Nhanes目前仅1篇（2023年）的指标！

文章题目：AnthropoAge, a novel approach to integrate body composition into the estimation of biological age

DOI：10.1111/acel.13756

中文标题：AnthropoAge，一种将身体成分纳入生物年龄估算的新方法

发表杂志：Aging Cell

影响因子：1区，IF=9.3

发表时间：2023年4月

今天给大家分享一篇在 2023 年 4 月发表在《Aging Cell》（1区，IF=7.8)的文章。本文这项研究利用了美国国家健康和营养调查（NHANES）的数据，包括18,794名参与者，来开发和验证一个新的生物年龄（Biological Age, BA）指标，称为AnthropoAge。

暴露：研究的暴露因素包括多种人体测量学参数，如腰围、身高、体重、BMI、腰高比（WHtR）、上臂围和大腿围等，这些参数被用来预测10年全因死亡率，并生成一个新的生物年龄度量。

结局：研究的主要结局是10年全因死亡率和特定死因死亡率，如脑血管、阿尔茨海默病、慢性阻塞性肺病（COPD）等。

主要结果：

Figure 1 有意思的是，这里顶部还提供了一个简要的概念框架，阐释了身体组成的变化如何改变衰老率，最终导致加速衰老和与年龄相关的不良结果，这种关系受到性别和其他衰老领域变化的强烈影响。大家可以学习这一点~

Figure 2 人体测量学变量预测10年全因死亡率的非线性和性别依赖性时尚。变量根据它们可能捕捉的身体组成的属性进行分组：身体长度（a–c）、身体质量（d, e）、内脏脂肪（f）、皮下脂肪（g, h）、主要瘦体质量（i,   j）。

Figure 3 展示了AnthropoAge和PhenoAge的散点图，显示了这些生物年龄指标与年龄在训练队列（a, b）和验证队列（c, d）中的不同分布模式。水平距离表示与年龄的偏差，并用于估算年龄加速指标，这些指标作为按性别分层的密度图展示（e–h）。

Figure 4 展示了预测10年全因死亡率的接收者操作特征曲线下面积（AUROC）的比较，表明AnthropoAge和S-AnthropoAge与PhenoAge具有可比的性能，并且优于年龄和个别人体测量学指标（WHtR、大腿围、三头肌皮褶厚度和BMI）（a, b）。这种预测在男性和女性之间同样有效（c），但在有1个共病的受试者中表现更好（b）。除了有≥2个共病的受试者外，三个生物年龄指标在任何类别中均无显著差异。

Table1

Figure 5展示了AnthropoAgeAccel（a）、S-AnthropoAgeAccel（b）和PhenoAgeAccel（c）使用Kaplan–Meier曲线识别与加速衰老相关的生存受损（值>0）。同时考虑AnthropoAgeAccel和PhenoAgeAccel表明，在衰老的多个领域中加速会产生更高的死亡率风险（d）

Figure 6 展示了按性别分层的蜘蛛图，显示了具有加速AnthropoAge（AnthropoAgeAccel>0）的个体在人体测量学、DXA衍生的身体组成和生化特征（PhenoAge组分）方面的特定模式。

结论：这篇文章指出，AnthropoAge是一个有用的生物年龄代理指标，能够捕捉特定死因的死亡率和身体组成的性别二态性，它可以用于未来的多领域衰老评估，以更好地表征衰老现象的异质性。此外，研究还提出了一个简化版的AnthropoAge（S-AnthropoAge），仅使用BMI和WHtR，能够保留所有结果。

课题思路这不就来了么？万层高楼平底起，一起加油呀！