本次解读的是发表在《CARDIOVASCDIABETOL》（IF=8.5）上的一篇文章《The interaction between triglyceride-glucose index and visceral adiposity in cardiovascular disease risk: findings from a nationwide Chinese cohort》。这项研究表明IR（TyG指数）和内脏脂肪堆积（CVAI）之间的相互作用在CVD风险中起着复杂的作用，在高TyG和高CVAI之间观察到对CVD事件的潜在拮抗作用。这些发现强调了在CVD风险评估中同时考虑IR和内脏肥胖以改善高危个体识别的重要性。
01背景介绍
心血管疾病（CVD）是全球主要死因，自1990年以来病例和死亡人数均大幅增加。在中国，CVD也是主要死因，占死亡总数的40%。动脉粥样硬化性心血管疾病（ASCVD）是CVD死亡的主要原因。胰岛素抵抗（IR）是2型糖尿病的常见问题，与CVD风险密切相关，TyG指数作为IR的标志物与多种不良心血管结果相关。肥胖，尤其是内脏脂肪组织（VAT）积累，是CVD的独立危险因素，与皮下脂肪组织（SAT）相比，VAT在增加心脏代谢风险方面作用更突出。CVAI是一种评估亚洲人群内脏肥胖和预测糖尿病及CVD风险的非侵入性方法。研究旨在分析TyG指数和CVAI与CVD发病率的关系，探讨IR和内脏脂肪堆积如何共同影响CVD风险，为CVD风险评估和预防提供新见解。
02方法
数据源
这项研究利用了CHARLS的数据，这是一项具有全国代表性的调查，跟踪45岁及以上的中国居民。该调查始于2011年，每两年进行一次后续评估，截至2020年，已完成五波。参与者通过与人口规模成正比的多阶段分层概率抽样方法选出，覆盖中国28个省份的150个县或区。基线调查取得了80.5%的高回复率，显着降低了选择偏倚的可能性并增强了队列的代表性。这种抽样方法可确保CHARLS数据集反映中国中老年人口的多样化人口、社会经济和地理特征。有关研究设计和队列特征的详细信息，请访问CHARLS官方网站。
在这项研究中，研究者将基线队列定义为完成第一波（2011-2012）的参与者，这些参与者随后在接下来的四波调查（2013-2014、2015-2016、2017-2018和2020）中被跟踪。每个参与者的随访时间计算为从基线访谈日期到他们最后一次完成随访访谈的日期。
在2011年进行的基线调查中，有17,705人参与。在分析中应用了以下排除标准：缺乏计算TyG指数（空腹甘油三酯和空腹血糖）所需的血液测量的参与者被排除在外（N=6,069）;缺少计算CVAI所需数据的参与者，例如WC、年龄、甘油三酯（TG）、高密度脂蛋白胆固醇（HDL-C）和体重指数（BMI），被排除在外（N=1,908）;此外，排除了基线时诊断为CVD的患者（N=1,370）。应用这些标准后，最终分析包含8,358名参与者。图 1 说明了参与者纳入和排除的流程图。
TyG 指数评估
专家医务人员按照既定方案从空腹患者身上获取静脉血样，并在中心实验室进行分析。使用酶比色法测量血清甘油三酯和空腹血糖（FPG）。TG和FPG的变异系数均低于5%，确保了高可靠性。TyG指数的计算公式为：TyG指数=ln（TG（mg/dL）×FPG（mg/dL）/2），其中TG使用罗氏模块化P和Cobas6000系统测量，FPG使用罗氏/日立CobasC501分析仪通过己糖激酶法测定。在本研究中，TyG指数用作胰岛素抵抗的指标。
CVAI 评估
采集空腹血样评估TG和HDL-C水平，并按照标准方案测量身高、体重和腰围（WC）。CVAI用于评估内脏脂肪分布和功能，使用特定公式分别计算男性和女性。对于男性：CVAI=-267.93+0.68×年龄+0.03×BMI+4.00×WC+22.00×log10（TG）−16.32×HDL-C;女性：CVAI=-187.32+1.71×年龄+4.23×BMI+1.12×WC+39.76×log10（TG）−11.66×HDL-C。
CVD 事件评估
本研究的主要结局是CVD事件、CHD和中风的发生。根据先前的研究，通过标准化问题来评估CVD的诊断：“医生是否曾告诉你心脏病发作、冠心病、心绞痛、充血性心力衰竭或其他心脏问题？”或“医生是否曾告诉你你有中风？在随访期间，如果参与者报告患有心脏病或中风，则定义新CVD事件的发生，事件发生时间记录为上次访谈与访谈报告新CVD事件之间的时间段。对于次要结局，分别分析CHD和卒中。CHD被定义为任何自我报告的医生诊断为心脏相关疾病，包括心脏病发作、冠心病、心绞痛、充血性心力衰竭或其他心脏问题。中风被定义为任何自我报告的医生诊断的中风。新冠心病或卒中事件的发生记录方式与CVD相同，事件时间定义为上一次访谈与报告新冠心病或卒中诊断时的访谈之间的间隔。
