心血管風險評估準不準？Framingham、ASCVD、PREVENT、SCORE2 算給台灣人看，數字常常偏高

健檢報告上那句「十年心血管疾病風險 12%」，是電腦套風險方程式算出來的。主流的四套工具幾乎都長在歐美人群身上，用來排高低風險還算堪用，但算出的絕對數字對亞洲人常常偏高，韓國資料顯示高估可達 74%[7]。2025 年問世的 SCORE2 亞太版，是目前最貼近台灣的一套[6][7]。

拿到健檢報告，翻到最後那一頁，上面印著一行字：您的十年心血管疾病風險為 14.2%，屬於中度風險。

沒有紅字，沒有箭頭，卻常常是整份報告裡最讓人心裡發毛的一段。因為它講的不是現在，是未來。

很多人看到這個數字的第一個反應是把它當判決書：14.2% 就是一百個我裡面有十四個會中風或心肌梗塞，那我是不是該開始吃藥了？也有人是另一種反應——我血壓正常、膽固醇也還好，怎麼會算出這麼高的數字？

門診裡我常常要先做一件事，就是把這個數字的身分講清楚。它不是檢驗儀器測出來的東西，沒有一台機器在量你的「心血管風險」。這是一條數學公式，把你的年齡、性別、血壓、膽固醇、有沒有抽菸、有沒有糖尿病丟進去，跑出一個機率。

公式從哪裡來，決定了它準不準。而現在健檢中心最常用的那幾條公式，源頭都在美國和歐洲。這件事對台灣人的意義，比多數人想像的還要大。

這個分數到底在算什麼？

風險方程式做的事情，是把「一群和你條件相似的人」過去的追蹤結果，換算成一個機率貼在你身上。它不知道你的血管長什麼樣子，它只知道統計上像你這樣的人，十年內出事的比例是多少。

比喻一：它是氣象預報，不是體檢儀器

明天降雨機率 70%，意思是過去在類似的大氣條件下，十次有七次下雨。氣象局沒有看見明天的雨，它是拿歷史資料做推估。

心血管風險分數的邏輯一模一樣。報告寫 14.2%，說的是「條件跟你相似的人，十年內大約十四個會出事」，不是「你身上已經有一個 14.2 分的病灶」。

差別在哪裡？降雨機率預報錯了，你頂多多帶一把傘。風險分數估錯了，可能讓一個其實不需要吃藥的人開始長期服藥，或讓一個真的該處理的人被安撫過去。

比喻二：它是保險公司的精算表

保險公司決定保費，靠的是一張精算表：什麼年紀、什麼職業、有沒有慢性病，對應多少理賠機率。這張表準不準，取決於它是用哪一群人的資料算出來的。

用美國白領上班族的理賠紀錄，去算台灣工地師傅的保費，方向大致不會錯——年紀大的還是比年輕的貴——但金額會歪掉。

這正是目前四套主流心血管風險工具遇到的處境。它們判斷「誰比較危險」的能力，在亞洲人身上表現尚可；但換算成具體百分比時，就出現系統性的偏差[7][8]。

分數怎麼算出來的？四套工具的來歷與研究怎麼說

搞懂公式的出身，就能理解它為什麼會在台灣人身上失真。

Framingham：半世紀前麻州小鎮留下的公式

Framingham Risk Score（佛萊明罕風險評分）是最早被廣泛使用的多變項心血管風險評分，資料來自 1960 到 1970 年代美國麻州的一個小鎮[2][3]。

它把年齡、性別、總膽固醇、高密度脂蛋白膽固醇（HDL，俗稱好膽固醇）、收縮壓、有沒有在吃降血壓藥、糖尿病、抽菸這些條件放進公式，估算十年內發生心血管疾病的機率，涵蓋冠心病、中風、周邊動脈疾病與心臟衰竭[4][5]。

