《Medical Care》:Association between fat mass index and depressive symptoms in U.S. adults: A cross-sectional analysis of NHANES 2011–2016
编辑推荐:
脂肪质量指数反映了身高标准化的体脂率,可能提供体重指数之外的额外信息。关于其与美国成年人抑郁症状关系的证据仍然有限。这项横断面研究使用了参与2011年至2016年美国国家健康与营养检查调查的成年人数据。脂肪质量指数是通过双能X射线吸收测量法测得的脂肪质量除以身
脂肪质量指数反映了身高标准化的体脂率,可能提供体重指数之外的额外信息。关于其与美国成年人抑郁症状关系的证据仍然有限。这项横断面研究使用了参与2011年至2016年美国国家健康与营养检查调查的成年人数据。脂肪质量指数是通过双能X射线吸收测量法测得的脂肪质量除以身高的平方计算得出的。抑郁症状采用患者健康问卷-9进行定义。研究人员应用了调查加权逻辑回归、限制性立方样条分析、亚组分析和机器学习模型来评估关联及预测性能。最终分析纳入了7273名参与者。经过完全调整后,脂肪质量指数与抑郁症状呈正相关,每增加1个单位,比值比(OR)为1.05(95%置信区间[CI]: 1.03–1.08)。在基于四分位数的分析中,与Q1组相比,Q4组的抑郁症状发生几率更高(OR = 1.50,95% CI: 1.12–2.01)。限制性立方样条分析表明两者之间存在近似线性的正相关关系。在探索性预测模型中,虽然整体判别能力仍为中等,但脂肪质量指数显示出比体重指数更高的曲线下面积。较高的脂肪质量指数与美国成年人较高的抑郁症状患病率相关。脂肪质量指数可作为流行病学研究中一种有用的肥胖相关指标,但在推荐临床预测用途之前仍需要进行前瞻性研究。
这是一篇发表在《Medical Care》上的研究论文,该研究探讨了脂肪质量指数(Fat Mass Index, FMI)与美国成年人抑郁症状之间的关联。以下是对该论文的详细解读。
研究背景与意义
抑郁症是一种普遍的精神健康状况,其特征是持续的低落情绪、快感缺失和动力减少,严重影响个体的工作、饮食和睡眠模式。全球疾病负担研究显示,抑郁症患病人数从1990年的1.72亿增加到2017年的2.58亿,预计到2030年将成为全球疾病负担的主要贡献者。与此同时,肥胖是另一个广泛存在的健康问题,过多的脂肪堆积与生活质量下降以及多种疾病相关。尽管体重指数(Body Mass Index, BMI)常用于定义超重和肥胖,但它不能直接测量身体脂肪,且可能受到年龄、性别、种族和身体成分的影响。相比之下,脂肪质量指数通过将脂肪质量标准化为身高,提供了一个更具针对性的脂肪特异性指标。目前,针对FMI与抑郁症状之间关系的大型人群分析依然稀缺。因此,研究人员开展了此项研究,旨在探讨FMI是否与美国成年人的抑郁症状相关,并评估这种关联的预测表现。
关键技术方法
研究人员使用了2011年至2016年美国国家健康与营养检查调查的数据。FMI定义为脂肪质量除以身高的平方,其中脂肪质量通过双能X射线吸收测量法获取。抑郁症状则通过患者健康问卷-9进行评估,总分达到或超过10分被归类为具有临床相关性的抑郁症状。协变量涵盖了人口统计学、社会经济、生活方式和健康相关的变量。统计分析方面,研究人员运用了调查加权多变量逻辑回归来估计关联并计算比值比和95%置信区间;利用限制性立方样条分析评估关联的形状;通过LASSO回归进行特征选择以减少过拟合;并构建了随机森林和极端梯度提升模型来探索非线性模式和交互作用,同时使用SHAP值辅助解释特征贡献。
