CIMjournal

Cardio easy: The Role of the PREVENT Model in Dyslipidemia Management


นพ. กิจจา จำปาศรีพ.อ. นพ. กิจจา จำปาศรี
อายุรแพทย์โรคหัวใจและหลอดเลือด
กองอายุรกรรม รพ.พระมงกุฎเกล้า

 

HIGHLIGHTS

  • การประเมินความเสี่ยงโรคหัวใจและหลอดเลือด (ASCVD) กำลังก้าวสู่ยุคของ Precision Prevention ที่ให้ความสำคัญกับความแตกต่างของบุคคล โดยมีการนำ PREVENT equations มาใช้แทน Pooled Cohort Equations (PCE) ตามแนวทาง 2026 ACC/AHA Dyslipidemia Guideline
  • การใช้ CPR Framework (Calculate – Personalize – Reclassify) รวมถึงการปรับเกณฑ์ความเสี่ยงใหม่ (<3%, 3% to <5%, 5% to <10%, ≥10%) ทำให้การวางแผนการรักษาเหมาะสมกับแต่ละบุคคลมากยิ่งขึ้น
  • หลักการ “Lower Earlier, Lower More” เน้นย้ำถึงความสำคัญของการควบคุมระดับ LDL-C ตั้งแต่ระยะเริ่มต้น เพื่อลด cumulative atherogenic burden และความเสี่ยงต่อโรคหัวใจและหลอดเลือดในระยะยาว


LIFE-COURSE APPROACH: มุมมองใหม่ที่เข้าใจการดำเนินโรคมากขึ้น

ภาวะไขมันผิดปกติในเลือด (Dyslipidemia) เป็นหนึ่งในปัจจัยเสี่ยงสำคัญของโรคหัวใจและหลอดเลือด (Atherosclerotic Cardiovascular Disease; ASCVD) โดยในอดีตแนวทางการรักษามักเน้นการควบคุมระดับ LDL-C (Low-Density Lipoprotein Cholesterol) ตามค่าที่ตรวจพบในช่วงเวลาใดเวลาหนึ่ง (snapshot-based approach) อย่างไรก็ตาม ปัจจุบันเป็นที่เข้าใจว่า atherosclerosis คือกระบวนการสะสมที่ขึ้นกับทั้ง “ปริมาณ” และ “ระยะเวลา” ของการสัมผัสกับ atherogenic lipoproteins (time-integrated exposure) ดังนั้น การลดระดับ LDL-C ตั้งแต่ระยะเริ่มต้นจึงมีบทบาทสำคัญในการลด long-term atherogenic burden และน่าจะสามารถเปลี่ยนการดำเนินโรคในระยะยาวได้อย่างมีนัยสำคัญ

แนวทางเวชปฏิบัติปี 2026 ของ ACC/AHA จึงได้ปรับมุมมองสู่ life-course approach ภายใต้แนวคิด “Lower earlier, lower more” ซึ่งสะท้อนถึงการเริ่มต้นควบคุมความเสี่ยงให้เร็วขึ้น และลดระดับ LDL-C อย่างเหมาะสมตามความเสี่ยงของผู้ป่วยแต่ละราย เพื่อให้เกิดประโยชน์สูงสุดในการป้องกันโรคหัวใจและหลอดเลือดในระยะยาว


FROM PCE TO PREVENT: ทำไมต้องเปลี่ยน

ตลอดกว่าทศวรรษที่ผ่านมา Pooled Cohort Equations (PCE) ได้ถูกใช้เป็นเครื่องมือหลักในการประเมินความเสี่ยงของการเกิดโรคหัวใจและหลอดเลือด (ASCVD) ในบริบทของการป้องกันโรคระยะปฐมภูมิ อย่างไรก็ตาม เมื่อบริบททางระบาดวิทยาและรูปแบบความเสี่ยงของประชากรเปลี่ยนแปลงไป ข้อจำกัดของ PCE ก็เริ่มปรากฏชัดเจนมากขึ้น โดยเฉพาะปัญหา การประเมินความเสี่ยงที่สูงเกินจริง (risk overestimation) ในบางกลุ่มประชากร การไม่ครอบคลุมปัจจัยสำคัญด้านโรคไต และข้อจำกัดในการทำนายความเสี่ยงระยะยาวในกลุ่มผู้ป่วยอายุน้อย

