研究背景
心房颤动（AF）因多种危险因素和合并症的存在而具有临床异质性。传统基于心律失常模式的分类可能不足以捕捉患者群体中的不同临床表现和风险。
研究方法
通过对2016年1月至2021年11月间纳入的3,259例接受抗凝治疗的AF患者进行前瞻性研究，采用分层聚类分析识别表型特征。主要终点包括血栓栓塞事件、大出血、主要不良心血管事件（MACE）、心血管死亡和全因死亡的两年随访数据。
研究结果
共识别出五种表型：
- Cluster 1（19.8%）：≤75岁、合并症较少的患者（基准组）
- Cluster 2（11.8%）：≤75岁、高风险生活方式和代谢特征的男性患者
- Cluster 3（24.6%）：＞75岁、有卒中/TIA/血栓栓塞史的患者
- Cluster 4（20.8%）：＞75岁、有癌症史的患者
- Cluster 5（23.0%）：＞75岁、多病共存的患者（最高风险组）
与Cluster 1相比，Cluster 5调整后风险比（aHR）分别为：
- 血栓栓塞事件：3.31（95% CI 1.96-5.57）
- 大出血：4.73（95% CI 2.51-8.91）
- MACE：4.13（95% CI 2.62-6.51）
- 心血管死亡：6.82（95% CI 3.05-15.27）
- 全因死亡：4.18（95% CI 2.77-6.31）
临床意义
Cluster 1患者健康生活方式依从性最高（32.3%高依从性），而Cluster 2（6.5%）和Cluster 5（6.3%）最低。通过K-means聚类和主成分分析验证了表型结构的稳定性。
结论
聚类分析揭示了AF患者的表型差异及其对应的不良结局风险。年龄＞75岁且多病共存的患者风险最高，而年轻患者若保持健康生活方式可显著降低风险。该分层体系为个体化治疗提供了临床依据。
局限性
- 观察性研究无法建立因果关系；
- 未纳入动态表型变化；
- 人群为西班牙单中心队列，种族同质性限制推广；
- 自报生活方式数据存在回忆偏倚；
- 未收集心衰住院等关键结局数据。
【全文结束】
