利用血清代谢和多基因风险评分在一个新的风险分层工具中用于预测事件心房动

科学领域:

• 心血管疾病流行病学
• 代谢学和精准医学精准医学
• 基因组风险预测预测

背景情况:

• 心房动 (AF) 由于相关的发病率和死亡率而构成重大公共卫生挑战.
• 现有的AF风险分层工具,包括临床因素和多基因风险评分 (PRS),在预测准确性方面存在局限性.
• 血清代谢提供了一个潜在的途径,以提高预测事件AF.

研究的目的:

• 评估血清代谢物对5年发生的AF的预测能力.
• 评估代谢学因素对AF预测的已建立的临床和多基因风险评分 (PRS) 的附加值.
• 开发和验证一个增强的风险分层模型,包括代谢学.

主要方法:

• 分析了240,628名英国生物库参与者的大量队列,其中包括血清代谢学数据 (170种代谢物).
• 确定了五年AF发病率,并使用考克斯比例危险模型进行风险评估.
• 模型进行了训练和验证,比较了临床,AF-PRS和代谢学综合方法的性能指标 (AUC,NRI,IDI).

主要成果:

• 在临床和AF-PRS模型中添加血清代谢量显著改善了5年AF风险预测 (AUC从0.755增加到0.789).
• 特定的代谢物,包括肌素 (风险增加) 和酸 (风险降低),被确定为重要的预测因子.
• 使用年龄,性别,代谢和AF-PRS的综合模型显示出出色的预测性能 (AUC 0.787).

结论:

• 将血清代谢与临床和基因组风险因素相结合,大大提高了发生性AF的预测能力.
• 结合年龄,性别,血清代谢和AF-PRS的风险分层工具提供了对5年AF风险的可靠预测.
• 需要进一步的研究来阐明将特定代谢物与AF风险联系在一起的生物机制.