协变量
本研究中的协变量包括年龄、性别、教育水平、BMI、婚姻状况、吸烟状况、饮酒、肥胖、高血压、糖尿病和血脂异常。教育分为四个级别：大学及以上、初中/高中、小学和文盲。婚姻状况分为四类：已婚、离婚、丧偶和从未结婚。吸烟状况是根据参与者对他们是否曾经使用过烟草制品以及他们目前是否吸烟或已经戒烟的反应来确定的。参与者被归类为当前吸烟者、以前吸烟者或从不吸烟者。饮酒状况基于参与者在过去一年中是否饮酒，将他们分为饮酒者或不饮酒者。肥胖定义为BMI≥28。高血压的定义是自我报告的高血压病史、收缩压≥140mmHg、舒张压≥90mmHg或当前使用抗高血压药物。糖尿病的依据是空腹血糖水平≥7.0mmol/L、血红蛋白A1c（HbA1c）≥6.5%、当前使用抗糖尿病药物或自我报告的糖尿病史。血脂异常的诊断依据是自我报告的病史、降脂药物的使用或血脂测量，例如TG≥150mg/dL、总胆固醇（TC）≥240mg/dL、HDL-C<40mg/dL或低密度脂蛋白胆固醇（LDL-C）≥160mg/dL。
统计分析
在这项研究中，研究者使用描述性统计来总结参与者的基线特征，连续变量以平均值和标准差表示，分类变量以频率和百分比表示。研究根据TyG指数（8.59）和CVAI（101.26）的中位数将参与者分为“低”和“高”组，并分析这些组之间的基线特征差异。对于缺失数据，研究通过创建缺失矩阵和评估相关性来探索其模式，并使用MICE方法处理随机缺失的数据，而直接排除性别和年龄的缺失数据。研究计算了CVD、CHD和卒中的发生率，并使用Kaplan-Meier生存分析和Log-rank检验来评估不同组的累积发生率差异。通过Cox比例风险回归模型，研究分析了TyG指数和CVAI与CVD、CHD和卒中风险的关联，并检验了比例风险假设。实验还研究了TyG指数和CVAI之间的潜在交互作用，包括乘法和加性交互，并进行了亚组分析以验证交互作用的稳健性。最后，研究进行了敏感性分析，包括排除共线性协变量、重新分类临界点和处理缺失数据。
03结果
描述统计学
这项研究包括来自CHARLS数据集的8,358名参与者，收集于2011年至2020年间，平均年龄为58.8岁（标准差：9.6岁），其中3,896名（46.6%）为男性。参与者中，891名（10.7%）肥胖，3,166名（38.1%）患有高血压，594名（7.2%）患有糖尿病，2,017名（24.1%）患有血脂异常。根据TyG指数（8.59）和CVAI（101.26）的中位数，参与者分为四组：2,874名（34.4%）低TyG指数和低CVAI，1,349名（16.1%）低TyG指数但高CVAI，1,305名（15.6%）高TyG指数但低CVAI，以及2,830名（33.9%）高TyG指数和高CVAI（表 1）。
研究观察到，与TyG指数和低CVAI的参与者相比，两者水平升高的个体通常年龄较大，肥胖的可能性更高，女性比例更高，并且更常受到糖尿病、高血压和血脂异常的影响。在最长9.0年的随访期内，共有1,240名参与者（14.8%）经历了CVD事件，其中896例（10.7%）为CHD和475例（5.7%）为中风。在低TyG指数和低CVAI的参与者中，CVD的发生率为10.80/1,000人年，在TyG指数低但CVAI高的参与者中，CVD的发生率为23.70/1,000人年，在TyG指数高但CVAI低的参与者中，CVD的发生率为15.10/1,000人年，在TyG指数高和CVAI高的参与者中，CVD的发生率为23.10/1,000人年（表 2）。图 2 显示了累积CVD风险的Kaplan-Meier曲线，表明TyG指数低但CVAI高的参与者表现出最高的CVD风险。
回归结果
表 2 显示了在调整多个潜在混杂因素后，TyG指数、CVAI与CVD事件风险之间的关联。在Cox比例风险回归模型中，TyG指数和CVAI均与CVD、CHD和卒中风险增加独立相关。与低TyG组相比，高TyG组参与者发生CVD（HR=1.22,95%CI：1.08-1.38）、CHD（HR=1.15,95%CI：1.0-1.33）和中风（HR=1.37,95%CI：1.11-1.67）的风险显著升高。同样，相对于低CVAI的人，高CVAI的个体表现出更高的CVD（HR=1.61,95%CI：1.42-1.83）、CHD（HR=1.53,95%CI：1.31-1.77）和中风（HR=1.75,95%CI：1.41-2.16）的风险。这些发现表明，较高的TyG指数和较高的CVAI都与心血管结局风险增加独立相关。
