《CNS Neuroscience & Therapeutics》：Mediators of the Association Between Stroke and Blood Cells: A Two-Step Multivariable Mendelian Randomization Study
编辑推荐：
摘要翻译：
**背景与目的**：卒中仍是全球死亡和残疾的主要原因之一，造成沉重的全球健康负担。因此，识别可靠且易于获取的卒中风险生物标志物具有重要临床意义。全血细胞计数（complete blood count, CBC）是一项常规且广泛可用的血液学检查，可
摘要翻译：
**背景与目的**：卒中仍是全球死亡和残疾的主要原因之一，造成沉重的全球健康负担。因此，识别可靠且易于获取的卒中风险生物标志物具有重要临床意义。全血细胞计数（complete blood count, CBC）是一项常规且广泛可用的血液学检查，可提供红细胞、白细胞和血小板等血细胞组分的关键信息。这些参数 collectively 反映全身状况，如炎症、感染和凝血，而这些均在卒中发病机制中发挥关键作用。近期证据提示某些CBC参数可能与卒中风险增加相关；然而，这些关联的性质和方向仍不清楚。本研究旨在全面评估单个CBC参数与卒中风险之间的关系及潜在因果联系。
**方法**：研究分析纳入来自NHANES数据集（2011–2016）的6736名参与者。研究人员采用一系列统计学技术：多变量logistic回归、加权分位数和（Weighted Quantile Sum, WQS）回归、限制性立方样条分析和孟德尔随机化。这些方法用于评估血细胞指标（CBC）与卒中之间的关联，并考虑广泛协变量，如年龄、种族、社会经济状况、体质指数（BMI）、生活方式因素（吸烟、饮酒、体力活动）、血清钙水平、高血压和糖尿病。卒中病例通过专用问卷确定，并检测了多种CBC参数。本研究旨在系统评估CBC参数与卒中风险之间的关联，并利用多变量统计分析和遗传流行病学方法探索其潜在因果关系。
**结果**：初步分析显示，卒中组与非卒中组在年龄、教育程度、收入、高血压和糖尿病方面存在显著差异。CBC指标中，尤其是LBXRDW、LBXHCT、LBXHGB和LBXMCHSI，被确定为卒中的独立预测因子。WQS回归强调这些指标与卒中风险之间存在正向关联，但在调整混杂因素后该关联减弱。限制性立方样条分析发现LBXRDW和LBXMCHSI与卒中事件存在显著非线性相关。孟德尔随机化进一步提示特定CBC指标（如平均红细胞血红蛋白浓度、红细胞分布宽度）与卒中之间的潜在因果关联，尽管相关性方向不一。敏感性分析，包括异质性检验和多效性检验，增强了这些结果的稳健性。
**结论**：本研究揭示了CBC参数与卒中风险之间多层次且复杂的关联，强调在卒中相关研究中需要综合考虑血液学特征和各种混杂因素。这些发现有助于深入理解卒中发病机制，并为未来卒中风险的早期筛查和个性化干预提供理论基础和新见解。
论文主体解读：
**一、研究背景与问题**
卒中作为全球范围内导致死亡和残疾的主要脑血管疾病，其病理机制涉及急性脑血管中断引发的多层面脑损伤。尽管传统危险因素（如高血压、糖尿病、高龄等）已被广泛认知，但血液学指标在卒中风险分层、病因判定及预后预测中的价值仍待深入挖掘。全血细胞计数（complete blood count, CBC）作为临床最常规、最易获取的血液学检测手段，涵盖红细胞、白细胞和血小板等多种参数，能够系统性反映机体炎症、感染和凝血状态，而这些病理生理过程在卒中发生发展中具有关键作用。然而，既往观察性研究受限于混杂因素和反向因果的干扰，难以确立血细胞参数与卒中风险之间的因果关联；同时，单一参数研究视角未能充分整合多种血细胞指标的综合效应。因此，有必要基于大规模人群数据，结合多变量统计分析和遗传流行病学方法，系统评估CBC参数与卒中风险的关联及其潜在因果机制。