問題出在資料的年代與人群。那個小鎮的居民組成相當單一，而且當年的治療方式跟現在差很多——沒有現在這一代的降血脂藥，血壓控制的標準也不同。用半世紀前的醫療環境推估今天的風險，本身就帶著偏差[2]。

PCE／ASCVD：把種族當成變項的 2013 年版本

2013 年，美國心臟協會與美國心臟學院推出 Pooled Cohort Equations（PCE，也就是報告上常見的 ASCVD 風險），針對 40 到 75 歲成人，估算十年內發生硬性動脈粥狀硬化心血管事件的機率，包含心肌梗塞、中風與心血管死亡[1][4]。

變項跟 Framingham 大致重疊，額外多了一項：種族，而且只分成黑人與白人兩類[4][5]。

這套公式的三個限制被反覆點名。第一，它會高估風險，幅度最多可達 40%[1][2]。第二，亞裔與西語裔族群在原始資料中的比例過低[1][2]。第三，把種族當成預測變項這件事，本身在方法學上就有爭議[1][2]。

對台灣人來說，第二點最要命。公式裡根本沒有「亞洲人」這個選項，你只能被歸到黑人或白人其中一格。

PREVENT：拿掉種族、把腎功能算進去

2023 年，美國心臟協會發表了 PREVENT 方程式作為替代方案。它把種族從公式裡拿掉，改放進腎功能指標 eGFR（估算腎絲球過濾率）與有沒有在使用 statin 類降血脂藥；另外還有幾個選填項目，包括糖化血色素 HbA1c、尿液白蛋白肌酸酐比值 UACR，以及社會剝奪指數[1][5]。

功能上也更細。PREVENT 適用 30 到 79 歲，同時給十年與三十年的風險，而且把總心血管疾病、動脈粥狀硬化心血管疾病、心臟衰竭分開估算[2][5]。

資料來源新很多，取自 1992 到 2017 年、超過六百萬名美國成人的世代研究[2]。外部驗證納入了 80,139 名亞裔成人，在亞洲族群的校準度與鑑別度都明顯優於舊版的 PCE；不過亞裔在整個開發資料中的比例，仍低於他們在美國人口中的實際占比[5]。

SCORE2 與亞太版：歐洲算法終於做了在地校正

歐洲的 SCORE2 算法走簡潔路線，只需要年齡、性別、抽菸狀態、收縮壓與非高密度脂蛋白膽固醇這五項[3][6]。

真正跟台灣有關的是它的區域版本。SCORE2 亞太模型用了亞太地區 840 萬人的資料做校正，再在 12 個國家、950 萬人身上做外部驗證[6][7]。它依照世界衛生組織的心血管死亡率，把亞太地區切成四個風險區帶，套用不同的基準值[7]。外部驗證的整體 C-index 為 0.710[6]。

同一套公式用在亞洲人身上，準頭差在哪裡

醫學上評估一個風險模型，要看兩件事：鑑別度（能不能把高風險的人排在前面）與校準度（算出來的百分比對不對得上實際發生率）。

一份涵蓋亞洲族群的系統性回顧發現，歐美來源的模型鑑別度落在 C-statistic 0.72 到 0.79，算是可以接受；但校準度慘不忍睹，實際事件數與預測事件數的比值從 0.21 一路散到 1.81[8]。

具體到 PCE，在韓國族群的高估幅度達到 74%[7]。

PREVENT 的表現則是好壞參半。在加州 110,855 名非西語裔亞裔成人的研究中，鑑別度不錯，總心血管疾病的 C-index 為 0.773，但仍然高估風險，校準比落在 0.96 到 1.33 之間[10]。把亞裔拆開來看差異更明顯，越南裔的 C-index 是 0.738，華裔則達到 0.806[10]。

韓國 770 萬人的全國性世代研究顯示，PREVENT 對總心血管疾病與 ASCVD 的校準度良好，但系統性地高估心臟衰竭風險，男性尤其明顯[11]。更值得留心的是，實際發生心血管事件的人裡面，大約 24 到 25% 事前被歸為低風險，其中又以 60 歲以下的年輕族群為主[11]。

