该研究旨在整合可改变的房颤危险因素，开发并验证一项易于计算的房颤风险预测评分系统，研究人员使用了来自英国生物样本库（UKB）的前瞻队列数据，该队列规模最大且详细记录了纳入人群的生活方式因素和房颤进展长期结局，这一风险模型在 Framingham心脏研究（FHS）中进行了外部验证。

方法和结果：UKB和FHS均为结局随访>10年的大型前瞻性队列。房颤事件根据国际疾病分类第10版编码定义，并排除既往房颤。使用多变量Cox比例风险回归模型识别独立的房颤预测因素。研究人员利用UKB开发了一项加权评分系统，并在FHS中进行外部验证。Kaplan–Meier估计值明确了房颤进展的风险。UKB纳入的314280人中，房颤发生率为5.7%，发生房颤的中位时间为7.6年（四分位数间距：4.5~10.2）。房颤预测变量包括高血压、年龄、体质指数、男性、睡眠呼吸暂停、吸烟和饮酒（所有P值均＜0.001），而缺乏体力活动（HR 1.01, 95%CI 0.96~1.05, P=0.80）和糖尿病（HR 1.03, 95%CI 0.97~1.09, P=0.38）与房颤无显著相关性。UKB中，HARMS2-AF评分[曲线下面积(AUC): 0.782]与非加权模型（AUC: 0.802）预测能力相似。FHS（纳入7171人，房颤发生率为6.0%）的外部验证显示AUC为0.757（95%CI 0.735~0.779）。HARMS2-AF评分较高（≥5分）与房颤风险增加显著相关（评分5~9: HR 12.79; 评分10~14: HR 38.70）。HARMS2-AF风险模型的预测能力优于Framingham-AF（AUC: 0.568）and ARIC（AUC: 0.713）风险模型（P值均＜0.001)，与CHARGE-AF风险评分相当（AUC: 0.754, P=0.73）。

研究主要发现如下：

1）高龄、男性、高血压、肥胖、饮酒、吸烟和睡眠呼吸暂停与房颤事件风险独立相关；

2）缺乏体力活动和糖尿病在单变量分析中与房颤事件有关，但在多变量分析中无关；

3）HARMS2-AF模型相对简单，UKB中得出房颤预测的加权风险评分，并在FHS中进行外部验证，AUC为0.757；

4）HARMS2-AF评分每增加1分，FHS房颤事件风险增加2倍[HR: 2.35 (95%CI 2.16~2.56)]。

房颤生活方式风险评分的主要目的是帮助医生识别存在风险的个体并进行潜在管理，从而减轻房颤症状负担，延缓疾病进展，防止并发症。该研究结合了易于获取且可改变的生活方式参数，这些参数在临床上可重复收集，避免了超声心动图或药物试验等进一步诊断干预所需的成本和引起的不便。

风险评分可能有助于快速识别高风险个体，从而进行生活方式干预，然而基于风险评分的干预对房颤事件的影响尚未明确。另外，应考虑到风险评分是否适用于一般人群筛查或在一级预防中识别存在房颤风险且可能从生活方式危险因素干预中获益的个体。

结论：HARMS2-AF风险评分评估了已确定的和新发现的生活方式危险因素对房颤事件风险的相对贡献和关系。结合这项相对简单的基于生活方式的房颤风险评分，可识别存在风险的个体，有助于早期进行有针对性的干预。

表3 房颤事件的多变量预测因素

图1 年龄、饮酒和体重指数与房颤风险的关系的三次样条回归。单变量模型的三次样条回归显示年龄与房颤风险存在凸关系，饮酒和体重指数与房颤风险有关。

AF：房颤；BMI：体质指数

图2 HARMS2-AF风险评分

BMI：体质指数；std：标准

图3 利用UKB开发HARMS2-AF生活方式风险评分，并在FHS中进行外部验证。UKB和FHS中，HARMS2-AF风险评分预测5年和10年房颤进展风险的表现如图。

AUC：曲线下面积；CI：置信区间；UKB：英国生物样本库；FHS：Framingham心脏研究

图4 根据房颤风险将UKB分为三层，各层无心律失常生存期的Kaplan-Meier估计值。

AF；房颤；HR：风险比；CI：置信区间

表4 FHS人群特征

HTN：高血压；MI：心肌梗死；sddw：标准杯/周；BP：血压；LVH：左室肥大；LA：左房