膳食炎症指数与心血管-肾脏-代谢综合征的生物衰老及死亡率关联：基于中介分析与机器学习的研究

本研究通过分析NHANES 2005-2018年数据，探讨了膳食炎症指数(DII)与心血管-肾脏-代谢(CKM)综合征分期及死亡率的关联。研究人员采用中介分析和机器学习方法，发现高DII评分与CKM进展和全因死亡率风险增加显著相关，其中生物衰老介导了23%的CKM分期和13%的死亡率关联。LightGBM和逻辑回归模型在预测CKM分期(AUC=0.896)和死亡率(AUC=0.857)中表现优异，SHAP分析揭示镁、n-3脂肪酸等抗炎成分的保护作用，为CKM患者的精准营养干预提供了新依据。

　　

心血管-肾脏-代谢(CKM)综合征作为全球公共卫生挑战，其发病机制涉及心血管、肾脏和代谢系统的复杂交互。尽管已知炎症和氧化应激是关键驱动因素，但可调控的膳食因素在疾病进展中的作用尚未明确。美国心脏协会虽强调饮食干预的重要性，却缺乏针对CKM不同分期的具体建议。更棘手的是，现有研究多聚焦单一器官损害，忽视了这种多系统疾病的整体性管理需求。

南华大学衡阳医学院第一附属医院肾病科的研究团队在《Nutrition Journal》发表了一项突破性研究。他们利用美国国家健康与营养调查(NHANES)2005-2018年数据，对7,918名参与者展开分析，创新性地将膳食炎症指数(DII)与机器学习算法结合，揭示了饮食质量通过加速生物衰老影响CKM预后的新机制。

研究采用多维度技术方法：基于NHANES队列的横断面与纵向数据分析、限制性立方样条(RCS)评估剂量反应关系、Bootstrapping法进行中介效应检验，以及LightGBM等8种机器学习算法构建预测模型。通过24小时膳食回忆计算DII评分，并采用"BioAge"R包量化生物年龄和表型年龄。

主要结果

1. DII与CKM分期的关联：
   多因素逻辑回归显示，DII最高三分位组患者进展为晚期CKM分期(3-4期)的风险增加85%(OR=1.85, 95%CI:1.56-2.20)，且存在线性剂量反应关系(P_非线性=0.41)。

2. 死亡率风险分析：
   中位随访9.3年间，高DII组全因死亡率风险增加45%(HR=1.45, 95%CI:1.21-1.73)，确定1.93为最佳风险分层阈值。KM曲线显示DII≥1.93组生存率显著降低(P<0.001)。

3. 生物衰老的中介效应：
   中介模型揭示生物年龄解释23%(95%CI:18-28%)的DII-CKM分期关联，以及13%(8-22%)的DII-死亡率关联。表型年龄的介导比例更高达36%。

4. 机器学习预测效能：
   LightGBM模型预测晚期CKM分期的AUC达0.896，优于传统统计方法。SHAP分析发现总脂肪摄入增加风险，而镁、叶酸和n-3脂肪酸等抗炎成分具有保护作用。

结论与意义
该研究首次证实DII评分与CKM综合征的进展和预后存在显著关联，部分通过加速生物衰老实现。创新性地采用机器学习方法识别出镁、n-3脂肪酸等关键保护性营养素，为分期精准营养策略提供了循证依据。提出的DII 1.93风险阈值可直接用于临床实践，而LightGBM模型的优异表现展示了人工智能在慢性病管理中的应用潜力。这些发现不仅填补了AHA指南中CKM特异性饮食建议的空白，更揭示了抗衰老饮食在多重器官保护中的协同价值，对公共卫生政策制定具有重要启示。