心脏代谢指数与阻塞性睡眠呼吸暂停的非线性关联及糖尿病的中介作用：来自NHANES数据库的横断面研究

《Sleep Science and Practice》：The mediating role of diabetes between cardiac metabolic indices and obstructive sleep apnea: a cross-sectional study from the NHANES database

本研究基于NHANES数据库的大样本横断面数据，首次系统探讨了心脏代谢指数(CMI)与阻塞性睡眠呼吸暂停(OSA)风险之间的非线性关联。研究发现，当CMI低于0.41时，每增加1个单位，OSA风险显著增加16.48倍，且糖尿病在两者关联中起到35.7%的中介作用，为OSA的代谢机制研究和早期干预提供了新的流行病学证据。

　　

在静谧的夜晚，当大多数人沉浸在甜美梦乡时，全球近10亿人却因阻塞性睡眠呼吸暂停(Obstructive Sleep Apnea, OSA)而饱受困扰。这种以睡眠期间上气道反复塌陷为特征的疾病，不仅导致夜间缺氧、白天嗜睡，更可怕的是，它与多种慢性病如代谢综合征、心血管疾病、糖尿病和高血压等密切相关，形成了一张错综复杂的健康威胁网。

随着肥胖率的飙升和人口老龄化趋势加剧，OSA的患病率正以前所未有的速度增长。传统上，体重指数(Body Mass Index, BMI)一直被用作评估肥胖和OSA风险的主要指标。然而，越来越多的证据表明，BMI这个"老标准"可能并不能完全反映体内的脂肪分布情况——尤其是内脏脂肪的堆积，这恰恰是代谢紊乱和OSA的"元凶"之一。正是在这样的背景下，心脏代谢指数(Cardiac Metabolic Index, CMI)这一新兴指标走入了研究者的视野。CMI综合了反映脂质代谢的甘油三酯/高密度脂蛋白胆固醇(Triglycerides/High-Density Lipoprotein Cholesterol, TG/HDL-C)比值和反映中心性肥胖的腰围身高比(Waist-to-Height Ratio, WHtR)，被认为能更精准地评估内脏脂肪堆积和代谢风险。

尽管CMI在预测心血管疾病、糖尿病等方面展现出优势，但其与OSA的关系却始终是一块未被开垦的"处女地"。更值得深入探究的是，OSA与代谢异常之间存在着千丝万缕的联系：一方面，OSA导致的间歇性低氧和睡眠碎片化可通过激活交感神经、引发氧化应激和全身性炎症，进而导致胰岛素分泌受损和胰岛素抵抗(Insulin Resistance, IR)；另一方面，糖尿病引起的自主神经病变和肌肉功能障碍也可能加重OSA。这种"双向危害"的关系模式使得糖尿病很可能在CMI与OSA的关联中扮演着关键角色。为解开这一谜团，张有文团队利用美国国家健康与营养调查(National Health and Nutrition Examination Survey, NHANES)数据库的大样本数据，开展了一项开创性研究。

主要关键技术方法包括：利用NHANES数据库2005-2006、2007-2008、2015-2016和2017-2018四个周期的数据，采用多阶段分层抽样方法获取具有全国代表性的样本；通过问卷自报方式定义OSA结局变量；采用加权多变量逻辑回归分析CMI与OSA的关联；使用限制性立方样条(Restricted Cubic Spline, RCS)评估非线性关系并进行阈值效应分析；应用统计中介分析探索糖尿病的中介作用，并采用Bootstrap法进行验证。

基本特征分析

研究最终纳入5,818名参与者，其中OSA患者2,941人(49.08%)。随着CMI四分位数的升高，参与者基线特征呈现显著变化趋势：CMI较高组男性比例更高(从Q1组的39.61%升至Q4组的62.67%)，血脂代谢状况恶化(高密度脂蛋白胆固醇从Q1组的1.76降至Q4组的1.03，甘油三酯从0.61升至2.17)，糖尿病患病率从3.75%骤增至20.77%，高血压患病率从24.75%升至48.59%，OSA患病率从34.82%显著上升至62.26%。这些分布特征提示CMI与OSA可能存在内在联系。

