心血管靶点问题因病种而异：ASCVD 与血压轴缺的是校准与实施链，ICH、HFpEF 与房颤基质仍缺靶点

结论先行：对 ASCVD 和血压轴，心血管不缺方向已知的靶点，缺的是经事件校准的替代终点、足够的暴露单位，以及把每单位效应落到具体人群的实施链；对中国，这条链首先卡在结局能否测准和诊疗链哪一段断裂，然后才是给谁、降多少的净获益决策；ICH、HFpEF 和房颤基质则仍然缺靶点本身。 这句话有三层限定。第一是适用范围。LDL 轴（HMGCR、NPC1L1、PCSK9、LDLR）是全医学里因果链闭合最完整的靶点：遗传学先作出预测，结局试验随后证实，药物已获批；2025 年 11 月的 VESALIUS-CV 又把 PCSK9 单抗的获益扩展到无既往心梗或卒中的高危动脉粥样硬化人群。降压药靶同样早已明确。但出血性卒中（ICH）、HFpEF、房颤的致病基质（心房心肌病）和血管衰老确实缺少经人类遗传学验证的直接靶点，"不缺靶点"不适用于它们。第二是在"可干预的因果层"内部补上两个原报告忽略的层级：一个在下方，是测量/结局确定层，即卒中亚型能不能从死因登记中测准、POC 血脂和两次血压能不能代表通常水平；另一个在上方，是效应迁移/决策层，即怎样把 MR 和 RCT 给出的每单位相对效应，换算成中国个体在卒中亚型竞争风险下的绝对净获益。第三是对孟德尔随机化（MR）的正确表述：MR 给出的是每单位生物标志物的终生因果效应，在 LDL 轴上它对获益幅度的预测是成功的；换算到试验获益，需要知道可达到的绝对降幅、暴露时长的换算系数和正确的生物标志物尺度。2026 年 Lp(a)（Lp(a)HORIZON，2026-09-04 顶线未达主要终点）和 IL-6（ZEUS，2026-07-31，HR 0.99）的 III 期阴性，不是"MR 只能判方向、不能判幅度"，而是有把手但未经事件校准的替代终点，加上试验暴露的单位不足（HORIZON），或者外推超出了工具变量覆盖的尺度（ZEUS）。

对中国，归因负担前三位是高收缩压、大气颗粒物和 LDL-C，三者的靶点早已明确。 China PEACE MPP 筛查人群（2014–2017 年，35–75 岁志愿者）的高血压控制率只有 7.2%，同期具有全国代表性的中国高血压调查（CHS 2012–2015）报告的控制率约 15%【未核实】，两者都说明可挽回的负担主要在"人群→干预"这一层，缺的并不是靶点。ChinaHEART 高危人群的他汀使用率很低（原笔记给出的是他汀或阿司匹林不到 3%）；需要说明的是，一级预防已不常规推荐阿司匹林，它的低使用率不能算作可挽回的缺口。对即将分析 ChinaHEART 的算法团队，笔记显示这个队列目前没有已知的全基因组分型或大规模蛋白组，现有的是 440 万人的基线数据、约 270 万份存储样本和以死亡登记为主的随访（中位 3.6 年）。它的第一道关卡是测量层：死因登记里 I61、I63 之外还有 I64（未特指卒中）和垃圾编码，其分布与地区、医疗能力和居家死亡相关，属于差异性错分，足以让 LDL–ICH 权衡的方向翻转。因此本修订版把研究问题重排为：测量层重建 → 净获益决策模型（东亚药靶 MR 面板作为零成本的并行输入）→ 诊疗链缺口地图；个体水平的遗传学降为有条件启动的第二梯队，只能通过嵌套检测并与 CKB、BBJ 等外部遗传资源合作来做。

标注约定：带引用链接的陈述是研究笔记中已核实的事实；标"【推断】"的是基于证据的判断；标"【未核实】"的是笔记中无法在本轮确认的背景知识，包括评审专家补充、但本修订没有回原始来源复核的数字与事件。凡是 2025–2026 年的试验，均注明日期和状态（截至 2026-09-27）。本修订版依据四位专家的评审意见改写，改动说明见文末"专家评审说明"。

一张记分牌：靶点丰富度与瓶颈层级因病种而异

下表把各病种放在同一条因果链上比较。与原报告相比，这条链的两端各补了一层："测量/结局确定"位于最下方，决定我们看到的结局和暴露是否可信；"效应迁移/决策"位于"干预"之上，决定每单位效应能否落到具体人群。完整的链条是"遗传变异→分子→细胞→组织→个体→人群→干预→效应迁移/决策"，并以测量层为底座。表中的"瓶颈层"是综合各笔记和评审意见后作出的判断【推断】，证据在后文各节逐一给出。

跨病种的规律需要从"有没有分子把手"改写为三层：有没有可测的分子 → 分子与事件之间有没有经过跨机制校准的剂量关系 → 监管是否接受它作为替代终点。 LDL-C/apoB 和血压三层都满足：每降低一个单位对应多少事件下降，已被多种机制的 RCT 反复验证，所以替代终点、MR 定标和小样本剂量探索都成为可能，新药可以先凭 LDL-C 获批再补 CVOT（obicetrapib 在欧盟即是如此，见下文）。Lp(a) 和 hsCRP 是"有把手但未经校准"的反例：pelacarsen 确实降低了 Lp(a)，ziltivekimab 确实降低了 IL-6 和 hsCRP，试验照样阴性，所以可测的把手只是必要条件。孟德尔随机化本身同样只是必要条件、不是充分条件：IL6R 与 LPA 的遗传证据都是教科书级的，ZEUS 与 Lp(a)HORIZON 仍然失败。主流反思是尺度错配：MR 测的是一辈子低 IL-6 信号或低 Lp(a) 的效果，试验只在斑块已形成之后干预三到五年。MR 能验证"节点是否在因果链上"，验证不了时间窗、人群与疗程；本报告后文凡用药靶 MR 给候选靶点"判方向"的建议，都受这一限制。失败原因目前仍有多个竞争假设（剂量与暴露单位、人群与时机、配体与受体尺度），完整数据公布前不应定论。（2026-09-27 按用户审读意见补充）非梗阻性 HCM 是"缺少把手"的例子：没有 LVOT 压差这样的读数，只能用峰值 VO2 这类软终点，ODYSSEY-HCM 因此失败。血管壁位点、ICH 位点和房颤发育位点连第一层都不满足，每个候选都得直接跑一个大型结局试验（CVOT）。

Minikel 等（Nature 2024）估计，有人类遗传学支持的机制从 I 期到获批的成功率高 2.6 倍（OMIM 证据 3.7 倍，GWAS 证据超过 2 倍），这一优势在 II–III 期最明显，而且与遗传变异的效应大小基本无关。但在研项目中只有 4.8% 有胚系遗传支持 (Minikel 2024)。【推断】对心血管而言，这一优势主要体现在降低 II→III 期的失败率；而 CVOT 动辄上万例、随访 4–5 年，"有遗传支持但暴露量不足"的失败代价远高于其他领域，HORIZON 就是例子。

这里必须区分两个量，原报告把它们混在了一起。Minikel 讲的是变异对疾病的效应大小：HMGCR 的一个等位基因只让 LDL 降几个 mg/dL，GWAS 效应很小，他汀的临床效应却很大，所以变异效应大小不能用来判断能否成药。MR 估计的则是每单位暴露变化的因果效应（每 mmol/L LDL-C、每 10 mmHg SBP），在这个尺度上它对幅度有相当好的预测力。Ference 等的析因 MR 按每 mmol/L LDL-C 或 apoB 的效应，再乘上"终生暴露对约 5 年试验"的时间系数，成功预言了 PCSK9 抑制剂、依折麦布和 CETP 抑制剂的获益幅度 (Ference 2017)；Swerdlow 2015 用 HMGCR 变异预测出他汀增加 T2D 风险，幅度也与试验荟萃分析一致【未核实】。所以正确的说法是：MR 给出每单位的终生因果效应；要换算成试验获益，必须明确可达到的绝对降幅、暴露时长或起始年龄的换算系数，以及生物标志物尺度是否正确（颗粒数还是质量浓度）。 这三项都能在试验前量化，不应写成"MR 预测不了幅度"。

