队列选择和定义
定义代谢健康非肥胖(MHN)个体,并排除不相关人群。
从UK Biobank影像亚队列中筛选参与者,根据BMI和代谢健康状态分类,排除肥胖和代谢不健康个体,最终纳入22,040名MHN个体。
Opportunistic screening for incident cardiometabolic disease in metabolically healthy non-obese individuals: a prospective cohort study
包含前瞻性队列研究,使用MRI和深度学习量化脂肪,进行风险重分类(NRI)和多变量Cox回归分析,并进行了多种敏感性分析。
英国生物银行(UK Biobank)MHN个体队列(n=22,040) 德国国家队列(NAKO)参与者(n=23,664)
UKB MHN队列:22,040名参与者,BMI < 30 kg/m2,无糖尿病或高血压和高脂血症 VAT/SAT比值性别特异性截止值:男性0.35,女性0.15 主要终点MACE定义:心肌梗死、缺血性卒中或心血管死亡 随访时间:中位4.2年(IQR 3.4-5.6)
提炼研究问题、关键发现与证据,快速把握文章的核心贡献。
按研究推进顺序梳理实验设计、验证步骤与关键观察。
定义代谢健康非肥胖(MHN)个体,并排除不相关人群。
从UK Biobank影像亚队列中筛选参与者,根据BMI和代谢健康状态分类,排除肥胖和代谢不健康个体,最终纳入22,040名MHN个体。
从全身MRI中自动量化VAT和SAT体积,并计算VAT/SAT比值。
使用经过验证的深度学习框架(3D U-Net)分割全身MRI图像,量化VAT和SAT体积,并计算VAT/SAT比值。
确定性别特异性的VAT/SAT比值截止值,用于风险分类。
在德国国家队列(NAKO)中,基于流行性心血管代谢疾病,使用ROC曲线分析推导性别特异性截止值,最终确定为男性0.35,女性0.15。
比较VAT/SAT比值与WC在风险分类中的表现。
使用分类净重分类改善指数(NRI)比较VAT/SAT比值和WC在预先定义风险类别中的重新分类性能。
评估VAT/SAT比值与MACE和糖尿病事件的关联。
使用Cox比例风险模型,评估高VAT/SAT比值与MACE和糖尿病风险的关联,并进行逐步调整。
测试VAT/SAT比值是否在传统风险因素之外提供增量预后价值。
比较包含和不含VAT/SAT比值的嵌套Cox模型,使用C指数和似然比检验。
验证主要发现的稳健性。
进行了多种敏感性分析,包括连续VAT/SAT比值、排除早期事件、限制随访时间、Fine & Gray竞争风险模型、性别和年龄分层等。
按研究目的归类文中使用的方法,便于定位所需技术。
| 实验环节 | 名称 | 品牌 | 货号 |
|---|---|---|---|
| MRI检查 | MAGNETOM Aera(1.5 T) | Siemens Healthineers | -- |
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 |
|---|---|
| 队列定义 | 代谢健康非肥胖(MHN)的定义:BMI < 30 kg/m2,无糖尿病或高血压和高脂血症;排除既往MACE、影像数据不完整和协变量缺失者。 阅读提示:Methods: Metabolic health and obesity |
| MRI扫描和脂肪量化 | MRI扫描参数(1.5 T,T1加权VIBE Dixon)和深度学习分割框架(3D U-Net)的验证信息。 阅读提示:Methods: Body composition analysis |
| 截止值推导 | 基于NAKO的性别特异性VAT/SAT比值截止值(男性0.35,女性0.15)的推导方法。 阅读提示:Methods: Body composition analysis; 补充材料 |
| 结局评估 | MACE定义(ICD-10 I21-I22, I63, I00-I78)和糖尿病定义(ICD-10 E10-E14;ICD-9 250);随访时间定义和行政审查日期。 阅读提示:Methods: Endpoints |
| 统计分析 | Cox模型调整变量(年龄、性别、吸烟、WC、BMI)和模型构建步骤;NRI计算的分类法。 阅读提示:Methods: Statistical analysis |