เพื่อตอบโจทย์ข้อจำกัดดังกล่าว PREVENT equations (Predicting Risk of Cardiovascular Disease Events) จึงถูกพัฒนาขึ้นในฐานะเครื่องมือประเมินความเสี่ยงยุคใหม่ที่สะท้อนความเข้าใจกลไกการเกิดโรคมากขึ้น โดยหัวใจสำคัญของ PREVENT คือแนวคิด Cardiovascular – Kidney – Metabolic (CKM) health ซึ่งชี้ให้เห็นว่าความเสี่ยงโรคหัวใจไม่ได้เกิดจากภาวะไขมันผิดปกติในเลือดเพียงอย่างเดียว แต่เป็นผลลัพธ์ของความผิดปกติที่เชื่อมโยงกันระหว่างหลายระบบ ได้แก่ ความผิดปกติทางเมตาบอลิซึม (เช่น insulin resistance, obesity), การทำงานของไต (eGFR, albuminuria) และระบบหลอดเลือด แนวคิดนี้จึงสะท้อนการเปลี่ยนผ่านจากการประเมินความเสี่ยงแบบ “แยกส่วน” ไปสู่การประเมินแบบ “บูรณาการทั้งระบบ” ซึ่งเป็นรากฐานสำคัญของการป้องกันโรคหัวใจและหลอดเลือดในยุค precision prevention


PREVENT EQUATIONS: การประเมินความเสี่ยงที่ครอบคลุมมากขึ้น

ในปัจจุบันเครื่องมือนี้สามารถเข้าถึงได้ผ่าน PREVENT Online Calculator ของ American Heart Association (Figure 1) ซึ่งช่วยให้การประเมินความเสี่ยงสามารถใช้ในเวชปฏิบัติจริงได้อย่างสะดวกมากขึ้น จุดเด่นสำคัญของ PREVENT equations สามารถสรุปได้ดังนี้
  1. CKM Integration – PREVENT สะท้อนแนวคิดสุขภาพเชิงบูรณาการของระบบหัวใจ ไต และเมตาบอลิซึม (Cardiovascular – Kidney – Metabolic; CKM health) โดยรวมตัวแปรทางคลินิกที่มีบทบาทสำคัญต่อความเสี่ยงโรคหัวใจและหลอดเลือดเข้าด้วยกันอย่างเป็นระบบ ได้แก่ estimated glomerular filtration rate (eGFR), urine albumin-to-creatinine ratio (UACR), body mass index (BMI) และ glycated hemoglobin (HbA1c)
  2. Race-free model – PREVENT เป็นแบบจำลองที่ไม่ใช้ตัวแปรด้านเชื้อชาติในการคำนวณความเสี่ยง ซึ่งช่วยลดอคติทางประชากรศาสตร์ แต่มุ่งเน้นปัจจัยเฉพาะตัวของผู้ป่วยแต่ละรายเป็นหลัก
  3. Lifetime risk perspective – นอกเหนือจากการประเมินความเสี่ยงระยะ 10 ปี ตามมาตรฐานเดิมแล้ว PREVENT ยังสามารถประเมินความเสี่ยงได้ยาวถึง 30 ปี ช่วยให้แพทย์สามารถสื่อสารความเสี่ยงในระยะยาว โดยเฉพาะในผู้ป่วยอายุน้อย ได้อย่างมีประสิทธิภาพมากขึ้น
  4. Atherogenic burden concept – PREVENT สะท้อนแนวคิดของ cumulative atherogenic exposure ตลอดช่วงชีวิต ซึ่งนำไปสู่การเปลี่ยนผ่านจากการดูแลแบบ lipid-centric care ไปสู่ integrated risk modification ที่ครอบคลุมหลายระบบ

The Role of the PREVENT Model in Dyslipidemia ManagementFigure 1. PREVENT Online Calculator – American Heart Association (สแกน QR code ในภาพเพื่อเข้าใช้งาน)


CPR Framework: จากการคำนวณสู่กรอบการตัดสินใจทางคลินิก

แนวทาง ACC/AHA 2026 นำเสนอ CPR Framework (Calculate – Personalize – Reclassify) ซึ่งเป็นกรอบการประเมินความเสี่ยงและการตัดสินใจทางคลินิกที่ช่วยให้แพทย์สามารถวางแผนการดูแลผู้ป่วยได้อย่างรอบด้านและแม่นยำยิ่งขึ้น โดยประกอบด้วย 3 ขั้นตอนสำคัญ ได้แก่ Calculate – Personalize – Reclassify (Figure 2)The Role of the PREVENT Model in Dyslipidemia ManagementFigure 2. CPR Framework and CKM-Integrated Risk Assessment in Dyslipidemia.

