每每说起心血管疾病，总是会想起那些令人吃惊和惋惜的噩耗——XXX，年轻有为的祖国栋梁，因心脏病猝死而离世（再次提醒各位小伙伴要注意自己的健康呀）。尽管现代医疗技术已经使心血管疾病的诊治达到了前所未有的水平，但是仅仅“有病才治病”还远远不够，心血管病的预防和风险预测已然发挥不可替代的作用。

目前，临床上有多个心血管疾病风险预测工具，比如说大家比较熟悉的Framingham、QRISK、PROCAM、ASSIGN评分。

Heart最近发表了一篇综述《Graphics and statistics for cardiology: clinical prediction rules》[1]，作者以心血管风险评分（CVD risk factor）为例探讨了如何借助图形优势构建疾病的预测模型，并提出了6个重要步骤。（表1）

表1. 疾病预测模型的构建

我们将分几期介绍这些步骤，今天我们先聊聊预测变量和结局事件关系的模型选择。

疾病预测模型听起来很高大上，其实也很简单，比如常见的Logistic回归模型，当我们知道自变量X时，就可以估计结局事件P的大小，或者说我们所关心的疾病发生概率有多大。俗话说的好，巧妇难为无米之炊，搭个模型，首先得找到重要的预测变量X。

潜在的预测变量筛选往往基于专业判断和既往文献研究，比如说肥胖对于高血压就是一个重要预测变量。但是，需要注意的是，这些变量应该与疾病之间存在因果关联，即存在变量X，可能会导致疾病Y的发生。

说起心血管风险预测——ASSIGN评分，相信很多小伙伴并不陌生。不同于其他心血管风险评分，ASSIGN评分是第一个将社会支持缺乏纳入风险模型的评分。作者在这篇综述当中使用构建ASSIGN评分的苏格兰心脏健康队列部分数据，来举例说明如何借助图形优势构建风险评分模型。