基于有向无环图分析育龄女性多囊卵巢综合征影响因素：肥胖、焦虑与家族史的关键作用

《Scientific Reports》：Analysis of factors influencing polycystic ovary syndrome in women of reproductive age based on directed acyclic graphs

本研究针对多囊卵巢综合征（PCOS）发病机制复杂、风险因素研究存在偏倚的问题，采用有向无环图（DAG）结合倾向评分匹配的创新方法，通过对630名育龄女性的病例对照研究，首次系统识别出肥胖（BMI≥25 kg/m2）、饮酒、PCOS家族史、低出生体重和焦虑是PCOS的独立危险因素（OR=4.088-6.468）。该研究为PCOS的一级预防提供了精准干预靶点，对促进女性生殖内分泌健康具有重要意义。

　　

在育龄女性中，多囊卵巢综合征（PCOS）已成为困扰全球5%-18%女性的常见生殖内分泌疾病，它不仅导致无排卵性不孕，更与妊娠期糖尿病、高血压代谢紊乱乃至子宫内膜癌风险增加密切相关。尽管全球医疗系统每年为此投入数十亿美元，但PCOS的发病机制仍如一团迷雾，其风险因素的研究更是充满挑战——传统"单因素后多因素"建模方法往往忽略混杂因素，导致结果偏倚，而情绪因素和环境毒素的致病作用在流行病学研究中更是鲜有关注。

在这一背景下，南华大学护理学院的喻慧喜、郭宇等研究人员在《Scientific Reports》发表了创新性研究。他们另辟蹊径，将有向无环图（DAG）这一理论驱动的方法引入PCOS风险因素识别，通过构建因果网络模型，系统筛选变量，再结合倾向评分匹配控制混杂偏倚，最终精准锁定了影响PCOS发病的关键因素。这项研究不仅为解开PCOS病因谜团提供了新思路，更为制定针对性预防策略奠定了科学基础。

研究方法上，团队采用了多中心病例对照设计，从南华大学三家附属医院招募2024年1月至6月新确诊的210例PCOS患者作为病例组，并按1:2匹配420名非PCOS女性作为对照组。通过标准化问卷调查收集数据，包括一般情况、匹兹堡睡眠质量指数（PSQI）、广泛性焦虑障碍量表（GAD-7）和患者健康问卷（PHQ-9）。关键创新在于使用DAGitty 3.1软件构建因果理论模型，明确变量关系，再通过倾向评分匹配（1:1最近邻匹配，卡钳值0.02）平衡混杂因素，最后采用多因素logistic回归分析确定PCOS的独立危险因素。

基线特征

研究纳入的630名参与者中，病例组与对照组在年龄、居住地、职业等基本特征上无显著差异，但在教育水平、肥胖状况、出生体重、初潮年龄、饮酒习惯、睡眠障碍、PCOS家族史、居住环境（300米内化工厂或垃圾场）以及焦虑抑郁状态等方面存在显著差异（P<0.05），这些差异为后续分析提供了重要基础。

变量筛选

通过DAG模型，研究人员系统识别了各类变量的因果角色。图中绿色带正号变量代表暴露因素，绿色无符号变量为混杂因素，蓝色带符号变量为结局变量，蓝色无符号变量为中介变量，灰色变量则为碰撞变量。分析显示，初潮年龄、胰岛素抵抗和环境内分泌干扰物暴露被识别为中介变量，而月经周期紊乱被归类为碰撞变量，因此从模型分析中排除。这一步骤确保了后续分析的科学性和准确性。

匹配后基线数据

基于DAG分析确定的混杂因素（包括年龄、职业、规律运动、教育水平等），研究团队进行了倾向评分匹配，最终使病例组和对照组各210名参与者在所有混杂因素上达到均衡（P>0.05），为后续风险因素分析创造了理想条件。

多因素分析

多因素logistic回归分析揭示了一系列关键发现：肥胖（BMI≥25 kg/m²）使PCOS风险增加4.088倍（95% CI: 2.580-6.476），这解释了为何超过60%的PCOS患者存在超重或肥胖问题。饮酒将风险提升2.305倍（95% CI: 1.320-4.024），可能与酒精扰乱血糖调节、加剧胰岛素抵抗有关。最具影响力的因素是PCOS家族史，风险高达6.468倍（95% CI: 1.986-21.067），凸显了遗传因素在PCOS发病中的核心地位。低出生体重（OR=0.637）作为风险因素，反映了胎儿期编程对成年期代谢疾病的长期影响。而焦虑状态使PCOS风险增加4.905倍（95% CI: 2.768-8.693），可能与下丘脑-垂体-肾上腺轴激活导致的激素紊乱相关。

值得注意的是，睡眠障碍、不孕家族史、吸烟（包括二手烟）、职业暴露于石化产品和金属、居住环境因素（300米内化工厂或垃圾场）、早秃家族史、糖尿病家族史、月经紊乱家族史以及抑郁症状与PCOS无显著关联。这些阴性结果可能与样本量限制、暴露-反应关系未能量化或基因-环境交互作用等因素有关，提示PCOS病因网络的复杂性。

研究结论强调，肥胖、饮酒、PCOS家族史、低出生体重和焦虑是PCOS发病的独立危险因素。这一发现具有重要临床意义：首先，为PCOS的一级预防提供了明确靶点，医疗工作者可针对这些可干预因素制定个性化预防策略；其次，DAG方法的成功应用为复杂疾病病因研究提供了新范式，将理论流行病学与数据驱动建模有机结合，确保结果的可重复性和临床可解释性。

尽管研究存在回顾性设计可能带来的回忆偏倚、单中心样本代表性有限等局限性，但其创新方法学和扎实发现为PCOS防治开辟了新路径。未来需要更大规模、多中心的前瞻性队列研究进一步验证这些发现，并在不同人群中探索基因-环境交互作用，从而为全球育龄女性生殖健康保护提供更精准的指导。