2024年1月，中国学者在《Cardiovascular Diabctology》（一区，IF=9.3）发表题为："Interacting and joint effects of triglyceride-glucoseindex (TyG) and body mass index on stroke risk andthe mediating role of TyG in middle-aged and older Chinese adults: a nationwide prospective cohortstudy" 的研究论文。
本文基于具有前瞻性的CHARLS数据库，通过问卷形式获得基线数据，目的是探索 TyG 是否介导 BMI 与卒中风险的关联，以及 TyG 和 BMI 与卒中结果的相互作用或联合关系的程度。结果表明，TyG似乎与中老年中风风险相关，并介导了BMI与中老年中风之间总相关性的50%以上。
摘要与主要结果
一、摘要
文章题目：甘油三酯-葡萄糖指数（TyG）和体重指数对中国中老年人脑卒中风险的交互作用和联合作用以及TyG的中介作用：一项全国性前瞻性队列研究
研究目的：超重或肥胖的人经常出现胰岛素抵抗，通过甘油三酯-葡萄糖指数 （TyG） 介导体重指数 （BMI） 与卒中风险之间的关联似乎是合理的，但尚未进行研究。本研究旨在检查 TyG 是否介导 BMI 与卒中风险的关联，以及 TyG 和 BMI 与卒中结果的相互作用或联合关系的程度。
方法：中国健康与养老纵向研究于2011年启动，是一项具有全国代表性的前瞻性队列研究，涉及8 231名基线时没有卒中病史的中老年人。检查的暴露包括 BMI 和 TyG，后者是空腹甘油三酯和葡萄糖浓度的对数乘积。主要研究结果是卒中发生率，通过自我报告确定，随访期从 2011 年 6 月 1 日延长到 2018 年 6 月 30 日。
结果：在8 231名受试者中，男性占3 815名（46.3%）;平均年龄（SD）为59.23（9.32）岁。在中位7.1年的随访期间，585名（7.1%）受试者发生卒中。TyG在BMI与卒中发生之间的关联中介，在24.0-27.9 kg/m的BMI中介导比例为16.3%2BMI 为 53.8% ≥ 28.0 kg/m2群。BMI和TyG在卒中发生时未发现显著的乘法和加性相互作用（加性：RERI = 1.78,95%CI - 1.29-4.86;乘法，HR = 1.40,95% CI 0.86-2.27）。BMI ≥ 28.0 kg/m 的人的心率2TyG 与 BMI < 24.0 kg/m 的人相比，四分位数为 42TyG 的四分位数 1 为 2.05 （95% CI 1.37-3.06）。与个体相比，结合 BMI 和 TyG 可增强卒中的预测性能（AUCBMI+TyG与 AUC体重指数（BMI）与 AUCTyG系列，0.602 对 0.581 对 0.583）。
结论：TyG似乎与中老年中风风险相关，并介导了BMI与中老年中风之间总相关性的50%以上。旨在减轻体重的公共卫生努力可能会降低由于胰岛素抵抗和中风负担而导致的中风风险。
二、研究结果
1.基线数据
共纳入8231名参与者，平均年龄59.23（9.32）岁，3815名（46.3%）参与者为男性。平均TyG为8.67（0.66），而平均BMI为23.47（3.78）kg/m2。
2.TyG与脑卒中患者BMI的中介作用分析
（1）2011至2018年的中位7.1年的随访中，585名参与者发生意外卒中，卒中发生率为7.1%。在调整潜在混杂因素后（模型3），结果如下：
通过比较BMI≥28.0 kg/m2和BMI<24.0 kg/m2，调整后卒中的HRs=1.38（95% CI ,1.08–1.77）；
通过比较TyG的四分位数4与四分位数1，调整后卒中的HRs=1.65（95% CI ,1.27–2.15）。
模型1：根据年龄、性别进行调整;
模型2：根据年龄、性别、婚姻状况、居住、教育程度、吸烟状况和饮酒状况进行调整;
模型3：在模型2的基础上，加上高血压、糖尿病、心脏病、血脂异常、肾脏疾病以及高血压、糖尿病和血脂异常的用药史。（2）使用RCS回归发现，TyG与卒中发生风险之间存在非线性关联（对于非线性，P=0.005）。
而BMI与卒中发生风险之间存在线性和正相关（对于非线性，P=.0.089）。
3.BMI和TyG与卒中事件的交互作用及联合分析
在卒中事件中，BMI和TyG之间没有发现显著的乘法和加法交互作用。
图A TyG指数与卒中事件发生率的关系
图B TyG指数和BMI与卒中事件发生率的联合关联
4.BMI和TyG在卒中事件中的预测价值
（1）与个体组相比，BMI+TyG组的预测价值更强。ROC曲线显示组合指标的AUC=0.602。
（2）决策曲线证实其临床相关性。
（3）值得注意的是，BMI+TyG指数与个体BMI和TyG指数有显著差异。
5.亚组和敏感性分析
结果显示，BMI和TyG与卒中事件间具有较强的相关性。此外，当使用四向分解法时，TyG显著介导了9.6%（95%CI 1.0–34.8%）的BMI相关的卒中风险升高。
亚组按年龄、性别进行分层，结果如下：
（1）与<60岁的参与者相比，TyG介导的≥60岁的参与者中BMI和中风的比例更高；
（2）与男性相比，TyG调节女性中BMI和中风的比例更高。
设计与统计学方法
一、研究设计
P（Population）参与者：2011至2018年45岁以上BMI和TyG信息完整且正常的8231名参与者。
E（exposure）暴露因素：BMI和TyG
O（outcome）结局：卒中
S（Study design）研究类型：纵向研究
二、统计方法
1、概率抽样法
该项研究对NHANES数据进行了二次分析，遵循其复杂的多阶段概率抽样。
2.统计描述
正态分布中的连续变量应该用均数±标准差(SD)来描述，以及非正态分布的连续变量的中位数和四分位间距。使用百分比频率来描述分类变量。在适当的情况下，使用X2或方差分析或Kruskal–Wallis秩和检验对各组之间的基线特征进行比较。
3.Cox模型
使用Cox比例风险回归模型来估计与BMI（分为<24.0 kg/m2、24.0-27.9 kg/m2，≥28.0kg/m2）和TyG（分为四分位数）相关的结果的风险比（HRs）和95%可信区间（CI）。
4.RCS回归
还采用RCS回归来探索潜在的非线性关系，即BMI和TyG与卒中发生率的关系。
4.分层分析
用于调查不同BMI亚组参与者中TyG与卒中事件的相关性。
5.ROC曲线
通过评估受试者工作特征（ROC）曲线和计算BMI曲线下面积（AUC），评估BMI、TyG、TyG-BMI指数和TyG+BMI的表现。
5.决策曲线分析（DCA）
采用决策曲线分析（DCA）比较临床效益。
