近日，《欧洲预防心脏病学杂志》（European Journal of Preventive Cardiology）发布了一项引人关注的新研究，题为《积极心理社会因素是否有助于预测冠心病？基于UK Biobank的机器学习方法研究》。

研究指出，尽管目前冠心病（coronary artery disease, CAD）风险预测模型主要集中于生物医学和行为学因素，但积极心理社会因素（positive psychosocial factors, PPFs）如幸福感、健康与生活满意度、社交活动参与等，也可能在心血管健康中扮演重要角色。本文基于近48万英国成年人随访数据，为心血管疾病预防提供了新的参考依据。

冠心病是全球最常见的心脏病，也是导致死亡的首要原因。虽然早期识别传统危险因素如高血压、高血脂、吸烟等，大幅降低了CAD死亡率，但由于CAD带来的个人、社会和经济负担依然沉重，学界正积极探索更全面的风险管理策略。

近年来，心理社会因素，尤其是抑郁、焦虑、社会孤立、敌意等负面因素被纳入欧洲心脏病学会（ESC）指南。然而，关于积极心理因素（如幸福感、乐观、自我效能感）是否也具有保护作用，目前证据相对有限。

本研究以UK Biobank大样本前瞻性队列为基础，旨在评估积极心理社会因素（PPFs）与冠心病（AMI和CIHD）之间的关系，并检验将PPFs纳入传统风险评分（FRS）和机器学习模型（XGBoost）后，是否能提升冠心病事件预测的准确性。

数据来源：UK Biobank，涵盖502,393名英国居民（2006–2010年招募），纳入研究前排除有既往CAD病史者。

研究终点：急性心肌梗死（AMI）和慢性缺血性心脏病（CIHD）。

主要预测因素：基线调查中收集的PPFs，包括：

• 总体幸福感

• 健康满意度

• 生活满意度（家庭、友情、财务状况、工作）

• 社交活动参与频率

• 社会支持（与朋友家人聚会频率、倾诉能力）

分析方法：

• 使用多变量Logistic回归估计PPFs与AMI/CIHD的关联。

• 使用传统统计模型（Logistic回归）和机器学习方法（XGBoost）进行预测性能比较。

• 基线参考模型为无化验版Framingham风险评分（FRS），以便与PPFs整合。

 1. 积极心理因素与冠心病风险显著相关

• 幸福感与冠心病风险呈负相关，且存在明显的剂量反应关系：越幸福的人群，AMI和CIHD发病率越低。

• 健康满意度高的人群AMI风险降低39%、CIHD风险降低67%。

• 生活满意度（尤其是对家庭关系和财务状况的满意）也与较低的心血管事件风险相关。

• 社交活动参与频率高的人群心血管疾病发生率降低。

• 社会支持的影响相对较弱，仅在一定程度上与CIHD风险降低相关。

2. 积极心理因素纳入预测模型后未显著提升预测效能

在AMI预测中，加入PPFs后Logistic回归模型AUC提升0.02%，XGBoost模型提升0.90%，提升幅度非常有限。

在CIHD预测中，纳入PPFs后AUC反而轻微下降。

说明在现有PPFs数据质量和类型下，尚不足以单独提高冠心病预测模型的性能。

支持ESC最新指南：积极心理因素可作为CAD风险修饰因子，特别适用于临界风险患者的风险再分类（risk reclassification）。

• 强调幸福感与健康感的重要性：在日常临床工作中，关注患者的心理幸福状态可能成为心血管病预防的一个潜在干预点。

  
  

未来研究方向：

• 使用标准化量表深入评估乐观、生活意义感、精神信仰等更全面的积极心理特质。

• 进行更长时间的随访，观察PPFs对心血管死亡率的长期影响。

• 开展细分人群（如高危患者）亚组分析，探索PPFs在不同人群中的保护效应差异。

  
  

本研究再次印证了积极心理社会因素在冠心病防控中的潜在重要性。虽然目前将幸福感、健康满意度等纳入风险预测模型尚未显著提升预测能力，但这一领域未来可期。

保持乐观、积极参与社交活动、提高生活满意度，不仅能带来情绪上的愉悦，也可能为心脏健康筑起一道坚固的防线。

参考文献：略

作者：张诗源 编译

来源：欧洲预防心脏病学杂志

积极心理有助于心脏健康：来自英国生物样本库的大规模研究新发现.pdf