九种生物学年龄指标对心血管疾病死亡风险的预测价值：基于双队列的筛查与验证研究

本研究针对传统风险模型在预测心血管疾病(CVD)死亡方面的局限性，由研究人员通过双队列设计（宜兴队列N=4,128；句容队列N=16,652）系统评估九种生物学年龄(BA)算法。结果显示基于Klemera-Doubal方法2(KDM2)的Delta年龄(DA)与CVD死亡风险关联最强（HR=1.325/1.167），纳入传统模型显著提升预测效能（NRI达9.1%, IDI达0.7%）。该指标为CVD风险筛查提供了新型生物标志物。

　　

相较于 chronological age（时序年龄），biological age（BA，生物学年龄）能更精准反映机体衰老进程。本研究通过宜兴队列（Yixing Cohort Study, YCS; N=4,128）开发并句容队列（Jurong Cohort Study, JCS; N=16,652）验证九种BA算法对死亡结局的预测效能。采用限制性立方样条分析临床指标与全因死亡的剂量反应关系，将显著预测因子纳入九种算法构建BA估计值。计算BA与时序年龄的差值——Delta age（DA，年龄差），并通过Cox比例风险模型评估其与死亡结局的关联。

研究发现九种DA与死亡风险的风险比（Hazard Ratios, HRs）在心血管疾病（CVD）死亡中均高于全因死亡，其中基于Klemera and Doubal Method 2（KDM2）算法的DA显示最强关联：CVD死亡（YCS: HR(95% CI)=1.325(1.060–1.656)；JCS: HR(95% CI)=1.167(1.101–1.236); P<0.05）和全因死亡（YCS: HR(95% CI)=1.203(1.075–1.346)；JCS: HR(95% CI)=1.089(1.050–1.129); P<0.05）。将KDM2-based DA纳入传统风险因素模型后，显著提升CVD死亡预测能力：净重分类改善指数（Net Reclassification Improvement, NRI）在YCS和JCS分别达7.9%和9.1%（P<0.001），综合判别改善指数（Integrated Discrimination Improvement, IDI）分别为0.4%和0.7%（P<0.001）。结果表明基于KDM2的衰老指标可作为识别CVD事件和全因死亡高风险人群的补充工具。