血浆致动脉粥样硬化指数、一种新的甘油三酯-葡萄糖-体型指数与中风之间的关联：来自NHANES研究的见解及机器学习方法的应用

《BMC Cardiovascular Disorders》：Association of the atherogenic index of plasma and a novel triglyceride-glucose-body shape index with stroke: insights from NHANES and machine learning approaches

　　

摘要

背景

中风是全球范围内严重的健康问题。虽然复合指数在心血管风险评估中展现出潜力，但其在中风风险评估中的价值仍需进一步研究。本研究旨在通过将甘油三酯-葡萄糖指数与体型指数相结合，开发一种新的甘油三酯-葡萄糖-体型指数（TBSI），并利用美国国家健康与营养调查的数据，评估该指数与血浆致动脉粥样硬化指数（AIP）在中风风险中的作用。

方法

本研究纳入了2003年至2018年美国国家健康与营养调查中的43,448名参与者。通过加权多变量逻辑回归分析AIP和TBSI与中风之间的独立关联，利用限制立方样条函数探讨非线性关系。通过接收者操作特征分析验证其区分能力，通过亚组分析探究效应修饰情况，通过敏感性分析检验模型的稳健性。此外还进行了中介分析，以确定AIP和TBSI对中风的影响是否通过代谢性疾病（高血压和糖尿病）以及氧化应激生物标志物（γ-谷氨酰转移酶[GGT]和白蛋白）起中介作用。研究还采用了Boruta算法及多种机器学习模型进行特征选择，最终通过Shapley加性解释值进一步解读最佳模型的性能。

结果

有两个指数与中风风险增加存在显著关联。TBSI呈现出J形关联关系，临界值为7.176，性别和种族会影响这种关联。在区分能力方面，TBSI的AUC值为0.779，优于AIP的0.769。中介分析显示存在具有统计学意义的间接效应：TBSI与中风之间的关联是通过高血压和糖尿病起中介作用的，而AIP的关联则是通过高血压起中介作用。尽管有研究表明氧化应激生物标志物也可能起到中介作用，但这一结论并未达到统计学显著性。特征重要性分析表明TBSI是最重要的特征，随机森林模型在识别中风风险方面的准确性最高。对随机森林模型结果的SHAP分析也显示，TBSI、AIP以及与血脂相关的特征是影响中风发生的关键因素，且具有显著的正面影响。

结论

这种新的TBSI指数与AIP指数都与中风风险密切相关，且具有互补的临床价值。将其纳入临床筛查和机器学习模型中，有助于实现早期识别和针对性预防，尤其是在资源有限的地区。