血浆致动脉粥样硬化指数(AIP)与美国成人高血压合并糖尿病的关联：基于NHANES数据的多模型分析

本研究针对高血压(HTN)与糖尿病(DM)共病患者心血管风险预测的临床需求，通过分析2011-2016年NHANES数据库中5,285名美国成人数据，首次系统评估了血浆致动脉粥样硬化指数(AIP=log[TG/HDL-C])与HTN-DM共病的关联。研究采用XGBoost机器学习算法和多重回归模型证实，AIP每升高1单位可使HTN-DM共病风险增加3.95倍(OR=3.95,95%CI:1.66-9.39)，ROC曲线下面积达0.929，为早期识别高风险人群提供了新型生物标志物。

　　

在慢性病防控领域，高血压(HTN)和糖尿病(DM)这对"孪生杀手"正形成严峻的公共卫生挑战。全球每年因HTN导致的死亡高达1040万例，而DM患者中合并HTN的比例更超过50%。这两种疾病相互促进形成恶性循环——高血压引发的肾小球高压会加速糖尿病肾病进展，而糖尿病造成的血管内皮损伤又会加重血压升高。更令人担忧的是，两者共存时心血管风险呈几何级数增长，但临床仍缺乏有效的早期预警指标。

福建医科大学附属第一医院内分泌研究所的研究团队将目光投向了一个新兴生物标志物——血浆致动脉粥样硬化指数(Atherogenic Index of Plasma, AIP)。这个通过log(甘油三酯TG/高密度脂蛋白HDL-C)计算的指标，近年被发现与胰岛素抵抗(IR)和代谢异常密切相关。研究人员利用美国国家健康与营养调查(NHANES)2011-2016周期数据，纳入5,285名成人进行横断面研究，通过机器学习与多模型分析揭示了AIP在HTN-DM共病中的预警价值。

研究主要采用三大关键技术：1)基于NHANES数据库构建全国代表性样本队列；2)应用XGBoost机器学习算法评估变量重要性；3)建立三级校正逻辑回归模型(依次调整人口学特征、临床指标和实验室参数)，并通过限制性立方样条(RCS)分析非线性关系。

基线特征揭示高风险人群特征

分析显示，HTN-DM共病患者平均AIP达0.39，显著高于对照组0.26(P<0.001)。这类人群普遍具有以下特征：年龄≥45岁(91.3%)、肥胖(BMI>25占88.5%)、合并代谢综合征(64.7%)及肾功能异常(34.9%)。值得注意的是，酒精消费者和缺乏运动者的共病风险分别增加65%和58%。

多模型验证AIP预测价值

在完全校正模型中，AIP与HTN-DM共病呈现显著正相关(OR=3.95,95%CI:1.66-9.39)。分层分析显示，该关联在特定亚群中尤为突出：老年组(OR=5.32)、胰岛素使用者(OR=7.33)及高糖化血红蛋白患者(OR=1.65)。RCS分析揭示AIP与共病风险存在剂量反应关系，当AIP>0.3时风险曲线呈陡峭上升趋势。

机器学习确认生物标志物地位

XGBoost模型将AIP列为第四重要预测因子，仅次于糖化血红蛋白、总胆固醇和血糖。ROC曲线显示AIP预测共病的AUC达0.929，最佳截断值0.082时敏感性与特异性均超过86%。

肾脏损害关联引发临床警示

研究首次发现AIP升高与肾损伤(KI)风险呈正相关，机制可能涉及脂毒性诱导的肾小球硬化和RAAS系统激活。这为HTN-DM共病患者的肾功能监测提供了新思路。

这项发表在《Journal of Health, Population and Nutrition》的研究具有重要临床意义：首先，AIP作为常规血脂检测的衍生指标，无需额外成本即可实现HTN-DM共病风险分层；其次，研究揭示了脂代谢紊乱-胰岛素抵抗-靶器官损伤的病理链条；最后，为开发针对AIP的干预策略（如贝特类药物应用）提供了循证依据。未来需通过前瞻性队列验证AIP的因果关联，并探索其在个性化治疗中的应用价值。