交互分析
然后，实验研究了TyG指数和CVAI之间对CVD事件风险的相互作用（表 2）。乘法交互作用分析的结果表明，交互作用项（TyG×CVAI）对Cox模型中的CVD（交互作用P <0.05）和CHD（交互作用P <0.05）均显著，但对中风（交互作用 P >0.05）不显著。进一步分析显示，与低TyG和低CVAI的参与者相比，低TyG但高CVAI的参与者发生CVD的风险最高（HR=1.87,95%CI：1.57-2.24），其次是高TyG和高CVAI的参与者（HR=1.75,95%CI：1.49-2.06），以及高TyG但低CVAI的参与者（HR=1.33，95%CI：1.10–1.62）。CHD也观察到类似的模式，其中低TyG和高CVAI的参与者风险最高（HR=2.03,95%CI：1.65-2.49），其次是高TyG和高CVAI的参与者（HR=1.63,95%CI：1.34-1.99），以及TyG高但CVAI低的参与者（HR=1.47，95%CI：1.18-1.84）。
在加性相互作用分析中，研究通过计算RERI、AP和SI来研究TyG指数和CVAI如何共同影响CVD、CHD和中风的风险。对于CVD，研究结果指出了负的交互效应，RERI为-0.47（95%CI：-0.89，-0.14），AP为-0.28（95%CI：-0.52，-0.08），SI为0.59（95%CI：0.42，0.83）。CHD表现出类似的模式，RERI为-0.87（95%CI：-1.36，-0.37），AP为-0.53（95%CI：-0.83，-0.23），SI为0.42（95%CI：0.28，0.63），表明高TyG和高CVAI对CHD风险存在拮抗相互作用。然而，对于中风，交互作用测量并未显示显著影响，RERI为-0.11（95%CI：-0.74，0.52），AP为-0.05（95%CI：-0.36，0.25），SI为0.90（95%CI：0.52，1.56）。总体而言，这些结果表明，高TyG和高CVAI共同显示出对CVD和CHD风险的负面交互作用，尽管这种影响在卒中中没有观察到。
亚组分析
表 3 显示了按年龄、性别、高血压、糖尿病、血脂异常和肥胖分层的亚组分析结果。在这些变量与TyG指数和CVAI对CVD风险的综合影响之间未观察到显著交互作用（交互作用均 P >0.05）。这表明TyG指数和CVAI对CVD风险的影响在不同的人口统计学和临床亚组中是一致的。
敏感性分析
为了验证研究结果的稳健性，研究进行了三项敏感性分析。首先，为了解决BMI与内脏肥胖之间密切关系以及从空腹血糖和甘油三酯得出TyG指数而产生的潜在多重共线性，研究重新分析了数据，排除了协变量BMI和糖尿病。结果与初步分析一致，显示CVD和CHD的TyG指数和CVAI之间存在显著的乘法和加法交互作用（交互作用P 0.05）。其次，当TyG指数和CVAI分为三分位数时，观察到CVD、CHD和卒中的显著乘法相互作用（交互作用的P <0.05），而CVD和卒中的加性相互作用没有统计学意义（RERI的95%CI包括零）。进一步分析表明，中等TyG×高CVAI组的参与者具有最高的CVD风险（图1）。最后，使用多重插补来处理缺失数据，产生的结果与插补前的结果一致。
04结论
这项研究表明，IR和内脏脂肪之间的相互作用对CVD风险的影响可能与传统预期不同，高IR可能对具有大量内脏脂肪的个体起到保护作用。同时考虑IR和内脏肥胖可能会改善CVD风险评估，并有助于更准确地识别高危个体。
结语
临床研究的根本使命是发现并解决生命科学领域亟待解决的临床问题，同时，为即将发生的临床难题提供备选解决方案。
打开极智分析—智能医学统计分析平台 https://www.xsmartanalysis.com/ 进行实操吧！
往期精彩回顾
【1】European Respiratory Review（IF=9.0），如何预测儿童哮喘的恶化？机器学习模型给出解决方法。
【2】Critical Care（IF=8.8）危重患者新发心房颤动可以预测？机器学习模型给出解决。
【3】LANCET(IF=90+):机器学习+SHAP+风险分层=非ST段抬高急性冠状动脉综合征患者GRACE评分的性别特异性评估
【5】《Molecular Therapy-Nucleic Acids》(IF=8.8): 组学分析+机器学习 =子宫内膜癌分型系统
扫二维码
关注我们
公众号｜极智分析
知乎｜极致分析
B站｜极智分析