ASCVD 与卒中：LDL 轴闭环，非 LDL 靶点的失败要分开归因

LDL 轴是唯一的完整闭环，2025 年扩展到首次事件预防

PCSK9 无义变异携带者 LDL-C 低 28%，冠心病风险低 88%，这是"功能缺失变异→靶点"的范本 (Cohen 2006)，也是"终生暴露的幅度远大于试验幅度"的教科书例子。NPC1L1 失活突变使冠心病风险低约 53% (Stitziel 2014)，随后 IMPROVE-IT 确认依折麦布有效 (IMPROVE-IT)。FOURIER 和 ODYSSEY 证明了 PCSK9 单抗在二级预防中的获益 (FOURIER)。VESALIUS-CV（AHA，2025 年 11 月，阳性） 纳入 12,257 名既往无心梗或卒中、但已有动脉粥样硬化证据或高危糖尿病的患者，中位随访 4.6 年，结果为三点 MACE 降低 25%、首次心梗降低 36% (ACC; NEJM)。它把 PCSK9 单抗的获益扩展到无既往心梗或卒中的高危动脉粥样硬化人群，在药企和监管语境里属于"首次事件预防"，不是传统意义上以危险因素定义的一级预防。 对 ChinaHEART 而言，这类人群恰恰在高危层中人数多、治疗率低。CETP 同样符合遗传学预测：析因 MR 显示获益跟随 apoB 的下降，与 HDL 升高无关 (Ference 2017)，REVEAL 中主要冠脉事件下降约 9% (REVEAL)。obicetrapib 的 PREVAIL（进行中） 已纳入 9,500 多例，期中分析推迟到 2026 年第四季度，结果预计 2027 年第一季度公布 (NewAmsterdam Q1 2026)。在没有结局数据的情况下，欧盟委员会已于 2026-09-21 以降 LDL-C 为适应证批准了 obicetrapib (GlobeNewswire)，这正是"经事件校准的替代终点"在监管上的含义。

已验证靶点的新给药方式：把依从性问题变成药物设计问题

原报告把"人群→干预"层只当作实施科学和政策问题，漏掉了 2025–2026 年心血管研发的主线：在已验证靶点上换给药方式，以及 incretin 带来的 CV 获益。 这条产业路径与中国高度相关，因为高血压控制率低、他汀使用率低的场景，正是每半年一针、一次性编辑或口服替代注射的卫生经济学论证所需要的背景。以下事件由评审人【药】在本轮检索提供，本修订没有逐条回原始来源复核，日期与数字均按【未核实】处理：口服 PCSK9 抑制剂 enlicitide 据报于 2026-07-16 获 FDA 批准降 LDL-C，其 CORALreef Outcomes 入组超过 14,500 例、尚未读出 (Merck)【未核实】；inclisiran 的 ORION-4（约 16,000 例）预计 2027 年初读出 (AHJ 2026)【未核实】；PCSK9 碱基编辑 VERVE-102 单次给药后 LDL-C 最多降 62%，II 期计划 2026 年底入组 (Lilly)【未核实】；降压方面，醛固酮合酶抑制剂 baxdrostat 据报于 2026-05-18 获 FDA 批准 (AstraZeneca)【未核实】，lorundrostat 在研，每半年一次的 AGT siRNA zilebesiran 已启动约 11,000 例的 ZENITH CVOT (Roche)【未核实】；TRL 轴的 olezarsen 和 plozasiran 已在胰腺炎和甘油三酯上获益，CAPITAN CVOT 在研【未核实】。incretin 方面，SELECT、SOUL、SURPASS-CVOT 和 HFpEF 中的 STEP-HFpEF、SUMMIT 构成 PCSK9 之后最大的 CV 获益事件，而这一靶点并不来自 CAD 遗传学（BMI 的 MR 对它有支持）【SELECT 等具体数字未核实】。

【推断】下表汇总 2026–2027 年待读出、对本报告论断有检验意义的 CVOT。除已在研究笔记中核实并附链接的条目外，日期均需逐条核实。

一半 CAD 遗传结构在血管壁，至今零成药

CARDIoGRAMplusC4D（Aragam 2022）纳入 181,522 例病例，发现 279 个变异，优先排序出 220 个候选因果基因 (Nature Genetics 2022)。其中只有 128 个（53%）与血脂、血压、血糖或肥胖有方向一致的关联，其余约 47%（包括最强的常见位点 9p21）机制未明，大多作用于血管壁的平滑肌细胞、内皮和巨噬细胞。 需要说明，53% 是位点计数，不是遗传力分解比例，笔记里没有找到"多少 SNP-h² 由 LDL 或血压介导"的数字。【推断】这些位点难以成药的原因可以按层列出：在变异→分子层，致病变异多位于增强子，效应基因不确定（9p21 处在 lncRNA ANRIL 区域，没有编码改变）；在分子→细胞层，效应依赖平滑肌表型转换、内皮剪切应力等细胞状态；在细胞→组织层，同一位点影响的可能是斑块稳定性，而且方向可以相反（平滑肌调控也能形成保护性纤维帽）；在干预层，没有循环生物标志物就无法用替代终点。

Lp(a) 与 IL-6：两次阴性性质不同，必须分开归因

Lp(a)HORIZON（pelacarsen；2026-09-04 公布顶线结果；未达主要终点） 入组 8,323 名已确诊 CVD 的患者，Lp(a) ≥70 mg/dL。Lp(a) 虽然下降，但总体人群中没有转化为心血管风险的降低；HR 以及按设计与全人群并列的**共同主要分析人群（Lp(a) ≥90 mg/dL）**的结果均尚未公布 (Novartis; TCTMD)。有评论指出，这项试验的背景 LDL-C 平均只有约 66 mg/dL。ZEUS（ziltivekimab，IL-6 配体抗体；2026-07-31 公布顶线结果；失败） 入组 6,300 多名合并 ASCVD、CKD 且 hsCRP ≥2 的患者，MACE 的 HR 为 0.99（0.88–1.11），IL-6 和 hsCRP 都按预期下降，严重感染增多 (Novo Nordisk; TCTMD)。与 ZEUS 同一药物的 HERMES（HFpEF）和 ARTEMIS（心梗后）仍在进行，预计 2027 年上半年读出。OCEAN(a)-Outcomes（olpasiran，7,297 例，进行中，预计约 2026 年 12 月完成） 和 ACCLAIM-Lp(a)（lepodisiran，计划入组超过 17,300 例，约 2029 年完成） 将决定 Lp(a) 这一类药物的命运 (Family Heart Foundation; NCT06292013)。

HORIZON 的阴性与 MR 预期的小效应相容，属于试验暴露的单位不足，不是 MR 失灵。 早年的 MR 估计认为，Lp(a) 需要绝对下降约 100 mg/dL 才能获得相当于 LDL-C 降 1 mmol/L 的获益 (Burgess 2018)，之后的估计多在 50–65 mg/dL 之间【未核实】。【推断，量级估计】以入组阈值 ≥70 mg/dL、基线中位数约 90–110 mg/dL、pelacarsen 降幅约 70–80% 估算，绝对降幅约 70–85 mg/dL，对应的终生等效 RR 约 0.82–0.85；再乘上"终生对约 4–5 年"的时间系数，试验期内可预期的 RR 大约只有 0.90–0.95，加上背景 LDL-C 很低、绝对风险也低，8,323 例的试验很可能效力不足。换言之，每单位校准框架在试验前就提示了"获益可能很小"。还有三点需要写明。其一，Lp(a) 的因果效应应当按 apoB 颗粒数理解，以 mg/dL 计的质量浓度受 apo(a) 异构体大小影响，分析中应以 nmol/L 为准（试验入组门槛仍按其自身单位引用）。其二，HORIZON 阴性既不能反驳也不能证实 Lp(a) 的因果方向，要等 OCEAN(a) 和 ACCLAIM。其三，这两项试验用的是 siRNA，降幅约 95% 以上、每 3–6 个月给药一次、入组门槛更高【未核实】，所以 HORIZON 不能直接外推为 Lp(a) 这一类药物的失败。

ZEUS 的阴性则有几种尚未区分的备择解释。 原报告曾认为"IL6R Asp358Ala 这一工具变量作用于膜受体的经典信号通路，而 ZEUS 阻断的是配体"，以此解释阴性，这一论证方向反了：该变异的 MR 证据显示遗传性 IL-6 信号减弱与较低的冠心病风险相关 (IL6R MR Consortium 2012)，而 Asp358Ala 的作用是促进膜 IL-6R 脱落、升高可溶性 IL-6R，削弱的是经典信号；配体阻断则同时抑制经典信号和反式信号，覆盖面比遗传工具更宽，因此这个差异解释不了阴性，反而让阴性更难解释（研究笔记中的同一说法已同步更正）。更可能的解释有四种，它们目前并列存在。第一是尺度外推：若按 hsCRP 尺度线性外推遗传工具的效应（每个等位基因 CRP 约降 8%、CHD OR 约 0.95【未核实】），ziltivekimab 带来的 CRP 大幅下降会被外推成很大的获益，而 HR 0.99（0.88–1.11）已经排除了大于约 12% 的获益，这说明 CRP 不是 IL-6 因果效应的正确尺度，或者效应在工具覆盖范围之外饱和。第二是 CKD 人群的竞争风险：非动脉粥样硬化性心血管死亡占比高，稀释了 MACE。第三，hsCRP ≥2 的富集选到的是"炎症高"的人，未必是"IL-6 驱动事件"的人。第四，严重感染增加抵消了部分获益。由此可以提炼一条方法规则：只能在遗传工具覆盖的生物标志物范围内外推；靶点参与度指标（如 hsCRP）不等于因果尺度。

