مدل کامل انجمن قلب امریکا | محاسبه سن قلبی و ریسک قلبی-عروقی

کلیدواژه ها و توضیح آنها

EF, FBS, HbA1c, HDL, Hypertension, LDL, LVEF, استاتین, بطن چپ, بیماری‌های قلبی عروقی, چربی خون, سکته قلبی, سیستول, فشار خون سیستولیک, نارسایی قلبی

مقدمه

پیشگیری از بیماری‌های قلبی‌عروقی دیگر تنها به اندازه‌گیری فشارخون یا کلسترول محدود نمی‌شود.
امروزه مشخص شده است که قلب، عروق، کلیه و وضعیت متابولیک بدن ارتباط بسیار نزدیکی با یکدیگر دارند
و اختلال در هر یک از این حوزه‌ها می‌تواند احتمال بروز بیماری‌های قلبی‌عروقی را افزایش دهد.
مدل PREVENT انجمن قلب آمریکا با همین رویکرد طراحی شده است تا تصویری جامع‌تر
از خطر آینده فرد ارائه کند. نام PREVENT از عبارت
Predicting Risk of cardiovascular disease EVENTs
گرفته شده است و هدف آن برآورد احتمال بروز بیماری‌های قلبی‌عروقی در آینده است.

این مدل در سال ۲۰۲۳ معرفی شد و بر اساس اطلاعات بیش از ۶٫۵ میلیون بزرگسال آمریکایی
از جمعیت‌های متنوع توسعه یافته است. تفاوت مهم PREVENT با بسیاری از مدل‌های قدیمی این است
که علاوه بر عوامل کلاسیک قلبی‌عروقی، عملکرد کلیه و عوامل متابولیک را نیز در محاسبه خطر وارد می‌کند.
همچنین این مدل برخلاف برخی مدل‌های قدیمی، از نژاد به‌عنوان متغیر محاسباتی استفاده نمی‌کند.

PREVENT برای پیشگیری اولیه طراحی شده است؛ یعنی در اصل برای افرادی به کار می‌رود
که در حال حاضر بیماری قلبی‌عروقی شناخته‌شده ندارند. این مدل برای افراد ۳۰ تا ۷۹ ساله طراحی شده
و می‌تواند خطر ۱۰ ساله و، در گروه‌های سنی مناسب، خطر ۳۰ ساله را برآورد کند.

PREVENT دقیقاً چه چیزی را پیش‌بینی می‌کند؟

هنگامی که اطلاعات فرد در ماشین‌حساب آنلاین وارد می‌شود، PREVENT فقط یک «نمره قلبی» تولید نمی‌کند.
این مدل سه نوع پیامد مهم را به‌صورت جداگانه بررسی می‌کند.

نخست، Total CVD یا بیماری کلی قلبی‌عروقی است. این خروجی ترکیبی از
بیماری آترواسکلروتیک قلبی‌عروقی و نارسایی قلبی است.

دوم، ASCVD یا بیماری قلبی‌عروقی آترواسکلروتیک است که به وقایعی مانند
سکته قلبی و سکته مغزی ناشی از بیماری آترواسکلروتیک مربوط می‌شود.

سوم، Heart Failure یا نارسایی قلبی است.

بنابراین ممکن است یک فرد در PREVENT خطر ASCVD نسبتاً پایینی داشته باشد، اما به دلیل مجموعه‌ای
از عوامل مانند فشارخون، چاقی، دیابت یا اختلال عملکرد کلیه، خطر نارسایی قلبی او متفاوت باشد.
همین موضوع یکی از تفاوت‌های مهم PREVENT با مدل‌های قدیمی‌تر است.

چه کسانی می‌توانند از PREVENT استفاده کنند؟

اولین نکته پیش از باز کردن ماشین‌حساب آنلاین این است که بدانیم آیا این مدل اساساً برای فرد
موردنظر مناسب است یا خیر.

PREVENT برای بزرگسالان ۳۰ تا ۷۹ ساله که بیماری قلبی‌عروقی شناخته‌شده ندارند
طراحی شده است. بنابراین اگر فرد قبلاً دچار سکته قلبی، سکته مغزی یا نارسایی قلبی شده باشد،
استفاده از PREVENT به‌عنوان یک ابزار پیشگیری اولیه معنای معمول خود را از دست می‌دهد و باید
از چارچوب‌های درمانی و ارزیابی خطر مناسب برای بیماران دارای بیماری شناخته‌شده استفاده شود.

