Skip to content

Coronary Artery Calcium for Risk Stratification of Sudden Cardiac Death

Razavi, Alexander C.; Uddin, S.M. Iftekhar; Dardari, Zeina A. et al. · 2022 · JACC: Cardiovascular Imaging

Metadata

Authors: Razavi, Alexander C.; Uddin, S.M. Iftekhar; Dardari, Zeina A.; Berman, Daniel S.; Budoff, Matthew J.; Miedema, Michael D.; Osei, Albert D.; Obisesan, Olufunmilayo H.; Nasir, Khurram; Rozanski, Alan; Rumberger, John A.; Shaw, Leslee J.; Sperling, Laurence S.; Whelton, Seamus P.; Mortensen, Martin Bødtker; Blaha, Michael J.; Dzaye, Omar

DOI: 10.1016/j.jcmg.2022.02.011

Tags: #atherosclerosis #causal-inference

摘要概述

本研究基于 Coronary Artery Calcium (CAC) Consortium 这一美国四中心回顾性队列，纳入 66,636 名无症状一级预防患者，中位随访 10.6 年，共 211 例 sudden cardiac death (SCD) 事件，评估冠状动脉钙化（CAC）负担对 SCD 的前瞻性预测价值。采用多变量 competing risks regression（以非 ASCVD 死亡为竞争事件）与 Harrell C-statistic，作者发现 SCD 风险随 CAC 负担呈阶梯式上升：相较 CAC=0，CAC 100–399、400–999、>1,000 的 fully adjusted subdistribution HR 分别为 2.8（95% CI: 1.6–5.0）、4.0（2.2–7.3）、4.9（2.6–9.2），P trend <0.001，且 91% 的 SCD 发生在基线 CAC>0 者。CAC 在 10 年 ASCVD 风险 <7.5%（ΔC=+0.046, P=0.02）与 7.5%–20%（ΔC=+0.069, P=0.003）人群中显著提升 SCD 鉴别力，而在 >20% 高危人群中增量极小（ΔC=+0.01, P=0.54）。结论是 CAC 作为亚临床动脉粥样硬化的解剖学标志，可在传统危险因素之上提升 SCD 风险预测，尤其在低-中危一级预防人群中价值最大；其最大限制是 SCD 事件数较少（211 例）、人群以白人为主、且依赖死亡证明 ICD 编码进行 SCD 判定。

临床问题与研究设计

  • PICO/PECO：P=无症状、无临床 ASCVD 的一级预防成人（CAC Consortium，>18 岁，因存在 ASCVD 危险因素与长期风险不确定而行 CAC 扫描）；I/E=CAC 负担（Agatston 法，分 5 组：0、1–99、100–399、400–999、>1,000）；C=以 CAC=0 为参照；O=incident SCD（基于死亡证明 ICD-9/10 编码的 underlying cause of death）；不涉及干预性对照。
  • 研究类型：cohort（多中心、回顾性、纵向队列）。
  • 注册与方案：未报告。文中说明研究设计与方法此前已在 Blaha 等（J Cardiovasc Comput Tomogr 2017；文献 12）详细描述，未提及临床试验注册号或预设统计分析方案（§ Methods, Study Population, PDF p. 1260）。
  • 中心、时间与随访：美国 4 个高容量中心——Cedars-Sinai Medical Center (Los Angeles)、PrevaHealth Wellness Diagnostic Center (Columbus, Ohio)、Harbor-UCLA Medical Center (Torrance)、Minneapolis Heart Institute；CAC 扫描时段为 1991–2010；中位随访 10.6 年（§ Methods, Study Population, PDF p. 1260；Abstract, PDF p. 1259）。

