中国中老年人群心脏代谢指数（CMI）与卒中新发风险的纵向关联：不同糖代谢状态下的队列研究

《International Journal of Endocrinology》：Link Between the Cardiometabolic Index and Stroke Risk Across Different Glucose Metabolic Status in Chinese Middle-Aged and Older Adults: A Longitudinal Cohort Study

　　

背景：心脏代谢指数（CMI）涵盖中心性肥胖和致动脉粥样硬化性血脂异常，这两种代谢异常与胰岛素抵抗和糖代谢问题密切相关。然而，CMI与卒中新发之间的关联是否因糖代谢状态不同而存在差异尚不清楚。

方法：研究人员利用中国健康与养老追踪调查（CHARLS）数据，开展了一项队列研究，纳入7980名年龄≥45岁且无卒中的个体。研究人员通过Cox比例风险模型、限制性立方样条分析、Kaplan–Meier生存分析、亚组分析和敏感性分析以及受试者工作特征（ROC）分析，探讨基线CMI与不同糖代谢状态下卒中事件之间的关联。

结果：卒中新发风险与log（CMI）及CMI四分位数均独立相关，且随数值和四分位数升高而增加。完全校正模型显示，log（CMI）每升高1个单位与卒中风险增加相关（HR=1.13，95% CI 1.00–1.28；p=0.044）。与Q1相比，Q4卒中风险更高（HR=1.52；95% CI 1.11–2.08；p=0.008）。此外，对于糖尿病（DM）个体，较高的CMI与更高的卒中可能性相关，与Q1相比，Q4风险增加（HR=1.49，95% CI：1.02–2.31，p=0.019）。相比之下，在糖尿病前期（prediabetes）或正常葡萄糖调节（NGR）个体中未观察到显著关联。亚组和敏感性分析进一步证实了结果的稳健性。在DM个体中，CMI预测新发卒中的准确性为中等水平，受试者工作特征曲线下面积（AUC）为0.675。

结论：较高的基线CMI与卒中新发风险增加相关，且在DM个体中关联更明显。这些发现提示CMI的血管相关性可能因潜在糖代谢状态而异，并支持其作为心脏代谢功能障碍标志物的潜在作用。需要进一步研究以阐明这些关联所涉及的代谢通路，并确定CMI的临床价值。

研究背景：卒中是由于脑血流突然中断或减少导致局灶性或广泛性神经损伤，分为缺血性和出血性，其中缺血性卒中约占84.4%。全球每年新发卒中超过1370万，是第二大死因。自2015年以来，卒中成为中国的首要死因和致残原因。卒中发生与糖代谢紊乱密切相关，糖尿病（DM）和糖尿病前期（Pre-DM）患者卒中风险显著升高，正常葡萄糖调节（NGR）个体也可能存在细微代谢失衡。既往代谢指标如甘油三酯-葡萄糖指数（TyG）和脂质蓄积指数（LAP）不能完全反映中心性肥胖与致动脉粥样硬化性血脂异常的综合效应。心脏代谢指数（CMI）于2015年提出，整合腰高比（WHtR）与甘油三酯/高密度脂蛋白胆固醇比值（TG/HDL-C），最初用于糖尿病风险预测，后与心血管疾病、代谢综合征、高血压等相关。然而，CMI与卒中的关联是否因NGR、Pre-DM、DM不同而存在差异尚不明确。因此，研究人员利用中国健康与养老追踪调查（CHARLS）数据，开展纵向队列研究。

关键技术方法（不超过250字）：研究基于CHARLS 2011年基线及2013、2015、2018、2020年随访数据，纳入7980名年龄≥45岁且基线无卒中的中国成年人。CMI由WHtR与TG/HDL-C乘积计算，基线CMI进行对数转换，并按原始CMI四分位数（Q1–Q4）分组。糖代谢状态分为NGR、Pre-DM和DM。采用Cox比例风险回归、限制性立方样条（RCS）、Kaplan–Meier生存分析、亚组分析、敏感性分析和受试者工作特征（ROC）曲线分析，并用多重插补处理协变量缺失。主要终点为随访期间首次自报医生诊断卒中。

研究结果：

3.1 参与者特征：按CMI四分位数分组后，全组中位CMI为2.38，随访期间发生474例卒中，总发病率为5.94%。从Q1到Q4，卒中发病率由3.76%逐渐升至7.67%（趋势p<0.001）。参与者的性别、年龄、血压、心率、吸烟、饮酒、心脏病、高血压、血脂异常、肥胖状态、糖代谢状态、WHtR、腰围、高密度脂蛋白胆固醇（HDL-C）、糖化血红蛋白（HbA_1c）、总胆固醇、甘油三酯（TG）、低密度脂蛋白胆固醇（LDL-C）、空腹血浆葡萄糖（FPG）、估算肾小球滤过率（eGFR）、血清肌酐、血尿素氮等基线特征在CMI四分位组间多数差异显著，婚姻状况和教育程度无显著差异。

