1区4.8分！恭喜哈尔滨医科大学用Charls发表 VAI和 HGS与中老年人CMM之间的关联的文章~

一、文章内容解读

1. 研究背景

研究主题：本研究旨在探究内脏脂肪指数（Visceral Adiposity Index, VAI）和握力（Handgrip Strength, HGS）与中老年人心血管代谢多重疾病（Cardiometabolic Multimorbidity, CMM）之间的关联。

研究意义：CMM的发病率随人口老龄化而增加，与多种不良健康结果相关，包括死亡风险增加、活动限制、痴呆风险增加、预期寿命减少和医疗开支增加。研究VAI和HGS对CMM的影响有助于识别可修改的风险因素，对预防CMM具有重要意义。

2. 研究方法

数据来源：数据来自2011至2020年的中国健康和退休纵向研究（CHARLS），涵盖了28个中国省份的45岁及以上居民。

参与者信息：共纳入7909名参与者，排除了45岁以下、缺失VAI、HGS数据或其他变量和CMM状态的个体。

指标计算：

VAI：通过公式计算，反映内脏脂肪功能障碍的指标。

HGS：使用手持测力计测量，按照亚洲工作组关于肌肉减少症的2019年共识指南进行。

统计分析和方法：

使用Cox比例风险回归模型分析VAI、HGS与CMM风险之间的关联。

根据VAI和HGS的四分位数进行模型计算，并调整了性别、年龄、居住地、婚姻状况、教育、地区、吸烟和饮酒、体力和社会活动、相关慢性疾病、跌倒、抑郁和睡眠持续时间等混杂因素。

进一步分析了基线VAI和HGS对CMM发生的交互影响，将参与者根据变量的联合分类分为四类。

使用限制性立方样条曲线估计VAI、HGS与CMM风险之间的潜在非线性关系。

进行亚组分析，测试不同性别、年龄和地区的VAI和HGS与随访时CMM的关系。

3. 研究结果

基线特征

表1展示了根据VAI四分位数分组的参与者基线特征。大多数参与者为女性（53.2%），平均年龄为59岁。当前吸烟者和饮酒者的比例分别为30.6%和33.0%。年龄较大的、女性、居住在农村地区、婚姻状况为丧偶或未婚、教育水平较高、有吸烟或饮酒习惯、患有高血压、高尿酸血症或抑郁症状、居住在中国东北地区的个体更可能有较高的VAI。

基线VAI和HGS与随访期间CMM的纵向关联

表2描述了VAI和HGS四分位数与CMM风险之间的关系。VAI的较高四分位数与CMM风险显著相关，尤其是Q3和Q4。低HGS（Q2、Q3和Q4）与CMM风险增加相关，其中Q4的风险最低。此外，抑郁和居住在中国东北地区的个体更易发生CMM。

VAI和HGS与CMM发生的交互作用

表3显示了基线VAI和HGS对CMM发生的交互影响。与既没有高VAI也没有低HGS的个体相比，仅有高VAI的个体（HR: 1.234）、仅有低HGS的个体（HR: 1.376）以及同时具有高VAI和低HGS的个体（HR: 1.377）有更高的CMM风险。

敏感性和亚组分析

图2展示了不同性别、年龄和地区亚组中VAI和HGS与CMM风险的交互作用。在45-64岁和65岁及以上的人群中，高VAI和低HGS与CMM的关系是稳定的。在男性和居住在西部地区的个体中，高VAI和低HGS与CMM的关联更强。

4. 结论

研究发现：高VAI和低HGS与CMM风险显著相关，尤其是对于男性和老年人群。

临床意义：强调了针对易感人群进行适当干预的重要性，以预防CMM的发生。

总结：研究基于大规模纵向数据，探讨了VAI和HGS与CMM之间的关系，并进一步检验了它们对预测CMM风险的交互作用。

二、统计学知识点梳理

Cox比例风险回归模型：用于评估基线VAI和HGS与CMM风险之间的关联，计算风险比（HR）和95%置信区间（CI）。

限制性立方样条曲线：用于估计VAI、HGS与CMM风险之间的潜在非线性关系。

亚组分析：根据性别、年龄和地区对参与者进行分类，测试基线VAI、HGS与随访时CMM的关系。

敏感性分析：对结果的稳健性进行测试，考虑VAI和HGS作为连续变量的影响。

三、如何快速开展这类研究

第一步：明确研究主题

确定研究目的是探索VAI和HGS与中老年人CMM风险之间的关系。

第二步：设计研究方案

确定研究设计，选择合适的数据库和样本，以及所需的变量和统计方法。

第三步：参与者选择

从CHARLS数据库中选择符合条件的参与者，排除不完整数据的个体。

第四步：计算和定义变量

计算VAI和HGS，定义CMM状态，并确定其他相关的协变量。

第五步：数据分析方法

使用Cox比例风险回归模型和其他统计方法分析数据。

第六步：结果解读

解释统计分析结果，包括HR、CI和非线性关系。

第七步：撰写研究报告

根据研究结果撰写报告，包括研究背景、方法、结果和结论，并讨论其临床意义。