作者：国际循环编辑部

心房颤动（AF，简称房颤）通常根据疾病亚型进行分类。然而，这种表征并不能反映AF的完全异质性，数据驱动的聚类分析揭示了不同类型的患者分类。

该研究根据聚类分析对房颤患者进行特征描述，并评估这些表型与治疗、临床结局之间的关系。该聚类分析数据来源于一项观察性队列研究，纳入美国174个研究中心的参与房颤结局注册研究（ORBIT-AF）的9749例房颤患者。数据分析于2017年1月~2017年10月完成。诊断为AF的患者被纳入注册研究。主要结局及衡量标准，国际血栓与止血学会标准定义的重大不良心血管或神经事件和严重出血事件的复合。

在9749例患者中，女性4150例（42.6％）；8719（89.4％）是白人，477（4.9％）是非裔美国人。使用60个基线临床特征进行聚类分析，并将房颤患者分为4个统计驱动集群：①危险因素和并发症发生率明显低于其他聚类（n=4673）；②年龄较小和/或合并行为障碍的患者（n=963）；③房颤患者与窦性心动过缓患者相似，并因窦房结功能障碍（n=1651）而植入器械；④伴有房颤和既往冠状动脉疾病，心肌梗死和/或动脉粥样硬化并发症（n=2462）患者。传统的分类，如房颤亚型和左心房大小，并没有驱动集群集形成。与低并发症房颤组相比，其他3组患者主要不良心脑血管事件和神经系统事件的校正风险显著增高（合并行为障碍集群：HR=1.49，95％CI：1.10~2.00；植入器械集群：HR=1.39，95％CI：1.15~1.68；动脉粥样硬化并发症集群：HR=1.59，95％CI：1.31~1.92）。

进一步分析发现，大出血事件校正风险，低并发症集群组低于行为障碍并发症集群（HR=1.35，95％CI：1.05~1.73），植入器械集群（HR=1.24，95％CI：1.05~1.47）和动脉粥样硬化并发症集群（HR=1.13，95％CI：0.96~1.33）。

因此，该研究聚类分析确定了房颤的4种临床相关表型，每种表型与临床结果具有明显相关性。同时，强调了房颤的异质性和并发症的重要性。

原始出处：Taku Inohara， et al. Association of Atrial Fibrillation Clinical Phenotypes with Treatment Patterns and Outcomes： A Multicenter Registry Study. JAMA Cardiol. Nov 12， 2017.