代谢表型与心脏结构和临床结局的关联:来自英国生物银行的见解

Associations of Metabolic Phenotypes with Cardiac Structure and Clinical Outcomes: Insights from the UK Biobank

作者信息Balázs Bogner, Matthias Jung, Marco Reisert, Juliane Maushagen, Susanne Rospleszcz, Janis M Nolde, Christopher L Schlett, Fabian Bamberg, Andreas Kammerlander, Jakob Weiss, Jana Taron
PMID41428372
发布时间2026-05-19
DOI10.1210/clinem/dgaf684

实验完整度

前瞻性队列研究,包含CMR影像、临床结局随访、多变量回归和敏感性分析,证据层级独立。

主要模型

22789名英国生物银行参与者队列 肥胖(BMI≥30 kg/m²)和非肥胖个体 代谢健康和不健康个体

重点核对

代谢表型定义:肥胖(BMI≥30 kg/m²)和代谢不健康(存在糖尿病或两者高血压和高脂血症) 随访时间:中位4.5年(MACE)和5.1年(全因死亡) 事件定义:MACE(心肌梗死、缺血性卒中或心血管死亡) 多变量调整:年龄、性别、吸烟状态

摘要

背景:代谢综合征和肥胖是主要的心血管危险因素,然而它们对心脏结构和临床结局的联合影响仍不完全清楚。目的:探讨代谢表型与心脏磁共振成像(CMR)和临床结局之间的关联。设计:前瞻性研究,中位随访5.1年。场所:来自英国生物银行的人群队列。参与者:共22789名参与者(平均年龄64.1±7.5岁,52.6%为女性),根据肥胖(体重指数≥30 kg/m²)和代谢状态(存在糖尿病或高血压和高脂血症)分为代谢健康非肥胖(MHN)与肥胖(MHO)或不健康非肥胖(MUN)与肥胖(MUO)。主要结局指标:主要和次要终点分别为主要不良心血管事件(MACE)和全因死亡率。CMR包括左心室射血分数(LVEF,%)、舒张末期容积(LVEDV,毫升)、心肌质量(克)、室壁厚度(毫米)、心输出量(升/分钟)和左心房容积(毫升)。调整年龄、性别和吸烟后,使用线性回归和Cox比例风险模型评估代谢表型、CMR和临床结局之间的关联。结果:在调整模型中,所有表型均显示室壁厚度增加((MHO:β=.53 [.50, .55];MUN:β=.24 [.21, .27];MUO:β=.66 [.61, .70]),与MHN相比。肥胖表型中LVEDV增加(MHO:β=4.67 [4.07, 5.27];MUO:β=5.14 [4.05, 6.22]),而MUN降低(β=−1.25 [−1.95, −.55]),且MUO显示LVEF降低(β=−.48 [−.91, −.04])。MACE风险在不健康表型中增加(MUN:调整后风险比(aHR)=1.55 [1.16-2.07];MUO:aHR=1.95 [1.28-2.97])。所有表型均显示全因死亡风险增加(MHO:aHR=1.65 [1.23-2.21];MUN:aHR=1.41 [1.05-1.90];MUO:2.10 [1.41-3.15])。结论:代谢表型表现出不同的心脏结构变化和增加的死亡风险,支持其在心血管风险分层中的潜在价值。

实验结论

提炼研究问题、关键发现与证据,快速把握文章的核心贡献。

研究问题
代谢表型(根据肥胖和代谢健康状况分类)是否与心脏结构(CMR参数)和临床结局(MACE和全因死亡)的差异相关?
核心机制
代谢异常驱动心脏几何重塑和舒张功能受损,而单纯肥胖主要引起容量相关变化;代谢不健康表型(MUN、MUO)与MACE和全因死亡风险增加相关。
主要证据
基于CMR参数(LVEF、LVEDV、CO、LVM、WT、LAV、LVM/LVEDV比值)的线性回归分析和Cox比例风险模型,MACE和全因死亡的HRs。
研究意义
代谢表型分类为心血管事件和死亡提供预后信息,支持将代谢健康状态和肥胖整合到综合风险评估策略中。

研究路径

按研究推进顺序梳理实验设计、验证步骤与关键观察。

1

参与者分类为代谢表型

根据肥胖和代谢健康状况定义四个表型(MHN、MHO、MUN、MUO),以比较心脏结构和结局。

使用BMI≥30 kg/m²作为肥胖标准,代谢不健康定义为存在糖尿病或同时有高血压和高脂血症,将22,789名参与者分为MHN、MHO、MUN、MUO。

2

CMR图像采集和参数提取

获取左心室功能、心腔容积和心脏重塑参数,以比较不同表型。

采用1.5T MRI扫描仪(MAGNETOM Aera)获取CMR图像,测量LVEF、CO、LVEDV、LVM、WT、LAV、LVM/LVEDV比值。

3

统计分析:线性回归和Cox模型

评估代谢表型与CMR参数及临床结局(MACE、全因死亡)之间的关联。

使用线性回归(调整年龄、性别、吸烟)分析CMR参数差异;使用Cox比例风险模型(调整年龄、性别、吸烟)计算MACE和全因死亡的HRs。

4

敏感性分析

评估不同代谢健康定义对结果稳健性的影响。

使用替代定义(任何单一代谢综合征成分)重新分类参与者,检验MACE和全因死亡的关联是否一致。

研究方法

按研究目的归类文中使用的方法,便于定位所需技术。

验证样本或模型特征
验证分子表达变化

产品清单

实验环节名称品牌货号
MAGNETOM AeraSiemens Healthcare--
Seca 202身高计Seca--
Tanita BC-418体成分分析仪Tanita--

关键环节

汇总复现实验时建议重点确认的条件及原文阅读提示。

环节核对要点
参与者纳入和排除
纳入标准:UKB中完成CMR;排除标准:缺失代谢变量或协变量、缺失或异常CMR参数、既往心梗或缺血性卒中。
阅读提示:Materials and Methods, Study Design and Participants; 图1
代谢表型定义
肥胖:BMI≥30 kg/m²;代谢不健康:存在糖尿病或同时有高血压和高脂血症。
阅读提示:Materials and Methods, Definitions of Metabolic Phenotypes
CMR扫描
扫描仪型号、磁场强度、图像采集协议。
阅读提示:Materials and Methods, CMR Parameters
结局评估
MACE定义(心梗、缺血性卒中、心血管死亡)、全因死亡;随访时间计算方法。
阅读提示:Materials and Methods, Endpoints
统计分析
调整变量(年龄、性别、吸烟)、参考组(MHN)、显著性水平(P<0.05)。
阅读提示:Materials and Methods, Statistical Analysis