腹型肥胖患者卒中风险因素的识别与优化:基于NHANES 2005–2018的启示

《Obesity Science & Practice》:Identification and Optimization of Risk for Stroke With Abdominal Obesity Patients: Insights From NHANES 2005–2018

【字体: 大 中 小 】 时间:2026年06月22日 来源:Obesity Science & Practice 1.9

编辑推荐:

  目的 卒中(stroke)是全球首位致残原因,据估计约四分之一的个体一生中可能发生卒中,早期检出与快速救治可挽救生命并改善预后。本研究旨在识别并表征发生过卒中的肥胖患者中潜在的受影响因素。方法 研究人员筛选2005–2018年美国国家健康与营养检查调查(Nat

  
目的 卒中(stroke)是全球首位致残原因,据估计约四分之一的个体一生中可能发生卒中,早期检出与快速救治可挽救生命并改善预后。本研究旨在识别并表征发生过卒中的肥胖患者中潜在的受影响因素。方法 研究人员筛选2005–2018年美国国家健康与营养检查调查(National Health and Nutrition Examination Survey,NHANES)数据库,采用10种机器学习(machine learning,ML)模型分析符合纳入标准的腹型肥胖卒中患者的潜在危险因素;应用多变量校正的最小绝对收缩与选择算子(least absolute shrinkage and selection operator,LASSO)回归、限制立方样条(restricted cubic spline,RCS)分析及沙普利加性解释(Shapley Additive Explanations,SHAP)图识别肥胖伴卒中史个体的重要危险因素。结果 共纳入8764例合格受试者,按7∶3划分为训练集(N=6134)与验证集(N=2630)用于预测模型构建;随机森林(Random Forest,RF)模型对卒中发生率的预测效能最高(受试者工作特征曲线下面积 area under the curve,AUC:0.823),对全因死亡预测AUC为0.741;SHAP值显示年龄贡献最大,依次为高血压、糖尿病、心力衰竭、吸烟史、饮酒、总胆固醇(total cholesterol,TC)、甘油三酯葡萄糖指数–体质指数(triglyceride?glucose?body mass index,TyG?BMI)及心血管膳食抗氧化指数(Composite Dietary Antioxidant Index,CDAI)。结论 TyG?BMI、CDAI和TC是腹型肥胖患者卒中风险的新颖且具临床可行性的预测生物标志物,存在年龄与性别特异性效应,在老年女性中尤为显著,结果为日益增多的腹型肥胖人群个体化卒中风险评估与针对性预防策略提供了循证依据。
论文解读——《Identification and Optimization of Risk for Stroke With Abdominal Obesity Patients: Insights From NHANES 2005–2018》发表于《Obesity Science?&?Practice》
一、研究背景与立项依据
卒中(stroke/cerebrovascular accident,CVA)是全球首位致残原因及第二大死因,疾病负担沉重且呈上升趋势,尤其集中于中低收入国家。全球肥胖人数已超10亿,腹型肥胖(abdominal obesity)通过胰岛素抵抗(insulin resistance,IR)、脂代谢紊乱及慢性炎症状态促进动脉粥样硬化,是卒中重要的独立危险因素。传统危险因素如高血压、吸烟、血脂异常已被广泛认知,但IR相关代谢指标(如TyG系列指数)及膳食抗氧化能力指标在腹型肥胖人群卒中风险分层中的价值尚未明确;复合膳食抗氧化指数(Composite Dietary Antioxidant Index,CDAI)与卒中的关联既往报道不一致。为此,研究人员基于美国国家健康与营养检查调查(National Health and Nutrition Examination Survey,NHANES)2005–2018年数据,结合机器学习(machine learning,ML)方法,探索并验证新型生物标志物对腹型肥胖人群卒中风险及全因死亡的预测价值。
二、主要关键技术方法