同时不应把 ZEUS 外推为整个炎症轴的失败。上游的 IL-1β 抗体 canakinumab 在 CANTOS 中使 MACE 下降约 15%，但致死性感染增多、未获 CV 适应证 (CANTOS 2017)；秋水仙碱在 LoDoCo2 中使慢性冠心病的事件率从 9.6% 降到 6.8%，并于 2023 年 6 月获 FDA 批准 (LoDoCo2; TCTMD)，而心梗后 PCI 人群中的 CLEAR-SYNERGY（2024）为中性。【推断】更准确的表述是："IL-6 失败"限于下游配体阻断在 CKD 人群中的失败；炎症轴的遗传证据宜描述为"方向一致，但幅度尺度不明"，不宜称为"遗传学强"。两项试验的完整数据公布后，才能在这些解释之间作出区分。

东亚工具变量的有效性是这一节对中国最直接的后果。 欧洲经典的 LPA 工具 rs10455872 在东亚人群中近乎单态，rs3798220 的频率和效应也不同【未核实】，直接套用会造成弱工具偏倚甚至工具无效；东亚 Lp(a) MR 需要东亚特异的 LPA 变异、KIV-2 拷贝数或东亚 Lp(a) GWAS 的多变异评分。反过来，CETP 的功能缺失变异（D442G、Int14+1G>A）在东亚人中常见【未核实】，是为 obicetrapib 和 PREVAIL 做东亚校准的理想工具。

卒中：亚型特异的遗传结构，ICH 几乎无靶点

GIGASTROKE 纳入 110,182 例卒中病例（33% 为非欧洲人群），发现 89 个位点，并把 F11、KLKB1、PROC、GP1BA 等列为候选药物靶点 (Mishra 2022)。OCEANIC-STROKE（asundexian 50 mg；2026 年发表于 NEJM；阳性） 在非心源性缺血性卒中或高危 TIA 患者中，把缺血性卒中从 8.4% 降到 6.2%（HR 0.74），ISTH 大出血为 1.9% 对 1.7%（P=0.46），没有显著增加 (ACC journal scan 2026-04-22)。但同一剂量在房颤中劣于阿哌沙班（OCEANIC-AF，2023 年提前终止）；milvexian 的 LIBREXIA-ACS 于 2025-11-13 因无效中止 (BMS)，据评审人检索其最终结果已在 ESC 2026 公布，milvexian 组 5.4%、安慰剂组 5.1% (ESC)【未核实】；LIBREXIA-AF/STROKE 原定 2026 年读出，截至 2026-09-27 本研究笔记未检索到结果（评审人称 LIBREXIA-AF 预计 2027 年完成【未核实】）。【推断】FXI 的靶点有效性不成问题，决定成败的是干预层的三个变量：抑制深度（asundexian 50 mg 谷浓度抑制不足，是 OCEANIC-AF 劣于阿哌沙班的主要解释；milvexian 在 LIBREXIA-AF 中用了按模型选定的更高剂量【未核实】）；对照药设计（在安慰剂对照的加药设计中赢，在与 DOAC 头对头的设计中输，这是试验设计问题而不只是亚型生物学）；以及卒中亚型。面向不适合抗凝的房颤患者、以安慰剂为对照的 abelacimab（LILAC-TIMI 76）是"低出血"价值主张最干净的检验，其状态笔记未核实。对中国最关键的联系是：FXI 的核心卖点是低出血，而中国卒中中 ICH 占比高、抗栓治疗严重不足，所以 FXI 在中国的 benefit-risk 定位取决于目标人群中基线 ICH 与缺血性卒中的比例，这正是 ChinaHEART 能提供的数字（前提是测量层过关）。

ICH 的主要位点是 1q22、APOE、COL4A1/COL4A2 和 ICA1L，编码基底膜结构蛋白或参与淀粉样变性，不属于循环酶 (Neurology 2024)，而且东亚的大型 ICH GWAS 至今有限 (Neurology Genetics)。欧洲 ICH 遗传结构能否外推还受两点限制：APOE ε4 在中国人中频率较低，东亚 ICH 以深部（高血压性小动脉病）为主，欧洲研究中的脑叶型 ICH（CAA/APOE）占比更高【未核实】。对中国最关键的遗传学事实来自 CKB 的 MR：遗传学上 LDL-C 越高，缺血性卒中风险越高，而 LDL-C 越低，ICH 风险越高（5,475 例缺血性卒中、4,776 例 ICH，46 个变异构成的 LDL 评分） (Sun 2019 Nat Med)。

但这一 MR 结果反映的是终生遗传性低 LDL 与 ICH 的关系，临床决策面对的是另一个问题：成年后用他汀或 PCSK9 抑制剂把 LDL 降下来，在血压控制的前提下会不会增加 ICH。RCT 证据的方向并不一致【以下各条均为评审人【临】提供，本修订未回原始文献核实】：SPARCL 有 ICH 信号，但 CTT 荟萃分析中 ICH 的绝对增加远小于缺血性事件的减少；Treat Stroke to Target（TST）在 LDL <70 mg/dL 组没有显示 ICH 显著增加；FOURIER 和 ODYSSEY 在极低 LDL 下也没有 ICH 信号。因此 LDL–ICH 权衡是一个需要在血压控制状态下量化的问题，而不是"越低越好不能照搬"的结论。 ICH 的可干预层除了一级预防中的血压，还有急性期救治：INTERACT3 在以中国医院为主的研究中推行 ICH 急性期集束化管理，改善了功能结局【未核实】，这恰好对应县医院的能力。颅内动脉粥样硬化方面，东亚特有的 RNF213 p.R4810K 是 ICAS 和烟雾病的强遗传因子，在中国人群中携带率不低【未核实】，比已随 darapladib 失败而失去意义的 PLA2G7 V279F 更有前瞻价值。

HF、房颤、心肌病与血管衰老：遗传学在这里给不出可用的循环靶点

HFpEF 的遗传学证据不足以作出判断。 HERMES 2025 纳入 195 万人（153,174 例 HF），发现 66 个位点。液体尺度 SNP-h² 为：全部 HF 5.4%，ni-HFrEF 11.8%，ni-HFpEF 1.8% ± 1.3%，而 ni-HFpEF 病例只有 3,841 例。这里的 1.8% 是常见变异解释的液体尺度表型方差（SNP-h²），不是总遗传度。 全因心衰的家系/双生子遗传度约 26%【未核实具体来源】，HFpEF 专属的家系估计本轮未查到（有综述称其家族聚集性尚不清楚），但只要总遗传度在这个量级，常见变异就只解释其中约一成。【推断】这个缺口的正确解读是"测量层看不见"：HFpEF 是多条上游路径汇合的混合物或状态病，病例定义把异质个体混在一起，稀释了每条路径的遗传信号；它不等于"HFpEF 没有遗传内核"。（2026-09-27 按用户审读意见补充）MR 显示 BMI 对 ni-HFpEF 的效应最大（OR 1.87/SD），SBP 对 ni-HFrEF 的效应最大（OR 1.92/SD）。遗传力富集指向心外组织，而且 91% 的病例是欧洲人 (Henry 2025 Nat Genet)。ni-HFpEF 的估计 95% 置信区间上限约为 4.3%，信息量很低，"位点少"主要反映病例少和表型异质，不能直接证明遗传贡献小，应当读作"证据不足以估计"，而不是"近乎空白"。MVP 与 BioVU 2026 年的研究在病例数相近（约 3.8 万）的情况下，为 HFrEF 找到 46 个位点，HFpEF 只有 3 个 (Liu 2026 Nat Commun)。与此一致，在 HFpEF 中有效的药物都不是从 HF 遗传学来的：FINEARTS-HF（2024 年 9 月，率比 0.84）延伸自 MRA 的生理学 (Solomon 2024)，STEP-HFpEF 用的是减重药 (Kosiborod 2023)，替尔泊肽的 SUMMIT 也属于这一路径。HF 的血浆蛋白信号很密集，在 UKB 中有 385 个蛋白与 HF 相关，多于 CAD 的 270 个（本地证据库 ref [47]），但 MR 支持的比例很低。【推断】HFpEF 的瓶颈在"个体→组织"这一层：它由 EF 阈值加症状定义，把多条共病路径汇在一起，而活体心肌无法做分子测量。它的"遗传靶点"其实就是危险因素本身（BMI 对应 GLP-1RA，还有血压和 MR 通路）。但这一结论建立在欧洲表型上：中国 HFpEF 患者的 BMI 明显更低，驱动因素以高血压、糖尿病、CKD 和高龄为主【未核实】，所以 GLP-1RA 路径在中国的可推广性需要打折，降压和容量管理的权重更高。还需要明确：在住院关联落地之前，HF 和 AF 方向在 ChinaHEART 上目前基本做不了，因为没有蛋白组和基因分型，死因登记中的 I50 本身就是垃圾编码，AF 也很少作为根本死因。

