
-
生物通官微
陪你抓住生命科技
跳动的脉搏
九种TyG-衰弱综合指数与心血管-肾脏-代谢综合征分期新发心血管疾病事件的关联研究:TFI-WC指数的预测优势与风险分层价值
《Cardiovascular Diabetology》:Nine triglyceride-glucose-frailty composite indices and incident cardiovascular disease across cardiovascular-kidney-metabolic syndrome stages 0–3: a prospective cohort study
【字体: 大 中 小 】 时间:2026年10月21日 来源:Cardiovascular Diabetology 15.6
编辑推荐:
摘要背景心血管-肾脏-代谢(CKM)综合征将代谢性疾病、肾脏疾病和心血管疾病(CVD)联系在一起。目前,针对将甘油三酯-葡萄糖(TyG)指数与衰弱、肥胖或炎症相结合的综合指数在CKM 0–3期进行比较的证据有限。我们评估了九种TyG-衰弱(TFI)综合指数与CKM 0–3期新
心血管-肾脏-代谢(CKM)综合征将代谢性疾病、肾脏疾病和心血管疾病(CVD)联系在一起。目前,针对将甘油三酯-葡萄糖(TyG)指数与衰弱、肥胖或炎症相结合的综合指数在CKM 0–3期进行比较的证据有限。我们评估了九种TyG-衰弱(TFI)综合指数与CKM 0–3期新发CVD事件的关系。
在本项来自"中国健康与养老追踪调查"(CHARLS,2011–2020年)6,083名参与者的前瞻性队列研究中,评估了九种TFI相关指数。TFI-WC被指定为主要指数,其余八种作为探索性暴露因素进行分析。研究采用了多变量Cox回归、限制性立方样条、亚组分析、预测性能的内部验证以及探索性机器学习和聚类分析。
中位随访9.0年期间,发生了1,644例新发CVD事件(27.03%),CKM 0–3期的发病率从15.01%上升至31.82%。在九种指数中,TFI-WC的关联最强(每增加1个标准差,HR为1.258,95% CI:1.204–1.316;p?<?0.0001),且呈非线性关联,其余八种指数也均具有统计学显著性(所有p?<?0.0001)。各指数在不同CKM期之间的关联一致,未见显著交互作用(所有p?>?0.05)。将TFI-WC加入基础模型后,时间依赖性受试者工作特征曲线下面积(AUC)在第3年从0.623提高至0.641,在第5年从0.652提高至0.669,在第9年从0.639提高至0.665,并获得最高的5年综合判别改进值(IDI)(0.0075,95% CI:0.0059–0.0091)。其余八种指数也增加了增量预测价值(所有p?<?0.0020)。逻辑回归显示出最高的机器学习判别能力(AUC = 0.639),SHAP分析表明每种综合指数在其各自模型中均为主要贡献因素。聚类分析识别出三个疾病负担层级,最高层级对应风险增加1.797倍(95% CI:1.530–2.111)。
TFI相关指数与CKM 0–3期新发CVD事件呈正向且非线性的关联。TFI-WC作为主要指数,在九种指数中显示出最强的关联性,并在第3、5和9年表现出最高的时间依赖性判别能力。聚类分析识别出三个疾病负担层级,风险逐级递增。这些发现表明,TFI-WC可能是一种实用的中老年人群风险分层工具,但尚需外部验证。
心血管-肾脏-代谢(CKM)综合征将代谢性疾病、肾脏疾病和心血管疾病(CVD)联系在一起。目前,针对将甘油三酯-葡萄糖(TyG)指数与衰弱、肥胖或炎症相结合的综合指数在CKM 0–3期进行比较的证据有限。我们评估了九种TyG-衰弱(TFI)综合指数与CKM 0–3期新发CVD事件的关系。
在本项来自"中国健康与养老追踪调查"(CHARLS,2011–2020年)6,083名参与者的前瞻性队列研究中,评估了九种TFI相关指数。TFI-WC被指定为主要指数,其余八种作为探索性暴露因素进行分析。研究采用了多变量Cox回归、限制性立方样条、亚组分析、预测性能的内部验证以及探索性机器学习和聚类分析。
中位随访9.0年期间,发生了1,644例新发CVD事件(27.03%),CKM 0–3期的发病率从15.01%上升至31.82%。在九种指数中,TFI-WC的关联最强(每增加1个标准差,HR为1.258,95% CI:1.204–1.316;p?<?0.0001),且呈非线性关联,其余八种指数也均具有统计学显著性(所有p?<?0.0001)。各指数在不同CKM期之间的关联一致,未见显著交互作用(所有p?>?0.05)。将TFI-WC加入基础模型后,时间依赖性受试者工作特征曲线下面积(AUC)在第3年从0.623提高至0.641,在第5年从0.652提高至0.669,在第9年从0.639提高至0.665,并获得最高的5年综合判别改进值(IDI)(0.0075,95% CI:0.0059–0.0091)。其余八种指数也增加了增量预测价值(所有p?<?0.0020)。逻辑回归显示出最高的机器学习判别能力(AUC = 0.639),SHAP分析表明每种综合指数在其各自模型中均为主要贡献因素。聚类分析识别出三个疾病负担层级,最高层级对应风险增加1.797倍(95% CI:1.530–2.111)。
TFI相关指数与CKM 0–3期新发CVD事件呈正向且非线性的关联。TFI-WC作为主要指数,在九种指数中显示出最强的关联性,并在第3、5和9年表现出最高的时间依赖性判别能力。聚类分析识别出三个疾病负担层级,风险逐级递增。这些发现表明,TFI-WC可能是一种实用的中老年人群风险分层工具,但尚需外部验证。