无症状心房颤动的筛查∗

崔亦锴 汤日波

心房颤动(简称房颤)是临床常见的心律失常,随着人口老龄化到来,房颤发病率和患病率呈上升趋势。2018 年中国房颤流行病学调查显示,我国40岁以上居民房颤患病率为2.31%,且与卒中显著相关[1]。其中,无症状房颤应受到重视。它虽无临床症状,常在体检中偶然诊断,但患病率同样较高,且可带来脑卒中等严重并发症。根据不同的研究,在所有房颤患者中,无症状房颤占比从33%至42%不等[2－3]。而在整个人群中,无症状房颤患者的患病率为1%,且在高龄人群与心脏疾病患者中比例更高[4]。Hohnloser等[5]对2 580名65岁以上植入心脏植入性电子装置(CIED)的老年高血压患者进行了2.5年的随访,在无抗凝药的干预下,4.2%的无症状房颤患者发生了卒中或栓塞,是非房颤患者的2.49倍。此外,与西方相比,亚洲不明原因卒中患者的无症状房颤检出率更高[6]。由于无症状房颤检出较为困难,真实情况可能比以上数据更为严重。因此,无症状房颤筛查意义重大。笔者综述无症状房颤的筛查进展。

1 房颤发生的预测因素(流行病学)

房颤的筛查工作量大,了解房颤预测因素有利于医疗机构缩小筛查人群,提高效率,节约资源。在常见要素中,年龄、身体质量指数是有预测价值的要素,高龄、肥胖都会带来更高的房颤风险[7－8]。而在多变量回归分析中调整了身高体重等影响因素后,研究发现性别与房颤并没有独立相关性。过去对于房颤与男性的相关性的错误认识来源于男性人群与女性人群在平均身高、平均体重等数值上的差异[7]。在临床疾病中,高血压、心力衰竭、心脏瓣膜病、高脂血症、卒中、冠心病、肾功能不全与呼吸睡眠暂停综合征等疾病均被证明是房颤的独立预测因素[7－9]。另有研究证明,脑利钠肽的升高和长期耐力锻炼,也预示着房颤的风险[10－13]。但这些研究结果仍需要进一步的研究来验证。

2 房颤发生的风险评分

房颤的预测因素给无症状房颤的筛查提供了大的方向,在了解预测因素的基础上,通过给出风险评分用于预测个体发生房颤的风险,能够优化受筛群体与筛查策略,提高成本效益。Linker等[14]利用原有的慢性病检测数据,建立了一个新的风险模型用于筛查无症状房颤(SAAFE)。新模型纳入了年龄、身高、体重、心力衰竭、冠心病、心肌梗死、慢性阻塞性肺疾病、心脏骤停、冠状支架、卒中、糖尿病、肾移植、2年内心内科住院史、人种等这14个因素。作者又对包括新模型在内的9个风险模型进行了比较,结果表明其中的最佳模型,基于心脏和衰老基因组流行病学队列研究的房颤预测模型(CHARGE-AF-A)在有效性上与基于社区动脉粥样硬化风险队列研究的房颤预测模型(ARIC)(P＝0.15)或无症状房颤事件的筛查模型(SAAFE)(P＝0.45)之间无显著差异。但SAAFE与CHARGE-AF-A 模型、ARIC 模型相比,不需要利用心电图与心脏超声的检查,所有要素均来自既往病史,可以在提高无症状阵发性房颤筛查方案的收益的同时,不增加成本。预测房颤风险的评分和预测房颤卒中风险的评分(如CHA2DS2-VASc)之间的因素方面存在相当大的重叠,年龄、心力衰竭、糖尿病和高血压是在这两种评分中都具有的特征。因此,通过这些评分确定目标人群的策略具有潜在的优势,即如果评分确定的人随后发展为房颤,他们很可能从抗凝治疗中获益。

