甘油三酯-葡萄糖-内脏脂肪比值(TyG-VLR)的基线水平、重复测量负担和两点模式与心血管-肾脏-代谢(CKM)综合征0-3期心血管疾病发病的关联:一项中国健康与养老追踪调查(CHARLS)纵向分析

Baseline, repeated-measure burden, and two-time-point patterns of the triglyceride-glucose index-visceral lipid ratio (TyG-VLR) and incident cardiovascular disease in cardiovascular-kidney-metabolic (CKM) syndrome stages 0-3: a longitudinal China Health and Retirement Longitudinal Study (CHARLS) analysis

作者信息Ao-Men Lu, Hao-Jie Han, Qian Xu, Shuang-Ke Bai
PMID42571014
发布时间2026-07-25
DOI10.1186/s12933-026-03302-0

实验完整度

该研究为大规模前瞻性队列分析,包含基线及重复测量的生物标志物数据,并通过Cox回归、限制性立方样条、K-means聚类及多重敏感性分析验证了关联的稳健性。

主要模型

CHARLS队列(中国健康与养老追踪调查)中的CKM 0-3期成人

重点核对

基线TyG-VLR每SD增加的HR:CVD 1.15(95%CI 1.10-1.21) 重复测量TyG-VLR负担每SD增加的HR:CVD 1.21(95%CI 1.12-1.30) 两点模式中最高组(Cluster 3)相对最低组的HR:1.51(95%CI 1.22-1.85) 亚型分析:基线TyG-VLR与卒中的关联(HR 1.21)强于心脏病(HR 1.11)

摘要

背景:心血管-肾脏-代谢(CKM)综合征0-3期定义了一个没有明显临床心血管疾病(CVD)但具有累积代谢、肥胖、血脂和肾脏相关风险的人群。我们评估了基线甘油三酯-葡萄糖-内脏脂肪比(TyG-VLR)、重复测量TyG-VLR负担和两点TyG-VLR模式是否与CHARLS中的偶发CVD及CVD亚型相关。方法:数据来自中国健康与养老追踪调查(CHARLS),随访至2020年波次。CKM分期使用CHARLS可用的肥胖、糖尿病前期、糖尿病、高血压、血脂异常、慢性肾脏病、代谢综合征、预测CVD风险及临床CVD状态指标进行操作化。TyG-VLR计算为TyG乘以内脏脂肪比(VLR;LDL-C×中国内脏脂肪指数)。重复测量TyG-VLR负担计算为第1波和第3波值的平均值乘以评估间隔,在里程碑随访期之前。K-means聚类标准化第1波和第3波TyG-VLR,基于可用的重复测量识别两点模式。进行了Cox比例风险模型、剂量-反应分析、标志物特异性比较和预先指定的敏感性分析。结果:基线分析队列包括7132名CKM 0-3期参与者和1688例偶发CVD事件;CVD中位随访9.00年(IQR,7.00-9.00)。重复测量/两点队列包括4111名参与者和777例偶发CVD事件;中位里程碑随访5.00年(IQR,4.92-5.00)。基线TyG-VLR每增加1个标准差与偶发CVD相关(HR 1.15,95% CI 1.10-1.21)、心脏病(HR 1.11,95% CI 1.05-1.18)和卒中(HR 1.21,95% CI 1.12-1.31)。重复测量TyG-VLR负担与CVD相关(HR 1.21,95% CI 1.12-1.30),最高两点模式组的CVD风险高于最低组(HR 1.51,95% CI 1.22-1.85)。限制性立方样条和Kaplan-Meier分析显示分级CVD风险模式,而标志物特异性比较显示TyG-VLR的表现与VLR、CVAI和TyG-CVAI大致相似。在传统因素和适应性CKM分期之外的增量区分度适中。在逆概率加权、多重插补、替代公式和竞争风险分析中,关联保持一致。结论:在适应性CKM综合征0-3期的中老年成年人中,较高的基线TyG-VLR、重复测量TyG-VLR负担和较高的两点TyG-VLR模式与偶发CVD相关,尤其是卒中。TyG-VLR可解释为代谢、血脂和肥胖负担结合的流行病学标志物,在进一步验证后可能具有人群层面风险分层的潜在价值。

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
在CKM综合征0-3期(无明显临床CVD)的人群中,基线TyG-VLR、重复测量TyG-VLR负担及两点TyG-VLR模式是否与偶发CVD及其亚型相关?
核心机制
TyG-VLR整合了胰岛素抵抗(TyG)、内脏肥胖(CVAI)和致动脉粥样硬化脂质(LDL-C)三重代谢负担,反映了CKM进展中的互补生物学通路;但TyG-VLR是综合暴露负担的替代标志物,而非直接机制性测量。
主要证据
在CHARLS队列中,基线TyG-VLR每增加1个SD与CVD风险增加15%相关(HR 1.15, 95%CI 1.10-1.21),重复测量负担与CVD风险增加21%相关(HR 1.21),最高两点模式组风险增加51%(HR 1.51);亚型分析显示与卒中的关联更强。
研究意义
TyG-VLR可作为代谢、血脂和肥胖负担相结合的流行病学标志物,可能有助于CKM早期阶段的人群层面风险分层,但在常规临床应用中仍需进一步验证。

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

研究队列构建与CKM分期

筛选符合CKM 0-3期且无临床CVD的参与者。

基于CHARLS数据,通过排除CKM 4期、基线CVD及缺失数据,最终纳入7132名参与者。CKM分期采用适应性定义,使用CHARLS可用的指标。

2

计算TyG-VLR及重复测量负担

评估个体代谢负担的基线水平和长期累积水平。

计算TyG、CVAI、VLR和TyG-VLR。重复测量负担为Wave 1和Wave 3的平均TyG-VLR乘以两次评估间隔。

3

识别两点TyG-VLR模式

基于Wave 1和Wave 3的TyG-VLR变化模式进行分组。

使用K-means聚类对标准化的Wave 1和Wave 3 TyG-VLR进行聚类,根据肘部法则确定最佳簇数(K=3)。

4

评估关联性

检验基线、重复测量负担和两点模式与CVD及亚型的关联。

使用Cox比例风险模型估计HR和95%CI,并调整潜在混杂因素。此外进行剂量-反应分析、标志物比较、增量预测能力评估及多种敏感性分析。

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软件4.5.2版----
cluster包----
factoextra包----

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
数据来源与队列定义
CHARLS数据版本,Wave 1(2011)基线、Wave 3(2015)重复测量、2020年随访终点
阅读提示:Methods: Study design and participants; Fig. 1
TyG-VLR计算
空腹甘油三酯、空腹血糖、LDL-C、CVAI公式所需变量(年龄、BMI、腰围、HDL-C)
阅读提示:Methods: Assessment of TyG-VLR; Supplementary Table S1
重复测量负担与两点模式
Wave 1和Wave 3 TyG-VLR值,间隔年数;K-means聚类簇数(K=3)及肘部法则
阅读提示:Methods: Statistical analysis; Fig. 2; Supplementary Figure S1
Cox回归模型调整变量
模型3调整的协变量:年龄、性别、婚姻状况、居住地、教育、吸烟、饮酒、高血压、糖尿病、血脂异常、肾病、癌症、收缩压、HbA1c、白细胞计数、C反应蛋白
阅读提示:Methods: Statistical analysis; Table 2 footnotes