综合估算葡萄糖处置率与衰弱指数的累积暴露及动态轨迹与包含糖尿病、心脏病和卒中的心血管代谢多病共患的关联:基于中国健康与养老追踪调查(CHARLS)的纵向分析

Associations of cumulative exposure and dynamic trajectories of the combined estimated glucose disposal rate and frailty index with incident cardiometabolic multimorbidity comprising diabetes, heart disease, and stroke: a longitudinal analysis based on the China health and retirement longitudinal study (CHARLS)

作者信息Yi Lei, Junming Li, Wenqiang Xin
PMID42983522
发布时间2026-10-01
DOI10.1186/s12933-026-03391-x

实验完整度

高

基于CHARLS前瞻性队列,含基线、时间加权累积暴露、K-means重复暴露模式及第3波里程碑分析,并行Cox回归、样条、亚组与判别分析

主要模型

CHARLS前瞻性队列5171名基线无CMM的中老年参与者 第3波里程碑队列5052名参与者 K-means识别的两波重复暴露模式类别

重点核对

主要队列样本量5171,随访期间441例新发CMM 暴露以标准化连续变量和三分位数(T1为参照)建模 Cox模型Model 1校正年龄、性别、婚姻状况;Model 2额外校正居住地、饮酒、吸烟、教育、肾病、血脂异常及三类用药 累积暴露按第1波与第3波均值乘以观测间隔计算 第3波里程碑队列排除第3波前发生CMM者,共5052人

摘要

背景:心血管代谢多病共患(CMM)指糖尿病、心脏病和卒中等主要心血管代谢疾病的共存,是日益严峻的临床和公共卫生挑战,与不良功能结局和较高的长期照护需求相关。胰岛素抵抗和衰弱是CMM(包括脑血管并发症)可能的、潜在相关的决定因素,但其联合纵向贡献尚未被充分描述。我们研究了估算葡萄糖处置率(eGDR)、衰弱指数(FI)及FI与eGDR比值(FI/eGDR)作为基线值、时间加权累积暴露和两波重复暴露模式时,是否与新发CMM相关。方法:本前瞻性队列研究纳入中国健康与养老追踪调查中基线无CMM的5171名参与者。基线eGDR、FI和FI/eGDR以标准化连续变量和三分位数评估。时间加权累积暴露由第1波和第3波数值计算,两波重复暴露模式采用K-means聚类识别。采用逐步协变量校正的Cox回归模型估计与新人CMM的关联,其中糖尿病、心脏病和卒中作为结局框架内心血管代谢疾病负担的组成部分。进行了限制性立方样条、探索性亚组分析、常规受试者工作特征和决策曲线分析以及敏感性分析。第3波里程碑队列包括5052名至第3波仍无CMM的参与者。结果:随访期间441名参与者发生CMM。在完全校正模型中,基线eGDR、FI和FI/eGDR每增加1个SD的HR分别为0.57(95% CI,0.51–0.64)、1.29(95% CI,1.19–1.40)和1.39(95% CI,1.29–1.48);累积指标的相应HR分别为0.52(95% CI,0.46–0.59)、1.51(95% CI,1.40–1.64)和1.52(95% CI,1.43–1.60)。与T1相比,累积FI/eGDR的T3完全校正HR为6.52(95% CI,4.55–9.35)。与FI/eGDR重复暴露模式1类相比,2类和3类的HR分别为3.87(95% CI,3.03–4.93)和9.45(95% CI,6.95–12.86)。在第3波里程碑队列中,FI/eGDR模式2类和3类仍与较高风险相关(HR分别为3.45 [95% CI,2.62–4.54]和6.38 [95% CI,4.39–9.27])。样条分析支持非线性关联。累积FI/eGDR在单项指标中观察到的AUC最高(0.742;95% CI,0.718–0.766),而累积FI加eGDR模型的AUC为0.758(95% CI,0.735–0.781);在里程碑分析中,相应AUC分别为0.731(95% CI,0.704–0.759)和0.740(95% CI,0.714–0.767)。结论:多变量校正后,较低的eGDR、较高的FI和较高的FI/eGDR与新发CMM相关。累积暴露和重复暴露模式分析提供了超出单次基线测量的补充信息。代谢性胰岛素抵抗与衰弱指标的纵向整合可能有助于识别CMM风险增高的成年人,但探索性判别结果在应用于临床前需要内部和外部验证。

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
评估eGDR、FI及FI/eGDR作为基线值、时间加权累积暴露和两波重复暴露模式时,是否与新发CMM相关。
核心机制
文献提出胰岛素抵抗通过高血糖、内皮功能障碍、氧化应激、炎症和致动脉粥样硬化血脂紊乱促进糖尿病、心脏病和卒中,衰弱反映多系统失调累积;FI/eGDR被描述为代谢脆弱与较低估算胰岛素敏感性的统计综合指标,而非独立生物学通路。
主要证据
CHARLS 5171名基线无CMM参与者的前瞻性队列,441例新发CMM;完全校正Cox模型显示基线eGDR每SD HR 0.57、FI 1.29、FI/eGDR 1.39;累积FI/eGDR T3 HR 6.52;FI/eGDR模式3类HR 9.45;第3波里程碑分析方向一致。
研究意义
作者提出纵向整合代谢性胰岛素抵抗与衰弱指标可能有助于描述CMM风险增高的成年人,但探索性判别结果在临床应用前需内部和外部验证。

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

研究队列构建与暴露计算

建立无CMM的风险队列并计算基线、累积和重复暴露指标。

从CHARLS第1波17,708人中排除基线CMM或诊断信息缺失、FI和eGDR缺失者,得到5171人主队列;以第1波和第3波计算eGDR、28项FI及FI/eGDR,并计算时间加权累积暴露。

2

重复暴露模式识别

刻画eGDR、FI和FI/eGDR的两波重复暴露模式。

对第1波和第3波两次测量分别进行K-means聚类,标准化后评估1至10类解,依据肘部图选择三类解。

3

基线、累积与重复模式关联分析

评估各暴露指标与新发CMM的关联。

采用Cox比例风险回归,暴露以标准化连续变量和三分位数建模,重复模式以类别变量建模,并进行第3波里程碑分析。

4

非线性、亚组与判别分析

探索剂量反应非线性、效应修饰及探索性判别表现。

拟合限制性立方样条,按年龄、性别、饮酒、吸烟、肾病、血脂异常及用药进行亚组分析,并行常规ROC与决策曲线分析。

5

敏感性分析

评估主要结果的稳健性。

对缺失协变量进行链式方程多重插补,生成5个插补数据集,并额外校正体力活动。

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
研究队列与结局判定
CMM定义为糖尿病或高血糖、自报医生诊断心脏病、自报医生诊断卒中中至少2项共存;基线CMM者排除
阅读提示:Methods的Outcome ascertainment小节及Fig. 1流程图
暴露计算
eGDR公式及腰围、高血压、HbA1c单位;FI条目及至少80%有效条目规则;累积暴露按两波均值乘间隔
阅读提示:Methods的Exposure assessment小节及Supplementary Table 1
重复暴露模式聚类
K-means三类解、标准化方式、随机种子与25次随机起始
阅读提示:Methods的Longitudinal clustering小节及Fig. 2
Cox模型协变量校正
Model 1与Model 2的具体协变量;Model 2排除BMI和高血压
阅读提示:Methods的Statistical analysis小节及Table 2–4表注
样条与判别分析
样条节点百分位与参照值;ROC为二分类且未考虑删失;DeLong比较参照模型
阅读提示:Methods的Statistical analysis小节及Table 5表注