研究人员采用回顾性横断面设计,从NHANES 2005–2018中纳入≥18岁、有明确腹型肥胖定义(女性腰围≥88 cm,男性腰围≥102 cm)且具完整协变量、基线病史及膳食摄入资料的受试者(最终N=8764)。腹型肥胖按标准WC界值定义;TyG=ln[空腹甘油三酯(TG,mmol/L)×空腹血糖(FPG,mmol/L)/2],TyG?BMI=TyG×体质指数(BMI);CDAI由膳食维生素A、C、E及锰、硒、锌经主成分分析得出。数据集按7∶3随机分为训练集(N=6134)与验证集(N=2630),应用10种ML算法(含随机森林 Random Forest、XGBoost、LightGBM等)构建卒中发生及全因死亡预测模型;采用LASSO二项回归筛选变量,RCS探讨剂量?反应关系,SHAP(Shapley Additive Explanations)量化各特征贡献度;NHANES抽样权重用于加权logistic回归,P<0.05为差异有统计学意义。
三、研究结果
3.1 基线临床特征(Baseline Clinical Characteristics)
研究人员比较卒中组(N=316)与非卒中腹型肥胖组(N=8448),发现卒中组年龄更大(中位66 vs 50岁),非西班牙裔黑人比例更高,高血压、糖尿病、心力衰竭、吸烟史比例显著升高;WC、HbA1c、空腹血糖、TyG、TyG?BMI、TyG?WC均高于非卒中组;CDAI中位数更低(?2.46 vs ?0.84),多种膳食抗氧化微量营养素摄入更低(P均<0.05或<0.001)。
3.2 候选预测变量与腹型肥胖卒中患者的关联(Association of Candidate Predictive Variables in Relation to Patients With Obesity Who Have Had Strokes)
经LASSO回归(λ=0.0015410)筛选,最终保留年龄、饮酒、吸烟史、高血压、糖尿病、TC、TyG?BMI及CDAI共9个变量与腹型肥胖卒中显著相关(P<0.05),其中CDAI系数为负,提示膳食抗氧化能力越高卒中风险越低。
3.3 TC、TyG?BMI及CDAI与腹型肥胖卒中患者的关联(Association of TC, TyG?BMI and CDAI in Relation to Patients With Obesity Who Have Had Strokes)
RCS分析显示:18–40岁组三者均无非线性关联;40–60岁组TyG?BMI呈线性正相关(Poverall=0.042);≥60岁组CDAI(Pnon?linear=0.029)及TC(Pnon?linear=0.008)呈非线性负相关,TyG?BMI呈线性正相关(Poverall<0.001)。性别分层显示女性中CDAI及TyG?BMI线性负相关(CDAI:Poverall=0.013;TyG?BMI:Poverall<0.001),TC呈非线性负相关(Pnon?linear<0.001);男性中各指标均未达非线性显著性。阈值效应分析得Cut?off值:CDAI=?4.4,TyG?BMI=337.8,TC=4.8 mmol/L。
3.4 机器学习模型评估与比较(Evaluation and Comparison of the ML Model)
十种ML模型中随机森林对卒中发生的测试集AUC=0.823(训练集AUC=0.823),全因死亡AUC=0.741,综合判别能力最优;十折交叉验证RF模型AUC=0.796,表现稳健,故选其进行SHAP解释。
3.5 随机森林模型的SHAP决策分析(Model Decision of SHAP)
SHAP重要性排序为:年龄>高血压>心力衰竭>糖尿病>TC>CDAI>TyG?BMI>吸烟史>饮酒。TyG?BMI、CDAI及TC对模型预测贡献显著,证实其为腹型肥胖卒中风险的重要独立预测因子。
四、讨论与结论翻译
讨论指出TyG?BMI综合反映IR与肥胖程度,其升高通过促进炎症、内皮功能障碍、血小板活化及动脉粥样硬化增加卒中风险,与既往中国人群队列一致。TC在≥60岁腹型肥胖女性中呈非线性负关联,可能与极高龄人群中低胆固醇反映营养不良或共病有关,与他处报道不矛盾。CDAI负值越大(抗氧化膳食摄入越低)卒中风险越高,机制涉及减轻氧化应激、保护低密度脂蛋白(LDL)免于氧化修饰、改善内皮功能及抑制炎症。研究局限性包括回顾性设计需前瞻性验证、人群代表性主要适用美欧人群、LASSO筛选变量不代表因果。
结论(Conclusion)
研究人员确定CDAI、TyG?BMI及TC与腹型肥胖卒中患者的关联,该关联在老年女性人群中尤为显著。上述生物标志物未来可适当应用于降低腹型肥胖患者临床卒中风险,并为制定个体化治疗策略提供依据,也为今后大规模前瞻性研究提供了重要证据。
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