中國 CHARLS 世代的驗證結果更不樂觀：男性 AUC 只有 0.61、女性 0.62，遠低於美國驗證時的 0.757 到 0.794；校準斜率落在 0.47 到 0.51，代表模型抓不準絕對風險的高低。研究者的結論很直白，在沒有經過大幅統計再校正與進一步驗證之前，臨床上直接套用這些方程式必須謹慎[12]。

另一方面，一項橫跨 640 萬人的多國驗證研究認為，PREVENT 與 SCORE2 在包含亞洲在內的各區域整體表現尚可，只是該研究並未單獨報告台灣的資料[13]。

亞洲人的心血管風險輪廓本來就跟歐美不同——危險因子的分布不一樣，發生的心血管疾病亞型比例也不一樣[7]。公式不會自己知道這件事。

我需要進一步處理嗎？

報告上的風險分數怎麼看，取決於你的實際狀況與報告用的是哪一套工具。下表整理常見情境：

狀況	關注程度	建議行動	追蹤時間
分數落在低風險區，且血壓、血糖、血脂三項數值都正常	低	維持現有生活型態；把這份報告留存當基準線	每年一次健檢
分數落在低風險區，但年齡未滿 60 歲且有抽菸、家族史或肥胖	中	別只看總分。韓國資料顯示低風險族群中仍有約四分之一的人日後發生事件，且多為 60 歲以下[11]	半年至一年門診討論一次
分數落在中高風險區，但報告用的是 Framingham 或 PCE	中	這兩套在亞洲族群高估最明顯[1][7]。帶報告請醫師以 SCORE2 亞太版重新評估後再決定	一至三個月內回診
分數中高風險，且已有高血壓、糖尿病或膽固醇異常	高	風險分數只是輔助。真正該處理的是已經存在的危險因子，與醫師討論用藥與生活調整[4][5]	依醫囑，通常三個月內
分數偏高，同時有胸悶、走路易喘、活動時胸痛或下肢水腫	需優先處理	這已經不是風險預測的範圍，請儘快就醫做進一步檢查	立即

分數偏高，未來會有哪些影響

先講一件會讓很多人鬆一口氣的事：風險分數高，跟血管裡已經長了東西，是兩件不同的事。

分數是機率，不是影像。它沒有看過你的冠狀動脈。一個十年風險 20% 的人，反過來說也代表十年內有八成的機率不會發生心血管事件——這個角度很少被寫在報告上。

真正該在意的，是這個數字背後那幾個可以動的變項。年齡與性別改不了，但血壓、膽固醇、血糖、抽菸這四項都改得動，而且風險評估工具存在的目的，本來就是幫你和醫師一起決定要不要用 statin、要不要開始控制血壓、生活型態要調整到什麼程度[4][5]。

分數本身不會害你，忽略它背後那幾個危險因子才會。

至於什麼時候該把預測放一邊、直接就醫？出現這些狀況時不要再算分數：活動時胸口悶痛或壓迫感、走幾步路就喘、突然單側手腳無力或講話不清楚、下肢明顯水腫、心跳異常快或不規則且合併頭暈。這些是身體已經在反應，不是未來式。

醫師建議的下一步

先確認報告用的是哪一套公式

這一步最容易被跳過，卻最影響判讀。同一個人用 Framingham、PCE、PREVENT、SCORE2 亞太版跑出來的數字可以差很多。

拿到報告可以直接問：這個百分比是用哪個模型算的？如果報告沒寫，數字的意義就打了折扣。

以目前的證據來看，SCORE2 亞太版是唯一針對亞太地區做過大規模在地校正的選項，資料量 840 萬人、驗證 950 萬人、橫跨 12 個國家[6][7]，而且只需要年齡、性別、抽菸、收縮壓、非 HDL 膽固醇五項就能算[7]。

