《Frontiers in Public Health》：Longitudinal associations of dynamic transitions of multidimensional health vulnerability with cardiovascular disease risk: evidence from UK Biobank
编辑推荐：
背景：健康脆弱性（health vulnerability, HV）是一种内在的多维结构，整合了生理、心理和社会领域，可能与心血管疾病（cardiovascular disease, CVD）风险相关。然而，现有HV评估缺乏整合性和时间动态变化。本研究旨在识别
背景：健康脆弱性（health vulnerability, HV）是一种内在的多维结构，整合了生理、心理和社会领域，可能与心血管疾病（cardiovascular disease, CVD）风险相关。然而，现有HV评估缺乏整合性和时间动态变化。本研究旨在识别HV与CVD风险之间的动态关联。方法：本纵向队列研究纳入来自英国生物样本库（UK Biobank）的16,072名参与者，他们在基线（2006–2010年）和重复评估（2014年）时完成了HV评估。研究人员使用潜在类别分析（latent class analysis, LCA）和潜在转变分析（latent transition analysis, LTA）识别HV转变模式。研究人员应用Cox比例风险模型评估HV转变与CVD发病之间的关联，随访从基线评估开始。敏感性分析包括替代的HV转变分类、从复合结局中排除高血压疾病，以及考虑非CVD死亡的竞争风险分析。结果：在中位随访8.9年期间，共记录3,033例CVD事件。与持续低脆弱性相比，脆弱性增加和持续升高的脆弱性在多变量调整后与更高的CVD风险相关（HR=2.14，95% CI：1.74–2.63；HR=1.18，95% CI：1.08–1.29）。亚组分析发现了年龄和吸烟状态的显著效应修饰，表明HV转变与CVD风险之间的关联在不同人群中存在差异。主要发现在敏感性分析中保持一致。结论：HV的动态变化与后续CVD风险相关，脆弱性增加和持续升高显示出更高的风险。这些发现强调监测多维脆弱性变化对心血管风险评估的潜在重要性。
心血管疾病（cardiovascular disease, CVD）是全球范围内导致死亡和疾病负担的首要原因。2019年全球CVD患病数已达5.23亿，年死亡人数超过1700万。CVD是多因素疾病，仅从单一维度难以全面评估风险。健康脆弱性（health vulnerability, HV）这一概念源自灾害研究和社会经济领域，后拓展至健康领域，被定义为个体内在的、潜在的多维生物学综合征，由生理、心理和社会等多维度因素交互形成。大量证据表明，HV与慢性病尤其是CVD关系密切：如高血压与CVD共享慢性炎症和代谢紊乱的病理基础；不良社会关系使冠心病发病率增加29%；抑郁症使冠状动脉疾病风险升高1.5倍等。然而，现有HV评估存在两重局限：其一，指标选择碎片化，缺乏基于世界卫生组织“生理—心理—社会”健康定义的综合评估；其二，静态横断面视角无法揭示HV随时间的动态演变及其与CVD的因果关联。为突破上述瓶颈，本研究整合生理、心理和社会三个维度构建多维HV指数，并利用英国生物样本库（UK Biobank）的纵向队列数据，探究HV动态变化与CVD发病风险之间的关联。研究最终纳入16,072名完成基线与2014年重复评估且基线无CVD的参与者，采用潜在类别分析（latent class analysis, LCA）识别HV亚组，用潜在转变分析（latent transition analysis, LTA）刻画转变模式。研究发现，与持续低脆弱性相比，脆弱性增加和持续升高的个体CVD风险显著升高，且这种关联呈线性剂量—反应关系；年龄和吸烟状态可显著修饰该关联。研究提示，监测多维脆弱性的动态变化可为心血管风险评估提供额外信息。
本研究的关键技术方法包括：基于UK Biobank队列的16,072名参与者，采用15项指标构成HV指数，覆盖生理、心理和社会维度。研究人员在基线和2014年随访时点分别进行LCA，确定低、中、高HV三个潜在类别；继而通过LTA估计类别间转变概率，将九种转变模式归并为四类纵向HV模式：持续低脆弱性、脆弱性降低、脆弱性增加、持续升高脆弱性。应用Cox比例风险模型评估HV转变模式及累积HV（cumulative health vulnerability, CHV）与CVD发病的关联，并用限制性立方样条（restricted cubic spline, RCS）检验非线性趋势。敏感性分析包括排除高血压疾病、以重复评估为起点的里程碑分析、转变模式三分类、分层Cox模型及Fine-Gray竞争风险模型。协变量缺失通过链式方程多重插补（MICE）处理。
**基线特征与事件概况**：四类纵向HV模式中，持续低脆弱性组人数最多（8,690人，54.1%），持续升高脆弱性组次之（6,930人，43.1%），脆弱性降低组和增加组分别有138人和314人。持续升高脆弱性组女性比例最高（63.8%），糖尿病患病率（1.8%）高于持续低脆弱性组（1.3%）；脆弱性增加组虽人数较少，但糖尿病（3.2%）和当前吸烟（7.6%）比例最高。中位随访8.9年，共记录3,033例（18.9%）首发CVD事件。
**累积发生率趋势**：Kaplan-Meier曲线显示，持续升高脆弱性组累积CVD发生率最高，持续低脆弱性组最低。CHV四分位最高组（Q4）的累积发生率显著高于最低组（Q1），且随随访时间延长差异增大（log-rank P<0.001）。
**HV转变与CVD风险**：多变量调整后，与持续低脆弱性相比，脆弱性增加组CVD风险升高79%（HR=1.79，95% CI：1.43–2.22），持续升高脆弱性组风险升高28%（HR=1.28，95% CI：1.19–1.38），而脆弱性降低组关联不显著（HR=1.22，95% CI：0.82–1.82）。趋势检验显示，随脆弱性严重程度增加，CVD风险显著上升（P<0.001）。CHV每增加一个单位，CVD风险增加15%（HR=1.15，95% CI：1.12–1.20）；最高四分位（Q4）较低四分位（Q1）风险增加47%（HR=1.47，95% CI：1.32–1.63）。
**特定CVD亚型**：调整协变量后，HV类别与房颤、缺血性心脏病、高血压性疾病及其他CVD亚型的关联均未达到统计学显著，可能与各亚型事件数较少导致的检验效能不足有关。
**非线性检验**：RCS分析显示CHV与CVD风险呈显著线性正向关联（线性P<0.001），非线性检验P=0.363，未发现非线性证据。
**亚组分析**：年龄和吸烟状态显著修饰HV转变与CVD风险的关联（交互P分别为0.036和0.002）。年龄<60岁者中，脆弱性增加组风险最高（HR=2.12，95% CI：1.61–2.78）；年龄≥60岁者中，持续升高脆弱性组仍显著（HR=1.14，95% CI：1.02–