C – Calculate: การประเมินความเสี่ยงพื้นฐาน
ขั้นตอนแรกคือการใช้ PREVENT equations เพื่อประเมินความเสี่ยงพื้นฐานของผู้ป่วย โดยแบ่งระดับความเสี่ยงออกเป็น <3%, 3% to <5%, 5% to <10% และ ≥10% ซึ่งการประเมินในขั้นตอนนี้เป็นจุดตั้งต้นสำคัญของกระบวนการทั้งหมด อันเป็นตัวช่วยกำหนดทิศทางเบื้องต้นของการตัดสินใจทางคลินิก

P – Personalize: การปรับความเสี่ยงตามบริบทเฉพาะบุคคล
แม้ PREVENT equations จะครอบคลุมตัวแปรทางคลินิกที่สำคัญหลายด้านแล้ว แต่การประเมินความเสี่ยงยังจำเป็นต้องพิจารณาปัจจัยเพิ่มเติมเฉพาะรายด้วย เพื่อให้การตัดสินใจมีความเหมาะสมยิ่งขึ้น โดยปัจจัยที่ควรนำมาพิจารณาเพิ่มเติม ได้แก่
  • Family history ของโรคหัวใจและหลอดเลือดก่อนวัยอันควร (ชาย <55 ปี หรือหญิง <65 ปี)
  • Metabolic syndrome
  • Biomarkers ได้แก่ ApoB และ Lp(a)
  • ระดับของ CKM burden ซึ่งสะท้อนความผิดปกติของระบบหัวใจ ไต และเมตาบอลิซึมโดยรวม

ขั้นตอนนี้มีบทบาทสำคัญในการเปลี่ยนจากการประเมินความเสี่ยงแบบ “ประชากร” ไปสู่การดูแลแบบ individualized risk assessment

R – Reclassify: จาก Risk Estimation สู่ Risk Visualization
ขั้นตอนนี้ถือเป็นหัวใจสำคัญของ precision prevention โดยเฉพาะในผู้ป่วยกลุ่ม intermediate risk ซึ่งการประเมินจากสมการเพียงอย่างเดียวอาจยังไม่เพียงพอต่อการตัดสินใจทางคลินิก ดังนั้นการใช้ imaging tools เพื่อช่วย “จัดระดับความเสี่ยงใหม่” (risk reclassification) จึงมีบทบาทสำคัญ ได้แก่ Coronary Artery Calcium (CAC) score และ carotid ultrasound ซี่งการนำ imaging เข้ามาใช้ในกระบวนการนี้ ทำให้การประเมินความเสี่ยงเปลี่ยนจาก “ตัวเลข” ไปสู่ “ภาพที่มองเห็นได้จริง” ซึ่งช่วยลดทั้ง over-treatment และ under-treatment ทำให้การตัดสินใจทางคลินิกมีความแม่นยำยิ่งขึ้น


THE POWER OF ZERO: บทบาทของ CAC Score ในการตัดสินใจรักษา

ในผู้ป่วยที่มีความเสี่ยงต่อการเกิดโรคหัวใจและหลอดเลือดอยู่ในระดับ intermediate risk การตรวจ Coronary Artery Calcium (CAC) score ได้กลายเป็นเครื่องมือสำคัญที่ช่วยเพิ่มความแม่นยำในการประเมินความเสี่ยง และสนับสนุนการตัดสินใจทางคลินิกในเวชปฏิบัติจริง โดยแนวทางเวชปฏิบัติฉบับใหม่ให้ความสำคัญกับแนวคิด “The Power of Zero” ซึ่งหมายถึงสถานการณ์ที่ผลการตรวจ CAC เท่ากับศูนย์ (CAC = 0) โดยในกรณีดังกล่าว สามารถใช้เป็นข้อมูลสนับสนุนในการ “ลดระดับความเสี่ยง” (de-risking) และอาจพิจารณาชะลอการเริ่ม statin therapy ได้ในผู้ป่วย intermediate risk

