冠状动脉疾病是全球最常见的心脏病，也是导致死亡的主要原因。尽管常见，但这种情况仍可预防。危险因素的识别、预防策略以及治疗手段的进步显著降低了冠状动脉疾病患者的死亡率。尽管如此，考虑到冠状动脉疾病患者个人、社会和经济的负担，人们仍在努力，旨在进一步降低冠状动脉疾病的发病率。大多数冠状动脉疾病的预测模型使用线性多变量模型编译生物医学和行为风险因素。

近日，心血管领域权威杂志European Journal of Preventive Cardiology上发表了一篇研究文章，该研究探讨了将积极的社会心理因素(PPF)，包括幸福感、生活满意度和社会支持，整合到传统和基于机器学习的冠状动脉疾病预测模型中的潜力。

研究人员纳入了基线时没有冠状动脉疾病的英国生物银行参与者。首先，研究人员使用logistic回归估计了个体PPFs与随后的急性心肌梗死(AMI)和慢性缺血性心脏病(CIHD)之间的关联。然后，研究人员比较了在弗莱明翰风险评分(FRS)中加入PPF作为预测因子时，logistic回归和极端梯度提升(XGBoost)预测模型的性能。

根据英国生物银行160226至441419名参与者的样本量，幸福感、对健康和生活的满意度以及参与社会活动与较低的AMI和CIHD风险相关(所有趋势p值≤0.04)，而社会支持与AMI和CIHD风险无关。在验证样本中，使用logistic回归和XGBoost预测模型将PPF添加到FRS中，既不能改善AMI (AUC变化分别为0.02%和0.90%)，也不能改善CIHD (AUC变化分别为-1.10%和-0.88%)的预测。

由此可见，PPF单独与冠状动脉疾病风险相关，与先前的研究一致，并在新的欧洲心脏病学会心血管疾病预防指南中也有所体现。然而，与单独的FRS相比，在冠状动脉疾病预测模型中纳入可用的PPF并没有改善预测。未来的研究应该探索PPF是否可以作为冠状动脉疾病风险介导因素，特别是当个体的风险接近决策阈值时。

原始出处：

René Hefti,et al.Do Positive Psychosocial Factors Contribute to the Prediction of Coronary Artery Disease? A UK Biobank-Based Machine Learning Approach.European Journal of Preventive Cardiology.2024.https://academic.oup.com/eurjpc/advance-article/doi/10.1093/eurjpc/zwae237/7721249