应激性高血糖比值、衰弱指数及其乘积与新发心脏代谢多病共存(包括糖尿病、心脏病和卒中)的关联:CHARLS纵向分析

Stress-hyperglycemia ratio, frailty index, and their product in relation to incident cardiometabolic multimorbidity comprising diabetes, heart disease, and stroke: a longitudinal analysis of CHARLS

作者信息Shuheng Liu, Guangbin Xie, Yi Lei, Wenqiang Xin
PMID42983516
发布时间2026-10
DOI10.1186/s12933-026-03414-7

实验完整度

中

基于CHARLS前瞻性队列,采用Cox模型、K-means聚类、RCS、ROC、DCA、亚组及敏感性分析,为观察性关联分析,无机制实验验证

主要模型

CHARLS前瞻性队列6,096名基线无CMM的中老年参与者 第1波(2011–2012)基线调查 第3波界标分析队列

重点核对

CMM定义:糖尿病、心脏病和卒中中至少2种共存;糖尿病依据FPG≥126 mg/dL、HbA1c≥6.5%、降糖药使用或医生诊断,心脏病和卒中依据医生诊断自报 SHR计算:SHR=血糖(mg/dL)/[28.7×HbA1c(%)−46.7],mmol/L血糖先转换为mg/dL FI计算:基于29项缺陷(排除糖尿病、心脏病、卒中3项),FI=缺陷总分/非缺失条目数,FI=0视为缺失 累积暴露:第1波与第3波值的算术平均数乘以评估间隔年数 Cox模型Model 2调整年龄、性别、婚姻、居住地、饮酒、吸烟、BMI、教育、肾病、血脂异常、降糖药、降压药、肝病、降脂药

摘要

背景:心脏代谢多病共存(CMM)指糖尿病、心脏病和卒中等主要心脏代谢疾病的同时存在,是老龄化人群中残疾和过早死亡的主要来源。应激性高血糖比值(SHR)反映相对于长期血糖暴露的血糖失调,而衰弱指数(FI)量化累积的健康缺陷。我们评估了基线和两个调查波次评估的SHR、FI及其复合乘积(SHR-FI)是否与新发CMM相关。方法:我们对中国健康与养老追踪研究(CHARLS)中基线无CMM的6,096名参与者进行了前瞻性分析。SHR、FI和SHR-FI在第1波和第3波进行评估。评估了时间加权两波汇总和数据衍生的两时间点纵向模式;累积和模式分析以第3波作为界标。Cox模型估计风险比(HR)和95%置信区间(CI)。进行了限制性立方样条、亚组、受试者工作特征、决策曲线、联合模型、界标和敏感性分析。结果:在以第1波为起点的随访期间,527名参与者发生CMM。在完全调整模型中,基线SHR、FI和SHR-FI每增加一个标准差分别与HR 1.09(95% CI,1.01–1.18)、1.36(1.26–1.48)和1.35(1.26–1.45)相关。累积FI和累积SHR-FI的关联更强:每标准差增加的HR分别为1.60(1.48–1.73)和1.55(1.44–1.66)。基线FI和SHR-FI的AUC为0.68,累积FI和SHR-FI的AUC分别为0.72和0.73。FI解释了大部分观察到的区分度,而SHR-FI显示出适度的补充信号。从第3波开始的界标分析产生了方向一致的累积FI和SHR-FI关联。结论:较高的SHR、较大的FI和较高的SHR-FI乘积与新发CMM相关。FI提供了大部分观察到的区分度,SHR-FI在该队列中提供了有限的额外信息。两波累积汇总和纵向模式可能支持以研究为导向的风险分层,但其临床价值需要校准、内部验证和外部验证。