研究人群与干预或暴露

  • 纳入与排除标准：纳入 >18 岁、基线时基本无临床 ASCVD 或心血管症状、因存在 ASCVD 危险因素与长期风险不确定而被转诊行 CAC 扫描者；本次分析纳入 CAC Consortium 全部 66,636 名参与者。排除标准未在本文明示（仅说明为 primary prevention population）（§ Methods, Study Population, PDF p. 1260）。
  • 样本量、基线特征与代表性：N=66,636；平均年龄 54.4±10.6 岁；33% 女性；11% 非 White；55.3% 有 CAC>0；55.0% 的 10 年 ASCVD 风险 <5%。各 CAC 组样本量为 CAC=0 (n=29,757)、CAC 1–99 (n=20,534)、CAC 100–399 (n=9,067)、CAC 400–999 (n=4,409)、CAC >1,000 (n=2,869)。随 CAC 升高，年龄、男性比例、高血压、糖尿病、血脂异常及 10 年 ASCVD 风险均递增；唯家族史与当前吸烟在 CAC 组间差异较小。人群以 White（89%）为主，代表性受限（Table 1, PDF p. 1262）。
  • 干预、对照或暴露定义：暴露为基线 CAC 负担，采用非对比、心电门控 cardiac CT（electron-beam 与 multi-detector 并用，已验证两法量化一致），按 Agatston 法量化并分 5 组（0、1–99、100–399、400–999、>1,000）；以 CAC=0 为参照组。无治疗性干预（§ Methods, Measurement of CAC, PDF p. 1260）。
  • 失访、交叉与依从性：本研究为观察性队列，未涉及随机化或治疗依从性。死亡随访通过 Social Security Administration Death Master File 与 National Death Index 链接，与电子病历已知死亡相比灵敏度与特异度可达 90%（§ Methods, Outcome Ascertainment, PDF p. 1260–1261）。具体失访率与随访完整性未单独报告。

终点与统计方法

  • Primary endpoint：incident SCD，定义为死亡证明 underlying cause 位置或首位出现 SCD 相关 ICD 编码（ICD-9: 427 cardiac dysrhythmia；ICD-10: I46 cardiac arrest、I47 paroxysmal tachycardia、I49 其他心律失常）；若 SCD 编码在首位且 CHD 为 underlying cause 亦计入。时间窗为基线 CAC 扫描至死亡或随访终末（§ Methods, Outcome Ascertainment, PDF p. 1261）。
  • Secondary/safety endpoints：不适用（本研究未设安全性或不良事件终点；次要分析为按 10 年 ASCVD 风险分层 [<7.5%、7.5%–20%、>20%] 与性别分层的 SCD 关联与 C-statistic 改善）。
  • 效应量与模型：(1) competing risks regression，以非 ASCVD 死亡为竞争事件，报告 subdistribution HR (SHR) 与 95% CI；Model 1 调整年龄与性别，Model 2 进一步调整糖尿病、当前吸烟、高血压、血脂异常、CHD 家族史。(2) 趋势检验将 5 级 CAC 作为连续变量在 linear regression 中评估 P trend。(3) Harrell C-statistic，并用 Wieand 等方法比较 ROC 曲线下面积差异；CAC 加于传统危险因素后 ΔC-statistic 及 P 值。(4) Kaplan-Meier 曲线与 log-rank 检验。软件为 STATA 17，双侧 α=0.05（§ Methods, Statistical Analysis, PDF p. 1261–1262；Table 2, Table 4, PDF p. 1266/1268）。
  • 缺失数据、多重比较、亚组与敏感性分析：约 28% 参与者缺失 ASCVD 危险因素数据，采用 multiple imputation（STATA "MI impute"，默认 10 次插补，假设 missing at random），以年龄、性别、种族、ASCVD 危险因素与 CAC 数据为预测变量。亚组分析按 10 年 ASCVD 风险三档与性别分层。敏感性分析：(a) 男性 vs 女性分别建模（Supplemental Table 1）；(b) 排除 HF 相关死亡后再分析（Supplemental Tables 2、3）；(c) 在各 ASCVD 风险层内重做 C-statistic（Supplemental Table 4、5）。多重比较未显式校正（§ Methods, Evaluation of ASCVD Risk Factors 与 Statistical Analysis, PDF p. 1261–1262）。