อย่างไรก็ตาม แนวคิดนี้มีข้อจำกัดสำคัญในผู้ป่วยบางกลุ่มที่ยังคงมีความเสี่ยงพื้นฐานต่อโรคหัวใจและหลอดเลือดสูง ได้แก่ ผู้ที่ยังสูบบุหรี่ในปัจจุบัน (active smoking) ผู้ป่วยเบาหวาน หรือ ผู้ที่มีประวัติครอบครัวของโรคหัวใจและหลอดเลือดก่อนวัยอันควร (ชาย <55 ปี หรือหญิง <65 ปี) ซึ่งแม้ผลการตรวจ CAC จะเท่ากับศูนย์ ก็ไม่สามารถตัดความเสี่ยงออกได้อย่างสมบูรณ์ เนื่องจากพยาธิสภาพของหลอดเลือดอาจยังอยู่ในระยะเริ่มต้นในรูปของ non-calcified atherosclerotic plaque และในผู้ป่วยกลุ่มเหล่านี้อาจพิจารณาส่งตรวจ CAC ซ้ำภายในช่วง 3-7 ปี เพื่อประเมินความเปลี่ยนแปลงในระยะยาว

Table 1. เปรียบเทียบแนวทางการรักษาของ ACC/AHA, ESC และประเทศไทยThe Role of the PREVENT Model in Dyslipidemia Managementแนวทางของ ESC เน้น LDL target ที่ชัดเจน ขณะที่ ACC/AHA เน้น dynamic risk + individualized care ส่วนแนวทางไทย (2024) ยังคงให้ความสำคัญกับ pragmatic application ตามบริบทข้อจำกัดของประเทศ


การประยุกต์ใช้ในบริบทของประเทศไทย

การนำแนวคิด precision prevention โดยการใช้ PREVENT equations และ CPR framework มาประยุกต์ใช้ในบริบทของประเทศไทย น่าจะมีประโยชน์ในหลายด้าน ได้แก่
  1. Early risk detection การนำ PREVENT equations มาใช้ จะทำให้สามารถประเมินความเสี่ยงในผู้ป่วยอายุน้อยที่มี metabolic risk ได้ดีกว่า traditional risk scores ซึ่งมักประเมินความเสี่ยงระยะสั้นเป็นหลัก ส่งผลให้สามารถระบุผู้ป่วยที่มีความเสี่ยงได้ตั้งแต่ระยะต้น และเปิดโอกาสสู่ early intervention อย่างเหมาะสม
  2. Residual risk identification การใช้ biomarkers เช่น ApoB และ Lp(a) ช่วยให้สามารถระบุความเสี่ยงจาก lipid profile แบบดั้งเดิม อย่างไรก็ตามข้อจำกัดด้านงบประมาณสาธารณสุขของประเทศไทยยังเป็นสิ่งที่ต้องคำนึงถึงด้วยเสมอ
  3. Imaging-guided decision การใช้ Coronary Artery Calcium (CAC) score ในผู้ป่วยกลุ่ม intermediate risk ช่วยลดความไม่แน่นอนในการตัดสินใจเริ่มการรักษาด้วย statin และเพิ่มความแม่นยำของ clinical decision-making ได้อย่างมีนัยสำคัญ

REVISING RISK THRESHOLDS: มาตรฐานใหม่ในการตัดสินใจทางคลินิก
การนำ PREVENT equations มาใช้แทน Pooled Cohort Equations (PCE) ไม่ได้เป็นเพียงการเปลี่ยนเครื่องมือในการคำนวณความเสี่ยงเท่านั้น แต่ยังสะท้อนถึงการเปลี่ยนแปลงเชิงแนวคิดในการกำหนด risk thresholds สำหรับการตัดสินใจทางคลินิก

เนื่องจาก PREVENT equations มีแนวโน้มให้ค่าความเสี่ยงต่ำกว่าสมการ PCE เดิม แนวทางเวชปฏิบัติจึงได้ปรับระดับจุดตัดของความเสี่ยงใหม่ เพื่อให้สอดคล้องกับแบบจำลองดังกล่าว และสามารถระบุผู้ป่วยที่ควรได้รับการรักษาได้อย่างเหมาะสม (Table 2)

