2013年2月27日星期三（MedPage Today） - 研究人员设计了一种测定女性10年房颤（Afib）风险的简单方法，该方法与遗传风险标记
在32个潜在的危险因素中，女性中最易预测Afib风险的6个是年龄，体重，身高，收缩压，每天两种或更多含酒精饮料和吸烟史，根据波士顿布里格姆妇女医院的Brendan Everett医师及其同事
女性健康研究房颤风险预测模型（WHS房颤）在确定未来10年房颤风险增加的妇女中明显优于估计AW阿曼使用她的年龄独自承担风险，他们在 欧洲心脏杂志 在线发表的研究中写道，近四分之一的女性（22.5％）被重新分配到更准确的心房颤动风险类别新的模型
在确定风险的六个变量很容易在“几乎每个初级预防人群中获得，并且有几个可以通过生活方式干预进行修改”，研究人员指出，他们指出，WHS房颤风险预测模型可用于针对特定的女性群体，有可能筛查房颤风险具有成本效益。研究人员还测试了一项遗传风险评分，该评分包括9个位点的12个变异，据报告与心房颤动有关。 Everett及其同事发现，这种风险模型改进了几种心房颤动风险预测的测量方法，但最终得出结论
在整体队列中，遗传风险评分最高分位点的女性患房颤的风险是房颤的两倍以上尽管遗传风险评分改善了WHS房颤风险预测模型的区分，但并未改善风险的重新分类（14.7％与WHS房颤模型的22.5％）。
研究人员得出结论认为，遗传风险评分有可能提高预测房颤的能力，但在此推荐用于普通大众的组合模型之前，还需要进行更多的基因检测研究。
研究参与者来了来自妇女基因组健康研究，这是妇女健康研究的一部分。研究人员将13,061人随机分配到风险模型推导数据集，其余6,879人分配到验证数据集。这些女性的中位随访时间为14年。
中位年龄为52岁，中位体重指数为25。每1,000年观察房颤的发病率为2.23。
基线特征，变量包括在Afib风险预测算法中，并且与Afib风险相关的生物标志物水平在两个队列中相似。
没有一个被认为是风险变量的14种血液生物标志物进入前六名。然而，高敏C反应蛋白会成为下一个变量，Everett及其同事写道
研究的强度是队列大小，随访时间，以及危险因素和生物标志物的广度考虑纳入模型“，作者指出，
该研究的局限性可能是该结果仅适用于心血管疾病和心力衰竭患病率低的欧洲血统的女性。研究人员也无法获得基线ECG，这使得他们无法将其模型与包括ECG作为危险因素的其他模型进行比较。
随访ECG也未包括在内，也没有包含心房颤动家族史的信息。
资料来源：Six Factors最佳预测女性Afib风险
Dorothy Caputo，MA
进一步审查
