双时间点炎症状态模式与新发糖尿病风险:基于CHARLS的队列研究

《Healthcare》:Two-Time-Point Inflammatory Status Patterns and the Risk of Incident Diabetes: A Cohort Study Based on CHARLS

【字体: 大 中 小 】 时间:2026年08月06日 来源:Healthcare 3.4

编辑推荐:

  背景:慢性炎症在糖尿病(DM)的发病机制中起核心作用。目的:本研究利用中国健康与养老追踪调查(CHARLS)数据,描绘了双时间点炎症状态模式,并探讨了其与新发糖尿病(DM)风险的关系。方法:将第1波(2011年)和第3波(2015年)之间炎症评分的时间变化作为

  
背景:慢性炎症在糖尿病(DM)的发病机制中起核心作用。目的:本研究利用中国健康与养老追踪调查(CHARLS)数据,描绘了双时间点炎症状态模式,并探讨了其与新发糖尿病(DM)风险的关系。方法:将第1波(2011年)和第3波(2015年)之间炎症评分的时间变化作为暴露变量,该评分计算为C反应蛋白(CRP)和白细胞计数(WBC)的Z分数之和。新发DM在第3波(2015年)和第4波(2018年)进行评估。在一项队列研究中,采用纵向目标最大似然估计(LTMLE)框架分析炎症状态模式与新发DM之间的关联。结果:共纳入4305名参与者,其中2404名(55.84%)为女性,基线中位年龄为58岁。在7年随访期间,730人(17.0%)发生新发DM。确定了四种不同的炎症状态模式:低稳定型、高稳定型、上升型和下降型。在调整多个协变量后,LTMLE分析显示,与低稳定参考组相比,高稳定型与DM风险增加显著相关(风险比[RR]=1.430,95%置信区间[CI]:1.204–1.698),E值为2.21。在第4波新发DM的标志性分析中(n=150),高稳定型的估计值在各调整模型中仍保持正向方向,但不精确且与无关联一致。探索性亚组分析显示无效应修饰的统计学证据,乘法和加性交互检验均无统计学显著性。结论:持续升高的炎症评分与新发DM风险升高显著相关。
**研究背景与问题**
慢性炎症在糖尿病(DM)的发病机制中居于核心地位,通过诱导β细胞破坏和胰岛素抵抗促进DM发生,而高血糖又进一步加剧炎症反应,形成恶性循环。既往研究多依赖单时间点炎症标志物评估,如C反应蛋白(CRP)和白细胞计数(WBC),但炎症状态具有动态波动性,可随时间上升、稳定或下降。单次测量无法捕捉这种时间变化,导致对慢性炎症累积效应的估计存在局限。为弥补这一不足,研究人员利用中国健康与养老追踪调查(CHARLS)这一全国代表性队列,通过双时间点炎症评分(CRP与WBC的Z分数之和)的变化模式,系统评估慢性炎症状态与新发DM风险之间的关系,为DM的早期预防提供纵向证据。该研究发表于《Healthcare》。

**主要关键技术方法**
数据来源于中国健康与养老追踪调查(CHARLS),采用多阶段概率抽样,纳入2011年基线调查中4305名无DM的成年人(年龄≥45岁)。炎症评分定义为第1波(2011年)和第3波(2015年)CRP与WBC的Z分数之和。基于中位数二分法,将炎症状态随时间的变化分为四种模式:低稳定型、高稳定型、上升型和下降型。关联分析采用纵向目标最大似然估计(LTMLE)框架,进行双重稳健估计,并辅以G-computation方法及多种超级学习器库(广义线性模型、随机森林、XGBoost)进行敏感性验证。协变量包括人口学、生活方式、合并症及血清标志物,缺失数据通过多重插补处理。

**研究结果**
**3.1 研究人群的临床特征**:共纳入4305名参与者,中位年龄58岁,女性占55.84%。7年随访期间,730人(17.0%)发生新发DM。与未发生DM者相比,新发DM者在两个时间点的炎症评分均显著更高(第1波中位数?0.02 vs. ?0.31;第2波中位数0.05 vs. ?0.32;均p<0.001),且年龄更大,高血压、血脂异常、心血管疾病患病率更高,BMI、腰围、血糖、血脂及尿酸水平更高。
**3.2 不同炎症状态模式**:基于炎症评分变化,识别出四种模式:低稳定型、下降型、上升型、高稳定型。高稳定组女性比例较低(48.83% vs. 低稳定组37.04%),BMI、腰围、血压呈递增趋势(均p<0.001),且当前吸烟和饮酒频率高于低稳定组。
**3.3 炎症状态模式与DM风险关联**:LTMLE分析经逐步调整协变量后,高稳定型与低稳定型相比,新发DM风险显著升高(模型5:风险比[RR]=1.430,95%置信区间[CI]:1.204–1.698,p<0.001)。上升型(RR=1.076,95%CI:0.870–1.330)和下降型(RR=1.000,95%CI:0.803–1.246)均无显著关联。
**3.4 敏感性分析**:G-computation方法结果一致,高稳定型仍显著(模型5:RR=1.473,95%CI:1.225–1.771),且上升型也达到统计学意义(RR=1.266,95%CI:1.026–1.562)。E值分析显示,高稳定型点估计E值为2.21,置信下限E值为1.70,表明该关联对未测量混杂相对稳健。标志性分析(排除第3波DM病例,仅保留第4波150个事件)中,高稳定型估计值仍呈正向方向,但置信区间较宽且包含无效值。不同超级学习器库结果与LTMLE基本一致。
**3.5 亚组分析与交互作用**:高稳定型在BMI<25 kg/m2(RR=1.608,95%CI:1.104–2.111)、农村居民(RR=1.389,95%CI:1.030–1.748)和非吸烟者(RR=1.433,95%CI:1.026–1.839)中显著增加DM风险;但在超重/肥胖、非农村、吸烟亚组中不显著。乘法和加性交互检验均无统计学意义(所有p>0.05)。

**讨论与结论**
讨论部分指出,本研究发现持续高炎症评分与新发DM风险显著增加相关,且该关联独立于传统危险因素(如血糖、糖化血红蛋白、BMI)。既往研究亦证实累积CRP水平及累积残余胆固醇炎症指数与DM风险正相关,但未聚焦时间变化模式。机制上,炎症通过氧化应激、内质网应激、促炎细胞因子释放等途径损害胰岛素信号并促进β细胞功能障碍,而肥胖、吸烟及农村居住环境(如空气污染、心理应激)可能加剧炎症负担,但本研究中亚组交互作用不显著,提示效应修饰仍需进一步验证。研究优势包括动态评估炎症变化及LTMLE的双重稳健性;局限性包括仅中国人群、仅两次炎症测量、潜在混杂及选择偏倚。

**结论**:总之,本研究确定了纵向炎症状态模式与新发DM之间的关联。这些发现可能为进一步了解慢性炎症在DM发展中的作用提供见解。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号