Cardiovascular disease is no longer viewed through independent risk factors; rather, it is recognized as the ultimate consequence of an interconnected, systemic pathobiology known as CKM Syndrome
The Global Cardiovascular Risk Axis: Applying SDoH Concepts for Precise Interception
心血管疾病風險精準預測與治療決策依據
— 心血管疾病 (CVD/ASCVD) 仍是全球最可預防的死因。在台灣，心血管相關疾病（包括心臟病、中風及高血壓併發症）約佔全年死亡人數的 ~20-25%，以及約 ~20% 的早逝（70 歲以下）病例。 — 南韓透過系統性風險識別與積極控制展現強大成效。藉由全國性嚴格的血壓、吸菸及代謝篩檢計畫，南韓將平均壽命提升至 84 歲以上，居全球第二。 — 預測動脈粥樣硬化性心血管疾病 (ASCVD) 風險，應超越被動報告，結合主動、多元的干預機制，將動態風險模型與有效早期預防治療直接銜接。
Microvascular Flow Dysregulation (CMvD) and Ischemia-Reperfusion Injury
冠脈微循環障礙與代謝性心血管病
— 東亞族群的阻塞性心血管疾病雖少於西方，但由微血管 與 血管舒縮失調引起的非阻塞性冠狀動脈疾病比例卻異常偏高。 — 台灣： 臨床資料顯示，約 50%–60% 有症狀但無重大阻塞的患者，存在微血管障礙或痙攣；這與內臟脂肪堆積、TyG 指數升高及脂肪肝盛行率具高度相關性。中國： 約 ~50% 無明顯阻塞的慢性冠狀動脈綜合症患者，符合微血管功能障礙的診斷標準。 — ALDH2*2 多態性影響約 ~40% 東亞人，改變心血管系統對酒精的反應，是酒精攝取與冠狀動脈微血管功能障礙間的重要生物驅動因子。
Connecting Cardiometabolic Risks to Cerebral Small Vessel Disease
心血管代謝疾病與腦小血管病變
— 東亞中風盛行率明顯高於西方，因特有基因變異、代謝表型及生活習慣綜合作用所致。 — 最常見的中風類型為缺血性中風，非單一腦部事件，而是全身心血管及心代謝疾病的臨床表現。缺血性中風多以腔隙性梗塞呈現，或在腦小血管病 (CSVD) 中無聲累積。 — 缺血性中風與血管性失智症發展需數十年，故可透過積極多元的健康篩檢預防。
Hepato-Cardiovascular Axis
肝心軸揭示隱藏代謝與殘餘風險預測心血管代謝疾病發展
— 傳統風險評估多依賴單一LDL-C 濃度、空腹血糖及血壓，難以準確反映亞臨床心代謝變化，尤其對非肥胖但易累積內臟脂肪及脂質異常者更不適用。肝心軸 (Hepato-Cardiovascular Axis) 揭示肝臟早期脂肪肝、脂肪毒性及氧化壓力，如何在代謝疾病明顯發生前促使全身血管發炎及動脈粥樣硬化。 — 結合肝臟、脂質及炎症指標的多標記分數，在預測疾病走向上明顯優於傳統風險評估工具（如 Framingham 或標準 PCE），能有效預測微血管併發症，如腦小腔梗塞、糖尿病腎病及射血分率保留型心衰 (HFpEF)，這些常被僅檢查大血管的影像所忽略。
Risk Enhancers in ASCVD Risk Stratification, Unconventional, Yet Important
風險增強因子與心血管風險分層評估
— 當在標準風險評估工具將患者歸為邊緣或中度風險時，需進一步精確預測其 10 年風險。其主要臨床用途在於指導預防性藥物治療的決策，尤其是在是否開始或加強他汀類藥物組合治療尚不明確時 .... — 從傳統的標準風險計算器轉向個人化預防模型，徹底改變了臨床醫師對血管疾病的管理方式。系統性地考量風險增強因子，使得治療介入能夠更早且更精確；同時，針對殘餘風險的治療則有效預防心臟不良事件的復發。這種精準醫療方法將病理生理機制與目標治療相結合，提供明確策略，將患者的病程從高風險狀態轉向確定的長期改善。
A Diabetes-Centric Framework for Cardiovascular Risk Prediction: Accounting for Glycemic and Renal Phenotypes Beyond Traditional ASCVD Models
