代谢-心血管疾病关联解析：一项流行病学网络分析识别出核心指标

《MedComm》：Unraveling the Metabolic-Cardiovascular Disease Nexus: An Epidemiological Network Analysis Identifies Central Indicators

　　

心血管疾病（CVD）仍是全球主要死亡原因，但由于缺乏综合工具，评估多种代谢异常对CVD风险的联合影响具有挑战性。研究人员旨在开发并验证一种基于代谢聚类网络的新型CVD筛查模型。利用中国STONE研究中通过分层抽样纳入的4066名成人数据，研究人员构建了涵盖肥胖、血脂异常、糖代谢异常以及肝脏、肾脏、甲状腺和骨骼状态的代谢健康整体网络地图。通过网络分析，选出12个核心且临床可获取的指标——包括腹型肥胖、脂肪肝、LDL-C、HbA1c、eGFR、TSH和骨密度——建立CardioMet12评分系统，其AUC为0.771（95% CI：0.733–0.808），灵敏度0.756，特异度0.732。在STONE队列中，评分高于56对应观察到的CVD患病率超过50%。在独立的美国人群基流行病学样本（NHANES）中外部验证显示性能满意。两个队列中较高评分均与代谢综合征（MetS）诊断及晚期心血管-肾脏-代谢（CKM）分期显著相关。综上，CardioMet12是一种稳健指标，捕捉多种代谢异常间复杂相互作用，为增强CVD筛查与风险评价提供全面、主动的工具。

研究背景方面，心血管疾病（CVD）是全球主要死亡原因，传统风险引擎如Framingham Risk Score与SCORE2多依赖固定人口学变量和窄谱血脂/血糖指标，难以充分刻画多维代谢功能障碍；代谢综合征（MetS）与心血管-肾脏-代谢（CKM）综合征框架虽强调脂肪、糖、脂、高血压和肾损的交织，但仍以分类阈值压缩风险连续体，对肝胰轴和炎症轴覆盖有限，且常在显性糖尿病或慢性肾病（CKD）出现后才满足标准，原初预防窗口变窄。亚洲人群中传统MetS表现不佳，且部分检测在低资源环境不可及。因此，研究人员开展该项研究，用网络医学思路从多系统代谢指标中识别“枢纽”标志物，构建可常规检测的CVD筛查评分。

该研究由Li等完成，基于上海STONE（Shanghai Thyroid autOimmuNity: an Epidemiological research）队列与中国成人数据建模，再于美国NHANES（National Health and Nutrition Examination Survey）独立验证，论文发表于《MedComm》。结论上，CardioMet12用12个可变动代谢指标替代不可变人口学因素，能捕捉 adiposity、糖、脂、肝胆、甲状腺、肾和骨多轴交互，是兼具机制连贯性与实操性的CVD患病筛查工具；加年龄性别的CardioMet12_E判别力更强，但去人口学版本更适合人群随访与生活方式干预监测。

关键技术方法上，研究人员采用三阶段分层抽样获得上海18–65岁社区成人（STONE，n=4066），以NHANES 2007–2012（n=1620）作外部验证。方法包括：差异网络分析（differential network analysis），比对CVD病例与对照各代谢域相关结构，用FDR校正与未校正双阈值建网络，以介于中心性（betweenness centrality）和500次置换检验选核心节点；再用MICE（multivariate imputation by chained equations）填补12指标缺失；AutoScore逻辑回归赋分，并在临床切点附近做10%扰动，以遗传算法优化阈值；最后用ROC、Bootstrap、校准图、决策曲线分析（DCA）与MetS/CKM分期对照评估。

研究结果如下。

2.1 Participant Characteristics：STONE经排除后入组4066人（女2291、男1775），代表约2600万上海居民，基线特征按性别相似。

2.2 Correlation Analysis of Basic Information and Cardiovascular Diseases：年龄、性别与CVD强相关；教育、家庭、就业等社会因素在调龄后不显著，说明年龄是混杂；校龄后避孕史、吸烟、饮酒仍与CVD显著相关。

2.3 Metabolic Interaction Network and Its Relation With CVD：在肥胖、血脂、糖、肝胆、甲状腺、CKD、骨七域中，腹型肥胖、LDL-C、HbA_1c、脂肪肝（FLD）、TSH/T₄、eGFR、骨密度等被网络中心性与临床可及性共同选中；12指标间Cramér's V最大0.41，低共线性，证明多维且不冗余。

2.4 CVD Screening Scoring System (CardioMet12) Based on 12 Indicators：12指标按临床切点赋分，eGFR、AKP、HbA_1c贡献最大；测试集AUC 0.771，灵敏度0.756、特异度0.732，乐观校正AUC 0.758；评分≥56者CVD患病率超50%。

2.5 Head-to-Head Benchmarking With PREVENT and Framingham：测试集上CardioMet12_E AUC 0.883，PREVENT 0.863，Framingham 0.854；去年龄性别的Framingham降至0.691，说明去人口学后CardioMet12仍具竞争力。

2.6 Validation of CardioMet12 in MetS, CKM Staging, and the NHANES Population：STONE与NHANES中CardioMet12评分皆随MetS阳性与CKM分期升高而升高（p<0.001）；NHANES加权无CVD者均分42.42、有CVD者52.29，CardioMet12_E AUC 0.827，再校准后校准改善。

2.7 Sensitivity Analysis：在STONE与NHANES的敏感性分析中模型表现稳定。

讨论部分总结：研究人员指出，既往模型重人口学、轻可干预代谢网络，且hsCRP、ApoB/AI等非常规标志物限制普及；CardioMet12排除不可变因素，覆盖肝、甲、骨等被忽视轴，适合18–65岁可干预窗口，作为现患CVD筛查而非10年事件预测，与Framingham/PREVENT比较仅反映判别力而非等同部署。局限包括STONE与NHANES的CVD表型不完全等价、FLI/尿微白蛋白/腰围切点/DXA等适配差异、网络分析不治分子通路。其意义在于用差异网络把七系统蒸馏为12个常规“守门”标志物，并提供免费计算器。

结论部分原文意译：研究人员利用新型流行病学队列与代谢网络分析，将代谢健康归为七面，并从STONE与NHANES人群中确定12个常规指标代表MetS与CVD风险，构建CardioMet12；该体系旨在支撑CVD风险的早期识别与靶向干预，具备作为评估心血管代谢负担的综合有效工具的潜力，助力早筛与精准管理。