房颤的位点数量与可成药性形成最强烈的反差。 Roselli 2025 纳入 181,446 例病例，发现 354 个常见位点，跨人群荟萃分析达到 525 个。优先基因包括 PITX2、TBX5、TTN、MYH6 和 KCNN3，罕见变异负荷集中在 TTN、PKP2、FLNC、RBM20 等心肌病基因上。PRS 在 CHARGE-AF 基础上只增加 ΔC 0.015–0.026 (Roselli 2025)。在 ARCADIA 中，对有"心房心肌病"生物标志物的患者用阿哌沙班，与阿司匹林相比 HR 为 1.00（0.64–1.55），试验因无效中止 (Kamel 2024)。【推断】最强的房颤位点（如 PITX2）可能是在发育期设定心房的"基线状态"，也就是基质的易感性。但"发育起源"不等于"成年不可干预"：发育变异设定的是易感性，成年后的电重构与结构重构（纤维化、心房扩大）仍是可干预的下游环节；心衰 GWAS 的强位点同样包括 PITX2，没人据此放弃心衰治疗。（2026-09-27 按用户审读意见更正，原文"成年后很难逆转"属跳步推断）不过这属于强推断，也有反例：KCNN3 位点对应的 SK 通道抑制剂（如 AP30663）正在做复律的 II 期研究【未核实】，说明部分位点在成人期仍可干预。心房组织只能在手术或消融时取到，目前也没有经过验证的心房纤维化循环读数。对中国临床而言，房颤更直接的问题不在靶点，而在检出和抗凝：多项中国登记研究中，高危房颤患者的口服抗凝率长期在 10%–30% 区间【未核实】，而心源性栓塞卒中是可以用现成药物预防的。

心肌病要分成两类看：HCM 的瓶颈是替代终点，基因治疗的瓶颈才是递送。 HCM GWAS 发现 70 个位点，MR 显示 LV 收缩力对梗阻性和非梗阻性 HCM 都有因果作用 (Tadros 2025)。梗阻性 HCM 有 LVOT 压差这个可测读数，所以 mavacamten 和 aficamten 能成功；ODYSSEY-HCM（mavacamten 用于非梗阻性 HCM，2025 年 8 月，阴性） 缺少这样的读数，只能用峰值 VO2，差值为 0.47（P=0.07） (Desai 2025)。它的失败与递送无关，而是"缺少把手"。两套 DCM GWAS 分别发现 80 个和 70 个位点，多基因评分会改变罕见变异携带者的外显率 (Zheng 2024; Jurgens 2024)。递送问题只对应基因治疗。TTR 是例外，因为它的靶器官是肝脏：nex-z 使 TTR 下降 90–92% (Gillmore 2025)，但 MAGNITUDE 于 2025-10-29 因肝毒性被 FDA 暂停，2026 年 3 月解除 (Clinical Trials Arena)。心脏 AAV 项目（MYBPC3 的 TN-201、PKP2 的 LX2020、LAMP2 的 RP-A501）都还是小样本开放标签的早期数据 (Tenaya 2026-06)。

CHIP 是血管衰老中唯一有遗传锚点的轴，但它的效应量比最初估计的小。 在大克隆（VAF>10%）CHIP 携带者中，IL6R p.Asp358Ala 可以抵消 CVD 风险（HR 0.46），在非携带者中则没有这一作用（交互作用 P=0.003） (Bick 2020)。非 DNMT3A 型 CHIP 与 HF 的 aHR 为 1.52，其中只有 28.2% 能由 CAD、AF、T2D 和 CKD 解释 (Flynn 2026)。但在 5 项 TIMI 试验的 63,700 名患者中，CHIP 的 aHR 只有 1.07（0.99–1.16），而且不修饰 PCSK9、SGLT2 等药物的疗效 (Nat Med 2024)，这与早期队列报告的 HR 1.9 相去甚远 (Jaiswal 2017)。【推断】ZEUS 没有按 CHIP 选择入组人群，它的阴性结果与"不加选择地阻断 IL-6 会稀释效应"的预测相符，这是上文四种备择解释之外的又一种可能，也让按 CHIP 分层的试验更值得做。目前已检索到一项在 TET2 CH 人群中做 IL-1β 抑制的影像终点试验（NCT06691217）正在进行 (ClinicalTrials.gov)。中国人群中能与之呼应的"基因型或生物标志物 × 干预"先例是 CSPPT：依那普利加叶酸使首发卒中降低约 21%，在 MTHFR C677T TT 型和低叶酸人群中获益最大【未核实】。

大队列加多组学：预测增益约 0.03，因果转化率约 3%

蛋白组在临床评分之上的真实增益可以量化。按性别分别建模时，18 个蛋白把 SCORE2 的 C 指数从 0.713 提升到 0.778 (J Adv Res 2025)。另一项研究中，114 个蛋白使 AUC 从 0.740 升到 0.771，而只加 10 个常规危险因素就能达到 0.767 (medRxiv 2024)。在 CKB 中，用蛋白预测 IHD 使 C 从 0.845 升到 0.862（Olink）或 0.863（SomaScan） (Nat Commun 2025)。NMR 代谢组只增加约 0.015–0.02（UKB：0.691→0.710） (medRxiv 2024)。CAD PRS 使 ΔC 增加 +0.012。在全人群中用 PRS 筛查，每 5,750 人才能多预防 1 个事件；只筛中危人群时降到每 340 人 1 个 (Sun 2021 PLoS Med)。东亚 metaPRS 在 China-PAR 队列中 ΔC 约为 0.01，NRI 为 3.5%，最高与最低五分位的 HR 为 2.91 (Lu 2022 EHJ)。ESC 2025 共识不推荐常规使用 PRS (ESC 2025)。【推断】扣除偏弱基线带来的虚高（例如某个 UKB 子集中 PREVENT 的 C 只有 0.645），蛋白组的真实 ΔC 约为 0.03–0.065。增益主要来自 NT-proBNP、GDF15、WFDC2 这类器官损伤和亚临床病变标志物，它们预测的是"当前的疾病状态"，并不提供新的病因学信息。PRS 也不宜因 ΔC 小而完全否定：它可能的价值在于"何时开始"（35–50 岁、短期风险低而终生风险高的人）和"给谁用"（FOURIER 等试验的事后分析显示高 PRS 者相对获益更大【未核实】），而不在于提升区分度。

从关联走到因果，损耗非常大。UKB 52,164 人的研究中有 636 个蛋白与 CVD 相关，其中 47 个（7.4%）得到 MR 支持，18 个（2.8%）通过共定位 (Nat Cardiovasc Res 2024)。UKB-PPP 与 deCODE 的 5,813 个蛋白最终只优先排出 10 个，而且大多是已知的血脂或炎症靶点（APOB、LPA、IL6R、ANGPTL4 等） (Cardiovasc Res 2026)。平台本身也不可靠：在 CKB 中 Olink 与 SomaScan 的中位相关系数只有 0.29，1,694 个一一匹配的蛋白中只有 400 个在两个平台上都有共定位的 cis-pQTL (Nat Commun 2025)；有 cis-pQTL 的检测比例，Olink 为 72%，SomaScan 为 43% (Eldjarn 2023)。UKB 的参与偏倚经加权校正后，MR 估计最多可移动 0.15 SD (Schoeler 2023)。

单次基线血样的队列在原理上回答不了四类问题：组织特异性（血浆不能代表斑块或心肌）、时机（终生暴露与晚年用药之间的差别）、剂量与疗程的换算，以及疗效异质性。【推断】所以对这类队列要分两件事看：它能可靠提供的是风险分层、因果方向的排除（如 HDL 的阴性结果、CETP 获益经由 apoB），以及候选靶点的初筛；获益幅度则要靠"MR 每单位效应 × 时间与尺度换算"加上 RCT 来确定，而不是由观察性队列直接估计。 ZEUS 和 HORIZON 的教训是，MR 对幅度的预测应当事先登记，而且登记前要先做回顾性校准：用已完成的 CVOT（他汀、依折麦布、PCSK9、REVEAL、降压、OCEANIC-STROKE、HORIZON、ZEUS）检验"每单位效应 × 时间系数"的换算是否可靠，再对 OCEAN(a) 和 PREVAIL 做预注册的方向性预测。只用 4 个待读出的试验去"校准分析管线"在统计上只有轶事意义，这些试验的终点（多为西方人群的 MACE）也与东亚卒中亚型 MR 的估计对象不同。

中国人群与 ChinaHEART：负担偏向卒中，数据宽而薄

中国的疾病谱与西方有结构性差异。2023 年归因于 CVD 的前五位危险因素依次是高 SBP、大气颗粒物、高 LDL-C、吸烟和铅暴露 (GBD China)。在社区研究中，ICH 占中国人卒中的 33%，白人只占 12%，但这个数字来自 2013 年以前的研究 (Tsai 2013)；NESS-China（2013）中 ICH 约占 24%，而且随着血压控制改善还在下降【未核实】，所以"ICH 负担高"这一论据应当降调使用。China PEACE MPP 纳入 174 万人（2014–2017 年，35–75 岁，志愿筛查，非概率抽样），高血压粗患病率 44.7%，治疗率 30.1%，控制率 7.2%，8.1% 的基层医疗点没有任何降压药 (Lancet 2017)。这是筛查人群的数字，不是全国代表性估计；同期全国代表性的 CHS 2012–2015 控制率约 15%，近年的监测数据也更高【均未核实】。

