目前广泛使用的心血管病风险预测模型大多建立于欧美等高收入国家人群，不同国家和地区跨人群应用需要进行再校准，而常规的再校准方法中潜在的预测因素效应恒定的假设是否成立，将直接影响模型跨人群适用性。针对上述问题，研究团队依托CREDENCE（Cardiovascular Risk Equations for Diabetes patiEnts from New Zealand and Chinese electronic health records）国际合作项目，按照统一的纳入排除标准、变量定义和结局定义，构建了基于电子健康档案的糖尿病患者研究队列，并开展了跨人群的国际比较研究。
该研究利用中国CHERRY队列和新西兰PREDICT队列超过9万名30-74岁的糖尿病患者数据，分析纳入了包括基线年龄、HbA1c、收缩压、血脂等在内的 16 个临床预测因素。研究根据分性别的 Cox 比例风险回归模型独立推导中新两国模型，并重点评估了 PREDICT-T2D 方程在中国队列中外部验证的三个阶段表现，包括原始模型直接应用、常规再校准，以及联合更新年龄系数的校准方法。
结果显示，大多数危险因素（如血压、血糖等）在中国和新西兰人群中的效应强度相似，但年龄的效应存在明显的异质性。在调整了其他 15 个临床指标后，年龄增长带来的心血管病风险上升幅度在中国人群中明显高于新西兰人群。年龄每增加 10 岁，新西兰男女患者的心血管病风险增加 61%；而在中国队列中，女性患者的心血管病风险则增加 151%，男性患者的风险增加 99%。由于年龄效应异质性的存在，将新西兰人群建立的预测模型直接应用于中国人群或仅采用常规再校准方法，均会产生错误估计，表现为对年轻患者风险的明显高估（导致过度治疗），以及对高龄患者风险的严重低估（导致治疗不足）。在常规再校准方法的基础上，联合更新年龄的回归系数，即可显著改善模型在异质性人群中的校准度。并且，团队还建立了针对资源受限人群的简易方法，仅需要目标人群的基线年龄、性别和心血管病结局事件数据，配合群体水平预测因素的现患率或治疗率，即可推导出完整的再校准模型，而无需获取其他 15 个临床指标的个体数据。
综上，该研究发现心血管病风险预测模型的跨国再校准受到关键预测因素的效应异质性影响而产生明显的错误估计，针对年龄等关键预测因素更新其风险效应，可能是一种更简便且有效的模型跨人群适用性策略，有助于提高模型在不同国家和地区人群中的预测准确性。
北京大学临床医学高等研究院临床研究所高培研究员、唐迅副教授和奥克兰大学人口健康学院Rod Jackson教授为论文共同通讯作者；北京大学公共卫生学院硕士毕业生、现任奥克兰大学人口健康学院博士后研究员梁靖媛为论文的第一作者。
原文链接：
https://www.bmj.com/content/394/bmj-2026-100535
相关阅读：