Table 2. การจำแนกความเสี่ยง ASCVD ระยะ 10 ปี และแนวทางการรักษาThe Role of the PREVENT Model in Dyslipidemia Management

RISK ENHANCERS: สิ่งสำคัญสำหรับ Precision Prevention
แม้ PREVENT equations จะได้รับการพัฒนาให้มีความแม่นยำมากยิ่งขึ้น การตัดสินใจทางคลินิกในเวชปฏิบัติจริงยังไม่สามารถอาศัยแบบจำลองทางสถิติเพียงอย่างเดียวได้ การใช้ clinical judgment ร่วมกับการพิจารณา risk enhancers จึงมีบทบาทสำคัญในการปรับระดับความเสี่ยงให้สอดคล้องกับบริบทของผู้ป่วยแต่ละราย ได้แก่
  1. Apolipoprotein B (ApoB ≥130 mg/dL) – ApoB เป็นตัวชี้วัดที่สะท้อนจำนวนของ atherogenic lipoprotein particles ได้แม่นยำกว่า LDL-C ในผู้ป่วยบางกลุ่ม โดยเฉพาะผู้ที่มี metabolic syndrome หรือ hypertriglyceridemia ทำให้การประเมินความเสี่ยงจาก LDL-C เพียงอย่างเดียวอาจต่ำกว่าความเป็นจริง
  2. Lipoprotein(a) (Lp(a) ≥50 mg/dL หรือ ≥125 nmol/L) – Lp(a) เป็นปัจจัยเสี่ยงทางพันธุกรรมที่มีความสัมพันธ์กับการเกิด ASCVD และ aortic stenosis แนวทาง 2026 ACC/AHA Dyslipidemia Guideline แนะนำให้ตรวจอย่างน้อยหนึ่งครั้งในชีวิต เพื่อช่วยระบุความเสี่ยงที่ถ่ายทอดทางพันธุกรรม โดยเฉพาะในผู้ที่มีประวัติครอบครัวของโรคหัวใจและหลอดเลือดก่อนวัยอันควร
  3. Pregnancy-related conditions – ภาวะแทรกซ้อนระหว่างการตั้งครรภ์ เช่น preeclampsia และ gestational diabetes สามารถมองได้ว่าเป็น “natural cardiovascular stress test” ซึ่งสะท้อนความผิดปกติของระบบหลอดเลือดและเมตาบอลิซึมตั้งแต่ระยะต้น และสัมพันธ์กับความเสี่ยง ASCVD ที่เพิ่มขึ้นในระยะยาว

STATIN THERAPY: การเลือกยาและเป้าหมายการรักษา
การประเมินความเสี่ยงด้วย PREVENT equations และผ่านกระบวนการตัดสินใจตาม CPR Framework แล้ว ขั้นตอนถัดไปคือการกำหนดกลยุทธ์การรักษาที่เหมาะสม โดยเฉพาะการเลือก statin intensity ให้สอดคล้องกับระดับความเสี่ยงของผู้ป่วย

เป้าหมายของการรักษาไม่เพียงมุ่งลดระดับ LDL-C เท่านั้น แต่ยังต้องคำนึงถึง cumulative atherogenic burden และความเสี่ยงระยะยาวของผู้ป่วยแต่ละราย

Table 3. แนวทางการเลือกยา Statin ตามระดับความเสี่ยงThe Role of the PREVENT Model in Dyslipidemia Management

ในผู้ป่วยที่มีความเสี่ยงสูงมาก หรือมีหลักฐานของ ASCVD หรือ subclinical atherosclerosis อย่างชัดเจน อาจพิจารณาเป้าหมาย LDL-C <55 mg/dL ตามบริบททางคลินิก และในผู้ป่วยกลุ่มความเสี่ยงสูง หากไม่สามารถบรรลุเป้าหมาย LDL-C ได้ด้วย statin เพียงอย่างเดียว แนวทางเวชปฏิบัติแนะนำให้พิจารณา add-on therapy เช่น ezetimibe, PCSK9 inhibitors หรือ bempedoic acid