بنابراین قبل از وارد کردن هر عددی، ابتدا باید پرسید:

آیا این فرد در محدوده سنی مناسب قرار دارد و آیا بیماری قلبی‌عروقی شناخته‌شده ندارد؟

اگر پاسخ مثبت باشد، می‌توان وارد مرحله جمع‌آوری اطلاعات شد.

اطلاعات مورد نیاز برای تکمیل ماشین‌حساب

اطلاعات اصلی مورد نیاز PREVENT را می‌توان در چند گروه قرار داد:

سن و جنس
فشارخون سیستولیک
کلسترول تام
HDL
شاخص توده بدنی یا BMI
عملکرد کلیه یا eGFR
دیابت
سیگار کشیدن
مصرف داروی فشارخون
مصرف داروی کاهنده چربی

علاوه بر این موارد، ماشین‌حساب PREVENT امکان وارد کردن چند متغیر اضافی را نیز فراهم می‌کند
که شامل HbA1c، نسبت آلبومین به کراتینین ادرار یا UACR و شاخص محرومیت اجتماعی یا SDI
است. این متغیرها برای شخصی‌سازی بیشتر برآورد خطر استفاده می‌شوند و همه آنها برای محاسبه پایه الزامی نیستند.

۱. سن؛ نخستین اطلاعاتی که باید وارد شود

سن یکی از بنیادی‌ترین متغیرهای PREVENT است.

سن باید بر حسب سال کامل عمر وارد شود. محدوده کاربرد مدل ۳۰ تا ۷۹ سال است.

برای مثال، فردی که ۵۲ سال و ۷ ماه دارد، از نظر ورود اطلاعات معمولاً ۵۲ ساله محسوب می‌شود،
نه ۵۳ ساله.

سن اهمیت بسیار زیادی دارد، زیرا خطر بیماری قلبی‌عروقی با افزایش سن تغییر می‌کند.
با این حال، نباید تصور کرد که PREVENT صرفاً سن را در یک فرمول ساده ضرب می‌کند.
پشت ماشین‌حساب آنلاین، معادلات آماری پیچیده‌ای قرار دارند که اثر سن را در کنار سایر عوامل محاسبه می‌کنند.

یکی از مزیت‌های PREVENT این است که برخلاف مدل‌های قدیمی‌تر مانند Pooled Cohort Equations،
ارزیابی خطر را از ۳۰ سالگی آغاز می‌کند و برای افراد جوان‌تر امکان مشاهده خطر
طولانی‌مدت را فراهم می‌سازد.

۲. جنس؛ چرا ماشین‌حساب از زن یا مرد می‌پرسد؟

PREVENT یک مدل واحد برای همه افراد نیست. معادلات آن بر اساس جنس، یعنی
زن و مرد، جداگانه ساخته شده‌اند.

بنابراین هنگام تکمیل ماشین‌حساب باید جنس صحیح فرد انتخاب شود.

نکته مهم این است که PREVENT برخلاف برخی مدل‌های قدیمی، نژاد را به‌عنوان یک متغیر
در محاسبه خطر وارد نمی‌کند.

در نتیجه، برای فردی که از نظر جنس زن است، انتخاب Female و برای فردی که از نظر جنس مرد است،
انتخاب Male اهمیت مستقیم در محاسبه دارد.

۳. فشارخون سیستولیک؛ فقط عدد بالایی فشارخون

یکی از مهم‌ترین اطلاعات مورد نیاز، فشارخون سیستولیک یا SBP است.

واحد آن:
mmHg

است.

اگر فشارخون فرد مثلاً:
128/78 mmHg
باشد، عددی که در قسمت SBP وارد می‌شود:
128
است، نه ۷۸ و نه کل عبارت ۱۲۸/۷۸.

فشارخون باید تا حد امکان بر اساس اندازه‌گیری معتبر و معمولاً میانگین اندازه‌گیری‌های مناسب
تعیین شود، نه صرفاً یک اندازه‌گیری اتفاقی در شرایط استرس یا فعالیت.

در ابزار PREVENT، فشارخون سیستولیک بر حسب mmHg وارد می‌شود.

نکته مهم این است که PREVENT فشارخون سیستولیک را در کنار این سؤال بررسی می‌کند که آیا فرد
داروی ضد فشارخون مصرف می‌کند یا خیر. بنابراین دو فرد با SBP یکسان، لزوماً به دلیل تفاوت
در وضعیت درمانی، خطر یکسانی ندارند.

۴. کلسترول تام؛ Total Cholesterol

کلسترول تام یا TC یکی دیگر از ورودی‌های اصلی است.