3.2 CMI与卒中的关联：Cox比例风险回归显示，log（CMI）与卒中发生正相关。完全校正模型3中，log（CMI）每增加1单位，卒中风险增加13%（HR=1.13，95% CI 1.00–1.27，p=0.047）。按CMI四分位分析，与Q1相比，Q2、Q3、Q4的HR分别为1.50（95% CI 1.11–2.01，p=0.007）、1.47（95% CI 1.09–1.98，p=0.011）和1.50（95% CI 1.11–2.04，p=0.009）。RCS分析提示log（CMI）与卒中风险存在显著非线性关联（总体关联p=0.014，非线性p=0.023）。Kaplan–Meier累积发病率曲线显示，从Q1到Q4卒中累积发生率持续增加（log-rank p<0.0001）。

3.3 不同糖代谢状态下CMI与卒中风险的关系：Pre-DM组3222人发生151例卒中，DM组3815人发生246例卒中，NGR组943人发生77例卒中。在DM组，模型1和模型2中log（CMI）与卒中风险显著相关，但模型3完全校正后不再显著（HR=1.15，95% CI 0.97–1.36，p=0.098）。按四分位分析，DM组中与Q1相比，Q2、Q3、Q4的HR分别为1.61（95% CI 1.05–2.48，p=0.031）、1.85（95% CI 1.21–2.82，p=0.004）和1.49（95% CI 1.02–2.31，p=0.019）。RCS分析在DM组显示显著非线性关联（总体p=0.007，非线性p=0.004），低至中等log（CMI）水平卒中风险上升，较高水平趋于平缓。Pre-DM和NGR组无论连续变量还是四分位分析均未发现显著关联（Pre-DM：总体p=0.658，非线性p=0.499；NGR：总体p=0.256，非线性p=0.322）。Kaplan–Meier分析显示三组CMI四分位的卒中累积发病率差异均显著（log-rank p<0.0001）。

3.4 亚组分析：连续log（CMI）仅在无心脏病参与者中与卒中显著相关（HR=1.16，95% CI 1.02–1.33，p=0.027）。性别、年龄、BMI、高血压、心脏病亚组交互作用均不显著。按BMI分层，BMI<24 kg/m²者CMI四分位与卒中无显著关联；BMI≥24 kg/m²者中，Q4较Q1卒中风险显著升高（校正HR=2.12，95% CI 1.13–3.99，p=0.020）。高血压者中，Q4较Q1风险显著升高（校正HR=1.61，95% CI 1.06–2.46，p=0.026）。无心脏病者中，Q4较Q1风险显著升高（校正HR=1.54，95% CI 1.09–2.18，p=0.014）。年龄≥60岁者中，Q4较Q1风险显著升高（HR=1.50，95% CI 1.01–2.25，p=0.047）。性别亚组均无显著关联。

3.5 敏感性分析：在未对缺失值进行多重插补的数据中，Cox回归仍显示CMI与卒中风险呈强正相关；排除基线后2年内发生的卒中事件后，多变量校正下CMI与卒中风险的关联仍具有统计学显著性。

3.6 CMI对不同糖代谢状态卒中发生的预测价值及其与WHtR和TG/HDL-C判别性能比较：ROC分析显示，Pre-DM组AUC为0.698，DM组为0.675，NGR组为0.693。总体上，CMI对不同糖代谢状态新发卒中的判别能力为中等。CMI总体AUC为0.684，略高于WHtR的0.683和TG/HDL-C的0.680。

讨论部分总结：讨论指出，CMI整合中心性肥胖和致动脉粥样硬化性血脂异常，可能反映心脏代谢风险。多变量校正后，较高基线CMI与卒中新发风险升高相关，且在DM个体中更明显；但在Pre-DM和NGR组未观察到显著关联。DM组中连续log（CMI）与四分位分析结果不一致，RCS提示非线性，最高HR出现在Q3而非Q4，提示DM人群中CMI与卒中风险可能并非简单线性剂量反应关系。潜在机制包括中心性肥胖、血脂异常、胰岛素抵抗、内皮功能障碍、慢性高血糖、氧化应激、促血栓状态及炎症等，但原文强调这些通路提供生物学合理性而非中介或因果证据。CMI可能作为代谢风险的补充标志物，而非通用或唯一血管风险预测指标。研究优势为大型全国代表性纵向队列、多种敏感性分析和多变量校正；局限包括排除缺失数据可能引入选择偏倚、幸存者偏倚、缺乏卒中亚型信息、自报卒中、单次基线CMI测量、残余混杂等。

研究结论翻译：纵向分析显示，较高的基线CMI与更高的卒中风险相关，且在DM患者中关联更显著。由于判别能力中等，CMI作为独立预测工具受限。需要进一步开展大规模、外部队列验证研究，以阐明其在卒中风险评估中的潜力。