累计暴露及胆固醇–HDL-C–葡萄糖指数(CHG)模式与新发心脑代谢多病共存(CMM)风险:来自CHARLS的9年纵向证据

《Frontiers in Nutrition》:Cumulative exposure and patterns of the cholesterol–HDL-C–glucose index and risk of new-onset cardiometabolic multimorbidity: 9-year longitudinal evidence from CHARLS

【字体: 大 中 小 】 时间:2026年05月25日 来源:Frontiers in Nutrition 5.1

编辑推荐:

  摘要 背景:胆固醇–HDL-C–葡萄糖指数(CHG)被提出作为葡萄糖–脂质代谢功能障碍的综合标志。然而,长期CHG暴露及其时间模式与新发心脑代谢多病共存(CMM)的关联尚不清楚,尤其是在中老年人群中。方法:研究人员利用中国健康与养老纵向研究(CHARLS)

  
摘要
背景:胆固醇–HDL-C–葡萄糖指数(CHG)被提出作为葡萄糖–脂质代谢功能障碍的综合标志。然而,长期CHG暴露及其时间模式与新发心脑代谢多病共存(CMM)的关联尚不清楚,尤其是在中老年人群中。方法:研究人员利用中国健康与养老纵向研究(CHARLS)数据,纳入基线无CMM的45岁及以上参与者。累计CHG(cuCHG)作为累计暴露指标,基于2012年及2015年的CHG测量值计算。采用K-means聚类识别基于两次重复测量的CHG模式。使用Cox比例风险模型估算风险比(HR)及95%置信区间(CI),并通过限制性立方样条(RCS)分析评估剂量–反应关系。结果:在6,515名参与者中,中位随访9年期间出现593例新发CMM事件(9.1%)。完全调整模型显示,cuCHG最高四分位组新发CMM风险较最低四分位组增加78%(HR 1.78, 95% CI 1.39–2.29),每增加1单位cuCHG,风险增加23%(HR 1.23, 95% CI 1.15–1.32)。基于两次重复测量识别出三种CHG模式,仅持续高CHG模式显著增加新发CMM风险(HR 2.05, 95% CI 1.61–2.61)。RCS及分段Cox分析显示非线性关联,cuCHG阈值约为14.92。与基线CHG、甘油三酯–葡萄糖指数(TyG)及血浆致动脉粥样化指数(AIP)相比,cuCHG及CHG模式组具有更优的区分能力。结论:较高的累计CHG暴露及持续高CHG模式独立增加中老年中国成年人新发CMM风险。相比单次基线CHG测量,基于重复测量的累计暴露及模式可为CMM风险分层提供额外信息。
论文解读

研究背景:心脑代谢多病共存(Cardiometabolic Multimorbidity, CMM)定义为至少同时存在两种心脑代谢疾病,如糖尿病、心脏病和中风。随着人口老龄化,CMM已成为全球公共卫生的重要问题,在中国成人中尤为常见,其患病率随年龄增加而上升,并对全因死亡率及生活质量产生不良影响。现有研究主要依赖基线静态指标评估风险,忽略了长期暴露及动态变化,限制了高风险个体的早期识别。因此,研究者提出使用胆固醇–HDL-C–葡萄糖指数(CHG)作为综合标志,并关注其累计暴露及时间模式,以更准确评估CMM风险。

研究设计与方法:研究利用中国健康与养老纵向研究(CHARLS)队列,纳入2011年基线调查中45岁及以上、无CMM的参与者,并随访至2020年。主要暴露指标为2012年及2015年两次测量的CHG指数,包括累计CHG(cuCHG)及通过K-means聚类识别的CHG模式。CMM事件定义为随访期间糖尿病、中风或心脏病中新发的至少第二种疾病。统计分析包括Cox比例风险模型、限制性立方样条(RCS)分析、ROC曲线及亚组敏感性分析。

主要技术方法:研究者使用K-means聚类对2012年及2015年的CHG测量值进行模式识别,通过Cox比例风险模型评估cuCHG及CHG模式与新发CMM风险的关联,并应用限制性立方样条分析剂量–反应关系,同时采用ROC曲线评估预测性能。

研究结果:
**基线特征**:纳入6,515名参与者,通过K-means聚类将其分为低(Cluster 1)、中(Cluster 2)及高CHG水平组(Cluster 3)。高CHG组表现为BMI较高、血压及糖脂异常更严重,并有更多相关药物使用。

**cuCHG与新发CMM**:完全调整模型显示,每增加1单位cuCHG,新发CMM风险增加23%(HR 1.23)。cuCHG最高四分位组(Q4)风险较最低四分位组(Q1)增加78%(HR 1.78),呈显著剂量–反应关系。

**CHG模式与新发CMM**:持续高CHG模式(Cluster 3)与新发CMM风险显著相关(HR 2.05),中等CHG模式(Cluster 2)在完全调整后不再显著。风险呈CHG模式分层递增趋势。

**非线性及阈值效应**:RCS分析显示cuCHG与CMM风险存在非线性关联,阈值约为14.92。当cuCHG>14.92时,风险显著增加(HR 1.31),低于该值则不显著。

**亚组分析与交互作用**:cuCHG及高CHG模式与CMM风险在大多数亚组中一致,年龄及性别存在显著交互作用。

**预测性能**:cuCHG预测新发CMM的区分能力最优(AUC = 0.623),其次为CHG模式组(AUC = 0.604),基线CHG(AUC = 0.592)及其他指标如TyG、AIP表现较弱。

**敏感性分析**:排除缺失协变量及极端值后,cuCHG及高CHG模式与新发CMM风险关联仍保持稳健,提示结果具有较高可信度。

讨论与结论:本研究提供了基于9年随访的中国中老年人群纵向证据,证实较高累计CHG暴露及持续高CHG模式独立增加新发CMM风险。相比单次基线CHG测量,基于重复测量的累计暴露及模式分析能够更全面反映长期代谢负担,为中老年人群CMM风险分层提供了实用参考。研究表明,CHG指数可作为简便、可扩展的代谢风险评估工具,提示在公共卫生及临床实践中,可用于早期识别高风险个体并制定干预策略。论文发表在《Frontiers in Nutrition》。
相关新闻
生物通微信公众号
微信
新浪微博

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