3.9/Q2，Charls最新文章解读！

文章题目：Predictive model for sarcopenia in chronic kidney disease: a nomogram and machine learning approach using CHARLS data

DOI：10.3389/fmed.2025.1546988

中文标题：慢性肾病肌肉减少症的预测模型：使用 CHARLS 数据的列线图和机器学习方法

发表杂志：Front Med

影响因子：1区，IF=3.1

发表时间：2025年3月

今天给大家分享一篇在 2025年3月发表在《Front Med》（2区，IF=3.9）的文章。本研究旨在阐明 NHHR 变化模式与广泛人群中 CVD 发病率之间的相关性。

研究方法：目前的研究招募了来自中国健康与退休纵向研究 （CHARLS） 的参与者。NHHR 指数使用以下公式计算： NHHR = （TC-HDL-c）/HDL-c。通过潜在概况分析评估 NHHR 的时间变化，并评估累积 NHHR。采用多变量 Cox 比例风险回归模型和多变量调整的限制性三次样条法 （RCS） 分析来检查 NHHR 指数与事件 CVD 之间的关联。

Table&Figure

结果解读：该研究共招募了 4,629 人。参与者的平均年龄为 57.47 岁，其中 53.7% 为女性。在随访期间，记录了 879 例 CVD 病例。与最低三分位数的参与者相比，基线 NHHR 和累积 NHHR 的最高三分位数的参与者均表现出 CVD 风险显著增加，调整后的风险比 （HRs） 分别为 1.43 （95% 置信区间 [CI]： 1.21-1.70） 和 1.45 （95% CI： 1.23-1.72）。与第 27 类相比，第 2 类参与者患 CVD 的风险高出 1%，而归类为 3 类的参与者患 CVD 的风险高出 41%。进一步的分析表明，这种关系是线性的。分层分析证实了主要发现。

结论：基线 NHHR、累积 NHHR 和 NHHR 的变化与 45 岁及以上个体患 CVD 风险的增加显著相关，从而证实了它们作为 CVD 风险分层的宝贵工具的潜力。

大家在科研路上，可以借鉴这种研究方法，为自己的课题添砖加瓦。万层高楼平底起，一起加油呀！