TyG指数又发一区top？中山大学学者这样挖NHANES，也太给力了！

TyG（甘油三酯-葡萄糖）指数作为胰岛素抵抗（IR）的便捷替代指标，与全因及心血管疾病（CVD）死亡率密切相关。但考虑到药物干预等原因，现有研究对它们之间的具体关联存在争议。

因此，为了探究服用抗糖尿病或者降血脂药物，是否会对上述关联产生影响，研究团队进行了本次研究。

2025年2月7日，中山大学学者用NHANES数据库，在期刊《Cardiovascular Diabetology》（医学top一区，IF=8.5）发表题为：“The association between TyG index and cardiovascular mortality is modified by antidiabetic or lipid-lowering agent: a prospective cohort study”的研究论文。

研究结果表明，使用抗糖尿病或降血脂药物会显著改变TyG指数与全因及心血管死亡率之间的关联。具体而言，在使用这些药物的个体中观察到U形关联；而在不使用这些药物的个体中，死亡率随着TyG指数的升高而增加。

(在医学论文与统计分析微信公众号后台回复”原文“获得文献PDF等资料)

研究团队基于美国国家健康与营养调查（NHANES）数据库1999-2018年的数据，经过纳排，最终纳入了5,046名年龄≥18岁符合条件的参与者，加权平均年龄为 61.08岁，49.35%为女性。

图1 研究概要

结果显示，当将参与者按是否服用抗糖尿病或降血脂药物进行分层时，TyG指数与全因或CVD死亡率之间的相关性存在显著差异。

• 在未使用这些药物的参与者中，TyG指数与死亡率之间存在线性正相关，即TyG指数越高，全因及CVD死亡率越高；

• 而对于正在服用抗糖尿病或降血脂药物的参与者而言，TyG指数与死亡率呈U型关联。其风险最低点出现在TyG≈9时，过低或过高都会显著增加死亡风险。

图2 TyG指数与是否服用抗糖尿病药物的参与者的死亡率之间的关联

图3 TyG指数与是否服用降血脂药物的参与者的死亡率之间的关联 

同时，研究团队还发现，TyG指数与参与者是否服用抗糖尿病或降血脂药物，对死亡率的影响存在显著的相互作用。

以抗糖尿病药物为例，在未使用药物的参与者中，TyG水平越高，死亡率越高；而在用药者中，越高的TyG水平将会导致越低的死亡率。

图4 TyG指数与抗糖尿病药物使用对死亡率结果的相互作用

综上所述，研究结果表明，使用抗糖尿病和降血脂药物会改变TyG指数与全因以及心血管疾病（CVD）死亡率之间的关联。因此，在未来的相关研究中，应考虑这些药物的调节作用。

统计知识点汇总

1. 数据来源

美国国家健康与营养调查（NHANES）数据库：

NHANES数据库是一项旨在评估美国成人和儿童的健康和营养状况的研究计划。该数据库涵盖了多种健康指标的数据收集和分析。

2.研究设计思路：

P（Population）参与者：从NHANES数据库1999-2018年的数据中，纳入的5,046名年龄≥18岁符合条件的参与者；

E（exposure）暴露因素：TyG指数水平以及抗糖尿病药物和降血脂药物的使用；

O（outcome）结局：参与者的全因以及心血管疾病（CVD）的死亡率；

S（Study design）研究类型：横断面研究。

3. 统计方法

• 加权多变量Cox比例回归模型

本文中，研究团队将参与者根据是否服用抗糖尿病或降血脂药物进行分层，通过加权多变量Cox比例回归模型，探究了TyG指数与不同参与者全因以及CVD死亡率之间的关联。

• 模型1：调整了年龄、性别和种族；

• 模型2：调整了年龄、性别、种族、BMI、饮酒状态、高血压、冠心病、卒中、心绞痛和低密度脂蛋白胆固醇 （LDL-C） 。

• 逆概率加权（IPTW）

逆概率加权（IPTW）常用于处理观察性研究中的因果推断问题。其核心思想是通过给予不同个体不同的权重，从而使得样本在处理组和对照组之间更加平衡，达到类似于随机对照试验的效果。

• 在临床医学科研中，IPTW广泛应用于处理观察性数据，尤其是评估药物或治疗策略的效果。

以本研究为例，研究团队基于上述模型2中的协变量计算了倾向评分，并据此分配逆概率权重。通过该方法，可以平衡使用与未使用抗糖尿病或降血脂药物组参与者的基线特征（如年龄、合并症等），减少因基线不平衡而导致的混杂效应。

• 限制性立方样条（RCS）曲线

本文中，研究团队基于抗糖尿病或降血脂药物的使用状态将参与者进行分层，探究不同药物组中参与者的TyG指数与死亡率的非线性关系。

• 亚组分析

在本文中，研究团队基于性别、年龄（<60岁/≥60岁）以及BMI（<30/≥30）将参与者分为不同的亚组，检验TyG指数与死亡率的关联在不同亚组中的一致性，评估结果的普遍性。

• 敏感性分析

在本研究中，研究团队进行了三次敏感性分析，以验证结果的稳健性：

1. 排除随访前两年死亡的参与者：目的是为了减少反向因果关系对研究结果的影响。

2. 加入健康饮食指数（HEI）、体力活动、贫困收入比（PIR）等额外混杂因素：旨在进一步验证主要分析结果的稳健性。

3. 联合分析抗糖尿病与降血脂药物的综合效应：探索这两种药物在影响TyG指数与死亡率关系上的协同作用。