CMI与OSA风险的多变量回归分析

在多变量逻辑回归模型中，随着调整因素的逐步增加，CMI与OSA的正相关关系始终保持显著性。在完全调整模型(Model 3)中，CMI每增加1个单位，OSA风险增加68.5%(OR=1.685，95% CI：1.479-1.920)。当CMI按四分位数分组分析时，与最低四分位数(Q1)相比，最高四分位数(Q4)的参与者OSA风险增加143.7%(OR=2.437，95% CI：1.984-2.993)，且存在显著的剂量反应趋势(P<0.001)。

非线性关系与阈值效应分析

限制性立方样条曲线显示CMI与OSA风险之间存在显著非线性关系(P<0.001)。阈值效应分析发现了一个关键拐点(CMI=0.41)：当CMI<0.41时，每增加1个单位，OSA风险激增16.48倍(95% CI：6.68-40.68)；而当CMI≥0.41时，同等增幅仅带来29%的风险上升(OR=1.29，95% CI：1.12-1.49)。这一发现揭示了CMI对OSA风险的影响存在明显的"临界效应"，为高风险人群的早期识别提供了重要参考值。

亚组分析与交互作用

亚组分析显示，CMI与OSA的关联强度在人群异质性中呈现显著差异。这种关联在男性(OR=2.02)、无心血管疾病者(OR=1.78)、中度至重度抑郁症状者(OR=4.67)以及肥胖人群(OR=1.86)中尤为突出。交互作用检验证实了性别、心血管疾病史、抑郁严重程度和BMI分类对CMI-OSA关系的显著修饰效应(P<0.05)。

糖尿病的中介作用

统计中介分析揭示了糖尿病在CMI与OSA关联中的重要机制路径。在完全调整模型中，糖尿病介导了35.7%的总关联效应，即CMI对OSA风险的影响有超过三分之一是通过糖尿病途径实现的。这一发现从流行病学角度支持了代谢通路在OSA发病中的重要作用，为理解CMI与OSA关系的生物学机制提供了新视角。

预测性能比较

与传统人体测量指标相比，CMI在OSA风险预测中展现出独特价值。虽然受试者工作特征曲线分析显示CMI的曲线下面积(Area Under Curve, AUC=0.650)略低于BMI(AUC=0.676)和腰围(AUC=0.672)，但其在肥胖人群中显示的强相关性(OR=1.86)与在正常体重人群中呈现的保护性关联(OR=0.49)形成鲜明对比，表明CMI能够识别出传统BMI分类无法区分的代谢表型，这对于识别"代谢健康型肥胖"和"代谢不健康型正常体重"个体具有重要临床意义。

敏感性分析

通过将BMI作为额外协变量引入模型进行敏感性分析，CMI与OSA的正相关关系依然保持统计学显著性(OR=1.21，95% CI：1.06-1.39)，证实了研究结果的稳健性，表明CMI提供了独立于整体肥胖程度之外的独特代谢信息。

本研究通过大样本横断面数据分析，首次系统揭示了CMI与OSA之间存在显著非线性关联，并识别出糖尿病在这一关联中承担着重要的中介作用。研究发现的CMI阈值效应(0.41)为临床早期识别高危人群提供了实用工具，而亚组分析揭示的人群异质性则为针对性干预策略的制定提供了依据。尽管CMI作为独立预测工具的效能有限，但其在识别传统BMI分类无法捕捉的代谢风险表型方面展现出独特价值，特别是在区分不同代谢特征的肥胖和正常体重个体方面具有重要意义。

研究结果从流行病学角度支持了代谢通路在OSA发病机制中的重要作用，为OSA的代谢理论提供了新的证据。未来研究应聚焦于基于CMI识别的高风险人群的早期代谢管理，并通过前瞻性设计和客观的OSA诊断方法进一步验证这些关联的因果方向和时间动态，为OSA的一级预防和精准干预提供更坚实的科学基础。