华西超绝GBD思路，堪称精装房！

本文近期发表在柳叶刀子刊《Eclinicalmedicine》,GBD+CHARLS+NHANES，三库联合，暴力美学！

研究背景

哮喘是全球重大健康问题，BMI是重要风险因素，但既往研究多关注线性关系，且缺乏针对45岁以上人群的分析。本研究整合全球疾病负担（GBD）、中国CHARLS和美国NHANES三大数据库，首次探索BMI与哮喘风险的非线性关联，填补中老年人群研究空白！

数据收集

1. 数据来源：

Global Burden of Disease (GBD) 2021 数据库：提供全球疾病负担的估计数据，包括发病率、患病率、死亡率、伤残调整寿命年（DALY）等指标。
中国健康与退休纵向研究（CHARLS）数据库：中国≥45岁成年人的全国代表性调查数据，通过多阶段抽样和权规比例抽样收集个体水平数据。
美国国家健康与营养调查（NHANES）数据库：通过访谈、体格检查和实验室检测收集美国成人和儿童的健康和营养状况数据。

2. 数据筛选：

纳入≥45岁的参与者。
排除BMI、哮喘史、吸烟史、年龄、性别等关键变量缺失的个体。
排除BMI超过10–80 kg/m²范围的个体，以避免极端值对分析结果的影响。

3. 变量定义：

主要暴露变量：BMI（体重指数），计算公式为体重（kg）除以身高（m²）。
主要结局变量：哮喘状态，CHARLS基于自我报告，NHANES中基于医生诊断和近期症状。
协变量：包括年龄、性别、教育水平、婚姻状况、吸烟史、饮酒史、慢性病史（高血压和糖尿病）等。

数据分析

1. 描述性统计：

对 CHARLS 和 NHANES 数据库中的连续变量（如年龄）计算均值±标准差，对分类变量（如性别、教育水平）计算频数和百分比。
比较不同 BMI 分组之间的基线特征差异，CHARLS 数据使用 Kruskal–Wallis 检验（连续变量）和卡方检验（分类变量），NHANES 数据使用加权方法以确保全国代表性。

2. 全球疾病负担分析：

使用 GBD 2021 数据，通过相对风险评估（RAR）和人群可归因分数（PAF）分析，计算高 BMI 对哮喘相关 DALY 的贡献。
使用时间趋势分析和条形图展示高 BMI 对哮喘负担的影响。

3. 非线性关系分析：

平滑曲线拟合：对 CHARLS 和 NHANES 数据分别进行平滑曲线拟合，调整年龄、性别、婚姻状况、教育水平、吸烟、饮酒、高血压和糖尿病等混杂因素，以可视化 BMI 与哮喘风险之间的关系。
分段回归模型：使用分段回归模型识别 BMI 与哮喘风险之间的潜在阈值效应，通过似然比检验（LRT）比较线性模型和非线性模型的拟合优度。
Bootstrap 重抽样：用于计算置信区间，评估模型的稳健性。

4. 敏感性分析：

对 CHARLS 和 NHANES 数据分别进行分层分析，验证不同 BMI 分组（如 CHARLS 的 BMI <19.9、19.9–29.9、>29.9 kg/m²；NHANES 的 BMI <21.6 和 ≥21.6 kg/m²）中 BMI 与哮喘风险关系的一致性。
使用 F 值评估估计混杂因素对结果的影响，进一步验证主要发现的稳健性。

结果呈现

全球疾病负担：展示高 BMI 对哮喘相关 DALY 的贡献，较高 BMI 组负担显著更大。
CHARLS 和 NHANES 数据库分析结果：分别呈现 BMI 与哮喘风险之间的非线性关系，包括关键调值点和风险变化趋势。
敏感性分析结果：验证不同数据库和 BMI 分组中结果的一致性和稳健性。

1️⃣ 数据整合：

GBD：分析全球哮喘疾病负担及风险因素贡献。

CHARLS（中国）：纳入1.3万+中老年人，BMI范围10-80 kg/m²。

NHANES（美国）：纳入近3000人，加权分析确保全国代表性。

2️⃣ 统计方法：

平滑曲线拟合

分段回归模型

似然比检验

Bootstrap重抽样

关键结果

1️⃣ 全球视角：

高BMI是哮喘相关DALYs的首要风险因素（贡献14.93%），超越吸烟和空气污染！

2️⃣ 中国人群（CHARLS）：

U型关系：BMI<19.9或≥29.9 kg/m²时，哮喘风险显著升高（OR=1.28和1.25）。

3️⃣ 美国人群（NHANES）：

非线性关系：BMI≥21.6 kg/m²时，每增加1单位，风险上升5%（OR=1.05）。

简要结论

BMI与哮喘风险呈非线性关系，且存在文化差异（中国U型 vs 美国单拐点）。

肥胖和过轻均增加哮喘风险，提示需制定个性化体重管理策略！

亮点与思维

🔍 多数据库整合：GBD提供宏观视角，CHARLS和NHANES补充个体数据，增强结果普适性。 📊 非线性分析：分段回归模型突破传统线性假设，更贴近真实世界复杂关系。 💡 临床意义：结果提示“一刀切”的BMI管理可能不适用，需结合地域和人群特征！

医学统计思路

🌟 如何验证非线性？

先做平滑曲线观察趋势，再用分段回归量化拐点。

通过似然比检验（LRT）比较线性与非线性模型，P<0.05说明非线性更优。

🌟 大样本优势：

CHARLS和NHANES样本量充足，支持复杂模型拟合，减少随机误差影响。