甘油三酯-葡萄糖指数联合BMI和腰高比的纵向轨迹与心血管疾病发病风险:来自英国老龄化纵向研究的前瞻性队列研究

Joint longitudinal trajectories of the triglyceride-glucose index combined with BMI and waist-to-height ratio and incident cardiovascular disease: a prospective cohort study from the English longitudinal study of ageing

作者信息Zhengyang Liu, Qiyu Li, Bo Wang, Ying Zhou, Yuanyuan Dong, Bo Tang, Hongmei Yang, Shasha Yu
PMID42402573
发布时间2026-07-05
DOI10.1186/s12933-026-03279-w

实验完整度

研究基于前瞻性队列数据,进行了多轨迹建模、Cox回归、亚组和敏感性分析,但为观察性研究,未涉及实验干预或机制验证。

主要模型

英国老龄化纵向研究(ELSA)队列

重点核对

研究对象为年龄≥50岁、基线无CVD的1808名参与者 TyG指数、BMI和WHtR在Wave 2、4、6三个时间点测量 Cox模型调整年龄、性别、种族、教育、吸烟、饮酒、合并症及药物使用等协变量 敏感性分析包括排除早期事件、竞争风险模型、排除用药者等九项

摘要

背景:甘油三酯-葡萄糖(TyG)指数及其复合肥胖指数与心血管疾病(CVD)风险相关。然而,既往研究多依赖单次基线测量,较少采用基于组的多轨迹建模来捕捉代谢和人体测量指标的同步纵向变化。本研究旨在使用平行方法识别TyG联合体质指数(BMI)和腰高比(WHtR)的联合纵向轨迹组,并评估其与中老年人新发CVD的关联。方法:这项前瞻性队列研究纳入了来自英国老龄化纵向研究的1808名年龄≥50岁、无CVD的参与者。采用基于组的多轨迹建模,利用约8年内三个波次的TyG与BMI、TyG与WHtR的重复测量,联合识别潜在轨迹类别。Cox比例风险模型采用四个依次调整的模型,估计新发复合CVD、心脏病和卒中的风险比(HR)和95%置信区间(CI)。亚组分析按年龄、性别、吸烟、糖尿病和高血压状态分层。进行了九项敏感性分析以评估稳健性。结果:随访期间,263名参与者(14.5%)发生新发CVD。每种方法均识别出四个轨迹组。在完全调整的BMI+TyG模型中,与正常体重-低TyG参考组相比,复合CVD风险在超重-中度TyG组(HR 2.31, 95% CI 1.40-3.83)、肥胖-高TyG组(HR 2.72, 95% CI 1.63-4.52)和严重肥胖-高TyG组(HR 5.06, 95% CI 3.01-8.51)中逐渐增加。WHtR+TyG方法显示出一致的剂量-反应模式,各风险递增组的HR分别为2.22、2.75和5.12。对于卒中,仅最高风险组达到统计学显著性(HR分别为6.74和5.00)。正式判别比较显示两种方法之间无显著差异(C统计量差异0.003,P=0.723)。所有九项敏感性分析一致佐证了主要发现。结论:两种方法均产生稳健且可比的剂量-反应梯度,支持在老年人群中进一步验证连续TyG相关复合指数监测用于心血管风险分层。

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
TyG联合BMI或WHtR的联合纵向轨迹组与中老年人新发CVD的关联是否不同?
核心机制
文献提出胰岛素抵抗及中心性肥胖通过促进内皮功能障碍、慢性炎症和致动脉粥样硬化性血脂异常等机制增加CVD风险,但未在本研究中直接验证。
主要证据
基于ELSA队列1808名参与者的数据,采用GBMTM识别轨迹组,Cox回归显示高风险组复合CVD风险显著升高(如严重肥胖-高TyG组HR 5.06),且九项敏感性分析结果稳健。
研究意义
研究支持在老年人群中进一步验证连续TyG相关复合指数监测用于心血管风险分层,但需前瞻性预测算法和外部验证。

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

研究人群筛选

确定符合条件的无CVD的中老年参与者。

从ELSA Wave 2的9432名参与者中,排除年龄<50岁、TyG/BMI/WHtR数据缺失及基线CVD者,最终纳入1808人。

2

暴露测量与轨迹建模

识别TyG与BMI或WHtR的联合纵向轨迹组。

在Wave 2、4、6测量TyG、BMI和WHtR,使用GBMTM(flexmix包)拟合二次多项式,评估K=2至6组,根据BIC、AIC等选择四组模型。

3

结局事件确定

确定新发CVD、心脏病和卒中事件。

通过随访波次的自我报告医生诊断确定事件,随访从Wave 2至Wave 9(中位11.2年)。

4

统计分析与敏感性分析

评估轨迹组与CVD风险的关联并检验稳健性。

使用Cox比例风险模型(四个调整模型),进行Kaplan-Meier分析、亚组分析和九项敏感性分析,比较两种方法的判别性能。

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。

产品清单

实验环节名称品牌货号
R----
flexmix----

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
研究人群
年龄≥50岁、基线无CVD、TyG/BMI/WHtR数据完整的参与者
阅读提示:Materials and methods - Study design and population
暴露测量
TyG指数计算公式、BMI和WHtR的测量方法及时间点(Wave 2、4、6)
阅读提示:Materials and methods - Exposure assessment
轨迹建模
GBMTM的软件包、标准化方法、时间函数、组数选择标准(BIC、AIC等)
阅读提示:Materials and methods - Group-based multi-trajectory modeling
结局确定
结局定义、随访时间计算、事件确定方法
阅读提示:Materials and methods - Outcome ascertainment
统计分析
Cox模型调整变量、参考组设置、亚组分层、敏感性分析细节
阅读提示:Materials and methods - Statistical analysis