编辑推荐：
随着全球老龄化加剧，心血管疾病和癌症等慢性病负担日益加重。研究人员聚焦残余胆固醇炎症指数（RCII），分析美国和中国的相关数据。结果显示，RCII 升高与全因死亡率增加显著相关，或可用于死亡风险分层和临床决策。
在全球老龄化浪潮的席卷下，慢性病如心血管疾病和癌症，如同两座沉重的大山，压在人们的健康之上。心血管疾病稳坐全球死因 “头把交椅”，2021 年缺血性心脏病就导致近 900 万人死亡；癌症同样来势汹汹，同年肺癌致使全球 220 万人丧生。这些疾病的发生发展，与高血压、血脂异常、吸烟、慢性炎症等危险因素紧密相连，而慢性炎症和代谢紊乱又在其中推波助澜，严重影响着患者的临床结局。
以往研究发现，残余胆固醇（RC）作为心血管风险的重要标志物，不仅与动脉粥样硬化、心血管事件息息相关，还与癌症、中风等多种不良健康结局有关。炎症指标 C 反应蛋白（CRP）和高敏 C 反应蛋白（hsCRP），也早已被证实与多种疾病风险增加相关。于是，将脂质代谢和炎症标志物结合起来，成为了增强疾病风险预测能力的新思路。残余胆固醇炎症指数（RCII）这一新兴的生物标志物应运而生，它巧妙地将 RC 和 hsCRP 结合，能同时反映代谢和炎症风险。然而，此前它与全因及特异性死亡率之间的关系，还隐藏在重重迷雾之中。
为了揭开这层神秘的面纱，来自北京清华长庚医院临床医学学院心内科的研究人员，踏上了探索之旅。他们巧妙借助美国国家健康和营养检查调查（NHANES）以及中国健康与养老追踪调查（CHARLS）的数据，开展了一项意义重大的研究。
研究人员为此次研究制定了详细的方案。在研究对象选取上，NHANES 中纳入 1999 - 2010 年周期数据，排除年龄小于 45 岁、关键数据缺失及 2011 - 2018 年周期不符合要求的数据，最终 7565 名参与者进入分析；CHARLS 选取 2011 年和 2015 年数据，排除年龄小于 45 岁及关键数据缺失者，12932 名参与者纳入研究。
在指标计算方面，RC 通过总胆固醇（TC）减去高密度脂蛋白胆固醇（HDL - C）和低密度脂蛋白胆固醇（LDL - C）得出。在 CHARLS 队列中，RCII = RC×hsCRP（mg/L）÷10；NHANES 队列中，RCII = RC×CRP（mg/dL） 。由于 RCII 呈偏态分布，研究人员对其进行自然对数转换（lnRCII）后用于后续分析。
研究的主要结局指标为全因死亡率，次要结局指标包括心血管死亡率和癌症死亡率。同时，收集了年龄、性别、种族、教育程度等多种协变量信息。
在统计分析时，NHANES 数据采用调查权重分析，CHARLS 数据采用常规非加权方法。研究人员将参与者按 lnRCII、RC 或 CRP/hsCRP 水平分为四分位数组，运用 Kaplan - Meier 生存分析、Cox 比例风险模型、限制立方样条（RCS）模型和中介分析等方法，在调整潜在协变量后，深入探究 lnRCII 与死亡率结局之间的关系。
研究结果令人瞩目。基线特征显示，两个队列参与者平均年龄分别为 59.95±10.44 岁（NHANES）和 58.64±9.78 岁（CHARLS） ，女性占比分别为 53.28% 和 52.50% 。较高 lnRCII 水平与多种不良因素相关，如年龄增长、BMI 增加、血压升高、吸烟可能性增大，以及高血压、糖尿病等疾病患病率上升。
在死亡率关联研究中，Kaplan - Meier 生存分析表明，较高 lnRCII 四分位数与全因死亡率增加显著相关。Cox 回归分析显示，在 NHANES 和 CHARLS 队列中，lnRCII 每增加一个标准差，全因死亡率风险均显著升高，且在 NHANES 队列中，lnRCII 还与心血管死亡率和癌症死亡率增加相关。
RCS 分析发现，lnRCII 与全因死亡率和心血管死亡率呈 J 型关系，与癌症死亡率呈线性关系。中介分析揭示，收缩压（SBP）和空腹血糖（FPG）部分介导了 lnRCII 与死亡率的关联。
亚组分析显示，NHANES 中中年参与者（45 - 60 岁）lnRCII 与全因死亡率关联更强；CHARLS 中癌症患者 lnRCII 与全因死亡率关联更强。敏感性分析表明，排除癌症和冠心病患者后，lnRCII 与死亡率的显著关联依然存在。
综合来看，这项研究意义非凡。它首次全面揭示了 RCII 与全因及特异性死亡率之间的关系，证实 RCII 可作为一个强大的工具，用于死亡风险分层和临床决策。不过，研究也存在一些局限性，如无法计算累积 RC 或 RCII，中国队列缺乏特异性死亡率数据等。但这并不影响其为后续研究指明方向，未来还需要在更大规模、多民族队列以及长期前瞻性研究中进一步验证 RCII 的价值，以便更好地应用于临床实践，为全球中老年人群的健康保驾护航。
研究人员在本次研究中主要运用了以下关键技术方法：首先，基于 NHANES 和 CHARLS 两个大型队列研究获取数据；其次，运用 Cox 比例风险模型评估 lnRCII 与死亡率的关联；再者，通过限制立方样条（RCS）模型探索变量间的非线性关系；最后，借助中介分析探究 SBP 和 FPG 的中介作用。
