
-
生物通官微
陪你抓住生命科技
跳动的脉搏
探讨心绞痛与骨质疏松症之间的关联:ELSA项目的20年纵向队列研究
《BMC Public Health》:Investigating the association between angina and osteoporosis: a 20-year longitudinal cohort study of ELSA
【字体: 大 中 小 】 时间:2026年08月06日 来源:BMC Public Health 4.4
编辑推荐:
摘要背景骨质疏松症被视为一项重大的全球健康威胁。尽管已发现心绞痛与骨质疏松症之间存在关联,但二者之间的内在机制尚未明确。因此,本研究旨在利用英国老龄化纵向研究数据库,系统探讨心绞痛与骨质疏松症之间的关联。方法这项纵向队列研究使用了ELSA数据库从第一波到第十一波的数据。研究纳入了
骨质疏松症被视为一项重大的全球健康威胁。尽管已发现心绞痛与骨质疏松症之间存在关联,但二者之间的内在机制尚未明确。因此,本研究旨在利用英国老龄化纵向研究数据库,系统探讨心绞痛与骨质疏松症之间的关联。
这项纵向队列研究使用了ELSA数据库从第一波到第十一波的数据。研究纳入了基线时既无心绞痛也无骨质疏松症的参与者。通过时间依赖型Cox比例风险回归模型,计算出患骨质疏松症的 hazard比及95%置信区间。为确保结果的可靠性,还进行了多重插补和严格的敏感性分析(如E值、自举法)。此外,还运用随机森林模型评估各协变量的相对重要性,并通过接收者操作特征曲线下面积来评价多变量模型的整体分类性能。骨质疏松症定义为经医生诊断且得到持续确认的情况,心绞痛同样以医生诊断为准。
共有6509名符合条件的参与者参与了研究。在随访期间,所有模型均显示新发心绞痛与随后发生骨质疏松症的风险显著增加。在完全调整后的模型中,新发心绞痛会使骨质疏松症的风险上升(HR=1.621,95%置信区间:1.081–2.430,P=0.02)。Kaplan-Meier分析表明,新发心绞痛组的无骨质疏松症生存概率明显更低。机器学习分析也证实,时间依赖型心绞痛是导致骨质疏松症的重要预测因素。该多变量模型的AUC值为0.793,说明所有纳入变量的综合分类能力较为良好。
在最初没有这些疾病的中老年人中,新发心绞痛是随后出现骨质疏松症的独立预后风险因素。这一纵向研究结果明确了两者之间的时间关系,同时也强调了对患有心绞痛的患者进行骨质疏松症监测的必要性。
骨质疏松症被视为一项重大的全球健康威胁。尽管已发现心绞痛与骨质疏松症之间存在关联,但二者之间的内在机制尚未明确。因此,本研究旨在利用英国老龄化纵向研究数据库,系统探讨心绞痛与骨质疏松症之间的关联。
这项纵向队列研究使用了ELSA数据库从第一波到第十一波的数据。研究纳入了基线时既无心绞痛也无骨质疏松症的参与者。通过时间依赖型Cox比例风险回归模型,计算出患骨质疏松症的 hazard比及95%置信区间。为确保结果的可靠性,还进行了多重插补和严格的敏感性分析(如E值、自举法)。此外,还运用随机森林模型评估各协变量的相对重要性,并通过接收者操作特征曲线下面积来评价多变量模型的整体分类性能。骨质疏松症定义为经医生诊断且得到持续确认的情况,心绞痛同样以医生诊断为准。
共有6509名符合条件的参与者参与了研究。在随访期间,所有模型均显示新发心绞痛与随后发生骨质疏松症的风险显著增加。在完全调整后的模型中,新发心绞痛会使骨质疏松症的风险上升(HR=1.621,95%置信区间:1.081–2.430,P=0.02)。Kaplan-Meier分析表明,新发心绞痛组的无骨质疏松症生存概率明显更低。机器学习分析也证实,时间依赖型心绞痛是导致骨质疏松症的重要预测因素。该多变量模型的AUC值为0.793,说明所有纳入变量的综合分类能力较为良好。
在最初没有这些疾病的中老年人中,新发心绞痛是随后出现骨质疏松症的独立预后风险因素。这一纵向研究结果明确了两者之间的时间关系,同时也强调了对患有心绞痛的患者进行骨质疏松症监测的必要性。