背景
患有肺动脉高压（PH）和慢性阻塞性肺疾病（COPD）的患者面临着更高的疾病加重风险和降低的生存率。这种并发症对患者的生活质量和总体预后产生了显著影响。然而，目前缺乏针对这类患者的有效、非侵入性预测工具，这使得临床医生在制定治疗方案时面临挑战。因此，本研究旨在开发和验证一个非侵入性列线图，以预测与严重PH相关的COPD，并为同时患有PH的COPD患者（COPD-PH）提供一个预后列线图。

方法
本研究包括来自六家医院的535名COPD-PH患者。我们采用了多种统计分析方法来确定影响严重PH和COPD-PH预后的独立风险因素。首先，通过多变量逻辑回归分析，识别COPD患者中严重PH的风险因素。然后，使用多变量Cox回归分析，找出影响COPD-PH患者预后的因素。为了验证这些预测模型的准确性和实用性，我们采用了校准曲线、受试者工作特征曲线（ROC曲线）下面积和决策分析曲线来评估模型的性能。此外，通过Kaplan-Meier曲线进行生存分析，以进一步验证预后列线图的可靠性。最终，这些列线图被开发为在线网络软件，使得临床医生可以方便地使用这些工具来评估患者的风险和预后。

结果
研究结果显示，三尖瓣返流速度、右心室直径、N末端脑钠肽前体（NT-proBNP）、红细胞计数、纽约心脏病协会功能分级和性别是COPD患者严重PH的非侵入性独立变量。这些变量被用于构建一个风险评估列线图，该图在区分COPD患者中是否存在严重PH方面表现出良好的鉴别能力。此外，NT-proBNP、平均肺动脉压、动脉氧分压、血小板计数和白蛋白被确定为COPD-PH的独立预后因素，这些变量被用于创建总体生存率的预测列线图。这些预测模型在验证过程中显示出良好的校准度和高精度。

讨论
本研究首次在中国大规模COPD-PH患者群体中开发并验证了两个非侵入性列线图。这些工具可以显著提高临床医生在日常实践中对COPD患者严重PH的风险评估和COPD-PH患者预后的预测能力。通过这些列线图，临床医生可以更准确地评估患者的病情进展，并据此制定个性化的治疗方案，旨在提高患者的生活质量和生存率。

此外，列线图被开发为在线网络软件，使其易于使用和推广。这一创新不仅简化了复杂的计算过程，还利用人工智能技术提供了更智能和高效的诊断与治疗建议。在线工具的引入为临床医生提供了便捷的访问途径，使他们能够在繁忙的临床环境中快速获取和应用这些预测工具。

结论
基于大样本量COPD-PH患者数据开发的列线图，为临床医生提供了一种可靠的非侵入性工具，用于评估COPD患者的严重PH风险和COPD-PH患者的预后。这些工具的引入有望改善临床决策过程，提高治疗效果，并最终提升患者的生活质量和生存率。未来，我们希望能够进一步完善这些列线图，并在更多的临床环境中验证其有效性，以确保其广泛应用和持续改进。

亮点
本研究是一个多中心研究，涵盖了大量通过右心导管检查确诊为肺动脉高压的慢性阻塞性肺疾病（COPD）患者。研究开发了一种非侵入性的在线临床工具，用于评估COPD患者中严重肺动脉高压（PH）的风险。这是首个针对中国COPD-PH患者的风险评估工具，具有重要的临床应用价值和推广潜力。

原始出处：

Zhou D, Liu C, Wang L, Li J, Zhao Y, Deng Z, Hou C, Fu Y, Jiang Q, Lai N, Zhang R, Feng W, Gao C, Li X, Jiang M, Fu X, Chen J, Hong W, Xu L, He W, Liu J, Yang Y, Lu W, Zhong N, Cao Y, Wang J, Chen Y. Prediction of clinical risk assessment and survival in chronic obstructive pulmonary disease with pulmonary hypertension. Clin Transl Med. 2024 Jun;14(6):e1702. doi: 10.1002/ctm2.1702. PMID: 38861300.