近日，由国家自然科学基金委员会主管、主办的英文期刊《Fundamental Research》发表了北京大学临床研究所高培研究员团队的最新研究成果。该研究基于中国鄞州电子健康档案研究（CHinese Electronic health Records Research in Yinzhou,CHERRY）项目约105万自然人群队列的大数据，开发了首个大数据驱动、整合动态预警的人群心血管病风险管理（Dynamic Risk-based Early wArning Monitoring, DREAM）系统。研究在国家自然科学基金“大数据驱动的管理与决策研究”重大研究计划等项目（91546120, 91846112, 81973132, 81961128006）资助下，由北京大学、宁波市鄞州区疾病预防控制中心和万达信息股份有限公司合作完成，北京大学临床研究所真实世界证据评价中心的助理统计师刘晓非为该论文的第一作者，高培研究员为通讯作者。
个体化的风险评估已被各国指南广泛推荐用于心血管病的一级预防，世界卫生组织(WHO)在2019年也更新了用于全球人群心血管病风险评估的工具（Lancet Global Health. 2019;7:e1332-e1345），然而长期风险相近的个体，短期的健康状态变化各异（图1），目前大多数预测模型主要用于评估长期风险（如10年风险），并不能有效监控社区人群中心血管病高风险个体短期、动态的风险改变。现有的预警系统主要用于医院重症监护病房，缺乏用于社区人群心血管病管理的动态预警系统。因此，整合动态预警的人群心血管病风险管理的新范式，对优化基层初级卫生保健服务至关重要。
该研究基于浙江省宁波市鄞州区健康信息平台2010-2020年间的健康医疗大数据，采用了嵌入在CHERRY队列基础上的巢式病例对照研究设计，从预先设定的预测因子池中选择了生命体征、实验室检测和卫生服务使用相关的共11个变量建立了动态评分。该评分与随后心血管病事件发生存在关联（OR：1.21,95%：1.20-1.23），在验证队列采用WHO模型评估10年风险高于10%的人群中，该动态评分可以改善预测风险的区分度（∆AUC：0.0235，95%CI：0.0155-0.0315)。若将10年风险高于10%的研究对象的动态风险预警阈值分别设为7分和16分时，则预警后心血管病事件发生的比例将从40.61%增加至85.31%，每预防1例心血管病事件需要管理的人数从2.46降低至1.17人，管理效率可以提高一倍以上；更重要的是，在10年风险低于10%（指南确定为中低危）的人群中，上述阈值预警后心血管病事件发生的比例将从10.79%增加至54.74%，每预防1例心血管病事件需要管理的人数从9.27降低至1.83人，显示出明显的管理效率。
DREAM系统通过在大数据平台内嵌动态评分，实时自动化抓取多维度的健康信息，可以实现迭代计算并描绘个体风险的动态变化轨迹，为患者和社区医生提供实时预警，有效地提高了管理效率，因此该预警系统具有动态（Dynamic）、实时（Real-time）、大数据驱动（EHR-based）、自动化（Automated）和面向管理（Management）五大特征。DREAM系统的建立，可以为基于人群的心血管病管理提供一种高效可行的创新范式，有助于改善基层慢性病管理“一刀切”的低效率模式；同时，随着我国全面实施国家大数据战略，可穿戴设备和电子健康档案系统的普及与集成，将促进DREAM系统在健康医疗信息化建设中的广泛应用，满足“政、产、学、研、用”各方的需求，实现大数据驱动的管理与决策中“数据驱动-证据评价-管理决策-更新数据”这一证据链的闭环。
全文链接：
https://www.sciencedirect.com/science/article/pii/S2667325821001540