SHARED DECISION MAKING: หัวใจของการดูแลแบบยึดผู้ป่วยเป็นศูนย์กลาง
การตัดสินใจเริ่มการรักษาไม่ควรอาศัยเพียงค่าประมาณความเสี่ยงจากสมการพยากรณ์ (risk equations) เท่านั้น แต่ควรเป็นกระบวนการที่ผู้ป่วยมีส่วนร่วมอย่างแท้จริง หรือที่เรียกว่า Shared Decision Making แนวคิดดังกล่าวสะท้อนการเปลี่ยนผ่านจากการแพทย์แบบ “physician-directed care” ไปสู่ “patient-centered care” ซึ่งให้ความสำคัญกับทั้งข้อมูลเชิงวิทยาศาสตร์และบริบทของผู้ป่วยแต่ละราย

โดยแพทย์ควรพิจารณาข้อมูลทั้งจากผลระดับความเสี่ยงจาก PREVENT equations ผลการตรวจ coronary artery calcium (CAC) score รวมถึงปัจจัยเสริมความเสี่ยง (risk enhancers) เช่น apolipoprotein B (ApoB) หรือ lipoprotein(a) [Lp(a)] แล้วอธิบายช่อมูลเหล่านี้แก่ผู้ป่วยให้ชัดเจนและเข้าใจง่าย การสื่อสารความเสี่ยงในลักษณะนี้มีความสำคัญอย่างยิ่ง เนื่องจากช่วยให้ผู้ป่วยสามารถ “มองเห็น” ความเสี่ยงของตนเองได้อย่างเป็นรูปธรรม และเข้าใจถึงประโยชน์และความจำเป็นของการรักษา ไม่ว่าจะเป็นการปรับพฤติกรรมหรือการใช้ยา เช่น statin หรือยาลดไขมันชนิดอื่น (Figure 3)The Role of the PREVENT Model in Dyslipidemia ManagementFigure 3. แนวทางการตัดสินใจทางคลินิกสำหรับการรักษาด้วยยา statin แบบ primary prevention โดยการใช้ PREVENT Equations, Risk Enhancers และ CAC Score
 

บทสรุป

การเปลี่ยนผ่านจาก Pooled Cohort Equations (PCE) ไปสู่ PREVENT equations สะท้อนถึงวิวัฒนาการสำคัญของเวชศาสตร์ป้องกันโรคหัวใจและหลอดเลือด ซึ่งกำลังก้าวเข้าสู่ยุคของ Precision Prevention อย่างแท้จริง การบูรณาการเครื่องมือประเมินความเสี่ยงยุคใหม่เข้ากับ CPR Framework (Calculate–Personalize–Reclassify) ช่วยให้กระบวนการตัดสินใจทางคลินิกมีโครงสร้างที่ชัดเจนมากขึ้น ตั้งแต่การประเมินความเสี่ยงพื้นฐานด้วย PREVENT equations การพิจารณา Risk Enhancers ไปจนถึงการปรับระดับความเสี่ยงด้วย CAC score ซึ่งทั้งหมดนี้ช่วยให้การดูแลผู้ป่วยสามารถก้าวข้ามการพึ่งพาตัวเลขเพียงค่าเดียว ไปสู่การประเมินความเสี่ยงแบบองค์รวมที่สะท้อนพยาธิสภาพของผู้ป่วยแต่ละรายได้อย่างแม่นยำยิ่งขึ้น

ดังนั้นการตัดสินใจรักษาที่ “เร็วพอและมากพอ” ร่วมกันกับผู้ป่วย ตามแนวทางของ 2026 ACC/AHA Dyslipidemia Guideline คือ “Lower Earlier, Lower More” จะทำให้การดูแลรักษาภาวะไขมันในเลือดผิดปกติสามารถป้องกันโรคหัวใจและหลอดเลือดได้อย่างมีประสิทธิภาพมากขึ้นอย่างแน่นอน


