对冠心病患者的心血管疾病风险进行准确分层对于决定治疗方案来说是十分必要的。本研究旨在利用循环蛋白质的大规模分析方法来推导并验证得分以预测冠心病患者心血管疾病预后的风险。
采用前瞻性队列研究，纳入稳定型冠心病患者。推导队列中，参与者来自2000-2002年在旧金山注册的门诊病人，随访至2011年11月（≤11.1年）。验证队列中，参与者来自2006-2008年注册的门诊患者，随访至2012年4月（5.6年）。利用改进的适体，分别测定血浆样品中的1130种蛋白质。
推导并验证9-protein风险评分在心肌梗死、卒中、心脏衰竭、死亡和全因死亡的4年概率。使用包括C统计的测试方法来评估9-protein风险评分的性能，并与Framingham次级事件模型相比。评估推导队列中9-protein风险评分中个体变化，收集相隔4.8年的配对样本。
推导队列中共分析了938个样本，注册时参与者的平均年龄为67岁，82%为男性。验证队列共分析了971个样本，注册时参与者的平均年龄为70.2岁，72%为男性。
推导队列中，改进Framingham的C统计是0.66，9-protein的C统计是0.74，改进Framingham加9-protein模型中的C统计是0.75。验证队列中，改进Framingham的C统计是0.64，9-protein的C统计是0.70，改进Framingham加9-protein模型中的C统计是0.71。
推导队列中，将9-protein风险评分加到改进Framingham模型中可增加0.09的C统计得分，而在验证队列中则增加0.05。与改进Framingham模型相比，推导队列中9-protein模型的综合判别指数为0.12，验证队列为0.08。
二相样本后发送心血管事件139名患者中进行配对分析，9-protein模型的绝对人/年风险增加较改进Framingham模型高，而在375名未发生心血管事件的患者中，9-protein模型和改进Framingham模型得分变化较小且类似。
总而言之，对于稳定型冠心病患者来说，在预测心血管事件风险中，基于9种蛋白表现的次级事件风险评分优于改进Framingham的风险评分，但仍然只提供了中等水平的判别精度。仍需进一步的研究以评估低风险人群中该评分是否更准确。
（责任编辑：xgh）