**二、研究设计与技术方法**
该研究依托美国国家健康与营养调查（NHANES）2011–2016年数据，纳入6736名20岁及以上具有完整血细胞参数和协变量信息的参与者。卒中状态通过问卷调查（MCQ）判定，血细胞数据涵盖20项CBC参数，包括白细胞计数、淋巴细胞百分比、单核细胞百分比、中性粒细胞百分比、嗜酸性粒细胞百分比、嗜碱性粒细胞百分比、各系细胞绝对值、红细胞计数、血红蛋白、红细胞压积、平均红细胞体积、平均红细胞血红蛋白量、平均红细胞血红蛋白浓度、红细胞分布宽度、血小板计数及平均血小板体积。
研究采用多层级分析策略：首先通过多变量logistic回归构建三个递进模型，评估各CBC参数与卒中的独立关联；随后采用加权分位数和（Weighted Quantile Sum, WQS）回归，评价全部血细胞参数的整体效应及各指标的相对贡献；继而运用限制性立方样条（restricted cubic spline, RCS）分析，检验关键参数与卒中风险的非线性剂量-反应关系；最后，利用公开的全基因组关联研究（GWAS）汇总数据，以遗传变异作为工具变量，实施两样本孟德尔随机化（Mendelian randomization, MR）分析，在控制混杂和反向因果的条件下推断血细胞特征与卒中的因果效应。GWAS数据来源于MRC IEU OpenGWAS数据库，暴露数据取自Chen MH等进行的跨种族荟萃分析（共746,667名参与者），结局数据采用ukb-d-C_STROKE。工具变量筛选标准为p<5e-8，连锁不平衡参数设为r2=0.001、kb=10,000；因果效应估计依据工具变量数量选用Wald ratio或逆方差加权（IVW）方法，并进行异质性检验、多效性检验和Steiger方向性检验等敏感性分析。
**三、主要研究结果**
**3.1 基线特征比较**
研究共纳入6736名参与者，其中卒中组258人，非卒中组6478人。基线分析显示，两组在年龄、教育水平、收入、高血压和糖尿病患病率方面存在统计学显著差异（p<0.05）。卒中组人群年龄更大，教育水平更低，低收入比例更高，高血压和糖尿病患病率更高。在20项血细胞参数中，共13项指标（LBXRDW、LBXHCT、LBXHGB、LBXRBCSI、LBXWBCSI、LBDEONO、LBDNENO、LBDMONO、LBDLYMNO、LBXBAPCT、LBXEOPCT、LBXNEPCT、LBXLYPCT）在两组间差异具有统计学意义。对吸烟和饮酒的连续暴露指标（血清可替宁浓度、年度总酒精摄入量）进行RCS分析，未发现显著非线性关联（所有非线性p>0.05）。
**3.2 血细胞对卒中的效应：多变量logistic回归**
研究构建三个模型以评估稳健性：Model 1仅纳入血细胞变量；Model 2在Model 1基础上调整年龄、教育水平、收入和高血压；Model 3进一步调整全部协变量（年龄、种族、教育水平、收入、糖尿病、高血压、性别、BMI、饮酒状态和吸烟状态）。结果显示：在Model 1中，平均红细胞血红蛋白浓度（LBXMC）、红细胞分布宽度（LBXRDW）和平均红细胞血红蛋白量（LBXMCHSI）是卒中的独立预测因子；Model 2中LBXMC、LBXMCHSI和平均红细胞体积（LBXMCVSI）为独立预测因子；Model 3中仅LBXMC（OR=0.19, 95% CI: 0.05-0.79, p=0.026）和LBXMCHSI（OR=6.42, 95% CI: 1.06-39.1, p=0.045）仍保持独立预测作用。这表明LBXMC与卒中风险呈负相关，而LBXMCHSI与卒中风险呈正相关，且这些关联在充分调整混杂因素后依然稳定。
