5.7 Q1|空军军医大学NHANES发文 | 系统性免疫炎症指数与高血压患者全因和特定原因死亡率的关系

1.第一段–文章基本信息

文章题目：Association of systemic immune inflammatory index with all-cause and cause-specific mortality in hypertensive individuals: Results from NHANES

中文标题：系统性免疫炎症指数与高血压患者全因和特定原因死亡率的关系：来自NHANES 的结果

发表杂志：Frontiers in Immunology

影响因子：1区，IF= 5.7

发表时间：2023年2月

2.第二段–研究思路

本研究思路

本文旨在探究全身免疫炎症指数（SII）与高血压患者全因及特定原因死亡率之间的关联。研究基于2011-2018年美国国家健康与营养调查（NHANES）数据，纳入8524名成年高血压患者，并随访至2019年12月31日。通过Cox比例风险模型分析SII与全因、心血管疾病（CVD）和癌症死亡率的关系，同时运用限制性立方样条、分段线性回归、亚组和敏感性分析等方法。结果显示，中位随访4.58年期间共发生872例全因死亡。校正混杂因素后，SII与CVD死亡风险呈正相关，每增加一个自然对数单位的SII，CVD死亡风险增加102%。SII与全因和癌症死亡风险呈U型关联，分别在lnSII为5.97和6.18时达到阈值。研究为高血压患者预后评估提供了新的视角，提示SII可能是高血压患者心血管死亡风险的独立预测因子。

3.第三段-Introdction

背景

高血压是全球主要的公共卫生挑战之一。2010年，全球约有31.1%的成年人（约13.9亿人）患有高血压，约占全球医疗保健支出的10%。同时，高血压也是心血管和脑血管疾病的重要可干预危险因素。识别可修改的因素对于延缓或预防高血压相关靶器官损害具有重要意义。全身免疫炎症指数（SII，血小板计数×中性粒细胞/淋巴细胞比值）最初被提出用于评估肝细胞癌的预后，最近被报道为与多种心血管疾病患者预后相关的一个优秀炎症标志物。众所周知，低度炎症在启动和维持高血压中起着重要作用。此外，即使血压得到有效控制，高血压患者的心血管风险仍然存在，这进一步表明存在残余心血管风险，部分可归因于潜在的免疫细胞激活和慢性炎症。现有研究表明，高SII与高血压患者的颈动脉内膜中层厚度增加和左心室肥厚相关，但SII与这些患者的长期临床事件，尤其是死亡率之间的关系尚未得到充分研究。因此，本研究旨在利用美国全国具有代表性的18岁及以上成人高血压样本，探索SII与全因和特定原因死亡率之间的关系。

4.第四段-Methods

方法

本研究从2011-2018年的NHANES数据中，共识别出39156名个体。我们排除了年龄小于18岁的受试者（n=15331）。此外，进一步排除了未被诊断为高血压或生存状态未知的受试者（n=13982）。高血压的确定是通过结合自我报告的医生诊断、抗高血压药物的使用以及收缩压≥140和/或舒张压≥90 mmHg。此外，我们还排除了SII或任何其他协变量缺失的个体（n=1319）。最终，共有8524名受试者被纳入本研究。整个数据选择过程如图1所示。

暴露：全身免疫炎症指数

全血细胞计数是在Coulter® DxH 800分析仪上进行的，并由受过训练的医务人员监督。全身免疫炎症指数（SII）通过血小板计数×中性粒细胞计数/淋巴细胞计数计算得出，并以×10^9细胞/µl表示，根据以往研究（4）。

结局:  死亡率

全因死亡率通过2019年12月31日之前的国家死亡指数（NDI）记录确定，这些记录与NHANES数据集进行了链接。特定原因死亡率通过ICD-10确定。心血管疾病（CVD）死亡定义为ICD-10代码I00-I09、I11、I13和I20-I51。癌症死亡定义为ICD-10代码C00-C97。

协变量:

年龄、性别、种族、吸烟状况、药物使用、疾病状态、BMI、糖化血红蛋白（HbA1c）、总胆固醇（TC）、甘油三酯（TG）、肌酐（Cr）、丙氨酸氨基转移酶（ALT）、天门冬氨酸氨基转移酶（AST）和估算肾小球滤过率（eGFR）

统计学方法

本研究采用NHANES数据，纳入样本权重、聚类和分层，以获得全国性估计。连续变量以加权均值±标准误表示，分类变量以频率和百分比表示。使用单因素方差分析、Kruskal-Wallis H检验或卡方检验比较不同SII四分位数组的变量。多变量Cox回归模型用于分析SII与全因及特定原因死亡率的风险关联，估计风险比（HR）和95%置信区间（CI），并用Schoenfeld残差检验比例风险假设。因SII分布偏斜，对其进行自然对数转换，并按四分位数分为四个亚组，分别以连续和分类变量形式纳入模型，以lnSII的第一四分位数（Q1）为参考组，评估线性趋势。基线变量若在单变量分析中p<0.1或与临床预后相关，则纳入多变量Cox回归模型。模型逐步调整性别、年龄、种族、BMI、吸烟、实验室指标（HbA1c、TC、Cr、AST、eGFR）、糖尿病（DM）、冠心病（CHD）和慢性阻塞性肺病（COPD）。为研究剂量反应关系，使用多变量调整的限制性立方样条（RCS）回归，基于赤池信息准则（AIC）确定节点数量，若检测到非线性，则构建两段式Cox比例风险回归模型。进行分层分析，按性别、种族、吸烟状况、糖尿病、CHD、COPD分层，并检查与ln-SII的交互作用。还进行按年龄分层的RCS。为检验结果稳健性，进行敏感性分析：排除随访2年内死亡者，对缺失值进行多重插补，在10个插补数据集中验证SII与全因死亡率关系，排除糖尿病和癌症患者再次验证关系。双侧p值<0.05被认为具有统计学意义，所有分析使用R（版本4.2.1）完成。

