公众号
“医学论文与统计分析”公众号
扫码关注公众号

统计咨询
“公共数据库与孟德尔随机化”公众号
扫码关注公众号

意见反馈
邮箱:17357190071@163.com
微信:aq566665

一区Top/IF=10.6!中国学者用CHARLS指标AIP再夺高分

Administrator
发布于 2025-07-08 / 0 阅读
0
0

引言

经检索,今天分享的指标——血浆致动脉硬化指数(AIP),在CHARLS中共发表了30篇文章,其中IF10+高达9篇,近三分之一的几率还不足以心动?!

ps:文中AIP和CKM数据郑老师团队可直接分析,欢迎联系~

心血管-肾脏-代谢综合征(CKM)是由代谢紊乱、慢性肾病和心血管疾病相互作用引发的全身性疾病,其不同阶段的中风风险存在显著差异。

尽管血浆动脉粥样硬化指数(AIP)已被证实与心血管疾病相关,但其改良指标(如结合腰围[AIP-WC]、腰高比[AIP-WHtR]、体重指数[AIP-BMI])在CKM早期阶段(0-3期)人群中的中风风险预测价值尚未明确。

2025年6月14日,成都中医药大学附属医院学者用CHARLS数据库,在期刊《Cardiovascular Diabetology》(医学一区Top,IF=10.6)发表了一篇题为:“Association of atherogenic index of plasma and its modified indices with stroke risk in individuals with cardiovascular-kidney-metabolic syndrome stages 0-3: a longitudinal analysis based on CHLARS”的研究论文,旨在探究基线、累积值及动态变化的AIP及其改良指标(AIP-WC、AIP-WHtR、AIP-BMI)与中风的关联。

研究表明,AIP及其改良指标,特别是AIP-WHtR,与CKM 0-3期人群的中风风险增加显著相关。甘油三酯(TG)主要驱动这种风险,而动脉僵硬度(ePWV)部分介导了AIP-WHtR与中风风险的关联。

本公众号回复“ 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

研究团队使用了中国健康与退休纵向研究(CHARLS)数据库2011–2020年的数据,经过纳排,最终纳入了3,697名年龄≥45岁的CKM 0-3期参与者,平均年龄为58.5岁,53.6%为女性。

其中,176 名(4.8%)在2015~2020年发生中风。

图1 参与者的筛选流程

研究通过K-means聚类分析计算AIP及其改良指标的动态变化(分为低/中/高水平),采用Logistic回归、Delong检验、综合判别改善指数(IDI)、加权分位数和(WQS)回归和中介分析来评估相关性、预测性能、成分贡献和中介效应。

图2 2012~2015年,AIP及其改良指数变化的聚类分析


主要研究结果

研究发现,AIP和所有改良指标及其动态变化的最高三分位组均显著增加参与者的中风风险。

并且,与单独的AIP相比,改良的AIP指数(尤其是AIP-WHtR)对新发中风表现出更强的相关性和预测能力。

图3 使用IDI对AIP及其改良指数的预测性能进行比较

进一步探讨发现,甘油三酯(TG)是AIP-WHtR与中风关联的主要驱动成分,并且部分关联(6.48%)是由动脉僵硬度(ePWV)介导的。

图4 WQS回归分析HDL、WHtR和TG对中风风险的相对权重(2012年vs. 2015年)

亚组分析结果显示,上述关联在晚期CKM(2-3期)人群中显著,但在早期CKM (0-1期)人群中不显著。

综上所述,AIP及其改良指标(尤其是AIP-WHtR)是CKM 0-3期人群中风风险的独立预测因子。动态监测这些指标的变化对于中风风险评估和分层至关重要,特别是在晚期CKM人群中。

亮点小结

如今发文已经不局限于单一指标,研究者们变着法的创新——累积指标,指标动态变化或者同类型指标的联合分析等等,看起来复杂,但其实换汤不换药,只需多花点时间罢了。

换个疾病/指标,直接套思路即可!






评论