
-
生物通官微
陪你抓住生命科技
跳动的脉搏
基线与累积胆固醇 - 高密度脂蛋白 - 葡萄糖指数与心脏代谢多病共存的关联:来自两项队列研究的前瞻性证据
《Lipids in Health and Disease》:Association of baseline and cumulative cholesterol–high-density lipoprotein–glucose index with cardiometabolic multimorbidity: prospective evidence from two cohort studies
【字体: 大 中 小 】 时间:2026年08月19日 来源:Lipids in Health and Disease 6.9
编辑推荐:
摘要引言心血管代谢多病共存(CMM)日益普遍,并带来了沉重的临床和公共卫生负担。胆固醇 - 高密度脂蛋白 - 葡萄糖(CHG)指数与不良心血管代谢结局有关,但比较基线和累积暴露并测试在设计适当的调查方法下外部可重现性的前瞻性证据仍然有限。方法我们分析了来自中国健康与养老追踪调
心血管代谢多病共存(CMM)日益普遍,并带来了沉重的临床和公共卫生负担。胆固醇 - 高密度脂蛋白 - 葡萄糖(CHG)指数与不良心血管代谢结局有关,但比较基线和累积暴露并测试在设计适当的调查方法下外部可重现性的前瞻性证据仍然有限。
我们分析了来自中国健康与养老追踪调查(CHARLS)的基线 CHG 队列(n?=?7,077)和累积 CHG 亚队列(n?=?4,881),并在国家健康与营养检查调查(NHANES;1999–2018 年;n?=?23,797)中进行了支持性外部复制分析。CHARLS 中使用了 Cox 模型,NHANES 中使用了空腹子样本调查加权逻辑模型。CHG 和累积 CHG 按每 1 个标准差(SD)增量和三分位数进行建模。限制性立方样条和阈值分析用于描述剂量 - 反应模式。敏感性分析包括一个更严格的无病累积 CHARLS 队列以及 NHANES 中额外的血压调整。
在 CHARLS 中,较高的基线 CHG 与更高的新发 CMM 风险相关(每增加 1 个 SD 的调整后风险比 [HR],1.55;95% 置信区间(CI),1.39–1.73);最高三分位数参与者比最低三分位数参与者风险更高(调整后 HR,2.93;95% 置信区间(CI),2.15–4.00)。累积 CHG 的关联更强(每增加 1 个 SD 的调整后 HR,1.75;95% 置信区间(CI),1.61–1.89;T3 与 T1 相比的调整后 HR,5.46;95% 置信区间(CI),3.91–7.63)。在加权 NHANES 分析中,CHG 仍与现患 CMM 呈正相关(每增加 1 个 SD 的调整后优势比,1.91;95% 置信区间(CI),1.75–2.08;T3 与 T1 相比的调整后 OR,3.58;95% 置信区间(CI),2.73–4.69)。CHARLS 中的基线 CHG 显示出显著的整体关联,但没有明显的非线性;而 CHARLS 中的累积 CHG 和 NHANES 中的 CHG 显示出显著的非线性模式。敏感性分析在方向上与主要发现一致。
在纵向 CHARLS 分析中,较高的基线和累积 CHG 与更高的新发 CMM 风险相关,累积 CHG 观察到更大的效应估计值。在横断面 NHANES 分析中也观察到 CHG 与现患 CMM 之间的正相关。这些发现表明,CHG,尤其是其累积暴露,可能作为 CMM 风险和负担的潜在标志物。然而,在 CHG 可用于临床风险预测或定义决策阈值之前,需要进一步的前瞻性验证。
心血管代谢多病共存(CMM)日益普遍,并带来了沉重的临床和公共卫生负担。胆固醇 - 高密度脂蛋白 - 葡萄糖(CHG)指数与不良心血管代谢结局有关,但比较基线和累积暴露并测试在设计适当的调查方法下外部可重现性的前瞻性证据仍然有限。
我们分析了来自中国健康与养老追踪调查(CHARLS)的基线 CHG 队列(n?=?7,077)和累积 CHG 亚队列(n?=?4,881),并在国家健康与营养检查调查(NHANES;1999–2018 年;n?=?23,797)中进行了支持性外部复制分析。CHARLS 中使用了 Cox 模型,NHANES 中使用了空腹子样本调查加权逻辑模型。CHG 和累积 CHG 按每 1 个标准差(SD)增量和三分位数进行建模。限制性立方样条和阈值分析用于描述剂量 - 反应模式。敏感性分析包括一个更严格的无病累积 CHARLS 队列以及 NHANES 中额外的血压调整。
在 CHARLS 中,较高的基线 CHG 与更高的新发 CMM 风险相关(每增加 1 个 SD 的调整后风险比 [HR],1.55;95% 置信区间(CI),1.39–1.73);最高三分位数参与者比最低三分位数参与者风险更高(调整后 HR,2.93;95% 置信区间(CI),2.15–4.00)。累积 CHG 的关联更强(每增加 1 个 SD 的调整后 HR,1.75;95% 置信区间(CI),1.61–1.89;T3 与 T1 相比的调整后 HR,5.46;95% 置信区间(CI),3.91–7.63)。在加权 NHANES 分析中,CHG 仍与现患 CMM 呈正相关(每增加 1 个 SD 的调整后优势比,1.91;95% 置信区间(CI),1.75–2.08;T3 与 T1 相比的调整后 OR,3.58;95% 置信区间(CI),2.73–4.69)。CHARLS 中的基线 CHG 显示出显著的整体关联,但没有明显的非线性;而 CHARLS 中的累积 CHG 和 NHANES 中的 CHG 显示出显著的非线性模式。敏感性分析在方向上与主要发现一致。
在纵向 CHARLS 分析中,较高的基线和累积 CHG 与更高的新发 CMM 风险相关,累积 CHG 观察到更大的效应估计值。在横断面 NHANES 分析中也观察到 CHG 与现患 CMM 之间的正相关。这些发现表明,CHG,尤其是其累积暴露,可能作为 CMM 风险和负担的潜在标志物。然而,在 CHG 可用于临床风险预测或定义决策阈值之前,需要进一步的前瞻性验证。
生物通微信公众号