中年期心血管危险因素聚类轨迹与心脏衰老生物标志物(δ-age)及心血管疾病发病风险的关联研究

《Mayo Clinic Proceedings: Digital Health》:Clustering of Cardiovascular Risk Factors in Midlife Forms Trajectories That Affect Heart Aging Biomarker and Incidence of Cardiovascular Disease

【字体: 大 中 小 】 时间:2026年10月13日 来源:Mayo Clinic Proceedings: Digital Health 5.0

编辑推荐:

  目的:识别收缩压、舒张压、体质指数和非高密度脂蛋白胆固醇(non-HDL)的多变量纵向中年期轨迹,并评估心电图(ECG)衍生的心脏年龄加速度(δ-age)是否中介其与心肌梗死(MI)、卒中和全因死亡的关联。患者与方法:研究人员分析了来自观察性队列研究Troms

  
目的:识别收缩压、舒张压、体质指数和非高密度脂蛋白胆固醇(non-HDL)的多变量纵向中年期轨迹,并评估心电图(ECG)衍生的心脏年龄加速度(δ-age)是否中介其与心肌梗死(MI)、卒中和全因死亡的关联。患者与方法:研究人员分析了来自观察性队列研究Troms? Study的5244名参与者,这些参与者在基线(Troms?7,2015-2016)无MI或卒中,且参加了至少三次调查(Troms?3-7,1986-2016)。年龄标准化的危险因素z评分采用二次B样条建模,并采用K-means聚类分组,以识别联合多变量生命历程风险概况。δ-age通过经验证的神经网络由12导联ECG得出。自然效应模型将聚类与临床事件(随访至2021年)之间的风险比(HR)分解为直接成分和δ-age介导成分。结果:共识别出四个不同聚类:稳定低风险(聚类1,30.6%)、血脂异常(聚类2,25.6%)、高血压(聚类3,28.1%)和高风险轨迹(聚类4,15.7%)。δ-age每增加1个标准差,MI、卒中和死亡风险分别增加27%-30%,且独立于年龄和性别。聚类3和4的临床事件超额风险最大,而δ-age的中介作用较小(MI和卒中占总效应的4%-8%),且无统计学显著性。结论:传统危险因素的联合多变量生命历程聚类识别出临床可区分的长期心血管风险表型。尽管δ-age增加了独立的预后信息,但它仅能解释慢性高血压、血脂异常或肥胖相关超额风险的一小部分,表明其主要作为平行标志物而非因果中介发挥作用。
研究背景与问题:年龄是慢性病最主要的危险因素,心血管疾病(CVD)是全球过早死亡的主要原因,每年约1800万人死亡。时序年龄只记录时间流逝,无法精细反映组织器官随年龄累积的生物学损耗,同一年龄人群的心血管健康差异可能很大。心电图(ECG)衍生的心脏年龄是一种器官特异性的心血管衰老指标,由深度学习神经网络依据标准12导联ECG预测心脏生物学年龄,δ-age为预测年龄与时序年龄之差。既往研究表明δ-age每增加1年可独立升高CVD事件和全因死亡风险,但δ-age究竟是累积损伤的标志物,还是连接长期心肺代谢暴露与临床事件的重要中介通路,尚不确定。要解决这一问题需要纵向数据,因为重复测量能揭示单次测量无法显示的异质轨迹;无监督数据驱动聚类可将轨迹浓缩为离散风险谱,但极少研究检验这些谱在基线风险水平之上是否携带预后信息。目前尚没有研究将长期多变量危险因素聚类、ECG衍生的心脏年龄与硬终点整合并进行正式因果中介检验。

研究人员开展的研究与结论:研究人员利用挪威Troms?研究(Troms?3-7,1986-2016,共5次调查)中5244名基线(Troms?7,2015-2016)无心肌梗死(MI)或卒中的参与者数据,使用年龄标准化的收缩压、舒张压、体质指数(BMI)和非高密度脂蛋白胆固醇(non-HDL)z评分,通过二次B样条和K-means聚类识别30年联合风险轨迹;用预先训练的卷积神经网络(CNN)从12导联ECG估计心脏年龄并计算δ-age;采用自然效应模型将聚类与临床事件(随访至2021年)之间的风险比(HR)分解为直接和δ-age介导成分。结论:识别出四个聚类,高风险聚类与更高的MI、卒中和全因死亡风险相关;δ-age独立预测27%-30%的事件超额风险,但中介比例仅4%-9%且无统计学显著性。意义:长期风险轨迹可改善心血管风险分层,δ-age提供互补的个体化预后信息,但并非因果中介。

