年轻成人的疾病风险评分：基于假设驱动与数据驱动的德国DONALD队列研究分析

本研究针对年轻成人慢性疾病风险预测的空白，创新性地结合假设驱动（如Framingham Risk Score - Adult Treatment Panel III）与数据驱动（聚类分析）方法，在DONALD队列中评估492名20-47岁参与者的代谢风险。研究发现腰围和BMI是核心风险因子，且风险评分在4.9年随访中呈现稳定性，为年轻群体早期干预提供了量化工具。

　　

慢性疾病已成为全球疾病负担的主要贡献者，其中心血管疾病（CVD）占据主导地位。尽管这些疾病多发生于中老年，但其风险因素在年轻成人阶段已开始积累。近年来，年轻人群中2型糖尿病（T2DM）和代谢功能障碍相关脂肪性肝病（MASLD）的发病率显著上升，凸显早期风险预测的紧迫性。然而，现有疾病风险评分（DRSs）多针对中老年群体，且缺乏对多种风险因素的综合评估。为此，德国多特蒙德营养与人体测量纵向设计（DONALD）研究团队开展了一项创新性研究，成果发表于《Nutrition, Metabolism and Cardiovascular Diseases》。

研究采用假设驱动与数据驱动双路径：前者应用7种经典DRSs（如Framingham Risk Score - Adult Treatment Panel III、Fatty Liver Index），后者通过聚类分析处理12项代谢指标。队列包含492名20-47岁参与者，中位随访4.9年。关键技术包括分层聚类、k-means算法、年龄/性别校正线性回归，以及基于DONALD队列的纵向数据追踪。

研究结果
假设驱动DRSs：所有评分均显示年龄与风险正相关，男性在PROCAM-2007等评分中风险更高，而教育水平与风险负相关。
数据驱动聚类：识别出高、低风险两集群，高风险组（41.1%）在所有假设DRSs中均表现更差，尤其T2DM风险（German Diabetes Risk Score）和肝脏指标（Hepatic Steatosis Index）显著升高。
核心风险因子：腰围和BMI被确定为最具预测力的指标，其重要性通过前向选择与逻辑回归验证。
纵向稳定性：DRSs在随访期间表现出显著的 tertile 一致性，证实风险特征的时程稳定性。

结论与意义
该研究首次在年轻成人中系统验证DRSs的适用性，揭示代谢风险集群可通过简单人体测量指标（BMI、腰围）有效识别。风险评分的长期稳定性提示：年轻阶段干预可能阻断慢性疾病发展轨迹。成果为公共卫生策略提供了两重突破：一是将传统中老年风险评估前移至青年期，二是证明数据驱动与假设驱动方法的互补价值。未来研究可基于此开发动态风险评估模型，实现全生命周期健康管理。

（注：所有术语如Framingham Risk Score - Adult Treatment Panel III(FRS-ATP III)、Fatty Liver Index(FLI)等均按原文格式保留，作者署名包括MM、CAC等未作改动，讨论部分依据原文对代谢综合征共现性、教育水平保护作用等发现展开。）