研究结果
参与者的基线特征
研究最终纳入了7273名参与者,加权后的抑郁症状患病率为7.8%。与无抑郁症状的参与者相比,有抑郁症状的人群平均FMI更高。此外,有抑郁症状的参与者中女性比例更高,受教育程度多在九年级以上,收入较低,且有吸烟史的比例也更高。随着FMI四分位数的增加,高血压、糖尿病和慢性支气管炎的患病率也随之上升,抑郁症状的患病率同样呈现增长趋势。
FMI与抑郁症状的关联
经过完全调整后的调查加权逻辑回归结果显示,当FMI作为连续变量建模时,每增加1个单位,抑郁症状的比值比为1.05。在按FMI四分位数分组后,最高四分位数组的参与者比最低四分位数组表现出更高的抑郁症状几率。限制性立方样条分析显示,FMI与抑郁症状之间存在显著的整体关联,且呈近似线性的正向关系。
亚组分析
亚组分析评估了不同人口统计学和临床分层中FMI与抑郁症状关联的异质性。结果显示,性别、教育水平、种族、吸烟、婚姻状况、饮酒、慢性支气管炎、充血性心力衰竭、高血压、糖尿病、收入贫困比以及癌症或恶性肿瘤均未观察到显著的相互作用。然而,冠心病显示出效应修饰的证据。在按性别分层的分析中,女性的曲线斜率比男性更陡峭,表明在较高FMI水平下,女性抑郁症状患病率的增加更为显著。
模型特征选择、构建与解释
LASSO回归识别出了16个显著预测因子,包括年龄、种族、性别、充血性心力衰竭、癌症或恶性肿瘤、冠心病、慢性支气管炎、糖尿病史、饮酒、教育程度、身高、高血压、收入贫困比、婚姻状况、吸烟和FMI。在基于LASSO选择变量的随机森林模型中,随着年龄树数量的增加,袋外误差下降并趋于稳定,该模型的曲线下面积为0.737。XGBoost模型的结果显示,吸烟、收入贫困比、FMI、慢性支气管炎和性别是主要的贡献因素,其曲线下面积为0.736。为了比较FMI与BMI作为单一肥胖指标的表现,受试者工作特征曲线显示FMI的曲线下面积高于BMI,尽管两者的判别能力均有限。
讨论与结论
研究人员指出,抑郁症和肥胖都是全球重大的公共卫生问题,两者之间的关系复杂且多维。越来越多的证据表明,肥胖的精神病学后果主要源于不健康的饮食、缺乏体力活动以及内脏脂肪组织的积累。在高脂肪饮食条件下,肠道微生物群失调会引发系统性炎症和下丘脑-垂体-肾上腺轴紊乱,最终导致神经损伤。此外,过多的脂肪组织不仅是储存脂肪的部位,也是能够产生炎性介质的内分泌活跃组织。持续性的低度炎症通过细胞因子穿透血脑屏障,进而破坏关键的单胺系统,这与抑郁症的病理生理机制密切相关。增加的体脂还会引起瘦素水平的变化,进一步影响情绪调节,而普遍存在于肥胖人群中的胰岛素抵抗也会对大脑胰岛素信号产生不利影响,从而损害认知和情感功能。
尽管本研究具有全国代表性样本和使用调查权重等优势,但也存在一些局限性。由于数据是横断面的,无法确定因果关系和时间顺序;抑郁症状是通过问卷而非结构化精神科访谈确定的;尽管进行了多变量调整,仍可能存在未测量或残余混杂因素;完整的病例选择导致了大量排除,可能影响代表性;此外,虽然FMI在数值上优于BMI,但其曲线下面积较为有限,应被视为人体测量学相关因素而非经验证的临床生物标志物。
综上所述,在美国成年人中,较高的FMI与较高的抑郁症状可能性相关。FMI可被视作未来流行病学研究中使用的肥胖相关指标。在追求任何临床预测应用之前,仍需要进行前瞻性研究和外部验证。