生命8要素是刚出来的指标，就今年发了些文章，大家可抓住机会，尽情的去挖掘8要素的文章，今天一年才发了56篇文章：
目前对于8要素对心血管的疾病研究较多，其他疾病都等着大家慢慢开发出来。目前越来越多的综合指标出来，不要担心公共数据库没东西挖，各种的指标都等碰上你们来写。只要敢写，就能发！
以下就是嘉兴学院的学者在《Nutrition, Metabolism & Cardiovascular Diseases》（三区，IF=3.9 ）发表题为：Association of Life's Essential 8 with all-cause and cardiovascular mortality among US adults: A prospective cohort study from the NHANES 2005-2014 的研究论文。
这项研究为一项队列研究，旨在使用NHANES数据库和对应的死亡数据，调查美国成年人生命要素8评分与全因和心血管死亡率的关系。结果表明， 在美国成年人中，较高的LE8评分与较低的全因和心血管疾病死亡风险独立相关。
摘要与主要结果
一、摘要
背景：本研究旨在调查Life 's Essential 8 (LE8)与美国成年人长期结果之间的关系，LE8是美国心脏协会(AHA)最近更新的心血管健康(CVH)量化算法。
方法：这项基于人群的前瞻性队列研究分析了2005年至2014年全国健康和营养检查调查中23110名20岁或以上参与者的数据以及他们截至2019年12月的相关死亡率数据。LE8评分(范围0e100)根据AHA的定义被分为低CVH (0e49)、中等CVH (50 e79)和高CVH (80e100)。
结果：研究人群的加权平均年龄为47.0岁(95%可信区间[CI]， 46.4e47.5岁)，其中11,840名女性(加权百分比，51.5%;95% CI: 50.9e52.1%)。在平均113个月(至180个月)的随访期间，发生了2942例全因死亡，其中738例死于心血管疾病。LE8评分与所有原因造成的死亡率呈显著负相关(LE8评分每增加10分的调整风险比[HR]， 0.86;95% CI, 0.82e0.90)和心血管疾病(LE8评分每增加10分的调整HR, 0.81;95% CI, 0.75e0.87)。与低CVH的参与者相比，高CVH的参与者减少了40%(调整后HR, 0.60;95% CI, 0.48 e0.75)和54%(调整后HR, 0.46;95% CI, 0.31e0.68)的心血管死亡风险。
结论：在美国成年人中，较高的LE8评分与较低的全因和心血管疾病死亡风险独立相关。
二、研究结果
1.基线特征
研究人群的加权平均年龄为47.0岁(95% CI, 46.4e47.5岁)，其中11,840名女性(加权百分比[WP]， 51.5%;95% CI: 50.9e52.1%)。研究人群包括10767名白人(WP, 69.8%;95% CI, 66.9e72.8%)， 4683黑(WP, 10.5%;95% CI, 9.0e12.0%)， 5760名西班牙裔(WP, 13.4%;95% CI, 11.3e15.4%)， 1900其他种族/民族(WP, 6.3%;95%可信区间，5.6e7.1%)。研究人群的平均LE8评分为67.1 (95% CI, 66.6e67.6)，低、中、高CVH的WPs分别为12.2% (95% CI, 11.5e13.0%)、67.0% (95% CI, 65.9e68.1%)和20.8% (95% CI, 19.4e22.2%)。
2.生存分析
中位随访期为113个月(最长180个月)，发生2942例全因死亡(WP, 9.6%;95% CI, 8.8-10.3%)，包括738例CVD死亡(WP, 2.3%;95%可信区间，2.0-2.5%)。低、中、高CVH组加权死亡率的全因死亡率分别为19.3%、9.8%和3.2%。
在完全调整模型(多变量模型2)中，与低CVH参与者相比，中度(HR, 0.73;95% CI, 0.64-0.84)和高CVH (HR, 0.60;95% CI, 0.48-0.75)与全因死亡风险降低相关。
在调整潜在混杂因素后，中度和高CVH分别降低了37%(HR, 0.63;95% CI, 0.52e0.78)和54% (HR, 0.46;(95% CI, 0.31e0.68)的心血管疾病死亡率的风险。
LE8评分每增加10分与全因死亡率相关的多变量调整HR为0.86 (95% CI, 0.82e0.90;表2).
在LE8的所有8个指标中，饮食、体育活动、尼古丁暴露、睡眠健康、血糖和血压显著降低了全因死亡率的风险(HR < 1, p < 0.05;)。
在LE8的8个指标中，体育活动、尼古丁暴露、睡眠健康、BMI、血糖和血压显著降低心血管死亡风险(HR < 1, p < 0.05;)
3.LE8评分与全因和CVD死亡率之间的非线性关联
限制性立方样条分析不支持LE8评分与全因和CVD死亡率之间的非线性关联(非线性p均为> .05;图3)。LE8评分与全因和CVD死亡率之间有益关联的最小阈值均在66分时获得(估计的HR z1)。
设计与统计学方法
一、研究设计
P参与者：2005-2014年的年龄≥20岁的人群
E暴露：生命必需8 (LE8)分数
协变量包括年龄、性别、种族/民族、受教育程度、PIR、CVD史、饮酒状况和抑郁
O结局：全因死亡和心血管死亡
S研究类型：队列研究
二、统计方法
1.考虑权重+统计描述：考虑权重。分类变量以加权百分比表示，连续变量以加权平均值表示，并具有相应的置信区间(ci)。
2.差异性分析：基线特征比较使用Rao-Scott卡方检验分类变量和未经调整的线性回归的连续变量。采用Pearson相关系数评估LE8指标之间的两两相关性，采用Bonferroni平差进行多重比较。
3.加权多变量Cox比例风险回归模型计算LE8评分与全因和CVD死亡风险之间的风险比(HRs)和95% CI。Schoenfeld残差被用来检验比例危害假设，没有观察到违反。模型1：我们调整了年龄(连续年)、性别、种族/民族、贫困率(连续年)、教育水平和婚姻状况。模型2：对CVD病史、健康状况和PHQ-9评分(连续)进行了调整。我们还在模型2中检验了8个CVH指标的个体效应。
4.限制性立方样条回归：分析LE8评分与全因和心血管疾病死亡率之间的潜在非线性关系。采用似然比检验进行非线性检验。
5.分层分析：按性别、年龄层、教育水平、贫困率水平、心血管疾病史、健康状况和抑郁症进行了分层分析。LE8分数和分层因素之间的生产项的p value被用来估计交互作用的显著性。
5.敏感性分析：3项敏感性分析，通过(1)比较3个降低的CVH评分和LE8评分之间的HRs，以检查身体活动、饮食和睡眠指标与结果之间的关系;(2)排除随访2年内死亡的参与者(nz354)，以尽量减少潜在的反向因果偏差;(3)根据LE8分位数重复主分析。
小 结
以下是LE8评分的具体条目，大家可以借鉴学习：
