомного секвенирования, а также методов эпигенетики. Есть основания полагать, что результаты этих исследований позволят не только в большей степени персонализировать оценку величины риска, но и осуществлять более раннее прогнозирование.
Шкалы оценки величины риска позволяют оценить не только индивидуальный риск, но и провести моделирование развития эпидемиологической ситуации в зависимости от выбранного варианта профилактического вмешательства.
ЛИТЕРАТУРА
1. Kannel W.B., Dawber T.R., Kagan A. et al. Factors of risk in the development of coronary heart disease — six year follow-up experience. The Framingham Study. Ann Intern Med 1961; 55: 33—50.
2. Dawber T.R. Identification of excess cardiovascularrisk. A practical approach. Minn Med 1969; 52: 1217—1221.
3. Wilson P. W., D'Agostino R.B., Levy D. et al. Prediction of coronary heart disease using risk factor categories. Circulation 1998; 97: 1837—1847.
4. Eichler K, Puhan M.A., Steurer J. et al. Prediction of first coronary events with the Framingham score: A systematic review. Am Heart J 2007; 153: 722—731.
5. Jackson P.R. Updated New Zealand cardiovascular disease risk-benefit prediction guide. Br Med J 2000; 320: 709—710.
6. Anderson K.M., Wilson P. W., Odell P.M., Kannel W.B. An updated coronary risk profile. A statement for health professionals. Circulation 1991; 83: 356—362.
7. D'Agostino R.B. Sr., Grundy S., Sullivan L.M., Wilson P. CHD Risk Prediction Group. Validation of the Framingham coronary heart disease prediction scores: results of a multiple ethnic groups investigation. JAMA 2001; 286: 180—187.
8. Menotti A., Puddu P.E., Lanti M. Comparison of the Framingham risk function-based coronary chart with risk function from an Italian population study. Eur Heart J 2000; 21: 365—370.
9. Marrugat J., D'Agostino R., Sullivan L. et al. An adaptation of the Framingham coronary heart disease risk function to European Mediterranean areas. J Epidemiol Comm Health 2003; 57: 634—638.
10. Hense H.W., Schulte H, Lowel H. et al. Framingham risk function overestimates risk of coronary heart disease in men and women from Germany — results from MONICA Augsburg and the PROCAM cohorts. Eur Heart J 2003; 3: 1—9.
11. Thomsen T.F., McGee D., Davidsen M., Jorgensen T. A cross-validation of risk-scores for coronary heart disease mortality based on data from the Glostrup Population Studies and Framingham Heart Study. Int J Epidemiol 2002; 31: 817—822.
12. Brindle P., Emberson J., Lampe F. et al. Predictive accuracy of the Framingham coronary risk score in British men: prospective cohort study. Br Mtd J 2003; 327: 1267—1270.
13. Conroy R.M., Pyorala K, Fitzgerald A.P. et al. Estimation of ten-year risk of fatal cardiovascular disease in Europe: the SCORE project. Eur Heart J 2003; 24: 987—1003.
14. Ramsay S.E., Morris R.W., Whincup P.H. et al. Prediction of coronary heart disease risk by Framingham and SCORE risk assessments varies by socioeconomic position: results from a study in British men. Eur J Cardiovasc Prev Rehabil 2011; 18 (2): 186— 193.
15. ESC/EAS Guidelines for the management of dyslipidaemias. Eur Heart J 2011; 32 (14): 1769—1818.
16. Ridker P.M., Buring J.E., Rifai N, Cook N.R. Development and validation of improved algorithms for the assessment of global cardiovascular risk in women: the Reynolds Risk Score. JAMA 2007; 297: 611—619.
17. Ridker P.M., Paynter N.P., Rifai N. et al. C-reactive protein and parental history improve global cardiovascular risk prediction: the Reynolds Risk Score for men. Circulation 2008; 118: 2243—2251.
18. Pencina M.J., D'Agostino R.B., Larson M.G. et al. Predicting the 30-year risk of cardiovascular disease. The Framingham Study. Circulation 2009; 119: 3078—3084.