核心结果与证据

主要发现 1：SCD 风险随 CAC 负担阶梯式上升

  • 临床结论：在 fully adjusted competing risks 模型中，SCD 风险随 CAC 负担呈阶梯式升高（P trend <0.001），且 91% 的 SCD 事件发生在基线 CAC>0 者。
  • 证据定位：Table 2（PDF p. 1266）；Abstract（PDF p. 1259）；§ Results（PDF p. 1262–1263）。
  • 效应量：以 CAC=0 为参照（19 例 SCD），Model 2 SHR 分别为 CAC 1–99 1.3（95% CI: 0.7–2.4）、CAC 100–399 2.8（1.6–5.0）、CAC 400–999 4.0（2.2–7.3）、CAC >1,000 4.9（2.6–9.2）；事件数依次为 33、53、49、57，共 211 例。绝对 SCD 事件率（per 1,000 person-years）为 CAC=0 0.05、CAC 1–99 0.13、CAC 100–399 0.48、CAC 400–999 0.94、CAC >1,000 1.85（§ Results, PDF p. 1262）。
  • 临床意义：剂量-反应关系明确且呈连续阶梯，提示 CAC 作为亚临床斑块负担标志与 SCD 存在生物学梯度；CAC>100 显著独立于传统危险因素，且 CAC>1,000 的风险已接近既往界定的稳定二级预防水平。
  • 不确定性：CAC 1–99 组 SHR 1.3 的 95% CI 跨越 1，提示低 CAC 区段独立效应尚不稳健；Abstract 与 Table 2 对 CAC>1,000 的 CI 上限报告略有出入（9.9 vs 9.2）；总体事件数有限影响低 CAC 区段统计效能。

主要发现 2：CAC 在低-中危 ASCVD 人群中提供显著 SCD 鉴别力提升

  • 临床结论：将 CAC 加入传统危险因素后，在 10 年 ASCVD 风险 <7.5% 与 7.5%–20% 人群中显著改善 SCD 的 C-statistic，而在 >20% 高危人群中几乎无增量。
  • 证据定位：Table 4（PDF p. 1268）；Central Illustration（PDF p. 1267）；§ Results（PDF p. 1263）。
  • 效应量：整体 C-statistic 由 0.858 升至 0.876（Δ+0.018, P<0.001）；分层后 <7.5% 为 0.765→0.811（Δ+0.046, P=0.020）、7.5%–20% 为 0.708→0.777（Δ+0.069, P=0.003）、>20% 为 0.682→0.690（Δ+0.010, P=0.540）。Central Illustration 同步给出 <7.5% ΔC +0.046、7.5%–20% +0.069、>20% +0.008，与 Table 4 一致（注 Central Illustration 将高危层标为 +0.008，Table 4 四舍五入为 +0.01）。
  • 临床意义：与当前主要在高危或二级预防人群中开展 SCD 预防的范式相反，CAC 的增量价值在低-中危一级预防人群中最大；提示 SCD 风险分层应在 CHD 早期通过量化钙化斑块负担进行，以识别可从下游检测（如心超、负荷试验）中获益者。
  • 不确定性：ASCVD 风险层与 CAC 的交互检验 P interaction=0.21，未达统计显著，故分层差异应视为提示性而非确认性；高危层事件数最多（113/211），但基线 C-statistic 已较高，提升空间有限。

