构建回顾性研究队列
筛选符合条件的过敏性鼻炎患者并划分暴露组与对照组
从广东医科大学附属医院2014–2025年健康体检数据库筛选有AR诊断记录、年龄18–100岁、基线BMI 18.5–23.9 kg/m2且至少2次体检记录的患者，排除关键结局异常或缺失及随访体重缺失者，最终纳入1715例；按是否从正常BMI进展至BMI≥24 kg/m2分为BMI升高组和BMI稳定组。
关于丁香通
公司信息
个人用户
企业机构
无忧采购 轻松科研
- 移动端
体重指数转变与过敏性鼻炎代谢性炎症的时间关联：一项回顾性队列研究
Temporal associations of BMI transition with metabolic inflammation in allergic rhinitis: A retrospective cohort study
实验完整度
中基于单中心回顾性健康体检队列，采用TMLE时间窗分析、混合效应剂量效应模型、疾病风险与共病网络分析及敏感性分析，无体外或动物功能验证。
主要模型
过敏性鼻炎患者回顾性健康体检队列（N=1715） BMI升高组（N=477）与BMI稳定组（N=1238）
重点核对
暴露定义：基线BMI 18.5–23.9 kg/m2进展至BMI≥24 kg/m2，以首次达到超重标准的体检日期为暴露时间点 时间窗设置：暴露后1年、2年、3年固定时间窗，计算标志物相对基线的平均变化（Δ） 混杂因素调整：最小模型调整年龄、性别、基线BMI；另设炎症、代谢、综合及全模型逐步调整 代谢性疾病风险分析仅纳入基线无相应疾病者，并报告RD、调整OR及NNT 敏感性分析采用5级逐步协变量调整模型评估结果稳健性
摘要
背景：在过敏性鼻炎（AR）患者中，体重指数（BMI）从正常转变为超重/肥胖与代谢性炎症之间的动态纵向关联尚不清楚。方法：我们开展了一项回顾性纵向队列研究，纳入2014年至2025年间在中国广东湛江广东医科大学附属医院就诊的1715例基线BMI正常的AR患者。采用靶向最大似然估计结合时间窗分析，估计BMI升高对1–3年内炎症和代谢标志物的平均处理效应，并量化代谢性疾病的风险。结果：BMI转变与系统性炎症逐渐加重和持续性代谢紊乱相关。炎症标志物呈时间依赖性升高，而以甘油三酯升高和高密度脂蛋白胆固醇降低为特征的代谢异常出现更早且保持稳定。BMI增加还与多种代谢性疾病风险升高相关，尤其是脂肪肝疾病。结论：在AR患者中，从正常BMI转变为超重或肥胖与系统性炎症逐渐加重和持续性代谢功能障碍相关，后者与多种代谢性疾病风险升高相关。在对AR患者实施体重管理时，建议监测体重随时间的变化，并在体重增加过程中早期干预。
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
- 在过敏性鼻炎患者中，BMI从正常转变为超重/肥胖与后续炎症和代谢标志物的动态纵向关联如何，以及是否与代谢性疾病风险相关。
- 核心机制
- BMI从正常升至超重/肥胖与系统性低度炎症逐渐加重及持续性代谢紊乱（高TG、低HDL-C）相关，并伴随多种代谢性疾病风险升高；文献未进一步验证具体分子通路。
- 主要证据
- 基于1715例AR患者的回顾性队列，TMLE时间窗分析显示暴露后3年NLR、WBC、ANC、ALC显著升高，TG在所有时间窗显著升高、HDL-C显著降低；混合效应模型显示BMI每增加1 kg/m2与炎症及代谢标志物变化相关；BMI升高组脂肪肝等6种代谢病发生率显著更高。
- 研究意义
- 作者提出为AR患者早期体重管理和代谢监测提供纵向证据，提示代谢风险评估不应仅限于已确诊肥胖者，并支持将体重监测、代谢评估和早期生活方式干预纳入AR综合管理。
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。
设定暴露时间窗与结局指标
建立时间可比的暴露后动态关联分析框架
以首次达到超重标准的体检日期为暴露时间点，BMI稳定组通过随机匹配分配虚拟暴露时间；建立暴露后1、2、3年固定时间窗，计算炎症标志物（NLR、WBC、ANC、ALC）和代谢标志物（TG、HDL-C、LDL-C）相对基线的平均变化。
TMLE估计BMI转变的平均处理效应
在调整混杂因素后估计BMI升高对炎症和代谢标志物的因果关联
采用TMLE结合SuperLearner（10折交叉验证，包含SL.glm、SL.glm.interaction、SL.glmnet、SL.ranger、SL.mean）估计各时间窗及总体平均处理效应，并构建5级逐步协变量调整模型进行敏感性分析。
混合效应模型剂量效应分析
从剂量反应角度验证BMI连续变化与标志物的关联
使用混合效应模型分析BMI每增加1 kg/m2对炎症和代谢标志物的影响，并展示非线性剂量反应关系。
代谢性疾病风险与共病网络分析
评估BMI升高与长期代谢性疾病风险的关联及疾病间共病模式
在基线无相应疾病者中比较BMI升高组与稳定组暴露后10种代谢相关疾病的发生率，计算RD、调整OR和NNT；并基于BMI升高组计算6种显著疾病间的Jaccard共病相似度，构建共病网络图。
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
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 |
|---|---|
| 研究队列构建 | 纳入排除标准、基线BMI范围18.5–23.9 kg/m2、年龄18–100岁、至少2次体检记录、最终样本量1715例及分组人数 阅读提示：Methods中Study cohort construction小节及Fig. 1流程图 |
| 暴露与时间窗定义 | 暴露定义（BMI≥24 kg/m2）、暴露时间点判定、BMI稳定组虚拟暴露时间随机匹配方法、1/2/3年时间窗设置 阅读提示：Methods中Definition of exposure and construction of the time window小节 |
| 混杂因素与TMLE模型 | 最小模型及逐步调整模型包含的协变量、SuperLearner算法库与10折交叉验证设置、显著性阈值 阅读提示：Methods中Definition of confounders与Statistical analysis methods小节 |
| 代谢性疾病风险分析 | 基线无相应疾病的排除方式、RD/OR/NNT计算方法、调整变量、各疾病事件数与分母 阅读提示：Results中代谢性疾病风险段落及Table 5 |
| 敏感性分析 | 5级调整模型（Minimal、Basic、Metabolic、Comprehensive、Full）的具体协变量构成 阅读提示：Methods中Statistical analysis methods小节及Table 6、Fig. 9 |