5.第五段-Results

结果

人群特征

本研究共纳入了8524名高血压患者，其中女性占比50.4%，平均年龄为57.41岁。在中位随访时间为4.58年的期间，共有872例全因死亡事件发生。参与者的自然对数转换后的全身免疫炎症指数（lnSII）的加权平均值为6.17。根据lnSII的四分位数分组，SII水平较高的参与者更有可能是女性、当前吸烟者和白人，并且他们往往合并有哮喘和慢性阻塞性肺病（COPD）；同时，这些参与者的体重指数（BMI）、估算肾小球滤过率（eGFR）较高，而天门冬氨酸氨基转移酶（AST）水平较低。

SII与死亡率的关联

在未经调整的模型中，lnSII与全因死亡率的增加显著相关，风险比（HR）为1.58。经过多变量调整后，这种关联依然稳健且具有统计学意义，在模型1（调整性别、年龄、种族、BMI和吸烟状况）中HR为1.41，在模型2（进一步调整相关实验室指标）中HR为1.38，在模型3（额外调整糖尿病、冠心病和慢性阻塞性肺病）中HR为1.34。与lnSII的第一四分位数组相比，处于第四四分位数组的患者的多变量调整后HR在模型1中为1.41，在模型2中为1.38，在模型3中为1.33。对于心血管疾病（CVD）死亡率，也观察到了类似的显著增加的关联，但在癌症死亡率方面未发现类似结果。

SII与死亡率的剂量反应关系

在调整了多个潜在混杂因素后，SII与全因死亡率或癌症死亡率之间的非线性关联具有统计学意义，表明有必要采用限制性立方样条（RCS）来拟合Cox回归模型以进行进一步评估。然而，SII与CVD死亡率之间并未发现非线性关联。两段式线性回归分析显示，全因死亡率的风险最初随着lnSII的增加而降低，在lnSII值达到5.97时达到最低点，随后随着SII的进一步增加而上升。同样地，CVD死亡率的风险在lnSII值达到6.18之前随着SII的增加而降低，之后则随着SII水平的升高而增加。

亚组分析和敏感性分析

亚组分析结果表明，当按性别、种族、吸烟状况、冠心病和慢性阻塞性肺病进行分层分析时，一致地观察到了lnSII与全因死亡率之间的关联（所有交互作用P值均大于0.05）。然而，发现SII与糖尿病之间存在显著的交互作用（P值小于0.05）。在不同年龄亚组中对lnSII与全因和特定原因死亡率之间的关联进行了检验，结果显示，与整个人群相比，年龄小于60岁的高血压患者中，lnSII每增加一个单位，CVD死亡率的风险增加了207%。按年龄分层的RCS结果显示，在年龄小于60岁的高血压患者中，并未观察到lnSII与癌症死亡率风险之间存在U型关系。在年龄大于60岁的高血压患者中，lnSII与CVD死亡率之间的关联呈现出U型关系，而不是整个人群中所观察到的线性关系。在敏感性分析中，排除了随访第一年和第二年内死亡的参与者后，结果并未发生显著变化。多重插补处理缺失数据后，在10个插补完整的数据集中，SII与全因死亡率之间的关联保持一致。此外，在排除了患有糖尿病和癌症的参与者后，SII与全因死亡率之间的关联依然存在，且在排除这些患者后，SII与CVD死亡率之间的关联更为显著，这表明SII可能与心血管死亡率的关系更为密切。

6.第六段–结论与启发

结论与启发

结论

本研究发现，全身免疫炎症指数（SII）与高血压患者的全因死亡率和癌症死亡率之间存在U型关系，对应的自然对数转换后的SII（lnSII）阈值分别为5.97和6.18。此外，较高的SII水平与心血管疾病（CVD）死亡率呈线性正相关。这些结果支持SII作为高血压患者预后的独立预测指标的潜在价值。

【光速科研启发】

选题：研究聚焦全身免疫炎症指数（SII）与高血压患者全因及特定原因死亡率的关联，填补了该领域的研究空白，对高血压患者的临床预后评估和管理具有重要意义。

统计学：采用多变量Cox回归模型和交互作用检验，评估SII与全因死亡率、心血管疾病（CVD）死亡率和癌症死亡率的关联，并通过限制性立方样条（RCS）分析揭示SII与死亡率的剂量反应关系。此外，还进行了两段式Cox比例风险回归模型分析和多重敏感性分析，确保结果的稳健性。

数据库：利用NHANES数据库，确保样本的全国代表性和数据的丰富性，通过严格的纳入和排除标准提高样本质量，为研究提供了坚实的基础。

启发：研究提示在评估高血压患者的心血管风险时，应综合考虑SII的动态变化；通过亚组分析，发现特定人群（如年龄小于60岁或患有糖尿病者）中SII与死亡率的关联更显著，为个性化治疗提供依据；利用SII这一基于常规血液检测的指标，易于获取的优势，促进大规模人群筛查和公共卫生干预。