主要发现 3：极高 CAC 在低危人群中 SCD 风险增幅最大

  • 临床结论：在 10 年 ASCVD 风险 <7.5% 人群中，CAC>1,000 对 SCD 的相对风险远高于在高危人群中的对应值，提示极高 CAC 在表观低危者中具有最强风险重分类能力。
  • 证据定位：Table 3（PDF p. 1266）；§ Results（PDF p. 1263）。
  • 效应量：Model 2 SHR（参照 CAC=0）：<7.5% 层 CAC 400–999 为 4.1（1.3–13.4）、CAC>1,000 为 9.7（2.9–31.7）；7.5%–20% 层分别为 3.9（1.3–12.1）、7.4（2.4–23.2）；>20% 层分别为 3.6（1.1–12.3）、3.6（1.1–12.3）。低危层 CAC 100–399 为 3.3（1.3–8.4），亦达显著。
  • 临床意义：相对而言，相同极高 CAC 在低危者中带来的 SCD 相对风险约为高危者的 2.7 倍（9.7 vs 3.6），支持 CAC 作为"风险重分类"工具在低-中危人群中识别被传统评分低估的隐性高风险者。
  • 不确定性：低危层事件数仅 35 例，CI 极宽（CAC>1,000 上限达 31.7）；交互检验未显著（P=0.21）；各层 SHR 差异可能受样本量与事件稀疏影响，需更大队列或外部验证确认。

安全性、负结果与亚组

  • 安全性：不适用（观察性队列，无干预、无不良事件监测）。
  • 负结果：CAC 1–99 组在 fully adjusted 模型中未达独立显著（SHR 1.3, 95% CI: 0.7–2.4），提示极低 CAC 区段的独立 SCD 预测能力有限；此外 10 年 ASCVD 风险 >20% 人群中 CAC 的 ΔC-statistic 仅为 +0.010（P=0.540），即在已高危者中 CAC 几无增量鉴别价值（Table 2、Table 4, PDF p. 1266/1268）。
  • 亚组：(1) 性别：男性与女性在相同 CAC 层内 SCD 风险相似，性别未显著修饰 CAC-SCD 关联（Supplemental Table 1, PDF p. 1263）。(2) ASCVD 风险层：见主要发现 2、3。(3) 排除 HF 相关死亡后敏感性分析结果一致（Supplemental Tables 2、3、5, PDF p. 1263）。(4) 年龄：SCD 事件率呈对数型随年龄上升，60 岁前 <0.50/1,000 人年，70–79 岁达 1.49、≥80 岁达 5.04（Fig. 1, PDF p. 1263）。

关键图表

  • 图表定位：Fig. 1（绝对 SCD 事件率，整体与按 ASCVD 风险分层，PDF p. 1263）；Fig. 2（按年龄分层的 SCD 事件率，PDF p. 1264）；Fig. 3（Kaplan-Meier SCD 生存曲线，整体与按 ASCVD 风险分层，PDF p. 1265）；Central Illustration（CAC 负担与 SCD 的阶梯关系及 ΔC-statistic 汇总，PDF p. 1267）；Table 1（基线特征，PDF p. 1262）；Table 2（multivariable-adjusted SHR，PDF p. 1266）；Table 3（按 ASCVD 风险分层的 SHR，PDF p. 1266）；Table 4（C-statistic 与 ΔC, PDF p. 1268）。
  • 核心数字：Table 2 的 Model 2 SHR 序列（1.3/2.8/4.0/4.9）与 Table 4 的 ΔC 序列（+0.018/+0.046/+0.069/+0.010）是全篇核心；Central Illustration 将两者并置为单一视觉证据。
  • 阅读陷阱：(1) Abstract 与 Table 2 对 CAC>1,000 的 SHR 95% CI 上限分别为 9.9 与 9.2，存在排版差异，引文时应以 Table 2 为准。(2) Central Illustration 标注高危层 ΔC 为 +0.008，而 Table 4 报告 +0.010（四舍五入所致），非数据冲突。(3) Table 3 的 SHR 为按 ASCVD 风险层内重新估计，与 Table 2 整体 SHR 不可直接比较。(4) Fig. 2 中坐标轴与 CAC 分组标签经 OCR 后存在错位，应以 Table 1 的 CAC 分组定义为准。

