纵向炎症-代谢-肥胖负担与心血管-肾脏-代谢分期各阶段心力衰竭发生的关联:一项前瞻性队列研究

Longitudinal inflammatory-metabolic-adiposity burden and incident heart failure across cardiovascular-kidney-metabolic stages: a prospective cohort study

作者信息Fangyi Dai, Yong Dai
PMID42693449
发布时间2026-07
DOI10.1186/s12933-026-03310-0

实验完整度

该研究为前瞻性队列研究,包含统计分析、轨迹建模和亚组分析,但无干预性实验或分子功能验证。

主要模型

ELSA队列参与者 CTGW轨迹亚组

重点核对

CTGW指数计算包含CRP、TyG、WHtR,需验证单位及计算公式。 基于群组的多元轨迹建模识别三条轨迹(低稳定、中度代谢、高炎症),需验证轨迹模型拟合参数。 累积CTGW暴露使用梯形法则计算,需验证时间窗和计算方法。 Cox模型调整的协变量集需核对,尤其是Model 3未调整BMI以避嫌与WHtR过度调整。 限制性立方样条节点数和阈值需要验证。

摘要

背景:心力衰竭仍然是老年人主要的健康负担。尽管系统性炎症、代谢紊乱和中心性肥胖分别被认为是心力衰竭的危险因素,但捕捉其纵向汇聚及其与心血管-肾脏-代谢(CKM)分期相互作用的复合生物标志物仍未得到充分研究。目的:研究纵向CTGW复合指数(C反应蛋白×甘油三酯-葡萄糖指数×腰围身高比)轨迹和累积负担与心力衰竭发生的关联,并探讨基线CKM分期的效应修饰作用。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1946名年龄在50岁及以上的参与者,他们在第2轮(2004-2005年)未患心力衰竭,随访至第8轮(2016-2017年)。基于群组的多元轨迹建模联合分类了三次随访中CRP、甘油三酯、葡萄糖和WHtR的纵向轨迹。累积CTGW负担通过梯形法则量化。采用Cox比例风险回归并进行序贯调整,以及限制性立方样条分析。结果:在中位随访12年期间,113名参与者(5.8%)发生了心力衰竭。确定了三条不同的轨迹:低稳定型(n=697,35.8%)、中度代谢型(n=943,48.5%)和高炎症型(n=306,15.7%)。在完全调整模型中,高炎症轨迹的风险最高(HR=2.69,95% CI 1.46-4.93,P=0.001),其次是中度代谢轨迹(HR=1.96,95% CI 1.17-3.29,P=0.011)。对于累积负担,最高四分位数与心力衰竭发生显著相关(HR=2.35,95% CI 1.31-4.24,P=0.004;趋势P<0.001),每增加一个标准差对应风险增加19%(HR=1.19,95% CI 1.04-1.36,P=0.014)。确认了非线性剂量反应关系(非线性P=0.032),风险阈值约为8.2。分层分析显示CKM分期存在显著的效应修饰作用(交互P=0.031),在3-4期观察到最强关联(HR=2.37, 95% CI 1.24-4.53, P=0.009)。亚组分析显示,在年龄、性别、BMI和并发症分层中,效应方向一致,无显著交互作用。结论:纵向CTGW轨迹和累积负担与心力衰竭发生独立相关,呈非线性剂量反应关系,且该关联随CKM分期的进展而增强,支持CTGW复合指数作为心力衰竭风险分层的潜在综合生物标志物。

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
纵向的炎症-代谢-肥胖复合负担(CTGW轨迹和累积暴露)是否与老年人心力衰竭的发生相关,且该关联是否受基线心血管-肾脏-代谢分期的影响。
核心机制
长期的炎症激活与代谢脂质紊乱及中心性肥胖相互叠加,可能促进心衰发生。
主要证据
多轨迹模型发现高炎症轨迹和中度代谢轨迹患者心衰风险显著升高(HR=2.69和1.96);累积CTGW最高四分位数风险增加(HR=2.35),且呈非线性剂量反应关系。
研究意义
CTGW复合指数有望成为心力衰竭风险分层综合生物标志物,补充现有风险因素预测价值。

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

队列设计与样本纳入

建立无心力衰竭的老年人群队列以进行前瞻性分析。

从ELSA Wave 2纳入1946名≥50岁无心力衰竭的参与者,排除年龄、数据缺失及既往心衰者,随访至Wave 8。

2

暴露指标测定与轨迹识别

纵向刻画CTGW复合指数组分(CRP、TyG、WHtR)的联合轨迹及累积负担。

在Wave2、4、6测量CRP、甘油三酯、空腹血糖、腰围和身高,计算CTGW指数,采用GBMTM(群组多轨迹建模)识别共同轨迹;利用梯形法则计算累积CTGW。

3

结局诊断与随访

确定随访期间新发心力衰竭的事件数与随访持续时间。

通过Wave 8自我报告医生诊断心衰,计算随访月数至诊断或至Wave 8。

4

关联分析(轨迹与累积暴露)

量化CTGW轨迹组、累积CTGW暴露与心衰风险之间的关系。

采用Cox比例风险模型,计算HR和95%CI,调整多类协变量(三个模型),并作趋势检验、限制性立方样条分析(restricted cubic spline)、CKM分层和亚组分析。

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
C反应蛋白----
甘油三酯-葡萄糖指数----
腰围身高比----

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
样本纳入与随访
纳入年龄≥50岁、无基线心衰的ELSA参与者;排除条件(心衰、数据缺失等);随访时间至Wave 8。
阅读提示:Materials and Methods: Study population; Results: Fig. 1
暴露定义与计算
CTGW指数计算公式(CRP×TyG×WHtR);TyG公式及单位转换;WHtR计算方法;累积cumCTGW的梯形法则计算细节。
阅读提示:Materials and Methods: Exposure variables
轨迹建模
GBMTM模型的具体参数(组数K=3、多项式阶数、先验概率约束、平均后验概率阈值);模型选择依据(AIC/BIC)。
阅读提示:Materials and Methods: Statistical analysis; Results: CTGW trajectory identification
统计分析与调整
Cox模型的具体调整协变量(三个模型);参考组设置;趋势检验方法;限制性立方样条节点选择及参考值。
阅读提示:Materials and Methods: Statistical analysis; Results: Association sections
亚组与交互检验
CKM分期分层及亚组变量定义;交互作用检验统计学方法(似然比检验)。
阅读提示:Materials and Methods: Statistical analysis; Results: Stratified and subgroup analyses