19. DeFilippis A.P., Blaha M.J., Ndumele C.E. et al. The Association of Framingham and Reynolds Risk Scores With Incidence and Progression of Coronary Artery Calcification in MESA (MultiEthnic Study of Atherosclerosis). JACC 2011; 58 (20): 2076— 2083.
20. SchnabelR.B., Sullivan L.M., Levy D. et al. Development of a Risk Score for Atrial Fibrillation in the Community; The Framingham Heart Study Lancet 2009; 373 (9665): 739—745.
21. Pletcher M.J., Tice J.A., Pignone M, Browner W.S. Using the coronary artery calcium score to predict coronary heart disease events: a systematic review and meta-analysis. Arch Intern Med 2004; 164 (12): 1285—1292.
22. Greenland P., LaBree L., Azen S.P. et al. Coronary artery calcium score combined with Framingham score for risk prediction in asymptomatic individuals. JAMA 2004; 291: 210—215.
23. Detrano R.C., Wong N.D., Doherty T.M. et al. Coronary calcium does not accurately predict near-term future coronary events in high-risk adults. Circulation 1999; 99 (20): 2633—2638.
24. Assmann G., Cullen P., Schulte H. Simple scoring scheme for calculating the risk of acute coronary events based on the 10-year follow-up of the prospective cardiovascular Münster (PROCAM) study. Circulation 2002; 105: 310—315.
25. Assmann G., Schulte H., Cullen P., Seedorf U. Assessing risk of myocardial infarction and stroke; new data from the Prospective Cardiovascular Muenster (PROCAM) Study. Eur J Clin Invest 2007; 37: 925—932.
26. Thomsen T.F., Davidsen M, Ibsen H. et al. A new method for CHD prediction and prevention based on regional risk scores and randomized clinical trials; PRECARD and the Copenhagen Risk Score. J Cardiovasc Risk 2001; 8 (5): 291—297.
27. Janssen I., Katzmarzyk P.T., Church T.S., Blair S.N. The Cooper Clinic Mortality Risk Index: clinical score sheet for men. Am J Prev Med 2005; 29 (3): 194—203.
28. Шальнова С.А., Оганов Р.Г., Деев А.Д. Оценка и управление риском сердечно-сосудистых заболеваний для населения России. Кардиоваск тер и проф 2004; 4: 4—11.
29. Царев О.А., Прокин Ф.Г. Автоматизированная система для неинвазивного мониторинга степени кардиоваскулярного риска http://mtp.sgmu.ru/projects/048.pdf
30. Воробьева Е.Н., Усолкин К.М., Мух Е.А. и др. Автоматизированное прогнозирование инфаркта миокарда и инсульта. Успехи совр естествозн 2005; 4: 48—49.
31. Чепурина H.A., Шальнова С.А., Деев А.Д. Прогностическая значимость суммарного риска сердечно-сосудистых заболеваний и факторов, его определяющих: 10-летнее наблюдение выборки мужчин — государственных служащих. Карди-ол и серд-сосуд хир 2009; 1:15—20
32. Шальнова С.А., Калинина А.М., Деев А.Д., Пустеленин А.В. Российская экспертная система Оценки РИСКа Основных Неинфекционных заболеваний (ОРИСКОН). Кардиоваск тер и проф 2013; 4. Принято в печать.
33. Калинина А.М. Научные доказательные факты профилактики сердечно-сосудистых заболеваний в практическом здравоохранении (к 35-летию от начала исследования «Многофакторная профилактика ишемической болезни сердца среди неорганизованного населения») 35 лет — 35 уроков. Кардиоваск тер и проф 2010; 1: 14—20.
34. Калинина А.М., Концевая А.В., Деев А.Д. Долгосрочная экономическая эффективность программы многофакторной профилактики сердечно-сосудистых заболеваний в первичной медико-санитарной помощи. Кардиоваск тер и проф 2013; 1: 60—66.
Поступила 29.04.2013
