冠狀動脈粥樣硬化性心臟病（冠心病）是全球導致人群死亡的第二大疾病。作為可防可治的慢性疾病，早期篩查對疾病控制意義重大。但是，臨床現有的篩查工具均依賴醫生輔助，無法大規模應用。許多面部特征被報道可能與冠心病存在相關性，可能有助于疾病篩查。但現有面部特征存在種類較少、定義不規范、人工判斷可重復性差等局限性，無法常規應用于臨床。隨著人工智能技術的發展，精確整合面部特征進行疾病預測成為可能。近期發表在《歐洲心臟雜志》的研究表明，借助人工智能技術可對冠心病進行預測。盡管現有技術仍存在一些局限性，但這種新穎的疾病篩查、診斷方法在未來的應用仍值得期待。
目的對各種預測冠心病的模型進行系統回顧，展示其預測效能。方法計算機檢索 PubMed、EMbase 和中國知網。納入研究冠心病預測模型的文章。檢索時限為建庫至 2020 年 9 月 30 日。由 2 名評價員獨立按照納入和排除標準篩選文獻，提取建模信息、預測效能等資料。結果共納入 30 篇文章，報道了 19 個經過外部驗證的預測模型，17 個模型具有受試者工作特征曲線下面積（area under curve，AUC）>0.7 的外部驗證組。經典的 Diamond-Forrester 模型、更新的 Diamond-Forrester 模型、杜克臨床評分、冠心病聯盟臨床評分外部驗證組的 AUC 在 0.49～0.87 之間。結論大部分模型具有適中的預測效能，經典的冠心病診斷預測模型在各人群中預測效能差異大。
心臟外科手術風險高、創傷大、患者恢復周期長，隨著心臟外科技術的進步，手術死亡率及并發癥發生率不斷下降，患者報告結局逐漸成為心臟外科術后康復的重要研究領域。該領域應用患者報告結局測量（patient-reported outcome measures，PROMs）工具反映患者術后恢復的生理、心理及社會功能狀態，并為臨床干預提供科學依據，可能進一步改善預后及患者康復體驗。本文綜述了心臟外科領域術后康復涉及的PROMs維度、現有PROMs量表情況及PROMs量表的應用進展，并梳理了相關量表使用的局限性，并探討了未來在心臟外科患者中開展PROMs研究方向。