偏倚、局限与外部有效性

  • 选择、测量、混杂和报告偏倚：(1) 选择偏倚——队列由因危险因素或风险不确定而被转诊行 CAC 扫描者构成，存在 referral bias，不代表一般人群。(2) 测量偏倚——SCD 依赖死亡证明 ICD 编码，作者明确指出 misclassification bias 为潜在限制，且 SCD 缺乏统一标准化定义（症状发作至心脏骤停的时间窗未统一）（§ Limitations, PDF p. 1268–1269）。(3) 混杂——虽调整传统危险因素，但未采集心电、心超、负荷试验或遗传 channelopathy 信息，残余混杂可能存在（§ Limitations, PDF p. 1269）。(4) 报告偏倚——未提及预注册或分析方案锁定。
  • 因果解释：部分成立。本研究为前瞻性观察性队列，可支持 CAC 与 SCD 之间存在独立、剂量-反应的关联，但无法确立因果关系；作者亦明确将其定位为 associative analysis（§ Discussion, PDF p. 1264；§ Conclusions, PDF p. 1268）。
  • 适用患者：主要适用于 >40 岁、有 ASCVD 危险因素、10 年风险处于低-中危（<7.5%–20%）且无临床 ASCVD 的一级预防成人，尤其中年及以上、可能已有 CAC 者。
  • 不适用患者：已有症状提示冠心病或已确诊 ASCVD 的二级预防患者；年轻成人；以及症状性 SCD 风险评估——作者明确指出结论不应外推至上述人群（§ Limitations, PDF p. 1268–1269）。
  • 与指南或标准治疗的关系：本文结果与 2019 ACC/AHA 一级预防指南（文献 8）推荐 CAC 用于风险不确定者的方向一致，但未直接被本研究所引用的指南条目改写；CAC>1,000 等同于稳定二级预防风险的概念来自 Peng 等（文献 17），本研究为该概念在 SCD 终点上提供延伸证据。具体指南采纳情况本次未核实。

数据、代码与可复现性

  • 数据：未提供。CAC Consortium 为多中心队列，个体级数据未公开；作者仅在 § Acknowledgments 致谢参与中心与受试者，未给出数据获取申请流程（PDF p. 1269）。
  • 代码：未提供。统计软件为 STATA 17，具体脚本或 do-file 未附。
  • 复现判断：部分可复现。表与图中的汇总统计量（事件数、SHR、CI、C-statistic、ΔC）可在原文中完整核验，方法描述（competing risks、multiple imputation、Wieand 法比较 ROC）足以复现分析框架；但因无个体级数据与代码，无法从原始记录重算，亦无法重做亚组敏感性分析。总体属"汇总结果可核查、原始重算不可复现"。

个人批注

对当前课题的意义

本研究提供了 CAC 作为亚临床动脉粥样硬化定量影像终点与硬终点 SCD 之间剂量-反应关系的临床证据，其阶梯式 SHR 与分层 ΔC-statistic 可作为动脉粥样硬化进展机制建模与风险预测模型的校准基准：即在建模中可将 CAC 区段作为离散暴露变量、SCD 作为竞争风险调整后的终点，并验证模型是否复现"低-中危人群增量最大"的重分类模式。对涉及血管钙化、斑块负担与心血管事件因果路径的研究（如 ../2020-Regulation-Vascular-Calcification-Tóth/quick_note.md 所述 VSMC 骨软骨样转分化驱动钙化的机制）而言，本文为"钙化负担→临床硬终点"提供了上游-下游衔接的流行病学锚点。

可复用的设计或统计方法

(1) Competing risks regression 以非 ASCVD 死亡为竞争事件——适用于任何"特定病因死亡"为终点的队列分析，优于标准 Cox 在高竞争风险场景下的过估。(2) 将连续暴露分组为临床有意义的阶梯（0/1–99/100–399/400–999/>1,000）并以 P trend（5 级连续项）评估剂量-反应，兼顾临床可解释性与统计趋势检验。(3) 分层 C-statistic 与 Wieand 法非参数 ROC 比较——直接量化"增量鉴别力"并按基线风险层展示，是风险重分类证据的标准范式。(4) Multiple imputation 假设 missing at random、以 CAC 等强预测变量驱动插补，可作为高缺失率队列处理的参考。

