通过血液生物标志物的口腔-心血管关联:一项暴露广度分析

Oral-Cardiovascular Links Via Blood Biomarkers: An Exposure-Wide Analysis

作者信息Yanbei Lu, Zhiheng Yi, Yanjia Zhuang, Dasen Yuan, Lei Lei, He Cai, Tao Hu
PMID42561888
发布时间2026-08
DOI10.1016/j.identj.2026.109772

实验完整度

该研究为横断面流行病学分析,包含口腔检查、实验室检查和超声检查,但缺乏功能验证或机制实验。

主要模型

中国多民族队列(CMEC)参与者(n=4670)

重点核对

样本量:4670名参与者 口腔检查标准:WHO口腔健康调查基本方法(第5版) 牙周检查器械:WHO推荐的CPI牙周探针 统计分析:多因素logistic回归,FDR校正 中介分析:Bootstrap方法

摘要

目的:心血管疾病仍然是全球健康的优先事项,口腔健康与心血管风险相关。然而,现有研究主要集中于有限的牙周指标,缺乏对多维口腔健康的分析。方法:利用中国多民族队列4670名参与者的数据,本横断面研究采用暴露广度分析,系统检查多维口腔健康指标与心血管疾病相关结局之间的关联,并探索性评估基于血液和尿液的生物标志物作为潜在中介指标的的作用。结果:我们发现,龋齿、牙周状况、咬合功能和口腔修复体的指标与总体及按性别分层人群中的颈动脉斑块患病率显著相关。对于按年龄分层的分析,口腔健康指标与高血压之间的关联主要局限于65岁以下的参与者,而与颈动脉斑块的关联则在65岁及以上参与者中观察到。与Framingham风险评分的关联在两组人群中均观察到。结论:这些发现表明,多维口腔健康与心血管结局相关,存在明显的性别和年龄差异,且血液生物标志物可能部分解释这些关联。我们的发现通过强调多维口腔健康与心血管风险的相关性提供了新的见解,支持将其纳入心血管风险评估。临床相关性:包括龋齿、牙周状况、咬合功能和口腔修复体在内的多维口腔健康指标与心血管风险相关,表现出性别和年龄异质性。血液生物标志物可能部分指示这些关联。这些发现表明在心血管风险评估中考虑口腔健康的潜在价值。

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
多维口腔健康指标(包括龋齿、牙周状况、咬合功能和口腔修复体)是否与心血管疾病相关结局(FRS、颈动脉斑块、高血压)相关,且这种关联是否因性别和年龄而异?
核心机制
血液生物标志物(肌酐、高密度脂蛋白胆固醇、糖化血红蛋白、碱性磷酸酶、嗜酸性粒细胞百分比、红细胞压积)可能部分介导口腔健康与心血管结局之间的关联,提示涉及代谢和炎症通路。
主要证据
通过暴露广度分析,发现牙周炎、牙周袋和附着丧失与颈动脉斑块正相关,而DMFT和功能性牙列与颈动脉斑块负相关;中介分析显示肌酐和HDL-C解释了相关关联的显著比例。
研究意义
该研究强调多维口腔健康指标在心血管风险评估中的潜在价值,支持将其纳入临床心血管风险分层。

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

数据收集与参与者筛选

建立用于分析的研究队列,确保数据完整性和代表性。

从2024年CMEC随访中筛选出具有完整口腔检查数据和心血管相关数据的4670名参与者。

2

口腔健康评估

量化多维口腔健康暴露因素。

由经验丰富的牙医通过椅旁检查评估龋齿、牙周状况、口腔修复体、口腔功能、口腔衰弱和口干症。

3

心血管结局评估

确定研究的主要结局指标。

计算Framingham风险评分(FRS),通过颈动脉超声检测颈动脉斑块,并基于血压测量定义高血压。

4

生物标志物检测

探索潜在的中间因素。

从空腹静脉血和尿液样本中检测血液学、生化、炎症和心肌相关指标以及尿液指标。

5

统计分析

评估口腔健康与心血管结局的关联及生物标志物的中介作用。

使用多因素logistic回归评估关联,并进行FDR校正;使用Bootstrap中介分析探索生物标志物的统计贡献。

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
CPI牙周探针----
------

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
参与者筛选
参与者年龄、性别、民族、纳入标准的具体定义
阅读提示:Methods中的Eligibility criteria部分
口腔检查
检查标准(WHO方法)、器械(CPI探针)、探查力控制、牙周炎分类标准
阅读提示:Methods中的Variables部分
心血管结局评估
FRS计算所需变量及阈值、颈动脉斑块的定义、高血压测量方法及阈值
阅读提示:Methods中的Variables部分
生物标志物检测
检测的实验室方法、所用仪器、试剂品牌(文中未明确说明)
阅读提示:Methods中的Biomarkers部分
统计分析
模型变量调整顺序、FDR校正方法、中介分析方法及软件版本(Python 3.11.0,R 4.5.0)
阅读提示:Methods中的Statistics部分