大数据对适度饮酒与更低心血管风险之间关联进行了严格检查。
四十多年前，Klatsky及其同事发表了可能是首个认真开展的关于饮酒与心肌梗死风险的流行病学调查，这是一项嵌套在加利福尼亚州凯撒健康计划基金会（Kaiser Foundation Health Plan）健康档案中的病例对照研究（Ann Intern Med 1974;81:294-301）。Klatsky等人在约12万名已完成一组标准化问题集（超过500个问题）的健康计划成员中，识别出464名在当地凯撒医院中发生持续性心肌梗死的成员。他们比较了一项这些成员既往调查问卷中报告的饮酒量与来自同一源人群的两组对照中的饮酒量。在非吸烟者中，非饮酒者的心肌梗死几率约为饮酒者的两倍，表明饮酒具有降低冠心病风险的可能性。
在之后关于凯撒医疗健康维护组织（health maintenance organization）成员的分析中，Klatsky及其同事继续揭示了饮酒量与各种形式的心血管疾病及其风险因素之间存在多种关联，包括与冠心病大致（roughly）呈负相关，与缺血性卒中呈U形曲线关系，以及与高血压和出血性卒中大致呈直接相关。
在一篇相关文献中，Bell及其同事在两个方向上将Klatsky的工作进行了扩展（BMJ 2017;356:j909）。在一项英国基层医疗约两百万成年人的回顾性队列研究中，他们将临床实践研究关联数据服务（Clinical Practice Research Datalink）中由临床医师编码的饮酒信息与在一系列英国卫生登记中识别的心血管结局联系在一起，以确定饮酒量与几种心血管疾病首次发病之间的剂量反应关系。此项大规模工作扩展了该主题，包括在使用临床记录来评估饮酒量和可评估结局的多样性方面。
第一次飞跃是根据临床资料对患者的实际饮酒量（五类）进行估计，而非使用类似凯撒医疗机构中所用的结构化评估工具（structured assessment tools）。不幸的是，这需要创造性的外推，并且难以输出至（应用于）英国以外的机构。然而，这种被动方法使得可以研究大样本量。虽然这也引入了随机和系统测量误差，但大样本可以克服饮酒量随机错误分类的问题，尽管存在低估风险比的数量级的代价。系统误差更为有害，导致系统误差的原因包括患者故意漏报和不完善的临床信息所致的艰难抉择。例如，全科医生发现患者呼气中有酒精，这些患者被归类为“适度饮酒者”，但缺乏正式的验证，这种分类在最好的情况下似乎是不确定的。同样有问题的是数据丢失。在该研究中，总样本中有43%的样本缺失饮酒信息，导致在任何方向都可能出现偏倚。
紧跟第一次飞跃，第二次飞跃是对如此大的样本量进行全套结局的评估。Bell及其同事检查了一组不同的终点，这些终点难以在较小的队列中精确地进行研究。他们大部分重现了凯撒医疗研究的既往研究结果，但也增加了心肌梗死亚型、稳定和不稳定型心绞痛和腹主动脉瘤等的风险评估。显然，这种方法对于罕见的健康结局特别有吸引力，尽管这些结局往往对整体公共卫生而言微不足道。
Bell及其同事的这项工作符合蓬勃发展的新一代研究，这些研究建议通过采用电子健康档案和大型登记中收集的数据，将经典的队列设计应用于基层医疗机构。这些依赖于嵌入医疗机构的信息技术基础设施进步的研究，显示出医学、公共卫生和研究之间有希望趋同。随着流行病学家识别出决定人群健康的社会因素和行为因素，个体临床医生和医疗保健系统需要将这些因素纳入特定患者的护理中，从而纳入患者的电子健康档案中。这些档案反过来可用于在前馈循环中开展新一轮的深入研究。
Bell的这项新研究并没有提供关于推荐限度内饮酒量与心血管疾病风险之间关联的实质性新观点。他们报告称，适度饮酒者中基本上每个有意义的心血管结局的发生率（除了出血性卒中之外）均低于戒酒者。在四十年的流行病学研究中，大部分研究发现了相同的结果。然而，这项工作为越来越大和更复杂的研究奠定了基础，这些研究将尝试利用大批的大数据，将大数据转变为大量有用、可靠和无偏倚研究结果，从而告知公共卫生、临床护理和未来研究方向。
（作者：龚银花)
参考文献：British Medical Journal 2017; 356:j1340