**3.3 WQS回归分析**
未校正模型中，血细胞整体指标与卒中呈显著正相关（p=9.08e-11），其中LBXRDW贡献最大，其次为LBXNEPCT、LBXLYPCT、LBXMCVSI、LBDBANO、LBXEOPCT和LBXBAPCT。部分调整后，CBC整体与卒中的相关性不再显著（p=0.15021），LBXLYPCT贡献最高。完全调整后，整体关联p=0.42822，LBXLYPCT贡献仍居首位，其次为LBXNEPCT、LBDBANO、LBXRDW和LBXBAPCT。该结果表明血细胞总体效应在调整混杂因素后被削弱，但特定亚群仍具潜在贡献。
**3.4 限制性立方样条分析**
针对logistic回归中稳定的预测因子（LBXMC、LBXMCHSI）和WQS分析中贡献较高的指标（LBXRDW、LBXLYPCT）进行RCS分析。结果显示：LBXRDW与卒中发生呈显著非线性关系（p=1.9e-3）；LBXMCHSI与卒中发生亦呈显著非线性关系（p=1.5e-5）；而LBXLYPCT（p无统计学意义）和LBXMC（p无统计学意义）未发现显著非线性关联。
**3.5 孟德尔随机化分析**
基于前述发现，选取LBXMC、LBXMCHSI和LBXRDW等指标进行两样本MR分析，并扩展至其他血细胞特征。结果表明，以下指标与卒中存在潜在因果关联：淋巴细胞计数（Wald ratio p=0.01988296，正向关联）；平均红细胞血红蛋白浓度（Wald ratio p=0.01179843，负向关联）；红细胞计数（IVW p=0.02158492，正向关联）；红细胞分布宽度（IVW p=0.02827563，正向关联）；白细胞计数（IVW p=0.03330559，负向关联）。Steiger方向性检验证实上述关联的因果方向均正确（所有p值极小）。敏感性分析方面：红细胞计数（p=0.8379531）、红细胞分布宽度（p=0.5081940）和白细胞计数（p=0.3488251）均未检测到显著异质性；红蛋白平均浓度的红血细胞分布宽度多效性检验p=0.9354143，提示无水平多效性；留一法分析显示红细胞分布宽度的效应估计值稳定，进一步支持因果关联的稳健性。
**四、讨论与结论**
本研究的发现具有多方面意义。在机制层面，红细胞分布宽度（RDW）作为反映红细胞异质性的指标，其升高常提示炎症、氧化应激和铁代谢紊乱，与既往ARIC和REGARDS队列中RDW升高增加首次缺血性卒中风险的证据一致；而平均红细胞血红蛋白浓度（MCHC）的负向关联则可能反映红细胞血红蛋白携带效率和氧输送能力对脑血管保护的有益作用。平均红细胞血红蛋白量（LBXMCHSI）的持续正相关与贫血及血液学异常作为卒中风险标志物的文献相呼应。MR分析从遗传学角度支持了部分血细胞指标与卒中的因果关联，其中白细胞计数和平均红细胞血红蛋白浓度与卒中的负向关联挑战了传统认识，提示血细胞组成变化对卒中病理的复杂影响。本研究的创新性在于将观察性关联分析与遗传因果推断相结合，并通过WQS和RCS分析全面评估了血细胞参数的整体效应和非线性剂量-反应关系，为卒中风险预测模型的优化提供了新视角。将RDW和MCHC纳入现有的卒中风险预测工具（如Framingham卒中风险概况）可能有助于在缺乏先进影像或基因分型条件的基层医疗机构中早期识别高危个体。
然而，研究亦存在局限性：完全病例分析可能因排除缺失数据而引入选择偏倚；NHANES的横断面设计限制了时间与因果关系的推断；年轻成人（20–40岁）卒中发生率较低，可能低估关联强度或引入年龄相关异质性；此外，MR分析依赖GWAS数据的质量和工具变量假设的满足程度。未来研究应开展年龄分层分析，并进一步探究血细胞参数影响卒中病理的具体生物学通路。
**研究结论**：本研究揭示了CBC参数与卒中风险之间多层次且复杂的关联，强调了在卒中研究中综合考量血液学特征和多种混杂因素的重要性。LBXMC和LBXMCHSI在充分调整后仍为卒中的独立预测因子，而MR分析进一步提示平均红细胞血红蛋白浓度、红细胞分布宽度、红细胞计数、淋巴细胞计数和白细胞计数与卒中存在潜在因果关联。这些发现深化了对卒中发病机制的理解，为卒中风险的早期筛查和个性化干预提供了理论基础和新的研究方向。