Clinical Pearls

  • Atherosclerosis เป็นกระบวนการสะสมตลอดชีวิต โดยความเสี่ยงขึ้นกับทั้งปริมาณและระยะเวลาของการสัมผัสกับ atherogenic lipoproteins เพราะ timing matters นั่นคือการลดระดับ LDL-C ตั้งแต่ระยะเริ่มต้นให้ประโยชน์สูงสุดในการลดความเสี่ยงระยะยาว
  • PREVENT สะท้อนแนวคิด CKM health ซึ่งครอบคลุมมากกว่าความเสี่ยงจาก lipid เพียงอย่างเดียวและ Imaging (CAC, carotid plaque) ช่วยให้การประเมินความเสี่ยงเปลี่ยนจาก “ตัวเลข” ไปสู่ “พยาธิสภาพที่มองเห็นได้จริง”
  • Guideline เป็น framework ไม่ใช่สูตรสำเร็จ การตัดสินใจควรอาศัยการผสานข้อมูลทางคลินิกและบริบทของผู้ป่วยรายบุคคล และหัวใจสำคัญคือ “Shared Decision Making” โดยเฉพาะเมื่อตัวเลขความเสี่ยงอยู่ในช่วงก้ำกึ่ง (intermediate risk)

 

เอกสารอ้างอิง
  1. Blumenthal RS, et al. 2026 ACC/AHA Guideline on the Management of Dyslipidemia: A Report of the American College of Cardiology/American Heart Association Joint Committee on Clinical Practice Guidelines. J Am Coll Cardiol. 2026 Mar 13:S0735-1097(25)10254-4.
  2. Mach F, et al.; ESC Scientific Document Group. 2019 ESC/EAS Guidelines for the management of dyslipidaemias: lipid modification to reduce cardiovascular risk. Eur Heart J. 2020 Jan 1;41(1):111-188.
  3. Mach F, et al.; ESC/EAS Scientific Document Group. 2025 Focused Update of the 2019 ESC/EAS Guidelines for the management of dyslipidaemias. Eur Heart J. 2025 Nov 7;46(42):4359-4378.
  4. ราชวิทยาลัยอายุรแพทย์แห่งประเทศไทย. แนวทางเวชปฏิบัติการบำบัดภาวะไขมันผิดปกติในเลือด เพื่อป้องกันโรคหัวใจและหลอดเลือด พ.ศ. 2567.
PDPA Icon

เราใช้คุกกี้เพื่อพัฒนาประสิทธิภาพ และประสบการณ์ที่ดีในการใช้เว็บไซต์ของคุณ คุณสามารถศึกษารายละเอียดได้ที่ นโยบายความเป็นส่วนตัว และสามารถจัดการความเป็นส่วนตัวเองได้ของคุณได้เองโดยคลิกที่ ตั้งค่า

Privacy Preferences

คุณสามารถเลือกการตั้งค่าคุกกี้โดยเปิด/ปิด คุกกี้ในแต่ละประเภทได้ตามความต้องการ ยกเว้น คุกกี้ที่จำเป็น

ยอมรับทั้งหมด
Manage Consent Preferences
  • คุกกี้ที่จำเป็น
    Always Active

    ประเภทของคุกกี้มีความจำเป็นสำหรับการทำงานของเว็บไซต์ เพื่อให้คุณสามารถใช้ได้อย่างเป็นปกติ และเข้าชมเว็บไซต์ คุณไม่สามารถปิดการทำงานของคุกกี้นี้ในระบบเว็บไซต์ของเราได้

  • คุกกี้เพื่อการวิเคราะห์

    คุกกี้ประเภทนี้จะทำการเก็บข้อมูลการใช้งานเว็บไซต์ของคุณ เพื่อเป็นประโยชน์ในการวัดผล ปรับปรุง และพัฒนาประสบการณ์ที่ดีในการใช้งานเว็บไซต์ ถ้าหากท่านไม่ยินยอมให้เราใช้คุกกี้นี้ เราจะไม่สามารถวัดผล ปรับปรุงและพัฒนาเว็บไซต์ได้

  • คุกกี้เพื่อปรับเนื้อหาให้เข้ากับกลุ่มเป้าหมาย

    คุกกี้ประเภทนี้จะเก็บข้อมูลต่าง ๆ รวมทั้งข้อมูลส่วนบุคคลเกี่ยวกับตัวคุณ เพื่อเราสามารถนำมาวิเคราะห์ และนำเสนอเนื้อหา ให้ตรงกับความเหมาะสมกับความสนใจของคุณ ถ้าหากคุณไม่ยินยอมเราจะไม่สามารถนำเสนอเนื้อหาและโฆษณาได้ไม่ตรงกับความสนใจของคุณ

บันทึก