疑问与后续动作

  • 疑问 1：Abstract 报告 CAC>1,000 SHR 上限为 9.9，而 Table 2 为 9.2，究竟何者为准？需查期刊勘误或原文 Supplementary 确认。
  • 疑问 2：SCD 定义仅采用 ICD 心律失常/心脏骤停编码，未纳入"冠心病所致猝死"的全部编码路径，是否系统性低估 CHD 相关 SCD？作者虽说明 SCD 编码在首位且 CHD 为 underlying cause 时亦计入，但具体灵敏度未量化。
  • 后续动作 1：检索本研究的后续引用，确认是否被 2023 年后 ACC/AHA 或 ESC 指南采纳为 CAC 用于 SCD 风险分层的证据等级依据。
  • 后续动作 2：对比 MESA（文献 7、20）中 CAC 与全因/CHD 死亡的 C-statistic，评估本研究 SCD 终点的增量是否与全因死亡终点一致，以判断 SCD 特异性信号强度。

与上下文的关系

本文建立在

本研究直接建立在 CAC Consortium 的方法学基础论文 Blaha MJ 等（J Cardiovasc Comput Tomogr 2017;11:54–61，文献 12）之上，后者定义了四中心队列的设计、CAC 量化协议与死亡随访链接算法。CAC 量化采用 Agatston 等（J Am Coll Cardiol 1990;15:827–832，文献 6）的原始方法；10 年 ASCVD 风险采用 Goff 等 2013 ACC/AHA pooled-cohort equations（文献 16）；CAC>1,000 等同于稳定二级预防风险的概念来自 Peng 等（文献 17）；以 SCD 为终点的 competing risks 方法范式参照 Vaduganathan 等 TOPCAT 分析（J Am Coll Cardiol HF 2018;6:653–661，文献 18）；SCD 与 CHD 关系的临床基础来自 Myerburg & Junttila（Circulation 2012;125:1043–1052，文献 11）；CAC 在多种族人群中的预测效力来自 Detrano 等 MESA（N Engl J Med 2008;358:1336–1345，文献 7）。

已核实的后续引用

本次未检索。

同类临床证据对比

与 MESA（Detrano 2008，文献 7；McClelland 2006，文献 20）相比，本研究终点更特异（SCD 而非 CHD/全因事件）且人群为临床转诊行 CAC 者（可能比社区队列 MESA 危险因素负担更高）。与 Al Rifai 等（文献 9）关于 ASCVD 风险估计与 CAC 不一致性的研究相比，本文正是利用该不一致性——即传统评分低估而 CAC 高负担者——来重分类 SCD 风险。与以心电生理指标（QT 间期、QRS 时限、Cornell 电压，文献 23–25）预测 SCD 的研究相比，本文以解剖学影像标志替代电生理标志，且在无症状一级预防人群中实施。与 ../2020-LDL-Targets-Stroke-Amarenco/deep_note.md 的 RCT 证据相比，本研究为观察性队列，不能直接指导治疗靶点，但为"在哪些人群中应进行 CAC 筛查以重分类 SCD 风险"提供了与 RCT 互补的人群选择证据。

与本地论文队列的关系

与本地动脉粥样硬化影像与机制类论文相关：../2011-Coronary-Artery-Wall-Samady/quick_note.md（冠脉 WSS 与斑块进展的 VH-IVUS 研究，提供 CAC 之外的血流动力学风险维度）、../2016-CoronaryPlaqueWSS-Hung/quick_note.md（WSS+IVUS 评估斑块进展的 RCT，与本文形成"力学-解剖"互补）、../2024-Coronary-Vulnerable-Plaque-Kim/quick_note.md（易损斑块的临床管理）、../2001-Arterial-Remodeling-Coronary-Schoenhagen/quick_note.md（动脉重构概念）、../1993-PlaqueRegression-Brown/quick_note.md（降脂与斑块退缩）、../2020-Regulation-Vascular-Calcification-Tóth/quick_note.md（血管钙化的 ROS-Runx2 机制，提供 CAC 形成的细胞生物学上游）、../2024-Atherosclerotic-Plaque-Stabilization-Sarraju/quick_note.md（斑块稳定与退缩的临床证据综述）、以及 ../2024-Lipoprotein-Levels-Population-Shapiro/quick_note.md（Lp(a) 与 ASCVD 的人群证据，同为一级预防风险评估的流行病学锚点）。