在"人群→干预"层，中国本土已经有一组最该对标的 RCT【以下试验的设计与效应量均为评审人【临】提供，本修订未回原文核实，标为【未核实】】。SSaSS 使用盐替代品，使卒中减少约 14% (ACC)。STEP（NEJM 2021，中国 60–80 岁老人，SBP 目标 110–130 对 130–150，MACE 降低约 26%）和 ESPRIT（Lancet 2024，中国高危人群，SBP <120）回答了"降多少"；CRHCP（Lancet 2022，村医主导的农村强化降压）使卒中和 MACE 显著下降，是"基层能力→结局"的 RCT 版本；CSPPT（JAMA 2015）是上文提到的中国"基因型 × 干预"先例；INTERACT3（Lancet 2023）对应 ICH 急性期救治。它们既是净获益模型的相对效应来源，也是任何目标试验模拟的阳性基准。遗传上，ALDH2 rs671 几乎只见于东亚人，CKB 用它做 MR，发现饮酒导致卒中风险上升，但对心梗没有保护作用 (Millwood 2019 Lancet)。PLA2G7 V279F 是东亚特有的功能缺失变异，已被用作 darapladib 靶点的自然实验 (PMC5100610)。CKB 的 pQTL 图谱中有 36% 的精细定位可信集与欧洲不同 (medRxiv preprint)。中国人群的 Lp(a) 分布和 rs671 频率，笔记没有核实到原始来源【未核实】，写报告时不应引用具体数字。

ChinaHEART 的数据现实，依据 IJE 2023 队列简介 (IJE 2023)：2014–2022 年在 353 个点共纳入 4,404,586 人，年龄 35–75 岁，应答率超过 35%，属于志愿者样本，不是概率抽样。高危人群 998,673 人。全员数据只有问卷、两次血压、身高体重和即时检测（POC）的血脂与血糖；心电图、颈动脉超声和超声心动图只在高危组和对照亚样本中做。约 270 万人留存了血液和尿液样本。随访以死亡登记关联为主，截至简介发表时为 1,630 万人年，中位 3.6 年；高危人群另有面对面主动随访，参与率约 85%；2019–20 年对 82,403 名非高危者做了重复调查。住院数据关联当时仍处于"计划中"，数据只对中国境内的研究者开放。笔记检索到的唯一组学研究是一项 28 蛋白 MSD 的嵌套病例对照研究（颈动脉斑块，BMJ Open 2026） (BMJ Open 2026)。笔记没有找到 ChinaHEART 做过全基因组分型或大规模蛋白组的证据，住院关联在 2023 年后的状态也未核实。凡是涉及基因分型或样本出境的研究，都受《人类遗传资源管理条例》约束：外资或合资药企原则上拿不到个体数据，合作只能采用"中方主导分析、输出汇总结果"或联邦、摘要级分析的形式，所以研究产出从设计之初就应当是可以出境的汇总量（分层事件率、合格人群比例、校准曲线、NNT 表）。

【推断】这些条件带来一组直接后果，其中前三条属于测量层，是所有以死亡为结局的分析的前置任务，而不仅是"可行性要点"。第一，死因编码。 能否区分卒中亚型，不只取决于 I61 与 I63 的区分，还取决于 I64（未特指卒中）和 R96、R99、I50 等垃圾编码的占比。农村居家死亡、未经 CT 确诊的高龄死者常由村医或乡镇医生凭推断填写死因，I64 因而在地区、年龄和医疗可及性上有系统差异，属于差异性错分：它不只会让效应偏向零，还可能让 LDL–ICH 权衡的方向翻转，或者制造出虚假的县级差异。死因数据也没有 ICH 部位信息，而且 ICH 死亡混合了发病与病死（ICH 30 天病死率约 40%【未核实】），基因型或 LDL 与"ICH 死亡"的关联无法分离两者。第二，POC 血脂不只是回归稀释问题。 POC 设备多数只测 TC、HDL 和 TG，LDL-C 由 Friedewald 公式推算，在非空腹或高 TG 时误差是非随机的，需要中心实验室直接法复测来建立校准方程；两次血压读数也需要用 82,403 人的重复调查估计回归稀释比。第三，亚样本是按设计缺失的。 心电图、超声和详细膳食只在"高危加对照"亚样本中采集，直接在亚样本内建模会把筛选条件带进估计，需要用逆概率加权（IPW）、广义 raking 或多重插补，并利用全员都有的辅助变量。第四，随访不对称。 非致死事件只在高危层做了主动追踪，高危层与非高危层的发病率不可比，发病风险模型要么以死亡为主要结局，要么只在高危层内建模；但这一变通只适用于观察性风险模型，高危层内禁止做遗传因果分析，因为高危层是按血压、血脂和既往史筛选的，在其中做 MR 或基因型交互等于以暴露的下游为条件，会诱导碰撞偏倚。遗传分析应当使用覆盖全体的随机子队列（case-cohort 设计），并对纳入概率做逆概率加权；同时需要控制主成分和站点固定效应，以免南北遗传梯度与地理、饮食、医疗资源的共线伪装成遗传效应。第五，志愿者偏倚。 应答率约 35% 意味着明显的健康志愿者效应，绝对死亡率会被低估；加权需要外部目标总体，可用中国慢性病及危险因素监测（CCDRFS）或人口普查的边际分布做 raking，在估计"可挽回死亡"的绝对数时必须说明方向。第六，时期效应。 2014–2022 年间经历了大气治理、他汀推广和 COVID，时期效应和地区效应会混杂在一起。

所以 ChinaHEART 的比较优势是规模、县级地理对比、诊疗链缺口和死因数据，它不是一个遗传药物靶点平台。CKB（约 10 万人以上有基因分型、约 4,000 人做了 Olink，PheWeb 公开了汇总统计）是它天然的外部遗传与蛋白补充 (CKB genotyping)。

关联建模以外：每种策略对应一个具体的瓶颈层

因为瓶颈落在不同的层，研究策略也应该按层来选。在变异→分子→细胞层，最成熟的是扰动生物学：Schnitzler 2024 在内皮细胞中对 241 个 CAD 位点附近的 2,285 个基因做了 CRISPRi Perturb-seq（约 21.5 万个细胞），发现 CCM2/TLNRD1 汇聚到 MEKK3-ERK5-KLF2/4 保护性程序上 (Nature 2024)，数据已公开。在细胞→组织层，冠状动脉 snRNA+snATAC 数据得到 11,182 个单细胞 caQTL，CAD 遗传风险富集在平滑肌细胞，而且 COL4A1/2 变异只在平滑肌去分化时才显示为 caQTL (medRxiv 2024)。心脏图谱方面，Kanemaru 2023 覆盖 704,296 个细胞/细胞核，包括心房和传导系统 (Nature 2023)。在组织→个体层，AI 表型可以把综合征转化成可做 GWAS 的定量性状（深度学习测得的 LV 壁厚得到 72 个位点） (PMC10689443)。EchoPrime 用超过 1,200 万对超声视频与报告训练，并宣布开源 (Nature 2025)。EAGLE 整群 RCT 显示，AI-ECG 把低 EF 的新诊断率从 1.6% 提高到 2.1% (Nat Med 2021)。在人群→干预层，SSaSS、SECURE 多效片（MACE HR 0.76）和 DANFLU-2（33 万人，基于登记系统的随机试验）说明，低成本的实用性试验能够改变硬终点 (SECURE; DANFLU-2)；上文的长效制剂则说明，这一层的一部分问题也可以由药物设计来解决。系统综述显示，只要方案明确，目标试验模拟（TTE）多能重现 RCT 的结果 (JCE 2025)，但前提是有处方或配药数据来定义时间零点，ChinaHEART 目前不具备这一条件。

原报告的策略清单缺了两层，而这两层恰恰是算法团队相对于纯流行病学团队的比较优势所在。在测量层，需要的是结局误分类下的生存估计、测量误差校正和两阶段设计估计量；在效应迁移/决策层，需要的是把外部 RCT 与 MR 的相对效应，与本地分亚型的绝对风险结合，给出带后验区间的个体净获益（不确定性区间是进入指南讨论的门槛）。原报告在 Conclusion 里说"在谁身上、从几岁开始、降多少"，指的就是决策层，但当时的研究问题清单没有把它落实成方法。