3 筛查工具及方法

3.1 脉搏触诊

脉搏触诊是最便捷经济的筛查方法。但其灵敏度与特异度受操作人员素质影响。一个包含864名患者的研究显示,医护人员脉搏触诊对房颤检测的灵敏度为99.4%,特异度为30.7%,阳性预测值为36.6%,阴性预测值为99.2%[15]。另一研究中,老年人在接受教育后能够可靠地辨别正常节律与房颤节律,且准确性与医护人员无显著差别[16]。因此,基于其高灵敏度与便利性,脉搏触诊与自触可能是一种有效的低成本排查无症状房颤的方法。

3.2 房颤发作时的心电图

心电图是传统的房颤筛查方法,根据检测工具的不同,心电图筛查可分为传统12导联心电图、单导联心电图、24h动态心电图(Holter)、新型可穿戴设备和CIED。

3.2.1 单导联心电图、Holter 单导联心电图一直是常用的房颤筛查工具,当配合远程监控时,它拥有了更高的依从性和良好的敏感性。Halcox等[3]的研究将1 001名65岁以上CHA2DS2-VASc≥2的无房颤患者分为远程单导联心电图组(实验组)与常规护理对照组(对照组)。实验组患者进行每周两次的单导联心电图记录,结果由临床医生进行判断。12个月后,实验组房颤检出率(3.8%)明显高于对照组(1.0%)(HR,3.9)。这意味着多次远程单导联心电图是房颤筛查的一个有效选择。而Holter与单导联心电图相比在使用成本、筛查效率、便携性和房颤检出率等方面上的差别引起大家对这两种方式选择上的争议。Ramkumar等[17]的研究纳入了54项相关研究来分析两者的筛查灵敏度,其中18项采用单导联心电图监测(n＝117 436),平均房颤检出率为1.7%,且各研究检出率之间存在显著差异(P＜0.001)。经回归分析确定总监测时间(P＝0.005)是房颤检出率异质性的潜在因素,房颤检出率与总监测时间呈中度线性关系(r＝0.65,P＝0.003)。另外36项研究采用动态心电图监测(n＝8 498)。两种检查方式检出率进行对比得出,进行多次间断单导联心电图检测的检出率(4.8%)与Holter(4.6%)相当。当间断心电图检测时长总和达到19 min时,间歇性检测就可产生类似于Holter监测的检出率。但Fredriksson等[18]仍认为连续检测具有重要意义,其研究发现,对于25名被连续2周心电图监测诊断出房颤的患者中,只有10名(40%)被2周内每天两次30s间歇心电图诊断为房颤。并且连续心电图检测有利于房颤负荷的计算。短阵房颤的最短持续时间与卒中风险相关,持续时间越长,卒中风险越高[19]。因此,对于房颤持续时长的检测就显得更为重要。但更长时间的筛查意为着更高的成本,因此仍然需要关于成本效益的有效验证。

3.2.2 新型可穿戴式设备 新型可穿戴设备多采用贴片电极进行心电图捕捉,设备的便利性和防水性等优点,使其具备了长时程(可达14天),多状态(运动、睡眠)的监控能力。这使它拥有更高的房颤筛出率。Steinhubl等[20]的研究纳入了5 214名受试者,以1∶2的比例分为实验组与对照组。实验组每三个月佩戴iRhythmZioXT心电监护贴片4 周,一年后,实验组(6.3%)的房颤诊断率为对照组(2.3%)的2.74倍。汪蓉等[21]对30名房颤确诊患者,同时进行Holter检查与依赖我国科恩医疗自主研发的Smartpatch贴片的为期两周的心电图持续监测。Smartpatch组最终在10名患者中发现房颤心律,远高于Holter组的1 名。这表明在房颤筛查中,新型可穿戴设备有着更高的灵敏度。此外,穿戴设备的便利性、舒适度及对房颤负荷的评估能力也是其主要优点。3.2.3 CIED CIED 主要用于卒中后或严重心血管疾病后。植入性心电事件监测器(ICM)、埋藏式心脏转复除颤器(ICD)、可植入式循环记录仪(ILR)均可用于房颤筛查,并且拥有极高的灵敏度。Ziegler等[22]对574例有房颤病史的起搏器患者的资料进行回顾性分析,通过随机抽取资料内的数据,模拟每月一次Holter的检测结果。结果显示,与CIED连续监测相比,每月一次Holter检查对房颤筛查的灵敏度仅为71%。而远程监控功能进一步提高了植入性设备的筛查时效性。Martin等[23]将2 718例除颤器患者分为远程监控组与医院随访组。经过两年的随访,远程监控组与医院随访组的终点事件比例(卒中、全身栓塞、大出血和死亡率)没有明显差异,但是从房颤病人被捕捉到房颤心电图到开始抗凝的平均时长,远程监控组(3天)明显短于医院随访组(54天)。因此CIED 配合远程监控后,将更有利于房颤的早诊早治。但CIED 设备的侵入性注定了其应用受限,单纯用于房颤筛查的CIED 植入仅见于部分隐源性卒中患者。