واحد متداول:
mg/dL

است.

برای مثال اگر در برگه آزمایش نوشته شده باشد:
Total Cholesterol = 190 mg/dL
همان عدد ۱۹۰ وارد می‌شود.

اما در برخی آزمایشگاه‌ها، کلسترول با واحد mmol/L گزارش می‌شود.
در این صورت باید پیش از ورود به ماشین‌حساب، واحد را تبدیل کرد.

برای کلسترول:

TC (mg/dL) = TC (mmol/L) × 38.67

بنابراین:

5 mmol/L ≈ 193.4 mg/dL

۵. HDL؛ کلسترولی که باید جداگانه وارد شود

HDL-C یا HDL Cholesterol نیز مستقیماً در محاسبه وارد می‌شود.

واحد معمول:
mg/dL

اگر HDL با واحد mmol/L گزارش شده باشد:

HDL (mg/dL) = HDL (mmol/L) × 38.67

برای نمونه:

1.3 mmol/L ≈ 50.3 mg/dL

نباید HDL را با LDL اشتباه گرفت. PREVENT برای ورودی اصلی چربی خون به Total Cholesterol
و HDL نیاز دارد.

۶. BMI؛ ترکیبی از قد و وزن

BMI یا Body Mass Index شاخصی است که وزن را نسبت به قد استاندارد می‌کند.

فرمول آن:

BMI = وزن بر حسب کیلوگرم ÷ مجذور قد بر حسب متر

برای مثال اگر وزن فرد ۸۰ کیلوگرم و قد او ۱٫۷۵ متر باشد:

BMI = 80 ÷ 1.75² = 26.1 kg/m²

بنابراین عددی که در ماشین‌حساب وارد می‌شود:
26.1

واحد BMI:
kg/m²

۷. عملکرد کلیه؛ eGFR چیست و از کجا به دست می‌آید؟

یکی از ویژگی‌های مهم PREVENT، وارد کردن وضعیت کلیه در ارزیابی خطر است.

برای این کار از eGFR یا Estimated Glomerular Filtration Rate استفاده می‌شود.

واحد eGFR:
mL/min/1.73 m²

این عدد معمولاً در برگه آزمایش‌های خون مستقیماً گزارش می‌شود.
اگر آزمایشگاه eGFR را گزارش کرده باشد، در حالت معمول می‌توان همان مقدار را وارد کرد؛
اما باید توجه داشت که روش محاسبه eGFR آزمایشگاه نیز اهمیت دارد.

اگر eGFR در برگه آزمایش وجود نداشته باشد، می‌توان آن را بر اساس کراتینین خون،
سن و جنس محاسبه کرد.

۸. محاسبه eGFR با کراتینین؛ CKD-EPI ۲۰۲۱

فرمول مورد استفاده فعلی برای بزرگسالان، CKD-EPI 2021 Creatinine Equation
است که بدون ضریب نژادی طراحی شده است.

فرمول کلی:

eGFR = 142 × min(SCr/κ,1)^α
× max(SCr/κ,1)^−1.200
× 0.9938^Age
× ۱.۰۱۲ (اگر زن باشد)

در این فرمول:

SCr = کراتینین سرم بر حسب mg/dL
Age = سن بر حسب سال

برای مرد:

κ = 0.9
α = −0.302

برای زن:

κ = 0.7
α = −0.241

خروجی فرمول:
mL/min/1.73 m²

اگر کراتینین با واحد µmol/L گزارش شده باشد

در برخی آزمایشگاه‌ها کراتینین با واحد µmol/L گزارش می‌شود.
برای تبدیل آن به mg/dL از رابطه زیر استفاده کنید:

Creatinine (mg/dL) = Creatinine (µmol/L) ÷ 88.4

برای مثال:

100 µmol/L ÷ 88.4 ≈ 1.13 mg/dL

بنابراین اگر کراتینین فرد ۱۰۰ µmol/L باشد، مقدار تقریبی مورد استفاده در فرمول
CKD-EPI برابر ۱.۱۳ mg/dL خواهد بود.

۹. دیابت؛ یک سؤال ساده اما مهم

در بخش دیابت، معمولاً با یک متغیر دوحالتی مواجه هستیم.

یعنی باید مشخص شود:

آیا فرد دیابت دارد یا خیر؟

این بخش را نباید با عدد قند خون ناشتا یا HbA1c اشتباه کرد.