【推断】这些策略与病种的对应关系如下：HFpEF 和房颤属于"没有靶点"型，应当用多器官蛋白组 MR 加 AI 定量亚表型，外加更贴近体内环境的扰动模型（心房心肌细胞与成纤维细胞共培养、在脂肪酸加 L-NAME 条件下培养的 EHT (Cell Stem Cell 2026)），但这条路线不适用于 ChinaHEART，因为它没有蛋白组、没有基因分型，HF 和 AF 结局也不可测，除非住院关联落地，或者 AI-ECG 把 AF 和左室收缩功能下降变成基线可测的表型。ASCVD 和高血压属于"有靶点、不知道给谁用、何时用、诊疗链哪里断了"型，杠杆在测量层校正、净获益决策、诊疗链分解和长效给药。ICH 两头都缺，需要东亚大样本遗传学和脑小血管细胞层面的扰动实验。Delphi 类生成式轨迹模型需要纵向就诊序列，ChinaHEART 每人只有一次基线加死亡，要等住院关联落地才适用。对只有 ChinaHEART 数据的算法团队来说，最可行的是测量层和"人群→干预→决策"层；只要能拿到嵌套检测，还可以向下延伸到"变异→分子"层。 拿到数据访问权限之前，可以先用公共数据跑通代码：CHARLS（中国人群的血脂、血压与死亡，适合原型化测量误差和竞争风险管线）、CKB PheWeb 汇总统计（MR 先验）、PTB-XL、MIMIC-IV-ECG 和 CODE-15%（ECG 模型预训练与域偏移评估）。

给 ChinaHEART 算法团队的研究问题：三个优先问题与有条件启动的第二梯队

选题遵循四条原则【推断】：用得上 ChinaHEART 独有的规模、县级覆盖和死因数据；按依赖关系排序，前一个问题的产出是后一个问题的输入；一套分析骨架同时服务指南、药企和医保三类受众；不以尚未确认的数据（原始 ECG 波形、DNA、住院关联）作为前提。依赖关系决定了顺序：诊疗链地图中涉及卒中亚型的部分和净获益模型都需要"ICH 与缺血性卒中的比例"，所以依赖测量层；东亚药靶 MR 面板不依赖 ChinaHEART，可以作为零成本的并行轨道立即启动，并成为净获益模型的先验输入。

启动任何分析或嵌套检测之前，先向数据方核实三件事： 死因登记中 I64 和垃圾编码的占比；270 万份存储样本是否保留了白膜层或全血（如果只有血浆、血清，能提取的主要是游离 DNA，产量低，芯片分型很难）；住院和医保数据关联的进度。住院关联应当被视为前置的基础设施，而不是一个普通研究问题：HF、AF、非致死卒中以及任何用药暴露的定义都依赖它。

问题 1：测量层重建——卒中亚型死因的概率化重建，以及血脂和血压的测量误差校正

问题。 ChinaHEART 死因登记中 I61、I63、I64 和垃圾编码的错分结构，怎样随地区、城乡、年份和死亡地点变化？POC 血脂和两次血压读数的误差有多大？校正之后，按亚型分的死亡率和暴露–结局关联会变化多少？

为什么优先。 从第一性原理看，本报告所有中国特色的论断，包括 LDL–ICH 权衡、ICH 负担和县级差异，都建立在两个未经检验的假设上：死因编码能区分亚型，POC 血脂能代表通常水平。I64 与地区医疗能力相关，属于差异性错分，可能让效应方向翻转，或者制造出虚假的县级差异。这是因果链上测量/结局确定层的瓶颈；这一层不打通，上面的"人群→干预"层和决策层就没有可信的因变量。 它也是算法团队的比较优势所在，方法论文可以单独发表，中国死因数据质量本身也是有价值的公共卫生问题。

所需数据。 ChinaHEART 现有：全员基线；死因登记（ICD-10 编码、死亡地点、年份、县区）；高危层主动随访中有住院或影像记录的卒中死亡，作为验证子集；2019–20 年 82,403 名非高危者的重复调查，用于估计回归稀释比；点位层面的医疗能力信息。嵌套检测：从存储样本中分层抽取约 5,000 份，送中心实验室复测直接法 LDL-C、apoB 和 Lp(a)（以 nmol/L 报告，采用对异构体不敏感的方法），同时检查冻存漂移；这一步顺带完成原 B3 中 Lp(a) 分布的描述部分。外部公共或申请数据：CHARLS（原型化测量误差和竞争风险管线）；全国死因监测和 CCDRFS 的地区 I64 比例及协变量边际分布（用于外部对照和 raking）；CKB 已发表的卒中亚型构成（作为错分率的外部参照）。

方法。 用验证子集估计各编码的敏感度和特异度，按地区和年份分层；用半监督分类器（输入血压、年龄、地区、既往史、死亡地点、县医院 CT 能力）对 I64 和垃圾编码做多重插补，把亚型标签转成概率，下游用 Rubin 规则合并，或者基于错分矩阵做似然校正；建立 POC 到实验室值的回归校准或 SIMEX 方程，并允许误差依赖 TG 水平和空腹状态；用重复调查估计血压和血脂的"通常水平"。最终产出一张**"亚型结局可用性地图"**，标明哪些县区可以做亚型分析，哪些只能报告全卒中死亡。

主要偏倚与应对。 验证子集只来自高危层，属于选择性验证，需要按验证概率加权，并检查验证模型在非高危层的迁移性。错分可能与暴露相关（高血压患者更容易被编为 ICH），插补模型中必须纳入暴露变量，以保证插补模型与分析模型相容。复测样本的冻存降解按冻存年限分层检验。验证子集中的"金标准"本身也有误差（基层病历质量不一），只采用有 CT 或 MRI 确认的病例，并做敏感性分析。

1–3 个月的第一步。 其一，向数据方正式核实上述三件事。其二，只用现有死因数据做描述性分析：给出 I61、I63、I64、R96、R99、I50 按县区、年份、城乡和死亡地点的构成，并与县医院 CT 可及性做相关分析，这一步就能判断净获益模型中的亚型分析能不能做。其三，在 CHARLS 或模拟数据上跑通"错分矩阵 + 多重插补 + 竞争风险"的代码管线。其四，起草复测子样本的抽样方案和伦理、人遗审批材料。

问题 2：卒中亚型竞争风险下的净获益决策模型——强化降脂和强化降压"给谁、降多少"

问题。 在中国 35–75 岁人群中，按血压控制状态、年龄、性别和地区分层，强化降 LDL 和强化降压对"缺血性卒中加 CHD 死亡"与"ICH 死亡"的绝对风险变化各是多少？净获益为负或不确定的人群占多大比例、有什么特征？

为什么优先。 遗传学和 RCT 给出的是每单位的相对效应，临床和政策需要的是中国个体在竞争风险下的绝对净获益，两者之间缺少一个效应迁移/决策层。原 A1 想用观察性的 LDL–ICH 关联来识别"净获益人群"，这条路走不通：低 LDL 与衰弱、肝病、饮酒和营养不良相关，存在反向因果，而中位随访只有 3.6 年；基线 LDL 的自然差异也不等于"用药降 LDL"的效应。本设计让相对效应来自外部（RCT/MR），只让 ChinaHEART 提供它独有的东西，即按亚型的本地基线风险，从而绕开观察性关联的反向因果。 代价是把问题转移到了"可迁移性假设"和"亚型错分"上，前者要做敏感性分析，后者由问题 1 解决。同一个模型可以同时产出：给指南的分层净获益边界，给药企和医保的 NNT 与可预防死亡数，以及给 FXI 这类"低出血"药物在中国做 benefit-risk 定位所需的基线 ICH 与缺血性卒中比例。它的定位是为指南分层讨论提供量化输入（按血压控制状态给出的净获益边界及其后验区间），而不是改写 LDL 目标值。

所需数据。 ChinaHEART 现有：全员死亡结局（使用问题 1 校正后的亚型概率）；校正后的"通常水平"血压和血脂；高危层的非致死事件（用于敏感性分析）。嵌套检测：不是必需的；问题 1 的复测子样本提供 apoB 和 Lp(a)，可作为扩展。外部公共数据：CTT 按每 mmol/L 和卒中亚型给出的 RR；BPLTTC、STEP、ESPRIT、CRHCP 的降压效应；东亚药靶 MR 面板，使用 CKB PheWeb、BBJ、TPMI、KoGES 的汇总统计，靶点包括降脂（HMGCR、NPC1L1、PCSK9、CETP，含 D442G 等东亚功能缺失变异）、降压（ACE、ADRB1、CACNA1D/CACNB2、SLC12A3、NR3C2）、F11 和东亚特异的 LPA 工具，结局分缺血性卒中和 ICH；UKB（申请制，用于验证整套"绝对风险 × 迁移"方法）。

