本公号回复“ 原文”即可获得文献PDF等资料。想用NHANES发文，看看这个可一键提取和分析数据的NHANES Online平台！如感兴趣请联系郑老师团队，微信号：aq566665
研究团队基于美国国家健康与营养调查（NHANES）III（1988-1994）和NHANES数据库1999-2000年的数据，经过纳排，最终纳入了9,399名符合条件的年龄≥18岁的参与者，平均年龄为45岁，50.5%为女性。
其中，4,488名（47.75%）为幽门螺杆菌IgG抗体阳性，3,934名（41.86%）被诊断为CVD。
研究团队根据TGI值（≥第75个百分位数为高TGI水平、<第75个百分位数为低TGI水平）以及是否感染幽门螺杆菌（幽门螺杆菌血清状态[阳性或阴性]）对参与者进行分组。
主要暴露变量是TGI和幽门螺杆菌IgG抗体阳性。
主要结局指标为CVD风险及其全因死亡率（ACM）。
CVD包括冠心病（CHD）、心肌梗死、中风、充血性心力衰竭（CHF）、心绞痛和高血压。
图2 研究流程
主要研究结果
√TGI、幽门螺杆菌血清学状态和CVD风险之间的关联
在多变量logistic回归的基础上，团队进一步探讨TGI、幽门螺杆菌IgG抗体状态与CVD之间潜在的非线性关系。RCS结果表明，在一般人群中，仅TGI和CVD风险之间存在显著的线性关系。
图3 TGI和幽门螺杆菌与CVD风险之间的RCS曲线
√TGI、幽门螺杆菌血清学状态与CVD死亡率之间的关联
KM曲线结果显示，在CVD患者中，高TGI水平且感染幽门螺杆菌者死亡风险最高。Cox比例风险模型结果与其一致，进一步证明了该结果。
表2 在CVD患者中，TGI以及幽门螺杆菌与ACM的关联
在此基础上，研究团队再次绘制了RCS曲线，探讨CVD患者TGI水平、幽门螺杆菌IgG抗体阳性与死亡风险之间可能存在的非线性关系。
结果显示，在CVD患者中，也是仅TGI与死亡风险之间存在显著的线性关系。
图5 TGI水平和幽门螺杆菌与全因死亡风险之间的RCS曲线
√亚组分析
为了进一步验证研究结果，团队还根据糖尿病前期、糖尿病状态、代谢综合征和肥胖对CVD患者进行了分层，并开展了亚组分析。
分析结果与上述一致，表明高TGI水平且感染幽门螺杆菌的患者面临最高的全因死亡风险。
√中介效应分析
最后，中介分析的结果揭示了，TGI在幽门螺杆菌增加CVD风险和死亡风险的过程中，均发挥了显著的中介作用。
这意味着幽门螺杆菌可能通过影响胰岛素抵抗等机制，间接增加患CVD风险和CVD患者的死亡风险。
图6 中介分析结果
统计知识点汇总
美国国家健康与营养调查（NHANES）III和NHANES数据库：
P（Population）参与者：从NHANES III（1988-1994）和NHANES数据库1999-2000年的数据中，纳入的9,399名接受幽门螺杆菌血清学检测并提供空腹血液样本的年龄≥18岁的参与者；
E（exposure）暴露因素：甘油三酯-葡萄糖指数（TGI）和感染幽门螺杆菌；
O（outcome）结局：心血管疾病（CVD）风险及其全因死亡风险（ACM）；
S（Study design）研究类型：横断面和队列研究相结合。
加权单变量和多变量Logistic回归
单变量Logistic回归：指在模型中只包含一个自变量的情况。这种类型的模型用来评估单一因子对结果概率的影响大小和方向。 多变量Logistic回归：包含两个或两个以上的自变量。这种模型允许研究者同时考察多个因素对结果变量的影响。
在本文中，研究团队先分别对TGI水平、幽门螺杆菌IgG抗体状态进行加权单变量logistic回归分析，以初步了解它们各自与CVD的关系。
生存分析
生存分析是一种用于分析事件发生时间的统计方法，其关注的重点是从观测开始到目标事件发生的时间，旨在了解和预测这些事件发生的时间及其影响因素。
本文主要用了这个三个方法，评估CVD患者中TGI水平、幽门螺杆菌IgG抗体阳性与CVD全因死亡率之间的关系。
Kaplan-Meier曲线：用于估计生存函数。团队绘制了不同TGI水平、幽门螺杆菌IgG抗体状态下的K-M曲线，以直观展示各组患者的生存率差异；
log-rank检验：用于比较两个或多个组的生存曲线是否存在显著差异。研究者们对K-M曲线进行log-rank检验，以评估不同组别（按TGI水平、幽门螺杆菌IgG抗体状态及其组合进行的分组）之间生存率的差异是否具有统计学意义；
Cox比例风险模型：一种半参数模型，能够同时探讨多个风险因素与事件结局（包括发生情况与发生时间）之间的关系。团队用其进行多因素校正，以全面评估TGI水平、幽门螺杆菌IgG抗体状态等因素对患者预后的影响。
限制性立方样条（RCS）曲线
一般人群中，暴露与CVD风险之间的RCS曲线； CVD患者中，暴露与全因死亡风险之间的RCS曲线。
亚组分析
亚组分析是将研究人群按照某种特征划分为不同的亚组，然后分别对每个亚组进行分析，以探究该特征是否会对主要关联结果产生影响。
在本文中，研究团队在每个亚组内，运用加权多变量Cox比例风险模型分析，以评估TGI水平、幽门螺杆菌IgG抗体状态在该亚组中与CVD及全因死亡风险的关系。
中介效应分析
中介效应分析旨在探究自变量X如何通过中介变量M，对因变量Y产生影响的作用机制。通过该方法，我们可以更加明确X对Y的影响是否以及是如何通过中介变量M间接发生，而不仅仅是直接的因果关系。
在本文的研究中，研究团队构建了一个中介效应模型，探究了TGI是否是感染幽门螺杆菌增加CVD风险及全因死亡风险的中介变量及其中介效应大小，该研究步骤通过'mediation' 包实现。
其中，感染幽门螺杆菌被指定为暴露变量(X)， TGI≥第75个百分位数被指定为中介变量(M)，CVD发生率或CVD患者的全因死亡率被指定为结局变量(Y)。
(4)计算中介效应的百分比：中介效应(%)=（β1 × β2 / βTot）× 100%。
郑老师统计团队及公众号