در مدل پایه، وضعیت دیابت یک عامل مستقل است. بنابراین اگر فرد مبتلا به دیابت شناخته‌شده است،
باید گزینه مربوط به Diabetes انتخاب شود.

PREVENT امکان اضافه کردن HbA1c را نیز به‌عنوان یک متغیر اختیاری
برای شخصی‌سازی بیشتر فراهم می‌کند.

۱۰. سیگار؛ منظور مصرف فعلی است

ماشین‌حساب درباره وضعیت مصرف دخانیات نیز سؤال می‌کند.

در اینجا باید مشخص شود که فرد در حال حاضر سیگار می‌کشد یا خیر.

بنابراین سابقه‌ای مانند «۱۰ سال پیش سیگار می‌کشیدم ولی اکنون ترک کرده‌ام»
با «در حال حاضر سیگار می‌کشم» یکسان نیست.

این متغیر به‌صورت یک متغیر دوحالتی در مدل استفاده می‌شود و پاسخ باید بر اساس وضعیت فعلی فرد داده شود.

۱۱. مصرف داروی فشارخون

در کنار مقدار SBP، ماشین‌حساب وضعیت مصرف داروی ضد فشارخون را نیز در نظر می‌گیرد.

بنابراین اگر فرد مثلاً SBP برابر ۱۳۲ دارد اما برای فشارخون دارو مصرف می‌کند،
باید وضعیت دارویی نیز به‌درستی ثبت شود.

این موضوع اهمیت دارد زیرا PREVENT فقط نمی‌پرسد «فشارخون شما چقدر است؟»؛
بلکه بخشی از زمینه بالینی مرتبط با آن فشارخون را نیز در مدل وارد می‌کند.

۱۲. داروی کاهنده چربی

ماشین‌حساب همچنین وضعیت مصرف داروهای کاهنده چربی را در نظر می‌گیرد.

بنابراین اگر فرد دارویی مانند استاتین یا سایر درمان‌های کاهنده چربی مصرف می‌کند،
باید گزینه مربوطه را به‌درستی انتخاب کند.

این موضوع نشان می‌دهد که PREVENT صرفاً مجموعه‌ای از نتایج آزمایشگاهی نیست؛
بلکه وضعیت درمانی فعلی فرد را نیز در محاسبه وارد می‌کند.

۱۳. متغیرهای اختیاری؛ وقتی بخواهیم تصویر دقیق‌تری داشته باشیم

PREVENT امکان استفاده از سه متغیر اضافی را نیز فراهم می‌کند:

HbA1c
UACR
SDI

HbA1c

HbA1c شاخصی از وضعیت متوسط قند خون در ماه‌های گذشته است و معمولاً با واحد درصد گزارش می‌شود.

UACR

UACR یا نسبت آلبومین به کراتینین ادرار، اطلاعاتی درباره دفع آلبومین از کلیه فراهم می‌کند
و معمولاً با واحد mg/g بیان می‌شود.

SDI

SDI یا Social Deprivation Index شاخصی است که برخی عوامل اجتماعی و اقتصادی
مرتبط با محیط زندگی را در نظر می‌گیرد.

۱۴. آیا باید LDL را وارد کنیم؟

این یکی از پرسش‌های رایج هنگام تکمیل ماشین‌حساب است.

در PREVENT، ورودی‌های اصلی چربی خون شامل Total Cholesterol و
HDL Cholesterol هستند و LDL به‌عنوان یکی از ورودی‌های اصلی ماشین‌حساب
تعریف نشده است.

بنابراین اگر آزمایش شما مثلاً چنین باشد:

Total Cholesterol = 190 mg/dL
LDL = 115 mg/dL
HDL = 52 mg/dL
Triglyceride = 120 mg/dL

برای فیلدهای اصلی PREVENT باید Total Cholesterol و HDL را از روی همین برگه استخراج کنید.

این موضوع البته به این معنا نیست که LDL از نظر تصمیم‌گیری بالینی اهمیت ندارد؛
بلکه به این معناست که LDL بخشی از ورودی مستقیم معادله PREVENT نیست.

۱۵. بعد از وارد کردن اطلاعات چه اتفاقی می‌افتد؟

پس از ورود اطلاعات، PREVENT با استفاده از معادلات آماری توسعه‌یافته توسط انجمن قلب آمریکا،
احتمال وقوع پیامدهای قلبی‌عروقی را محاسبه می‌کند.

این محاسبه یک جمع ساده از عوامل خطر نیست. مدل برای جنس‌های مختلف و پیامدهای مختلف،
معادلات اختصاصی دارد و اثر متغیرها را در کنار یکدیگر در نظر می‌گیرد.