方法。 第一，分原因风险模型用于病因解释，Fine–Gray 模型用于绝对风险。第二，做东亚药靶 MR 面板：东亚 LD 下的共定位（coloc-SuSiE，需要祖源匹配的 LD 参考）；多变量 MR，区分 apoB、LDL-C、TG 和 Lp(a) 的独立效应；非线性 MR（如 doubly-ranked 方法），刻画低 LDL 区间对 ICH 的剂量–反应形状；析因 MR（LDL 评分 × SBP 评分对 ICH 的联合效应），它正是"按血压控制分层看净获益"的遗传学版本。面板先用已完成的 CVOT 回顾性校准"每单位效应 × 时间系数"，再对 OCEAN(a) 和 PREVAIL 做预注册的方向性预测；这就是原 B1 的修订版，范围缩窄到卒中亚型，尤其是 ICH 的安全性方向，并入本模型，不单独立项。第三，把 RCT 效应和 MR 效应合成为分层贝叶斯先验，用效应修饰因子加权完成迁移。第四，计算个体的绝对风险降低（ARR）、绝对风险增加（ARI）和净获益及其后验区间，做决策曲线分析，与"统一 LDL 目标"策略比较。第五，ChinaHEART 本地的观察性 LDL–ICH 关联（排除前 2 年事件）只用来检验迁移假设是否与本地数据冲突，不用于估计效应。

主要偏倚与应对。 亚型错分由问题 1 的概率化结局传递不确定性。反向因果用滞后排除和阴性对照结局（如意外死亡）处理。死亡结局混合了发病和病死，在高危层用非致死事件做敏感性分析，并在结论中写明这一限制。可迁移性假设（RCT 人群与中国人群的效应修饰因子分布不同）要报告对迁移假设的敏感性分析。MR 方面：弱工具和赢家诅咒，优先用大样本 pQTL 和东亚 GWAS；LD 参考不匹配，使用祖源匹配的参考面板；多效性，用多变量 MR 和 cis 工具。志愿者偏倚用 CCDRFS 做 raking。

1–3 个月的第一步。 其一，东亚药靶 MR 面板完全基于公开汇总统计，不需要 ChinaHEART 的访问权限，可以立即开始：先完成降脂和降压靶点对缺血性卒中和 ICH 的方向与幅度分析，以及对已完成 CVOT 的回顾性校准。其二，在 OSF 上预注册对 OCEAN(a)（约 2026 年 12 月完成）和 PREVAIL（2027 年第一季度）的预测。其三，整理 CTT、BPLTTC、STEP、ESPRIT 按卒中亚型给出的 RR，建成一张先验表。其四，在 UKB 或 CHARLS 上搭好决策模型的骨架，等问题 1 的亚型概率一到就接入。

问题 3：诊疗链缺口地图——从筛出高危到长期达标，各段损失多少、卡在哪些县、对应多少可挽回的死亡

问题。 在 ChinaHEART 高危人群中，高血压（主线）和他汀适应人群（副线）沿"筛出→知晓→起始治疗→滴定达标→长期坚持"各段的转化率是多少？各段损失由哪些个体因素和点位因素决定（基层药物配备、村医能力、医保和集采政策的时点）？把某一段补齐能挽回多少死亡？待上市或在研疗法（醛固酮合酶抑制剂、每半年一次的 siRNA、口服 PCSK9 等）的合格人群有多大、分布在哪里？

为什么优先。 原报告判断瓶颈在"人群→干预"层，却把这一层当成了黑箱。不同的段对应完全不同的干预手段：筛查和知晓对应基层筛查，起始治疗对应处方行为和药物可及性，达标对应滴定方案，坚持对应给药方式（这正是长效制剂要解决的问题）。不拆开，算法团队不知道该建什么模型，政策方也不知道该补哪一段。SBP 是中国归因负担第一位的危险因素，ChinaHEART 440 万人的血压数据加上县级覆盖，是 CKB 和 UKB 都没有的。产出是分层汇总量，可以合规出境，同时服务卫健和医保（补齐哪一段）以及药企（合格人群富集地图）。下表把这条链与数据可得性对应起来【推断】。

所需数据。 ChinaHEART 现有：两次基线血压、自报用药、高危层主动随访中的血压和用药、点位层面的基层医疗机构调查、死亡结局；有心电图的高危亚样本可用于"房颤检出→抗凝缺口"这条副链的扩展。嵌套检测：不需要。外部数据：CRHCP、STEP、ESPRIT 的效应量，作为"补齐某一段"的反事实锚点；CHS 或 CCDRFS 的全国代表性控制率，用于外部校准和代表性加权；药品集采和医保目录的地区落地时间表，用于识别政策冲击；试验入排标准（VESALIUS 型、ZENITH 型、OCEANIC-STROKE 型）。

方法。 按段做 cascade 分解，使用多水平模型（个体嵌套于点位，点位随机效应），并按点位分解各段损失的方差；用参数 g-formula 模拟"把某一段提高到 CRHCP 干预组水平"对 CV 死亡和全卒中死亡的影响，相对效应来自 RCT、绝对风险来自本地数据，与问题 2 共用同一骨架；政策效应只在有错峰时间节点时才估计，采用 Callaway–Sant'Anna 这类异质性稳健的错峰 DID 估计量；按试验入排标准操作化定义合格人群，估计其规模、县级分布和竞争风险下的事件率。

主要偏倚与应对。 用药信息是自报的，缺少剂量和起止时间，所以只用来定义"是否处在某一段"，不用来估计药效。353 个点是便利抽样，点位间差异有一部分来自招募方式和应答率，需要控制点位的招募特征，并用外部代表性数据做 raking。基线只测了两次血压，白大衣效应和回归稀释会影响"是否控制"的判定，用问题 1 的回归稀释比校正分类。健康志愿者效应会低估绝对死亡率，可挽回死亡数要给出区间并注明偏倚方向。以死亡为结局时，全卒中死亡是主结局，亚型分析只在问题 1 判定"可用"的县区做。

1–3 个月的第一步。 其一，用现有基线数据做描述性的县级 cascade（知晓、治疗、控制各段的比例）。其二，把点位层面的基层能力变量与各段转化率做关联分析。其三，按 VESALIUS 型、ZENITH 型等入排标准统计合格人群的规模和县级分布，形成第一版可出境的汇总表，用来与药企和医保方洽谈合作；这一部分只用全卒中和 CV 死亡，可以先于问题 1 完成，涉及卒中亚型的部分等问题 1 完成后再补。其四，收集集采和医保目录的地区落地时间表，判断是否存在可以识别的政策冲击。

有条件启动的第二梯队

以下方向没有进入前三，但保留下来，各自写明启动条件。它们的共同点是依赖尚未确认的数据或审批，或者单独立项时效力不足。

房颤检出→抗凝缺口，加上 AI-ECG。 临床价值高：在有心电图的高危亚样本中估计房颤患病率和既往未知房颤的比例，按 CHA₂DS₂-VASc 分层描述抗凝使用率，分析未抗凝与卒中死亡、全因死亡的关系。启动条件是确认保存的是数字 ECG 波形（如果只有纸质或图片，需先走数字化管线）；一旦确认，它可以作为问题 3 的第二条诊疗链。AI-ECG 部分（原 A5 的改写）应当优先 ECG 而不是超声：EchoPrime 在美国三级医院数据上训练，迁移到基层超声风险大，而 12 导联 ECG 标准化程度高、公开预训练资源多。终点改为全因死亡、CV 死亡和高危层非致死事件，不用"HF/AF 相关死亡"这种在死因登记中不可用的结局；可以用同一亚样本中的超声测量值作为弱标签，对 ECG 模型做跨模态监督，并按省份和设备品牌评估域偏移。

嵌套 case-cohort 基因分型加 Lp(a)。 启动条件是白膜层或全血 DNA 可用、人遗审批通过。设计上以死亡病例（ICH、缺血性卒中、CHD）加覆盖全体的随机子队列构成 case-cohort，所有遗传分析都在加权框架下进行，禁止在高危层内做。结局只写 ICH 与缺血性卒中死亡，删去原 B2 中的"小血管卒中死亡"：腔隙性卒中极少致死，ICD-10 死因编码也不区分 TOAST 亚型，这个结局无法观测。效力粗算【推断，量级估计】：按 1,630 万人年、ICH 死亡率约 40–60/10 万人年、约 60% 有存储样本估算，可用 ICH 死亡约 4,000–6,000 例，与 CKB 相当；对 MAF 0.2、OR 1.15 的常见变异，在 5×10⁻⁸ 阈值下达到 80% 效力大约需要 1 万例以上，所以定位应是加入 CKB、BBJ、TPMI、KoGES、ISGC 的荟萃分析，而不是独立的发现 GWAS；单样本 LDL→ICH MR 只能以约 80% 效力检出每 SD OR ≤0.80 的效应，其价值在于与 CKB 合并后缩窄置信区间。rs671 饮酒 MR 已在 CKB 做过，增量主要在合并，女性饮酒极少、可作阴性对照。Lp(a) 检测（原 B3）成本低，问题清楚：描述中国人群达到各试验入组门槛的比例，估计每单位绝对量与冠心病、缺血性卒中和 ICH 死亡的风险梯度，并用东亚特异工具做非线性 MR；描述部分已并入问题 1 的复测，风险梯度部分的效力取决于病例数，启动前需查重 CKB 是否已有同类研究。芯片分型可以顺带从强度数据检出嵌合染色体改变（mCA），替代原 B4 的 CHIP 靶向测序。

