研究基本信息
- 期刊：European Heart Journal（2026），47(Supplement_1)，DOI: 10.1093/eurheartj/ehag785.1071
- 文献类型：欧洲心脏病学会年会（ESC 2026）会议摘要，不是完整研究论文，方法与统计被压缩到千余字
- 作者单位：中日友好医院心衰中心
- 研究设计：单中心入组 + 随访结局 + 血浆蛋白组与代谢组 + 无监督聚类 + 机器学习分类
- 样本：203 例住院射血分数保留型心衰（HFpEF），按 LVEF 65% 分成 HFnEF（低于 65%，117 例）与 HFsnEF（不低于 65%，86 例）
两个 LVEF 组到底差在哪
HFsnEF 组 LVEF 65.2% 对 56.5%（p 小于 0.001）、左心室缩短分数 35.9% 对 29.6%（p 小于 0.001）、左心室收缩末径 30.9 mm 对 34.6 mm（p 小于 0.01）——呈现腔更小、射血分数更高的结构特征。
分子层面两组走了不同的路：HFnEF 上调运动蛋白与细胞因子通路，HFsnEF 富集氧化磷酸化与活性氧通路。LVEF 与 413 种循环蛋白显著相关（相关系数绝对值大于 0.3），其中与心肌结构蛋白 TNNI2、MYH3、CKMT2 负相关。
三种分子亚型
对全部患者的蛋白表达谱做无监督聚类，得到 C1、C2、C3 三类，C3 在心衰住院与复合终点上预后最差（p 小于 0.01）。作者强调，这三类与传统 LVEF 分组并不完全对应——也就是说，LVEF 相同的病人里还能再分出机制与预后不同的群。
那个 AUC 0.967 该怎么读
随机森林挑出的 14 种血浆蛋白构成的分类模型，测试集 AUC 0.967，数字很好看。但要一起读这几件事：
- 没有独立外部队列。所谓测试集来自同一批 203 例病人的内部划分，不是另一家医院的数据；摘要也没给划分比例和置信区间。
- 分类器准确不等于临床有用。摘要里没有任何证据表明按这个模型选治疗能改善结局，会议报道稿也明确写了这一点。
- 特征筛选是否嵌进交叉验证折内，摘要没交代。若在全体数据上先筛蛋白再划分，AUC 会系统性偏高。
预后部分的数字要标清来源
摘要本身只写 C3 亚型预后更差，没有给出 HFsnEF 的死亡风险比。校正后全因死亡 HR 3.04（95% CI 1.28 至 7.23）这一数值来自中方对同一场 ESC 报告的报道稿，摘要中未见，引用时请区别对待。同一报道给出的 LVEF 中位数（69.0% 对 60.0%）与摘要的均值（65.2% 对 56.5%）口径不同，本条一律以摘要数值为准。
一条外部参照：65% 这条线本身就有争议
2025 年 European Journal of Heart Failure 发表过一项同主题的多组学研究（CHART-Omics，442 人，DOI: 10.1002/ejhf.3654）。它用性别特异切点（男性 70%、女性 75%）时才观察到 HFsnEF 心血管风险升高；作者在同一批数据里改用 65% 切点，风险升高就不见了。
两项研究人群、终点、切点都不同（那条是心血管死亡加心衰住院的复合终点，本条报的是全因死亡），不能互相验证，也不能互相否定。但足以提醒：把 65% 当分界线得出的三倍死亡风险，需要更大人群复核。
边界
- 会议摘要，统计方法与蛋白组平台、阈值都未交代，别人复现不了。
- 单中心、全部为住院病人，选择偏倚明显；203 例里再分三层亚型，每层人数很有限。
- 观察性设计，只能说关联，不能说蛋白变化导致预后变差。
- 无外部验证，距临床可用的分层工具还有距离。