بنابراین نمی‌توان گفت:
«فشارخون ۱۰ واحد افزایش پیدا کند، خطر دقیقاً فلان درصد افزایش پیدا می‌کند.»

اثر هر متغیر به مجموعه ویژگی‌های فرد بستگی دارد.

این یکی از دلایلی است که استفاده از ماشین‌حساب رسمی PREVENT نسبت به محاسبه دستی
بر اساس چند جدول ساده ترجیح داده می‌شود.

۱۶. نتیجه ۱۰ ساله چگونه خوانده می‌شود؟

فرض کنید ماشین‌حساب برای فردی عدد:

10-Year CVD Risk = 4.2%

را نشان دهد.

معنای آن این نیست که «این فرد قطعاً ۴٫۲ درصد بیماری قلبی خواهد گرفت».
معنای درست آن این است که بر اساس مشخصات و عوامل خطر واردشده،
احتمال برآوردشده وقوع پیامد موردنظر طی ۱۰ سال آینده حدود ۴٫۲ درصد است.

این یک احتمال آماری جمعیتی است، نه پیش‌بینی قطعی درباره سرنوشت یک فرد.

۱۷. خطر ۳۰ ساله چرا اهمیت دارد؟

یکی از ویژگی‌های مهم PREVENT امکان نگاه کردن فراتر از افق ۱۰ ساله است.

در یک فرد ۳۵ ساله ممکن است خطر ۱۰ ساله بسیار پایین باشد؛ اما همین فرد ممکن است به دلیل
فشارخون بالا، چاقی، دیابت یا عوامل دیگر، خطر قابل توجهی در افق ۳۰ ساله داشته باشد.

به همین دلیل، خطر ۳۰ ساله می‌تواند در افراد جوان‌تر تصویر متفاوتی ارائه کند
و فرصت مداخله زودهنگام را بهتر نشان دهد.

۱۸. PREVENT-Age چیست؟

نسخه فعلی ماشین‌حساب یک مفهوم جالب دیگر به نام PREVENT-Age نیز ارائه می‌کند.

PREVENT-Age را می‌توان نوعی «سن قلبی بر اساس خطر پیش‌بینی‌شده» دانست.

برای مثال، اگر فردی ۴۵ ساله باشد اما PREVENT-Age او ۵۵ سال نشان داده شود،
این نتیجه به این معناست که الگوی عوامل خطر او از نظر خطر قلبی‌عروقی بیشتر شبیه فردی
با سن بالاتر است.

برعکس، اگر PREVENT-Age کمتر از سن واقعی باشد، الگوی عوامل خطر فرد از نظر خطر پیش‌بینی‌شده
وضعیت مطلوب‌تری نسبت به همسالان نشان می‌دهد.

PREVENT-Age باید در کنار خطر مطلق استفاده شود و جایگزین آن نیست.

۱۹. درصدک خطر ۳۰ ساله چیست؟

ماشین‌حساب PREVENT ممکن است برای خطر ۳۰ ساله، Percentile یا رتبه درصدی
نیز ارائه کند.

برای مثال اگر فردی در صدک ۹۳ قرار بگیرد، یعنی خطر پیش‌بینی‌شده ۳۰ ساله او از حدود
۹۳ درصد افراد هم‌سن و هم‌جنس در جمعیت مرجع بیشتر است.

بنابراین percentile با «درصد خطر» یکسان نیست.

اگر:

30-year risk = 23%

باشد، یعنی احتمال پیش‌بینی‌شده حدود ۲۳ درصد است.

اما اگر:

30-year percentile = 93rd

باشد، یعنی این خطر در مقایسه با افراد هم‌سن و هم‌جنس در جایگاه صدک ۹۳ قرار گرفته است.

۲۰. PREVENT یک تشخیص پزشکی نیست

یکی از مهم‌ترین نکات در استفاده از این ماشین‌حساب آن است که
PREVENT بیماری را تشخیص نمی‌دهد.

اگر نتیجه مثلاً ۲ درصد باشد، به این معنا نیست که فرد «سالم» است.

همچنین اگر نتیجه ۱۲ درصد باشد، به این معنا نیست که فرد حتماً در ۱۰ سال آینده
دچار سکته قلبی خواهد شد.

PREVENT یک ابزار برآورد خطر است.