CKB→ChinaHEART 迁移。 用 CKB 的住院事件训练分亚型的非致死事件风险模型，通过协变量偏移加权迁移到 ChinaHEART，并以两队列共有的死亡结局做锚定再校准。在住院关联落地之前，这是做发病风险研究的唯一路径。启动条件是能访问 CKB，并能处理两个队列之间的时期偏移（2004–08 年对 2014–22 年）；数据不能合并时，采用摘要级或联邦协作。

降级或改写的原问题。 原 A2（高危层目标试验模拟）降级为数据适用性验证：先检验这套数据能否复现已知 RCT，不作为主结论。原设计以 SSaSS 和 SECURE 为基准并不恰当，两者都不对应 ChinaHEART 能模拟的药物启用，而且"阳性基准"与"阴性对照"是两个概念：阳性基准应改为 CTT、HOPE-3（他汀）、BPLTTC、STEP/ESPRIT（降压）和 ASPREE/ARRIVE（阿司匹林一级预防的零效应）；阴性对照结局（如意外死亡）另外单列，用于经验校准。它还面临缺少处方数据导致的时间零点问题、健康使用者偏倚、用药率低带来的正性问题，以及 ICH 伤害检测效力不足（启用者中的 ICH 死亡估计只有一二百例【推断】）。阿司匹林在一级预防中的缺血获益与 ICH 伤害可以作为净获益问题保留，但因效力所限不进入前三。原 A3（县级自然实验）只在找到有明确时间节点的县级政策（例如集采的地区错峰落地）时启动，353 个点的横断面异质性本身不构成外生变异。原 A4 中单纯重校准死亡版风险评分的价值有限（China-PAR 本就基于中国队列），降为次要项；它的参与加权部分已并入各问题的 raking。原 B4（CHIP × IL6R × 死亡）在这个年龄段大克隆比例只有百分之几、交互项检验又以死亡为结局，效力极低，改为基因分型时顺带分析 mCA。原 B5 的逻辑需要修正：如果工具变量来自 CKB 的 cis-pQTL，两样本 MR 根本不需要在 ChinaHEART 测 Olink，而单样本 MR 又必须有基因分型；按原写法，钱花在蛋白组上，因果推断却没有增量，而且 CKB 的 Olink pQTL 只有约 4,000 人，工具偏弱且有赢家诅咒。修订后的做法是"ChinaHEART 基因分型 + 外部大样本 pQTL（UKB-PPP、日本 pQTL）+ 东亚 LD 共定位"，否则删去嵌套 Olink 的 MR 用途。湿实验合作（脑小血管平滑肌细胞和周细胞中对 COL4A1/2、ICA1L、PMF1 等位点做 CRISPRi 或 MPRA；对 rs671、RNF213 等东亚特异变异做功能验证；在心房或 HFpEF 的 EHT 中验证候选靶点）仍保留为算法团队以合作方身份参与的长期方向，离 ChinaHEART 数据最远。此外，司美格鲁肽在中国专利到期后仿制药陆续上市【未核实】，可能构成 GLP-1 可及性骤增的自然实验，可以挂在问题 3 的政策冲击框架下备选。

专家评审说明

本修订版依据一轮四人专家评审改写，评审原文与综合见研究笔记 panel/ 目录。四位评审的角色分别是：心内科临床专家（中国指南、基层落地与 ChinaHEART 数据实际）、遗传流行病学家（MR、drug-target MR、共定位、PRS 与东亚生物样本库）、心血管药物研发负责人（靶点验证、CVOT 设计与监管路径）、医学 AI/算法研究者（竞争风险、TTE、跨队列迁移、测量误差与 AI-ECG）。四位都认可原报告的骨架："缺靶点"不是心血管的统一诊断，中国可挽回的负担主要在"人群→干预"层，ChinaHEART 不是靶点发现平台。

主要修正分三类。第一类是 10 处事实或逻辑错误：7.2% 是 MPP 筛查人群而非全国的控制率；VESALIUS-CV 属于首次事件预防而非传统一级预防；HORIZON 的 ≥90 mg/dL 人群是共同主要分析人群而非亚组；ZEUS 的"膜受体对配体"论证方向反了（研究笔记同步更正）；"遗传效应大小不能预测药物效应大小"混淆了变异效应与每单位因果效应；心肌病一行把 ODYSSEY-HCM 的失败错归为递送；"小血管卒中死亡"在死因登记中不可观测；B5 的嵌套 Olink MR 逻辑断链；A2 的基准选错且混淆了阳性基准与阴性对照；阿司匹林低使用率被错当作可挽回缺口。第二类是框架修正：因果链补上测量/结局确定层与效应迁移/决策层；"分子把手"改为三层框架；Lp(a) 与 IL-6 的失败分开归因并补上 CANTOS 与秋水仙碱；死因编码（含 I64 和垃圾编码）从可行性要点升为第一个研究问题；明确禁止在高危层内做遗传因果分析；指出欧洲 LPA 工具在东亚不可用。第三类是补充：高血压行与诊疗链表、中国本土 RCT、新给药方式与待读出 CVOT、FXI 的抑制深度与对照药设计、RNF213、HFpEF 的欧洲表型局限，以及研究问题的整体重排。评审人新引入的 2026 年事件与数字，本修订没有独立复核，均标为【未核实】。

仍然存在的分歧有七处。D1（A1 能否影响 LDL 目标值）：遗传流病学家认为"绝对风险 × 相对效应"框架的结果可以写进指南的分层建议，临床专家认为观察性队列不可能改写目标值；本修订采用前者的框架、后者的结论强度，定位为"指南讨论的量化输入"。D2（第一优先做什么）：临床与 AI 评审主张先做测量层，遗传流病学家主张先做零成本的 MR 面板，药物研发评审主张先做入组富集地图；本修订按依赖关系把测量层放在关键路径上，MR 面板并行，富集地图中不涉及亚型的部分先出。D3（预注册 MR 的价值）：遗传流病学家要把它列为第一位，AI 评审认为它不体现 ChinaHEART 的比较优势，药物研发评审认为只有东亚 ICH 安全性方向有增量；本修订把它并入问题 2 作为先验与三角验证模块。D4（面向学术与指南，还是面向药企与监管）：三方受众不同；本修订选择一套骨架同时服务多方的问题，个体遗传学降为第二梯队。D5（A4 重校准与 CKB 迁移）：临床专家认为重校准价值低，AI 评审认为 CKB 迁移是补齐非致死事件的唯一路径；本修订降级前者，把后者保留为有条件启动的方向。D6（ZEUS 阴性的含义）：遗传流病学家视之为真正的"MR 幅度外推失败"，药物研发评审强调人群与试验设计、认为炎症假说未被证伪；本修订把两者并列为尚未区分的备择解释。D7（阿司匹林）：临床专家要求把它移出缺口论据，AI 评审把一级预防中的阿司匹林净获益列为中国缺乏 RCT 的问题；本修订在论据层面移出阿司匹林，在研究问题层面保留为效力受限的净获益问题。

Conclusion

【推断】这一轮证据与评审改变的认识是："缺靶点"不是心血管领域的统一诊断，只适用于 ICH、HFpEF、房颤基质和血管衰老。对 ASCVD 和血压轴，靶点方向早已明确，稀缺的是另外三样东西：经事件校准的替代终点，足够的暴露单位，以及把每单位效应落到具体人群的实施链。2026 年 Lp(a) 和 IL-6 的两次阴性，一次是试验暴露的单位不足，一次是外推超出了工具变量覆盖的尺度，都不说明 MR 判不了幅度；它们说明下一代心血管靶点研究的价值，不在于再发现一个 MR 显著的蛋白，而在于回答"在谁身上、从几岁开始、降多少才有用"。这恰好是大型人群队列和实用性试验擅长的领域，但前提是先把结局测准。对中国而言，LDL 与 ICH 之间的遗传学权衡意味着，在血压未控制、ICH 基线风险高的亚人群中，强化降脂的净获益需要单独量化，并在血压控制状态下评估；RCT 证据并未显示极低 LDL 下 ICH 显著增加，所以这不是否定"越低越好"，而是要求按人群算清净账。ChinaHEART 在卒中亚型死亡数据和县级血压数据上的规模，是全球其他队列难以替代的资产，但这份资产的价值取决于死因编码能否经得起验证。

对算法团队最现实的路线是：先做测量层重建（问题 1），把卒中亚型死因概率化、把 POC 血脂和血压校准到通常水平；同时立即用公开的东亚汇总统计启动药靶 MR 面板，先对已完成的 CVOT 做回顾性校准，再对 OCEAN(a) 和 PREVAIL 做预注册预测，作为净获益决策模型（问题 2）的先验；与此并行，用现有基线数据绘制诊疗链缺口地图（问题 3）中不依赖亚型的部分。个体水平的遗传学、Lp(a) 检测、AI-ECG 和 CKB 迁移，在数据与审批条件满足后作为第二梯队启动。启动前应先向 ChinaHEART 数据方核实三件事：死因登记中 I64 和垃圾编码的占比，存储样本是否保留了白膜层或全血，以及住院数据关联的进度。