3.3 手机终端

手机作为房颤筛查工具分为单导联ECG 法与光电容积脉搏波描记法这两种应用方法。与传统便携心电图设备相比,手机主要优势在于,拥有极高普及率且操作便利,智能软件的算法更加准确,连接互联网便于数据整合与分析,且便于远程医生诊断。这几个优点都有利于手机终端成为社区筛查与家庭自查的优秀设备。

3.3.1 基于手机的单导联ECG 利用手机进行ECG 检测来进行房颤筛查需要配合额外电极配件及特定软件进行使用。香港进行了此类设备的首个大规模筛查应用,13 122名居民参与此次筛查,新发现101名(0.8%)参与者患有房颤,并且其中66名为无症状房颤患者。这一结果证实了基于智能手机的无线单导联心电图社区筛查房颤的可行性[9]。

3.3.2 基于手机的光电容积脉搏波描记 利用手机摄像头进行光电容积脉搏波描记是新出现的一种筛查方式。研究证实可以利用手机摄像头拍摄指尖与面部,通过光电容积描记技术,提取皮肤微循环搏动引起的皮肤颜色的细微变化,来反映心脏搏动情况,从而诊断房颤。Yan等[24]在研究中对217名患者采用指尖摄影、面部摄影与12导联ECG 各进行了三次检测。指尖摄影要求用指尖覆盖iPhone摄像头,进行3次连续20 s(共60 s)指尖脉搏光电容积的测量,结果与12导联ECG 对比显示,其灵敏度为94.7%,特异度为93.0%,准确度为93.5%。同时对这217名患者进行三次连续的20 s(共60 s)的面部光电容积图的测量,结果与12导联ECG 对比显示,其灵敏度为94.7%,特异度为95.8%,准确度为95.4%。且经过单变量Logistic回归分析,面部皮肤颜色和背景光强度不影响检测结果。患者使用这种新型的筛查方式时,除手机外无需购买配套硬件,只需要使用Cardiio Rhythm 这一手机程序,未来在房颤普查与自查中的应用前景十分广阔。