هدف آن کمک به پزشک و بیمار برای تصمیم‌گیری درباره پیشگیری است؛ از جمله تصمیم‌هایی درباره
سبک زندگی، فشارخون، چربی خون و سایر عوامل قابل اصلاح.

۲۱. یک مثال عملی از آماده‌سازی اطلاعات

فرض کنیم می‌خواهیم اطلاعات یک فرد را پیش از ورود به ماشین‌حساب آماده کنیم.

متغیر	مقدار نمونه	واحد
سن	۵۲	سال
جنس	مرد	—
فشارخون سیستولیک	۱۳۲	mmHg
کلسترول تام	۱۹۰	mg/dL
HDL	۴۸	mg/dL
وزن	۸۰	kg
قد	۱٫۷۵	m
دیابت	خیر	—
سیگار فعلی	خیر	—
داروی فشارخون	بله	—
داروی کاهنده چربی	خیر	—
کراتینین	۱٫۱	mg/dL

ابتدا BMI محاسبه می‌شود:

BMI = 80 ÷ 1.75² ≈ 26.1 kg/m²

سپس در صورت نیاز eGFR با CKD-EPI ۲۰۲۱ محاسبه می‌شود.
در نهایت اطلاعات به‌دست‌آمده در ماشین‌حساب آنلاین وارد می‌شود.

نکته مهم این است که نباید نتیجه را پیشاپیش با حدس زدن محاسبه کرد؛
زیرا مدل PREVENT یک الگوریتم چندمتغیره است و نتیجه نهایی حاصل ترکیب همه این عوامل است.

۲۲. چرا باید اطلاعات مربوط به یک زمان واحد باشند؟

برای استفاده صحیح از PREVENT بهتر است اطلاعاتی که وارد ماشین‌حساب می‌شوند مربوط به
یک وضعیت بالینی نسبتاً هم‌زمان باشند.

برای مثال، اگر کلسترول مربوط به شش ماه قبل باشد ولی فشارخون مربوط به امروز و eGFR مربوط
به دو سال قبل، نتیجه ممکن است تصویر دقیقی از وضعیت فعلی فرد ارائه نکند.

بهترین حالت این است که فشارخون، وزن، آزمایش چربی، کراتینین و سایر اطلاعات مربوط به
یک دوره ارزیابی مشخص باشند.

همچنین اگر فرد اخیراً درمانی را شروع یا قطع کرده است، وضعیت دارویی هنگام ثبت اطلاعات
باید مطابق وضعیت واقعی او باشد.

۲۳. PREVENT را چگونه باید از نتیجه آزمایش‌ها جدا کرد؟

یک آزمایش خون به‌تنهایی «خطر قلبی» را تعیین نمی‌کند.

برای مثال، ممکن است دو فرد هر دو LDL برابر ۱۲۰ داشته باشند، اما یکی ۳۵ ساله،
غیرسیگاری، بدون دیابت و با فشارخون طبیعی باشد و دیگری ۶۸ ساله، سیگاری،
مبتلا به دیابت و دارای فشارخون بالا.

بنابراین نگاه کردن به یک عدد منفرد، مانند LDL یا SBP، نمی‌تواند جایگزین ارزیابی
خطر چندعاملی شود.

فلسفه اصلی PREVENT نیز دقیقاً همین است:
ترکیب عوامل مختلف برای رسیدن به یک برآورد خطر مطلق.

۲۴. جایگاه PREVENT در پزشکی امروز

PREVENT صرفاً یک ماشین‌حساب اینترنتی جدید نیست. انجمن قلب آمریکا آن را در چارچوب جدید
ارزیابی خطر قلبی، کلیوی و متابولیک قرار داده است.

این مدل به‌ویژه در پیشگیری اولیه اهمیت دارد، زیرا امکان ارزیابی هم‌زمان عوامل خطر
قلبی‌عروقی، کلیوی و متابولیک را فراهم می‌کند.

جمع‌بندی؛ پیش از کلیک روی Calculate چه چیزهایی آماده باشد؟

اگر قرار است PREVENT را به‌صورت آنلاین تکمیل کنید، بهتر است پیش از باز کردن ماشین‌حساب
این اطلاعات را آماده داشته باشید:

سن: بر حسب سال
جنس: زن یا مرد
فشارخون سیستولیک: بر حسب mmHg
کلسترول تام: ترجیحاً mg/dL
HDL: ترجیحاً mg/dL
BMI: بر حسب kg/m²
eGFR: بر حسب mL/min/۱.۷۳ m²
وضعیت دیابت: دارد / ندارد
سیگار فعلی: بله / خیر
داروی فشارخون: بله / خیر
داروی کاهنده چربی: بله / خیر

و در صورت موجود بودن:

HbA1c
UACR
SDI

پس از ورود این اطلاعات، PREVENT می‌تواند خطر ۱۰ ساله و در گروه‌های واجد شرایط
خطر ۳۰ ساله CVD، ASCVD و HF را ارائه کند.
نسخه فعلی ماشین‌حساب همچنین می‌تواند PREVENT-Age و در برخی نتایج،
صدک خطر ۳۰ ساله را نمایش دهد.