关键技术方法:研究基于Troms? Study观察性队列,纳入至少参加三次调查且基线无MI/卒中的5244名参与者。对收缩压、舒张压、BMI和非HDL胆固醇进行年龄标准化(z评分),用二次B样条联合建模纵向变化,用K-means对个体轨迹向量聚类;用预训练CNN从12导联ECG计算心脏年龄,δ-age为ECG年龄减时序年龄;用Cox模型分析事件风险,用自然效应模型分解直接和间接效应,经1000次bootstrap估计置信区间;并通过单变量轨迹、单时点危险因素及聚类数3/5的敏感性分析验证稳健性。

研究结果:

Identification of trajectory clusters(轨迹聚类识别):K-means识别出四个年龄标准化危险因素轨迹模式。聚类1(30.6%)为稳定低风险,所有危险因素持续较低;聚类2(25.6%)以non-HDL胆固醇持续升高为特征;聚类3(28.1%)收缩压和舒张压全程升高,为高血压聚类;聚类4(15.7%)BMI和血压慢性升高且血脂次高,为高风险聚类。女性比例在低风险聚类最高(76.9%)、高风险聚类最低(43.8%)。该结论来自对五轮调查数据的描述统计和轨迹图。

Association between trajectory clusters and δ-age(轨迹聚类与δ-age的关联):与聚类1相比,聚类2、3、4的δ-age分别平均高0.76、1.34、1.61年(95%CI均不含0),表明不良轨迹伴随更快的心脏衰老。该结论来自调整性别和基线年龄后的线性回归。

Association of δ-age with outcomes(δ-age与结局的关联):全队列中,δ-age每增加1个标准差,MI风险增加30%(HR 1.30),卒中增加27%(HR 1.27),全因死亡增加27%(HR 1.27),独立于年龄和性别;调整轨迹聚类后略有减弱。该结论来自Cox比例风险模型。

Association of trajectory cluster with clinical end-points mediated by δ-age(轨迹聚类与临床终点关系的中介分析):与聚类1相比,聚类3和4的MI总效应HR分别为1.96和1.99,卒中总效应HR分别为2.04和2.40;全因死亡仅聚类4显著(HR 1.73)。自然效应模型显示,直接效应占绝对主导,δ-age介导MI的6%-7%、卒中的4%-6%、全因死亡的9%(仅聚类4),间接效应均无统计学显著性。敏感性分析结果与主分析一致。

讨论总结:研究人员指出,研究结果与既往研究一致,δ-age反映亚临床心血管损伤并预测疾病;但δ-age仅部分由终身暴露解释,其余可能与遗传、心理或环境因素有关。调整δ-age后,不良轨迹与事件关联仅轻微减弱,提示持续高血压、血脂异常或肥胖的超额风险主要通过血流动力学应激、内皮功能障碍、动脉粥样硬化等直接病理生理通路起作用,而ECG衍生的心脏衰老指标不能完全捕获这些通路。与表观遗传衰老标志物(如GrimAge、PhenoAge)在部分研究中中介心血管健康与事件风险的30%-40%或20%-22%相比,δ-age的中介作用很小。研究人员认为,这可能是因为主要危险因素通过多器官血管损伤(包括脑小血管、颈动脉/大动脉粥样硬化)影响卒中和死亡,而心脏ECG指标仅部分反映;同时单次ECG存在测量变异和中介变量测量误差,聚类会丢失组内变异,自然效应模型假设无暴露引起的中介-结局混杂,而随访期间药物使用可能违反该假设。尽管如此,δ-age作为廉价、无创的单次ECG快照,仍捕获了长期危险因素携带的部分风险信息,在临床中可提示那些血压、肥胖和血脂正常但δ-age升高的患者;修改潜在风险轨迹仍是降低心血管事件的要务。

研究结论(原文翻译):加速的心血管衰老(δ-age)是一个强大的个体水平生物标志物,补充了传统危险因素。它与δ-age每增加1个标准差、MI/卒中和死亡风险升高27%-30%的强直接关联,以及通过传统风险通路仅4%-9%的中介作用,表明δ-age捕获了经典危险因素未能反映的额外病理生理信息。由于δ-age可通过标准ECG无创测量,未来研究应检验它能否作为一种可扩展、个体化的风险分层工具,识别被标准方法忽视的高危个体。进一步研究还应确定连续ECG能否捕获δ-age的个体内变化,δ-age是否随潜在危险因素修正而改变,以及这些发现能否在种族多样队列和临床事件负担更高的人群中重复。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号