超80万中国人群大队列数据 | China-PAR ASCVD高危人群最优LDL-C水平参考：2.75mmol/L
- boke
- 2024-07-25
- 5:55 下午
低密度脂蛋白胆固醇（LDL-C）是心脑血管疾病（CVD）的主要致病因素，它与动脉粥样硬化性心血管疾病（ASCVD）有因果关系。据估计，LDL-C水平过高每年会导致 430 万人死亡、占全球死亡人数的7.7%。
在欧美国家的一般人群中，LDL-C 浓度与全因或心血管疾病 (CVD) 死亡率之间呈现 U 形关联，LDL-C过高或过低都不理想。但对于中国人来说，遗传、饮食，生活环境等各个方面都与西方国家有较大的差异，以欧美人群为主的临床试验得出的LDL-C最优水平可能不适合中国人群。此外，不同ASCVD风险分层的人群中，最佳的LDL-C浓度也仍不清楚。
中国人群不同ASCVD风险个体的最优LDL-C究竟是多少，这可能决定了临床实践中使用的不同血脂管理策略。
近日，JAMA Network Open期刊发表了中国大规模队列研究China-HEART项目的研究结果[1]，按照中国人群ASCVD风险评估模型China-PAR对人群ASCVD风险分层，该研究显示ASCVD中低风险队列、ASCVD高风险队列以及二级预防队列人群的LDL-C最佳水平分别为：3.05、2.75和1.45mmol/L。
China-HEART项目是中国政府资助的一项持续进行的公共卫生项目，涵盖中国31个省份，从2014年11月至2022年12月，招募35至75岁的居民，共440万人，年龄为56.1岁，最终纳入该研究的参与者为约380万人。
参与者按照China-PAR模型评估ASCVD风险状态和是否确诊ASCVD被分为三个队列：
1. 低风险队列：ASCVD中低风险的参与者（China-PAR≤10%），~280万人；
2. 一级预防队列：ASCVD高风险的参与者（China-PAR＞10%），~80万人；
3. 二级预防队列：已确诊ASCVD的参与者，~12万人。
China-PAR 模型是顾东风院士团队利用中国China-PAR研究新近随访的大样本队列研究数据于2016年建立，适合中国人的ASCVD风险分层标准。
在随访的中位数4.6年间，共记录了92,888例死亡，其中包括38,627例心脑血管疾病死亡。LDL-C浓度与全因或心脑血管疾病（CVD）死亡率的关系在低风险队列和一级预防队列（ASCVD高风险）中呈U形，而在二级预防队列中则呈J形。LDL-C水平过低或过高均可能增加死亡风险。
在不同队列人群中，与最低心脑血管疾病（CVD）死亡率相对应的LDL-C水平分别为：低风险队列117.8mg/dL (3.05mmol/L)，一级预防队列（ASCVD高风险）106.0 mg/dL (2.75mmol/L)，以及二级预防队列55.8 mg/dL (1.45mmol/L)。
此外，在整个队列中，糖尿病患者与非糖尿病患者相比，与最低全因死亡率[(90.9 mg/dL (2.35mmol/L)对比117.0 mg/dL (3.03mmol/L)]和最低CVD死亡率[(87 mg/dL (2.25 mmol/L)对比114.6 mg/dL (2.97 mmol/L) ]相关的LDL-C浓度均较低。
晓芯甘TM
伯科生物科技公司开发的心脑血管健康评估芯片（ 晓芯甘TM），涵盖了528个基因，661个单核苷酸多态性位点（PRS），27个药物基因代谢位点；其中多基因风险评估检测包括冠心病与脑卒中，单基因检测涵盖7大类心血管疾病，如心肌病、心脏离子通道病（包括QT综合征）、单基因遗传性高血压、遗传性主动脉疾病、肺动脉高压、遗传性易栓症、家族性高胆固醇血症。
晓芯甘TM检测以多基因遗传风险为基础，加上单基因致病位点的检测，可以全面评估心脑血管疾病的遗传风险（Genetic Risk），实现精准筛查；利用多基因遗传风险和临床风险的综合模型能够更加精细化的进行风险分层；结合药物基因代谢的检测，针对高风险人群进行个性化干预以及有效治疗。
晓芯甘TM检测应用的研发与转化是基于过去二十年顾东风院士带领的国家心血管病中心研究团队的中国人群大队列基因组学研究，近十多年研究团队协调组织了中国、新加坡、马来西亚、日本、菲律宾等东亚人群以及欧美人群，涉及到全球近100余个队列，开展了50万人群心脑血管疾病基因组学研究，系统地解码了影响中国人群冠心病、脑卒中以及血脂异常、高血压等主要危险因素的遗传信息，相关研究成果发表在Nature Genetics、European Heart Journal等世界顶尖的学术期刊。
参考文献
1. Chen L, Chen S, Bai X, et al. Low-Density Lipoprotein Cholesterol, Cardiovascular Disease Risk, and Mortality in China. JAMA Netw Open. 2024;7(7):e2422558.