در نهایت باید به خاطر داشت که عدد PREVENT یک
احتمال آماری برای یک جمعیت مشابه است، نه پیشگویی قطعی درباره یک فرد.
ارزش واقعی این مدل زمانی آشکار می‌شود که نتیجه آن در کنار سابقه خانوادگی،
معاینه، وضعیت بالینی، داروهای مصرفی، بیماری‌های همراه و سایر عوامل مؤثر بر
تصمیم درمانی توسط پزشک تفسیر شود.

معادلات PREVENT چیست؟

معادلات PREVENT (مخفف Predicting Risk of cardiovascular disease EVENTs) را انجمن قلب آمریکا در سال ۲۰۲۳ معرفی کرد. این معادلات احتمال ابتلا به بیماری قلبی‌عروقی کل (CVD)، بیماری آترواسکلروتیک (ASCVD) و نارسایی قلب (HF) را در افق ۱۰ ساله و ۳۰ ساله برآورد می‌کنند.

PREVENT نخستین ابزاری است که همزمان عوامل قلبی‌عروقی، کلیوی و متابولیک (CKM) را در برآورد ریسک پیشگیری اولیه ترکیب می‌کند تا تصمیم‌گیری درمانی دقیق‌تر شود. در وبسایت ما دو صفحه برای این مدل تخصیص داده شده است. در این صفحه مدل پایه انجمن قلب امریکا آورده شده است که نیاز به اطلاعات آزمایشگاهی کمتری برای تعیین ریسک دارد. ولی در صفحه پیشرو مدل کامل PREVENT آورده شده است که سه متغیر بیشتر دارد و سعی شده به این سئوال پرداخته شود که این سه متغیر چه نقشی دارند و چه قدر ارزیابی ریسک و به تبع آن سن قلبی را تغییر میدهند.

چه چیزی درباره PREVENT باید بدانید؟

بر پایه داده‌های معاصر بیش از ۶٫۵ میلیون بزرگسال متنوع در آمریکا ساخته و اعتبارسنجی شده و نسبت به ابزارهای قدیمی‌تر با جمعیت امروز آمریکا سازگارتر است.
ریسک ۱۰ ساله و ۳۰ ساله بیماری قلبی‌عروقی را برای افراد ۳۰ تا ۷۹ ساله بدون سابقه CVD شناخته‌شده برآورد می‌کند.
عوامل کلیه و متابولیک (مانند eGFR و BMI) را وارد مدل می‌کند تا برآورد جامع‌تری بدهد.
سه پیش‌بینی‌کننده اختیاری می‌توانند برآورد را شخصی‌سازی کنند:
UACR (نسبت آلبومین به کراتینین ادرار)،
HbA1c،
و SDI (شاخص محرومیت اجتماعی / کد پستی در نسخه رسمی آمریکا).
هدف استفاده توسط پزشک است تا گفت‌وگوی پزشک–بیمار و تصمیم‌های پیشگیری اولیه را در چارچوب راهنماهای بالینی روز هدایت کند.

منبع

درباره معادلات و ماشین‌حساب PREVENT

چه زمانی از PREVENT استفاده شود؟

مناسب برای

بزرگسالان ۳۰ تا ۷۹ سال
بدون بیماری قلبی‌عروقی تثبیت‌شده (بدون ASCVD یا نارسایی قلب قبلی)
در دسترس بودن مقادیر الزامی بالینی

استفاده نشود برای

سن کمتر از ۳۰ یا بیشتر از ۷۹
سابقه CVD شناخته‌شده
شواهد CVD تحت‌بالینی شدید (مثلاً کسر جهشی بطن چپ <۴۰٪، کلسیم کرونر ≥۳۰۰)
تست ژنتیکی مثبت برای بیماری قلبی ارثی شناخته‌شده
بیماری کلیوی مرحله پایانی
امید به زندگی محدود (مثلاً کمتر از یک سال)

مقادیر خارج از بازه باید طبق قضاوت بالینی مدیریت شوند. می‌توان نزدیک‌ترین مقدار داخل بازه را وارد کرد، اما ممکن است برآورد بیش‌ازحد یا کمتر از واقع باشد.