別把分數當成唯一的決策依據

新加坡的研究提供了一個有意思的對照：用當地資料重新校正過的 PCE 與 Framingham，校準表現反而勝過 SCORE2 亞太版[9]。亞洲各國也陸續發展出自己的版本，像新加坡改良版 Framingham、中國的 China-PAR、韓國的風險預測模型[7]。世界衛生組織另外備有分區風險圖表可供參考[7]。

換個角度看，這代表沒有哪一套是絕對答案。台灣目前還缺一套用本土世代資料開發或驗證過的風險方程式，這是未來該補上的一塊[7]。

把力氣花在改得動的地方

飲食上，減少反式脂肪與精製糖、把白飯白麵換一部分成全穀類、每天有足量蔬菜、每週吃兩次以上的魚，這些是幾乎所有心血管指引都同意的方向。含糖飲料是最容易砍掉又最有感的一項。

抽菸是唯一一個「停掉就直接把變項歸零」的危險因子，四套公式裡它都在。

運動的門檻不必訂太高。每週累積 150 分鐘中等強度的活動，快走就算數，重點是規律而非強度。血壓與血糖偏高的人，運動帶來的改善通常在幾個月內就看得到。

有在服用降血壓或降血脂藥物的人，請照醫囑規律服用。這些藥物本身就是風險方程式裡的變項，自行停藥會讓風險評估與實際狀況脫節。

常見誤解澄清

十年風險 15%，是不是代表我一定會出事？

真相：這是機率不是判決。15% 代表統計上條件相似的一百人中約十五人會在十年內發生事件，同時也代表八十五人不會。更重要的是，這個百分比在亞洲人身上常常偏高——歐美來源的模型在亞洲族群的實際與預測比值散布在 0.21 到 1.81 之間[8]。

分數低就可以放心，不用再管了嗎？

真相：不行。韓國 770 萬人的資料顯示，真正發生心血管事件的人裡面，大約四分之一在事前被歸類為低風險，而且多集中在 60 歲以下[11]。年輕本身會把分數壓低，這是所有以年齡為主要權重的公式共有的盲點。

PREVENT 比較新，是不是就比較準？

真相：新不等於準。PREVENT 確實在方法上有進步——拿掉種族、納入腎功能、資料世代較新[1][5]——在美國亞裔身上鑑別度也不差[10]。但中國 CHARLS 世代的驗證只拿到 AUC 0.61 到 0.62，校準斜率 0.47 到 0.51，研究者明確建議未經在地再校正前要謹慎使用[12]。台灣目前也還沒有本土驗證資料[13]。

不同健檢中心算出來的數字不一樣，是誰算錯了嗎？

真相：多半誰都沒錯，是用了不同公式。Framingham 涵蓋的事件範圍包含心臟衰竭與周邊動脈疾病，PCE 只算硬性 ASCVD 事件，PREVENT 則把三類風險分開列[2][4][5]。分母定義不同，數字自然不同。比較兩份報告時，先確認是不是同一套工具算的。

那我還需要做這個評估嗎？

真相：需要。校準不準不代表沒有價值。這些工具在排序高低風險上仍有可接受的鑑別度[8]，臨床上真正的用途是幫你和醫師一起決定要不要用藥、生活型態要調整多少[4][5]。把它當成討論的起點，不是終點。

重點整理

• 風險分數是機率推估，不是診斷：主流四套工具都用族群統計換算個人機率，沒有任何一台機器在量你的心血管風險；分數高不等於血管已經出問題。
• 歐美公式用在台灣人身上容易高估：亞洲族群的鑑別度尚可（C-statistic 0.72–0.79），校準度卻明顯失準（實際／預測比 0.21–1.81），PCE 在韓國高估達 74%[7][8]。
• 問清楚報告用哪一套，再看數字：SCORE2 亞太版是目前唯一做過大規模亞太在地校正的模型[6][7]；分數低也別鬆懈，韓國資料顯示約四分之一的事件發生在事前被歸為低風險的人身上，且多為 60 歲以下[11]。

