红细胞分布宽度与白蛋白比值（RAR）在高血压及高血压前期人群中的死亡率预测价值：一项基于人群的队列研究

高血压及高血压前期人群的死亡率风险预测亟待新指标。本研究首次探讨红细胞分布宽度与白蛋白比值（RAR）与全因及病因特异性死亡率的关联，基于NHANES数据发现RAR每增加1单位，全因死亡风险HR达2.03（95%CI:1.85–2.23），最高四分位组风险增加178%。该研究为炎症与营养状态整合评估提供了临床转化新工具。

　　

高血压是全球13亿人面临的健康威胁，即使处于血压升高前期的"高血压前期"状态，也会显著增加心血管事件风险。尽管现有降压手段丰富，但患者死亡率仍居高不下，提示传统风险评估存在盲区。问题的核心在于：高血压的病理机制涉及慢性炎症与营养代谢紊乱的复杂交织，而现有生物标志物如高敏C反应蛋白(hs-CRP)虽有效但成本较高，临床亟需兼具经济性与预测效能的综合指标。

中国研究人员通过分析美国国家健康与营养调查(NHANES)1999-2018年数据，首次将红细胞分布宽度(RDW)与血清白蛋白比值(RAR)引入高血压领域。这个看似简单的比值实则暗藏玄机——RDW反映红细胞体积异质性，其升高暗示炎症和氧化应激；而白蛋白则是营养状况和炎症抑制的"晴雨表"。两者结合形成的RAR指标，恰似给临床医生配备了一把能同时测量炎症风暴和营养匮乏的双标尺。

研究采用Cox比例风险模型揭示：RAR与死亡率呈现显著剂量反应关系，全因死亡风险随RAR升高呈阶梯式增长，最高四分位组风险飙升至2.78倍。更值得注意的是，这种关联在不同死因中表现各异：心血管死亡HR达2.21，癌症死亡HR为1.86，展现出"因病因异"的特点。限制性立方样条(RCS)分析进一步发现，RAR与死亡率间存在明显的非线性关系，暗示可能存在临床干预的阈值窗口。

关键技术方法包括：1) 利用NHANES数据库构建代表性队列；2) 采用Cox回归模型计算风险比(HR)；3) 通过Kaplan-Meier曲线可视化生存差异；4) 应用限制性立方样条分析非线性关联。

【研究结果】
基线特征：纳入25,128名参与者，高血压占60.98%。高RAR组特征显著：平均年龄更大、女性及非裔比例更高，合并糖尿病和心血管疾病更普遍。

生存分析：Kaplan-Meier曲线显示，随着RAR四分位升高，生存率呈现"断崖式"下降，这种趋势在高血压和高血压前期人群中高度一致。

剂量反应关系：RAR每增加1单位，全因死亡风险增加103%，这种关联在校正传统危险因素后依然稳健。

非线性关联：RCS分析揭示RAR与死亡率呈"J型"曲线关系，尤其在心血管死亡中拐点更为明显。

【结论与意义】
该研究首次证实RAR是高血压人群死亡的独立预测因子，其预测效力超越单一RDW或白蛋白指标。从临床转化角度看，RAR检测仅需常规血常规和生化项目，成本效益优势显著。更深远的意义在于：该发现为高血压的"炎症-营养"交互机制提供了实证支持，提示未来干预可能需要双管齐下——既控制血压，又需改善微炎症状态和营养储备。

研究同时留下待解谜题：RAR的最佳截断值如何确定？通过改善营养状态能否降低RAR并最终改善预后？这些问题的解答或将重塑高血压管理策略。正如研究者所言，这项基于大数据的发现，可能成为撬动精准预防的支点，让临床医生在血压计之外，拥有更全面的风险评估工具。