منابع
ماشین‌حساب PREVENT
·
راهنمای سریع معادلات PREVENT (PDF)

ورودی‌های الزامی و اختیاری

الزامی باید موجود باشند

جنس، سن، کلسترول تام، HDL، فشار خون سیستولی، BMI، eGFR، دیابت،
مصرف فعلی سیگار، درمان ضدفشار خون، مصرف داروهای کاهنده چربی (مانند استاتین).

اختیاری شخصی‌سازی

UACR — به‌ویژه در CKD، دیابت یا پرفشاری خون
HbA1c — در دیابت، پیش‌دیابت، اضافه‌وزن/چاقی یا سابقه دیابت بارداری
SDI / کد پستی — در نسخه رسمی آمریکا برای عوامل اجتماعی–محیطی

اگر مقادیر اختیاری در دسترس نباشند، ماشین‌حساب همچنان با ورودی‌های الزامی ریسک را محاسبه می‌کند.

منبع
راهنمای سریع PREVENT (PDF)

خروجی‌ها چه معنایی دارند؟

ماشین‌حساب PREVENT برای هر کدام از این سه پیامد، ریسک ۱۰ ساله و ۳۰ ساله می‌دهد:

خروجی	معنی
PREVENT-CVD	بیماری قلبی‌عروقی کل (شامل ASCVD و نارسایی قلب)
PREVENT-ASCVD	بیماری آترواسکلروتیک (سکته قلبی، مرگ کرونری، سکته مغزی)
PREVENT-HF	نارسایی قلب

چون ASCVD و HF جداگانه مدل شده‌اند، جمع آن‌ها ممکن است از ریسک CVD کل بیشتر شود.

تفسیر ساده:
اگر ریسک ۱۰ ساله CVD برابر ۴٪ باشد، یعنی از هر ۱۰۰ نفر با شرایط مشابه، حدود ۴ نفر طی ۱۰ سال آینده ممکن است به CVD مبتلا شوند.

سن قلبی (PREVENT-Age)

ریسک برآوردی را به یک «سن قلبی» معادل تبدیل می‌کند.
اگر PREVENT-Age از سن واقعی بیشتر باشد، ریسک نسبت به همسالان بالاتر از انتظار است؛
اگر کمتر باشد، پروفایل ریسک مطلوب‌تر است.

صدک ریسک ۳۰ ساله

ریسک بلندمدت شما را با افراد هم‌سن و هم‌جنس در جمعیت نماینده ملی مقایسه می‌کند
(مثلاً صدک ۹۳ یعنی ریسک بالاتر از حدود ۹۳ نفر از ۱۰۰ همسال).

منابع
سوالات متداول PREVENT برای بیماران (PDF)
·
راهنمای سریع (PDF)

ارتباط با درمان خلاصه FAQ بیماران

این بخش بر اساس FAQ بیماران AHA است و جایگزین قضاوت پزشک نیست.

فشار خون

در فشار ۱۳۰–۱۳۹ / ۸۰–۸۹، شروع دارو ممکن است بر اساس دیابت، بیماری کلیه، یا ریسک PREVENT (مثلاً ریسک ۱۰ ساله CVD ≥۷٫۵٪) مطرح شود.

کاهش کلسترول (مانند استاتین)

بر اساس ریسک ۱۰ ساله PREVENT-ASCVD:

مرزی: ۳٪ تا <۵٪
متوسط: ۵٪ تا <۱۰٪
بالا: ≥۱۰٪

در برخی بزرگسالان ۳۰–۵۹ ساله با ریسک ۱۰ ساله پایین، ریسک ۳۰ ساله بالا یا LDL بالا نیز می‌تواند شروع دارو را توجیه کند.

منبع
FAQ بیماران PREVENT (PDF)

منابع علمی و ابزارهای رسمی AHA

موضوع	لینک
ماشین‌حساب آنلاین PREVENT	professional.heart.org/…/prevent-calculator
معرفی معادلات و منابع	about-prevent-calculator
راهنمای سریع (PDF)	PREVENT-Equations-Quickstart-Guide.pdf
FAQ بیماران (PDF)	PREVENT-FAQ-for-Patient-FINAL.pdf
FAQ متخصصان (PDF)	PREVENT-FAQs-FINAL.pdf
سلامت CKM برای متخصصان	CKM Health for Professionals