美好人生，健康為本

A better life begins with health

想了解最適合您的健檢方案？
歡迎線上預約，由專人為您量身安排。

立即線上預約

參考文獻

1. Anderson TS, Wilson LM, Sussman JB. Atherosclerotic Cardiovascular Disease Risk Estimates Using the Predicting Risk of Cardiovascular Disease Events Equations. JAMA Internal Medicine. 2024;184(8):963-970. DOI: 10.1001/jamainternmed.2024.1302
2. Ebell MH. PREVENT Equations for Assessing Cardiovascular Risk. American Family Physician. 2024;110(3):305-306.
3. Hernandez AV, Diaz-Arocutipa C, Valenzuela G, et al. Risk Scoring for the Primary Prevention of Cardiovascular Disease. The Cochrane Database of Systematic Reviews. 2026;2:CD016333. DOI: 10.1002/14651858.CD016333
4. Lloyd-Jones DM, Braun LT, Ndumele CE, et al. Use of Risk Assessment Tools To Guide Decision-Making in The Primary Prevention of Atherosclerotic Cardiovascular Disease: A Special Report From the American Heart Association and American College of Cardiology. Journal of the American College of Cardiology. 2019;73(24):3153-3167. DOI: 10.1016/j.jacc.2018.11.005
5. Khan SS, Lloyd-Jones DM, Abdalla M, et al. Use of Risk Assessment to Guide Decision-Making for Blood Pressure Management in the Primary Prevention of Cardiovascular Disease: A Scientific Statement From the American Heart Association and American College of Cardiology. Journal of the American College of Cardiology. 2025;86(18):1539-1559. DOI: 10.1016/j.jacc.2025.08.001
6. Hageman SHJ, Huang Z, Lee H, et al. Risk Prediction of Cardiovascular Disease in the Asia-Pacific Region: The SCORE2 Asia-Pacific Model. European Heart Journal. 2025;46(8):702-715. DOI: 10.1093/eurheartj/ehae609
7. Dalakoti M, Lin NHY, Yap J, et al. Primary Prevention of Cardiovascular Disease in Asia: Opportunities And Solutions: A Narrative Review. JACC. Advances. 2025;4(4):101676. DOI: 10.1016/j.jacadv.2025.101676
8. Nomali M, Khalili D, Yaseri M, et al. Validity of the Models Predicting 10-Year Risk of Cardiovascular Diseases in Asia: A Systematic Review and Prediction Model Meta-Analysis. PloS One. 2023;18(11):e0292396. DOI: 10.1371/journal.pone.0292396
9. Lim CGY, Chong CCY, Wong YHM, et al. Cardiovascular Disease Risk Prediction in Multi-Ethnic Asian Populations: Evidence From Two Population-Based Cohorts in Singapore. The Lancet Regional Health. Western Pacific. 2026;66:101794. DOI: 10.1016/j.lanwpc.2025.101794
10. Au M, Zhang Y, Zhou MM, et al. PREVENT Equation Performance in Asian and Native Hawaiian and Other Pacific Islander Groups. JAMA Network Open. 2026;9(2):e2556915. DOI: 10.1001/jamanetworkopen.2025.56915
11. Lee H, Inoue K, Son D, et al. Evaluation of the PREVENT Equations in a Nationwide Cohort of 7.7 Million Korean Adults. Journal of the American College of Cardiology. 2025;86(23):2395-2398. DOI: 10.1016/j.jacc.2025.09.1591
12. Fan WQ, Hu YW, Yu CY, Liu YK, Li H. External Validation of American Heart Association Predicting Risk of Cardiovascular Disease EVENTs (PREVENT) Equations in a Chinese Population. Scientific Reports. 2026. DOI: 10.1038/s41598-026-60494-x
13. Neuen BL, Major RW, Grams ME, et al. Multinational Validation of the PREVENT and SCORE2 Cardiovascular Risk Equations Across 6.4 Million Individuals. Nature Medicine. 2026;32(7):2629-2638. DOI: 10.1038/s41591-026-04437-z