糖尿病心血管風險預測架構：超越傳統 ASCVD 模型
與傳統將糖尿病視為二元變數的風險模型不同，糖尿病專屬演算法聚焦於代謝異常與病程長短。透過納入 HbA1c 變化趨勢、胰島素阻抗、微血管損傷及白蛋白尿等指標，這些工具能精準反映糖尿病患者心血管疾病與慢性腎臟病的病理機制，實現比一般預測模型更早期且精確的風險分層。 內皮功能障礙與微血管硬化：即使在糖尿病前期（空腹血糖 110–125 mg/dL）時，持續高血糖亦促進晚期糖基化終產物 (AGEs) 累積，降低一氧化氮生物利用度，導致微血管損傷及動脈硬化，遠早於臨床糖尿病診斷。 糖尿病性血脂異常三聯症：前期糖尿病的胰島素抗性改變肝臟脂質代謝，產生高度動脈粥樣硬化的小而密集低密度脂蛋白 (sdLDL), 同時高密度脂蛋白膽固醇 (HDL-C) 降低，空腹三酸甘油脂升高，促進動脈斑塊加速形成。
From Cardiac Wall Stress to Brain Ischemia: Deciphering the Cardio-Cerebral Axis Through NT-proBNP and Biomarker Profiling
心腦軸線：心腦相互作用、共享生物標記與臨床意義
— NT-proBNP (N 端腦鈉肽前體 ）的縱向變化軌跡，特別是其變化速率，比單次基線測量更能準確預測缺血性中風風險。連續測量可捕捉心房應變的動態變化、亞臨床心肌重塑及微血管應變，能識別即使起始基線正常的高風險個體。 ' — 評估特定族群的增強子，能使臨床醫師將患者從「中度動脈粥樣硬化性心血管疾病風險」重新分類為「高中風風險」，進而採取針對性措施，如積極降壓（<120/80 mmHg）及個別化抗血栓治療。
Beyond 10-Year ASCVD Scoring: A Layered Risk-Enhancer Architecture for Precision Cardiovascular and Cerebrovascular Triage in the Intermediate-Risk Zone
邊緣與中度心血管風險之精準分級：風險增強工具之重新分類
— 多層次風險增強診斷流程兼顧廣泛篩檢 (高敏感度) 與精準進階檢測 (高特異性及淨重分類效果) 。此流程將患者從基線篩檢引導至功能性代謝分析、臨床風險評估及亞臨床血管影像檢查。 — 分層風險精細化策略能避免對無症狀高風險者的漏治 (提升敏感度) ，同時減少對病情穩定者的過度治療 (提升特異性與療效) 。
Risk Factors Driving Renal–Vascular Axis Dysfunction in Cardiometabolic Syndrome
心臟代謝症候群中腎臟-血管軸失調之關鍵危險因子解析
— 將腎臟－血管軸納入心血管風險評估，有助於在明顯大血管事件發生之前，及早偵測亞臨床微血管器官損傷 — 重疊風險（非加總性）：由於這些風險因子在同一個體中高度交互並聚集，其風險呈乘法效應而非加法效應。當單一個體的三個軸線皆功能失調時（例如代謝症候群或晚期心腎代謝症候群），其未來十年發生重大心血管不良事件 (MACE) 的整體風險會呈指數級上升，通常為基線風險的三至五倍 — 脂質-血管軸（ApoB/LDL）對特定斑塊形成具有較高的直接因果影響，但 ，因為高血壓在成人族群中更為普遍，腎臟-血管軸的歸因風險比例 (PAF) 較高
The Three Pillars of Cardiovascular Mortality Reduction
降低心血管死亡率已從事後急救轉向互聯閉環策略，包括精準風險預測、主動風險緩解與動態個人化管理。此架構將先進醫療 AI 系統的重點，從被動一次性評估轉為持續數據驅動，優化長期血管保護。
Fusing Lifestyle and Pharmacology
結構化的生活方式改變，如飲食調整、運動及體重控制，雖是心血管疾病 (CVD) 預防的基石，但大量臨床及區域流行病學資料顯示，僅靠生活方式往往無法有效降低殘餘風險。對於東亞及東南亞患者，基因遺傳及代謝表型使得早期積極藥物治療成為降低心血管死亡率的關鍵。
Modifying Absolute Risk via Regional Recalibration
臨床轉變：從靜態走向持續分層
傳統醫學多依賴靜態、一次性風險評估。現代心血管疾病預防正轉向持續且分層的風險管理。預測、預防及控制心血管疾病是現代醫學中最具影響力的策略