
广州医科大学者CHARLS发1区,思路拆解
⭕️文献标题
Association between cumulative changes of the triglyceride glucose index and incidence of stroke in a population with cardiovascular-kidney-metabolic syndrome stage 0–3: a nationwide prospective cohort study《累积甘油三酯-葡萄糖指数(TyG)变化与CKM综合征患者中风风险的关联:全国性前瞻性队列研究》
Cardiovascular Diabetology (IF=8.5)
⭕️研究背景
心血管-肾脏-代谢综合征(CKM)是一种多系统疾病,与肥胖、糖尿病、慢性肾病等密切相关。TyG指数(甘油三酯×空腹血糖/2)是评估胰岛素抵抗的重要指标,但其累积变化(cumTyG)对中风风险的预测价值尚不明确。
研究基于中国健康与养老追踪调查(CHARLS)数据,纳入4700名CKM 0-3期患者,探索TyG动态变化与中风的关系。
⭕️统计过程亮点(详见图2、3)
1️⃣ K-means聚类分析:将TyG变化轨迹分为4类(稳定低风险、快速上升、显著改善、持续高风险)。
2️⃣ 逻辑回归模型:调整年龄、性别、BMI、吸烟等混杂因素,分析cumTyG与中风的关联。
3️⃣ 限制立方样条(RCS):验证cumTyG与中风风险的线性关系。
4️⃣ 亚组分析:按年龄、性别、CKM分期等分层,探索异质性。
⭕️关键结果
🔸 cumTyG每增加1单位,中风风险↑13%(OR=1.13, 95%CI 1.05–1.22)。
🔸 TyG快速上升组(Class 2)风险最高(OR=1.39 vs. 稳定低风险组)。
🔸 高cumTyG组(Q3)中风风险是低组的1.66倍(P=0.003)。
🔸 LDL-C水平升高与TyG快速上升组的中风风险显著相关(P<0.001)。
⭕️简要结论
长期监测TyG指数变化(尤其是动态上升趋势)可有效识别CKM患者的中风高危人群,为早期干预提供依据!
数据收集与处理
- 来源:中国健康与养老追踪调查(CHARLS)2011-2015 年数据。
- 纳入标准:
- 年龄 ≥ 45 岁,无中风史。
- 完成 CKM 分期(0–3 期)、TyG 指数(基线 + 随访)及中风结局数据。
- 排除:数据缺失者(如未完成 CKM 分期、TyG 或中风记录)。
- 最终样本量:4700 人,其中 280 例随访期间发生中风。
核心变量定义与计算
TyG 指数:
[
\text{TyG} = \ln \left( \frac{\text{空腹甘油三酯(mg/dL)} \times \text{空腹血糖(mg/dL)}}{2} \right)
]
累积 TyG(cumTyG):
采用曲线下面积(AUC)法计算:
[
\text{cumTyG} = \left( \frac{\text{TyG}{2012} + \text{TyG}{2015}}{2} \right) \times \text{时间跨度(3年)}
]
- CKM 分期:根据 AHA 标准(0–3 期)分类。
- 结局:自我报告的医生诊断中风(是/否)。
统计分析方法
(1) 描述性统计
- 变量类型:
- 连续变量:正态分布(均值 ± 标准差),非正态(中位数 + IQR)。
- 分类变量:频数和百分比。
- 组间比较:
- 卡方检验(分类变量)、ANOVA(正态连续变量)、Kruskal-Wallis 检验(非参数)。
(2) K-means 聚类分析
- 目的:识别 TyG 的动态变化轨迹。
- 步骤:
- 肘部法确定最优聚类数(K = 4)。
- 分为 4 类:
- 稳定低风险(Class 1)
- 快速上升(Class 2)
- 显著改善(Class 3)
- 持续高风险(Class 4)
逻辑回归模型
- 因变量:中风事件(二分类)
- 自变量:
- 主要变量:TyG 控制类别(Class 1–4)、cumTyG(三分位或连续变量)
- 调整变量:
- Model 1:未调整
- Model 2:年龄、性别、BMI、教育水平
- Model 3:Model 2 + 吸烟、饮酒、糖尿病、降糖药、降脂药
- 输出指标:比值比(OR)及 95% 置信区间(CI)
限制立方样条(RCS)
- 目的:验证 cumTyG 与中风风险的线性/非线性关系
- 节点数量:默认 3 节点
- 检验:整体效应(P-overall)与非线性趋势(P-nonlinear)
亚组分析与交互作用检验
- 分层变量:年龄(<60 vs ≥60)、性别、教育水平、吸烟、中风史、CKM 分期等
- 方法:分层回归分析,交互项评估交互效应
敏感性分析
- 排除药物干扰:剔除服用降糖药、降脂药、降压药的患者,验证结果稳健性。