社区干预改善美国年轻印第安人的 CVD 危险因素控制 (CIRCLE)

美洲印第安人 (AI) 的冠心病发病率比同龄美国 (US) 人口高出近 2 倍。 通过强心脏研究 (SHS) 进行的系统监测，该研究是人工智能领域规模最大、运行时间最长的心血管疾病 (CVD) 研究，我们报告年轻人工智能（15-39 岁）的血脂和血糖水平升高，这可以显着预测20年后发展CVD。 我们的研究报告显示，15-19 岁、20-29 岁和 30-39 岁参与者的血脂异常患病率分别为 55.2%、73.6% 和 78.0%，是美国普通人口的两倍多在每个年龄段。 尽管他汀类药物治疗是治疗血脂异常的有效方法，但人工智能患者的药物使用率较低，只有不到一半的原发性高胆固醇血症患者接受治疗。 此外，糖尿病发病率高，而糖尿病控制率低，导致俄克拉荷马州年轻人工智能的心血管疾病发病率很高。 这些升高的脂质和葡萄糖水平可能是由于获得医疗保健的机会有限和生活方式因素（例如饮食、体力活动、睡眠和健康的社会决定因素）造成的。 尽管 SHS 20 年前就测量了这些生活方式因素，但尚不清楚它们如何在血脂和血糖水平升高的年轻人工智能中发生具体变化，从而影响血脂和血糖控制。 因此，迫切需要衡量这些因素，并可能将它们纳入文化上适当的干预计划中，以控制脂质和葡萄糖水平，从而减少心血管疾病。

这项研究的长期目标是降低人工智能中发生CVD的风险，这与NHLBI“减少人类疾病”的战略目标是一致的。 我们的总体目标是确定在人工智能参与下设计的文化上适当的干预措施的有效性，以控制血脂和血糖水平。 为了实现这一目标，我们建议确定引导干预计划的有效性。 在干预阶段之前，我们将使用基于社区的参与性研究方法并开展焦点小组讨论，要求参与者就 2008 年至 2012 年间我们在俄克拉荷马州对较老的人工智能进行的平衡研究的修改版本提供建议。 然后，我们将招募 330 名 15-39 岁、血脂或血糖水平升高的 AI。 在这一组中，我们将评估基线 CVD 风险因素，然后将其随机分配到自我管理对照组，该对照组将接受医疗保健转介和教育材料，或分配到 1.5 年指导干预计划，其中包括：1) 社区健康减少获得医疗保健的障碍；2) 多维教育内容，重点关注饮食、身体活动和睡眠，包括至少六次季度面对面会议。 根据我们通过 SHS 收集的信息，我们制定了中心假设，即获得医疗保健和 CVD 危险因素教育有助于控制血脂和血糖。 因此，我们将在干预措施中纳入这些成分来控制血脂和血糖。 根据我们与人工智能社区合作为 SHS 进行社区招募和干预的经验，我们完全有能力开展这项研究，其具体目标如下：

目标 1：让俄克拉荷马州西南部的人工智能社区参与进来，为 15-39 岁的人工智能制定文化相关的 CVD 危险因素干预计划。

目标 2：招募俄克拉荷马州 AI，年龄 15-39 岁，LDL-C≥100，甘油三酯≥150，或空腹血糖≥100 mg/dL，并评估：a) CVD 危险因素，包括血压、人体测量、血脂、血糖、吸烟和饮酒、饮食、睡眠和体力活动，以及 b) 影响 CVD 风险的因素，包括获得医疗保健、教育和社会支持。 假设：SHS 参与者的 CVD 危险因素频率将不同于 20 年前测量的频率。

目标 3：在为目标 2 招募的参与者中，确定 1.5 年指导干预计划在降低血脂和血糖水平以及提高 CVD 危险因素知识方面是否比自我管理计划更有效。 假设：1.5 年后，随机接受指导干预的参与者将具有较低的血脂和血糖水平以及更好的 CVD 危险因素知识。

拟议的研究将确定一种新颖干预措施的有效性，其中包括通过社区卫生工作者和心血管疾病危险因素教育课程消除获得医疗保健的障碍。 预期成果包括完善文化上适当的 CVD 风险因素减少干预措施、生成 CVD 风险因素的更新估计、降低血脂和血糖水平，以及增加血脂和血糖升高的年轻人工智能的 CVD 风险因素知识。 这项研究的结果将实现 NHLBI 的目标之一，即通过控制不成比例的高脂质和葡萄糖水平来“减少人类疾病”，这对年轻人工智能中的 CVD 事件有显着预测作用。