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
基线及两波评估的SHR、FI及其乘积SHR-FI是否与新发心脏代谢多病共存(CMM)相关,累积暴露是否比单次测量提供更多信息。
核心机制
SHR反映相对于长期血糖暴露的血糖失调,FI反映多系统累积健康缺陷和储备下降;两者联合的SHR-FI乘积代表相对血糖与累积衰弱的联合水平,但本研究为观察性关联,未建立因果交互或生物学协同。
主要证据
CHARLS 6,096名基线无CMM参与者的前瞻性队列中,527人发生CMM;完全调整Cox模型显示基线SHR、FI和SHR-FI每SD增加的HR分别为1.09、1.36和1.35,累积FI和累积SHR-FI的HR分别为1.60和1.55;ROC分析中FI和SHR-FI的AUC相近(基线0.68,累积0.72和0.73),敏感性分析结果稳定。
研究意义
作者提出两波累积汇总和纵向模式可能具有研究价值,可用于描述观察到的暴露负担和以研究为导向的风险分层,但其临床风险分层价值仍不确定,需要校准、内部验证、外部验证和前瞻性评估。

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

研究队列构建与暴露评估

建立无CMM的基线分析队列并计算SHR、FI及SHR-FI暴露。

从CHARLS第1波17,708名参与者中排除CMM诊断信息不可用或基线已患CMM者5,078人,再排除缺失FI者1,336人和缺失SHR者5,198人,最终纳入6,096人;计算基线SHR、29项FI和SHR-FI,并计算两波累积暴露。

2

基线及累积暴露与新发CMM的关联分析

评估SHR、FI和SHR-FI基线值及累积值与新发CMM的关联强度。

采用Cox比例风险模型,按每SD增加和三分位分组估计HR及95% CI,并拟合Kaplan-Meier曲线。

3

两时间点纵向模式聚类分析

识别SHR、FI和SHR-FI从第1波到第3波的数据衍生纵向模式,并评估其与新发CMM的关联。

对第1波和第3波重复值标准化后分别进行K-means聚类,基于肘部图选择三分类方案,以类别作为分类暴露纳入Cox模型。

4

非线性、亚组及交互分析

检验SHR-FI与CMM关联的非线性及不同亚组中的效应修饰。

拟合限制性立方样条模型,以数据衍生变化点(基线0.187、累积0.594)为参照点;在年龄、性别、饮酒、吸烟、肾病、肝病及用药等亚组中估计关联并检验交互。

5

区分度与决策曲线分析

比较SHR、FI及SHR-FI的区分能力和探索性临床效用。

进行ROC分析估计AUC及最佳阈值、特异度和敏感度,并进行决策曲线分析;比较SHR单独、FI单独、SHR+FI联合主效应及SHR-FI乘积模型。

6

界标与敏感性分析

验证累积和模式分析结果的方向一致性及稳健性。

以第3波重置时间起点进行界标分析;在替代多重插补数据集、排除2年内事件及额外调整血脂或炎症/肾脏生物标志物后重复主要模型。

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。

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
研究队列构建与暴露评估
CMM诊断信息缺失和基线CMM的排除标准;FI缺失1,336人和SHR缺失5,198人的处理;FI=0视为缺失的预设规则;SHR计算公式及血糖单位转换
阅读提示:Methods的Study design and participants和Exposure assessment小节,Fig. 1,Supplementary Table 1
结局判定
糖尿病判定标准(FPG≥126 mg/dL、HbA1c≥6.5%、降糖药使用或医生诊断);心脏病和卒中的医生诊断自报问题;用药模块信息的使用
阅读提示:Methods的Outcome ascertainment小节
协变量调整
Model 2协变量列表;高血压未纳入调整的原因;协变量来源为CHARLS人口学、生活方式、健康史、体格测量和用药模块
阅读提示:Methods的Covariates小节及Table 2脚注
两时间点模式聚类分析
K-means聚类前标准化处理;候选聚类数1至10及肘部图选择三聚类;以类别1为参照;仅纳入第1波和第3波完整数据者
阅读提示:Methods的Longitudinal clustering小节,Fig. 2
非线性分析
RCS四节点位置;数据衍生变化点基线0.187和累积0.594;变化点仅用于锚定曲线解释而非验证的生物学阈值
阅读提示:Methods的Statistical analysis小节,Fig. 4
界标与敏感性分析
第3波界标分析排除第3波前或第3波时CMM者;8种敏感性分析的具体设定(替代多重插补、排除2年内事件、额外调整血脂或炎症/肾脏生物标志物)
阅读提示:Methods的Statistical analysis小节,Table 6脚注