快速判断

  • 一句话结论：本研究利用 CAC Consortium（66,636 名一级预防患者，中位随访 10.6 年）的前瞻性队列数据，评估冠状动脉钙化（CAC）对心源性猝死（SCD）风险分层的增量预测价值。
  • 阅读范围：仅 metadata、first page、abstract、最多 3 个 figure/table captions 和 conclusion；未通读正文
  • 处理决定：保留参考
  • 决定理由：该文与模型、计算框架与血管或细胞系统的机制研究相关；受限材料足以保留研究线索，但不足以支持全文级方法或稳健性判断。

摘要概述

本研究利用 CAC Consortium（66,636 名一级预防患者，中位随访 10.6 年）的前瞻性队列数据，评估冠状动脉钙化（CAC）对心源性猝死（SCD）风险分层的增量预测价值。采用多变量竞争风险回归（competing risks regression），发现 SCD 风险随 CAC 负担呈阶梯式上升：相比 CAC=0，CAC 400–999 的 subdistribution HR 为 4.0（95% CI: 2.2–7.3），CAC>1000 达 4.9（95% CI: 2.6–9.9），且 91% 的 SCD 事件发生在基线 CAC>0 的人群中。关键在于，CAC 在 10 年 ASCVD 风险较低（<7.5%）和中等（7.5%–20%）人群中提供了显著的 C-statistic 改善（ΔC=+0.046 和 +0.069），而在高风险（>20%）人群中增量有限（ΔC=+0.01, P=0.54）。结论是 CAC 作为亚临床动脉粥样硬化的影像标志物，能在传统危险因素之上提升 SCD 风险预测，尤其在低-中危一级预防患者中价值最大，有助于识别可从进一步下游检测中获益的人群。

关键证据

  • 证据 1（定位）：Abstract
  • 展示或报告：本研究利用 CAC Consortium（66,636 名一级预防患者，中位随访 10.6 年）的前瞻性队列数据，评估冠状动脉钙化（CAC）对心源性猝死（SCD）风险分层的增量预测价值。采用多变量竞争风险回归（competing risks regression），发现 SCD 风险随 CAC 负担呈阶梯式上升：相比 CAC=0，CAC 400–999 的 subdistribution HR 为 4.0（95% CI: 2.2–7.3），CAC>1000 达 4.9（95% CI: 2.6–9.9），且 91% 的 SCD 事件发生在基线 CAC>0 的人群中。
  • 支持的结论：本研究利用 CAC Consortium（66,636 名一级预防患者，中位随访 10.6 年）的前瞻性队列数据，评估冠状动脉钙化（CAC）对心源性猝死（SCD）风险分层的增量预测价值。
  • 注意事项：仅据受限 quick source；方法细节、完整定量结果与稳健性分析本次未核实。

局限与未核实项

  • 最大局限：当前仅完成 quick triage，不能据此确认正文中的全部实验、模型或统计假设。
  • 未核实项：完整方法、样本或参数设置、敏感性分析、局限讨论及数据与代码可用性。

与我的关联

  • 可复用点：文中的模型或计算框架可作为相关建模工作的候选参考；具体方程、参数与适用条件本次未核实。
  • 关联的当前问题：该研究提供了 CAC 作为亚临床动脉粥样硬化定量影像终点的临床证据，其阶梯式剂量-反应关系和风险分层逻辑可为动脉粥样硬化进展的机制建模与风险预测模型提供校准基准。
  • 下一步动作：保留参考；仅在当前问题需要其完整方法或定量证据时升级为 deep note。