3.4 智能手表

智能手表和其配件的发展为房颤筛查提供了新途径。Bumgarner等[25]在研究中评估了这一设备。患者需要佩戴苹果手表与Kardia表带,并下载Kardia这一APP。患者可以通过手指触摸表带特定传感器来记录30 s单导联的心电图。结果显示,APP 判读房颤灵敏度为93%,特异度为84%。当APP面对无法判别的心电图时,手表会选择上传需甄别的心电图至专业医生,面对此类需甄别的心电图,专业医生判读的灵敏度为100%,特异度为80%。此类设备在原理上依旧属于便携式单导联心电图。但其优点十分明显:①手表的便携性远高于其他设备。②智能手表可随时联网,可由医生远程诊断。此外,随着新的计算方式的出现,手表的作用又有了进一步的扩展。Wasserlauf等[26]的研究评估了智能手表上smarterhyth2.0这一软件的新监控策略。研究中,苹果手表会持续记录患者心率,当患者使用Kardia表带进行心电图的测量后,智能手表会将心电图测量前后各一小时的心率数据同心电图一起分析,使患者不但能够获得房颤诊断,还能得到房颤负荷数据。研究对82名装有ICM 的患者进行智能手表的对照试验,在手表佩戴期间,在ICM 上检测到的所有房颤发作的总持续时间为1 127.1 h,其中1 101.1 h被智能手表检测到(持续时间灵敏度,97.7%)。这为医生对患者终点事件的预测提供了更多的数据支持。同时国产品牌也表现不俗。在MAFAⅡ研究中,采用我国品牌华为智能手表对187 912 人进行了至少14 天的心率监测,共有424人(0.23%)收到了“疑似房颤”的通知。其中262人进行了医疗随访,共227人(87.0%)经检查确诊为房颤。其房颤筛查的阳性预测值为91.6%[27]。与ICM 相比,智能手表无需侵入,充电方便。且随着智能算法的进步,这种计算方式会进一步优化。它作为一种非侵入的长期房颤监控设备,是一个很好的选择。

3.5 电子血压仪

随着电子血压仪的发展,利用它来进行房颤筛查成为一种选择。血压仪是门诊与病房的常用体检设备,其使用率高,便于在医院与药房用于筛查。不同于听诊法血压仪,利用震荡法检测血压的示波电子血压仪能够利用震荡波计算血流波动,从而反应心脏搏动情况。同时高血压是房颤的独立预测因素,利用血压计检查房颤有利于提高筛查阳性率,但血压计筛查房颤一直存在高假阳性率的问题,Wiesel等[28]通过研究发现假阳性率为2%。另一项包含5 969名居民的研究显示,血压仪检测房颤的阳性预测值为42.4%,阴性预测值为99.8%。但这并不代表血压仪不适合用于筛查。中国人群房颤发病率较低。因此,血压仪作为一种拥有良好灵敏度和较高的阴性预测值的房颤筛查设备对于中国居民来说是一种非常有价值的筛查手段[29]。

3.6 窦性心律时的心电图

传统房颤筛查方式都是依靠房颤发作时的心率及心电图变化发现房颤。然而,新的技术改变了这一传统。Attia等[30]利用人工智能技术,对180 922例患者和649 931例正常人的窦性心律心电图的P波进行学习,利用卷积神经网络算法识别出P波中肉眼难以识别的细小差异。P 波中的这些有差异的小波可能反映了患者心房局部存在非窦性电活动,例如食道超声发现部分房颤患者在窦性心律时左心耳无机械活动或仍处于持续颤动。这使电脑能够通过窦性心律心电图识别房颤患者。仅通过一张10 s的标准心电图,人工智能识别房颤这一筛查手段的曲线下面积就达到了0.87,其灵敏度为79.0%,特异度为79.5%。如果患者可以提供多张心电图,则识别灵敏度与特异度会大幅度增加。这一新技术,不但对房颤的筛查提供了全新的思路,也为对房颤患者窦性心律时的心房电活动的研究提供了新方向。

4 筛查策略

筛查策略的设计主要依赖于成本效益的计算与比较。欧洲心律协会在2017年给出了较为完整的房颤筛查意见:①建议对≥65岁的人采用脉搏触诊或心电图记录的方式在社区中进行机会性的筛查。②心电图的系统筛查可以用来检查≥75岁或高卒中风险的患者。③在对患者进行抗凝治疗之前,需要对房颤进行心电图确认。④对卒中幸存者来说,应延长心电图监测时间,最终应使用外部或植入的循环记录器。⑤应考虑定期询问心脏起搏器(PM)和ICD 记录,尽可能使用远程监控,以便尽早检测无症状房颤[31]。

综上所述,房颤的流行病学可以缩小早期筛查的范围,减少工作量,提高效率。互联网和电子产品给筛查带来便利,这些筛查方法和工具可以进一步提高筛查的阳性率,最终使房颤诊疗产生更大的社会和经济效益。