今天分享的这篇文章，同样是中国学者写的，用MIMIC-IV数据库构建了预测模型，照样发了一区！
2024年6月20日，中南大学的学者用MIMIC-IV数据库，在期刊《Cardiovascular Diabetology》（医学一区top，IF=8.5）发表题为：“Comparative study on the predictive value ofTG/HDL-C, TyG and TyG-BMI indices for 5-yearmortality in critically ill patients with chronic heartfailure: a retrospective study ”的研究论文，由于TyG（胰岛素-葡萄糖）、TyG 体重指数（TyG-BMI）和甘油三酯-密度脂蛋白胆固醇比值 （TG/HDL-C）是胰岛素抵抗（IR）的替代指标，因此本研究旨在比较这些指标对慢性心力衰竭 （CHF）危重患者 5 年死亡率的预测价值。
| 本公号回复“ 原文”即可获得文献PDF等资料，如果进一步需要全流程指导临床预测模型的分析与指导，请联系郑老师团队，微信号：zz566665 |
主要研究结果
本研究是一项回顾性队列研究，采用了MIMIC III 和 IV的数据，最终纳入1329 名被诊断为慢性心力衰竭 （CHF）的符合条件患者，纳入标准包括：
（1）年龄≥18岁;
（2）入住ICU≥24 h;
（3）有体重、身高、TG、HDL、空腹血糖和N端脑钠肽原体（NT-proBNP）水平等数据;
根据 TyG 指数的四分位数将患者分为四组：T1 （TyG ≤ 9.03， N = 333）， T2 （TyG > 9.03， ≤ 9.45;N = 333）、T3 （> 9.45，≤ 9.85;N = 333）和T4（> 9.85;N = 330）。
根据 TyG-BMI 指数的四分位数将患者分为四组：T1：≤225.06;T2：225.06–261.65;T3：261.65–305.03;T4：>305.03）。
根据TG/HDL比值的四分位数将患者分为四组（四分位数T1：≤1.85;T2：1.85–3.11;T3：3.11–4.88;T4：>4.88）。
主要结局是5年死亡率。
研究团队最终纳入1329名符合条件的患者，将其分为两组：幸存者组（997例，75%）和非幸存组（332例，25%）。
研究结果表明，非幸存者往往比幸存者年长。此外，心房颤动、糖尿病、慢性肾病和呼吸衰竭患者的 5 年死亡率更高。
同时，非幸存者表现出显着更高的 ALT、AST、RBC、CK、Scr、葡萄糖、HbA1C、NT-proBNP、钾、钠、BUN、WBC 和 TG 水平。 与幸存者相比，非幸存者在48小时内接受ACEI/ARBs、抗血小板药物或β受体的患者比例显著降低。
当将 TyG 指数视为连续变量时，使用Cox 比例风险分析，研究结果表明 5 年死亡率风险与TyG 指数之间存在显著关联。
在按照TyG指数四分位数将患者四组后，研究团队发现TyG指数最高四分位数(T4)与5年死亡风险显著相关。
同时，研究团队在TyG指数与住院死亡率和360天死亡率之间也存在类似的关联。
值得注意的是，研究团队发现趋势的P值（0.083）在调整后的模型 2 中并不显著，这表明 TyG 指数与死亡率之间存在非线性关系。
因此，采用限制三次样条（RCSs）分析进一步研究了这种关联。
调整后的 RCS 图揭示了 TyG 指数与 5 年死亡率之间的非线性关联（非线性P= 0.001）。
4.TyG-BMI 与死亡风险之间的关联
Cox比例风险分析表明，当TyG-BMI指数为连续变量时，TyG-BMI指数与5年死亡率之间同样存在显著关联。
在按照TyG-BMI 指数将患者分组后，TyG-BMI 较高的患者往往 5 年死亡率更高；然而，但差异并不显著。
TyG-BMI 四分位数的 5 年死亡率发生率的 K-M 曲线如下图所示。
研究结果显示，全因 5 年死亡的累积发生率随着 TyG-BMI 四分位数的增加而增加 （P = 0.0045）。
5.TG/HDL-C 比值与死亡风险之间的关联
根据 TG/HDL 比值的四分位数分组评估组间全因 5 年死亡率发生率的 K-M 生存分析曲线如下图所示。
两组间死亡率差异有统计学意义（T1：21.6% vs. T2：20.9% vs. T3：23.4% vs. T4：34.1%，p = 0.00012）。
结果显示，TyG指数在预测全因5年死亡率、360天死亡率和住院死亡率方面优于TyG-BMI和TG/HDL比值。
TyG指数预测5年死亡率、360天死亡率和住院死亡率的临界值为10.15。
根据结果，研究团队将患者分为两组（≥ 10.15 和 < 10.15），并进行 Cox 比例风险分析和 K-M 分析。
结果表明，TyG指数≥10.15的患者死亡率显著高于TyG指数<10.15的患者。
最后检测IR指数是否会进一步提高基本模型（包括年龄、AF、糖尿病、CKD、高血压、呼吸衰竭、ALT、AST、RBC、CK、肌酐、HbA1c、Hb、NT-proBNP、钾、钠、BUN、WBC、ACEI/ARB、抗血小板药物、β受体）的预测能力。
不幸的是，结果显示，在充血性心力衰竭患者中，三个 IR 指数对基本风险模型没有显着的增量预测能力。
统计学方法
本文所涉及的统计学方法较为完整地重现了预测模型的方法与步骤，思路也较为清晰：
1.数据收集
缺失值超过 10% 的变量被排除在外。
缺失值在 5% 到 10% 之间的变量使用多重插值进行处理，以使用最合适的数据集填充缺失值。
缺失值小于 5% 的变量被替换为该变量的平均值。
使用winsorize方法对具有异常值的变量进行寻解，并将1%和99%作为临界点。
2.预测模型构建与评估
使用 Kaplan-Meier （K-M） 曲线和 Cox 比例风险模型确定 TG/HDL-C 比值、TyG 指数和 TyG-BMI 与死亡风险之间的关系。
使用方差膨胀因子 （VIF） 检查了多重共线性，以确保研究中的变量独立性
开展亚组分析，探讨不同亚组连续TyG指数与5年死亡率的相关性。
采用限制三次样条（RCSs）分析进一步研究了3个指标与死亡率的剂量反应关系。
然后进行ROC 曲线分析，以比较三个指标评估死亡率的预测能力、敏感性和特异性。
本公号回复“ 原文”即可获得文献PDF等资料，如果进一步需要全流程指导临床试验设计与分析，请联系郑老师团队，微信号：zz566665 |
后 记
本公众提供各种科研服务了！
