尽管我们对高血压、高血糖等传统心血管危险因素已加强管理，但很多控制达标的人群仍会突发心梗、脑梗，存在巨大的“残余风险”。而炎症和胰岛素抵抗（IR）的协同作用被认为是推动该风险的关键机制。
C反应蛋白-甘油三酯-葡萄糖指数（CTI）作为一个整合二者的双维生物标志物，但现有研究多基于单时间点测量，缺乏对累积暴露（cuCTI）和动态轨迹的纵向评估。
2025年7月26日，浙江省嘉兴市海盐县人民医院学者用CHARLS数据库，在期刊《Cardiovascular Diabetology》（医学一区Top，IF=10.6）发表了一篇题为：“Associations of cumulative exposure and dynamic trajectories of the C-reactive protein-triglyceride-glucose index with incident cardiovascular disease in middle-aged and older Chinese adults: a nationwide cohort study”的研究论文，旨在探讨中国中老年人群中累积CTI（cuCTI）及CTI的动态变化轨迹与新发心血管疾病（CVD）风险之间的关联。
结果表明，cuCTI和CTI的动态变化轨迹是我国中老年人新发CVD风险的独立预测因子。其中，cuCTI水平升高和CTI持续高水平的个体风险显著增加。
在公共数据库与孟德尔随机化公众号回复“原文”即可获得文献PDF等资料，如果进一步需要CHARLS数据库方法学习，请联系郑老师团队，微信号：aq566665
研究基于中国健康与养老追踪调查（CHARLS）2011~2020年数据，经过纳排，最终纳入4157名≥45岁、无基线CVD且具备完整生化指标的参与者。其中，609名（13.5%）被诊断患有CVD。
图1 参与者的筛选流程
cuCTI计算方法为两次CTI测量值的均值乘以时间间隔。
研究采用K-means聚类方法识别CTI的动态变化轨迹，通过Cox回归模型和RCS曲线评估cuCTI与CVD风险的关联，并进行分层分析和敏感性分析以验证结果的稳健性。
主要研究结果
研究通过K-means聚类识别出三种CTI轨迹。其中，与CTI水平持续低（集群2）的参与者相比，CTI水平持续高（集群1）及适度增加（集群3）的参与者发生CVD的风险显著增加。
图2 2012-2015年CTI变化的聚类分析
A.采用基于欧氏距离的K-means聚类算法得到三个集群；B.2012-2015年CTI变化情况；C.三组CVD发病情况
表1 cuCTI、CTI轨迹与新发CVD风险关系的多因素Cox回归分析
模型1：未调整；
模型2：经性别、年龄、婚姻状况、文化程度调整；
模型3：模型2＋经BMI、吸烟状况、饮酒状况、高血压、血脂异常、心脏病、高血压药物、血脂异常药物、降压药物、降糖药物、降脂药物调整
同时，参与者的cuCTI水平与新发CVD风险呈线性正相关。具体而言，与cuCTI最低分位（Q1）组相比，最高分位（Q3）组的风险增加36%。
研究通过ROC分析进一步表明，CTI预测CVD风险的能力优于单独的CRP或TyG，其中反映CTI动态变化的cuCTI（AUC = 0.589）性能最佳。
图3 ROC曲线
此外，亚组分析和敏感性分析始终支持主要发现，表明了研究结果的稳健性。
综上所述，cuCTI和CTI的动态变化与中老年群体的CVD风险独立相关，特别是那些持续高CTI水平的中老年个体，CVD风险显著增加。因此，监测CTI的长期变化并将其维持在相对较低的水平可能有助于早期识别心血管疾病高风险个体
