2024年12月20日，中国学者在顶级期刊JAMA子刊《JAMA Network Open》（医学一区top，IF=10.5）发表了一篇题为：“Childhood Exposure to Interparental Physical Violence and Adult Cardiovascular Disease”的研究论文，旨在探讨童年时期（17岁之前）目睹父母间身体暴力(IPV)与成年后患CVD之间的关联，同时探究了成人抑郁症状（ADSs）在其中的中介作用。
本公号回复“ 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
主要研究结果
√多变量Cox比例风险回归分析
研究结果显示，在对模型进行调整后，与未目睹过父母间身体暴力的群体相比，童年时期目睹过父母间身体暴力的人群患CVD、心脏病和卒中的风险分别增加了36%、36%、和28%。
其中，心脏病包括心肌梗塞、心绞痛、冠心病、心力衰竭或其他心脏问题。
同时，该群体成年后患CVD累计发病率显著升高（从每1000人中29.0人上升至38.9人）。 该群体成年后患CVD的累积危害如下图。
模型2：根据年龄、性别、居住地、受教育程度、吸烟状况和当前饮酒状况进行调整。
接着，研究团队进一步探究了父母间身体暴力发生频率与CVD风险的关联。
结果显示，父母间身体暴力发生的频率越高，个体在成年后患CVD的风险越大。
表2 父母间身体暴力发生频率与CVD风险的关联
此外，研究团队还进一步进行了亚组分析和敏感性分析，结果与上述保持一致。
√交互作用
并且，乘法交互作用的结果显示，童年时期目睹过父母间身体暴力与性别、童年时期受到父母的身体虐待以及成人抑郁症状这三个变量之间均没有显著的交互作用（P for interaction > 0.1）。
√人群归因分数
此外，为了评估童年时期目睹过父母间身体暴力与心血管疾病风险在人群水平上的相关性，研究团队计算了人群归因分数（PAF），并比较了父母间暴力与抑郁症状之间的程度。
结果显示，在50岁的群体中，童年时期目睹过父母间身体暴力导致CVD风险增加了2.8%，而成人抑郁症状则将该风险增加7.0%。
√中介分析
在进行中介分析之前，研究团队还探讨了童年时期目睹过父母间身体暴力与成人抑郁症状的关联。结果显示，与未目睹过父母间身体暴力者相比，该风险明显升高。
随后，进一步的中介分析结果显示，成人抑郁症状介导了童年时期目睹过父母间身体暴力与成年后患CVD之间的关联，介导比例达到11%。
图4 中介分析
统计知识点汇总
中国健康与退休纵向研究（CHARLS）数据库：
S（Study design）研究类型：队列研究。
Cox比例风险回归模型
Cox比例风险回归模型是一种半参数回归模型，专门用于分析生存数据。该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。
该模型的因变量为生存时间和二分类的事件结局，而自变量则为连续变量或分类变量（包括多分类变量）。
以本研究为例，研究团队采用Cox比例风险回归模型，评估童年时期目睹过父母间身体暴力及其频率与成年后患CVD的关联，结果通过风险比（HRs）和95%置信区间（95% CI）表示。并根据参与者不同的特征建立了两个调整模型，模型如下：
模型1：根据年龄和性别进行了调整；
模型2：根据年龄、性别、居住地、受教育程度、吸烟状况和当前饮酒状况进行调整。
如果HR大于1，表示随着协变量增加，事件发生的风险增加； 如果HR小于1，表示随着协变量增加，事件发生的风险减少； 如果HR等于1，表示协变量对事件发生风险没有影响。
如果95% CI包含1，表示我们不能拒绝原假设，即协变量对事件发生风险没有显著影响； 如果95% CI不包含1，表示我们可以拒绝原假设，即协变量对事件发生风险有显著影响。
敏感性分析
敏感性分析通常包括重复分析、调整分析模型、应用不同的统计方法等手段，旨在评估主要关联结果是否受到某些假设、统计方法或数据缺失等因素的影响，从而确保结果的可靠性和稳健性。
基于完整数据（n=10,105），未缺失协变量。根据年龄、性别、居住地、教育程度、吸烟状况和当前饮酒情况进行调整； 根据年龄、性别、居住地、教育程度、吸烟状况、目前饮酒、肥胖状况、高血压、糖尿病、血脂异常和药物使用情况进行调整； 采用逆概率加权（IPTW）对年龄、性别、居住地、教育程度、吸烟状况和当前饮酒情况进行加权。
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，通过亚组分析，可以更加细致地了解不同人群间的差异，以及这些差异如何影响童年时期目睹过父母间身体暴力与成年后患心血管疾病风险之间的关联。
交互作用分析
人群归因分数（PAF）
是指假设人群的风险暴露降低至理想水平，预计可减少的患病人口数占实际患病人口数的比例。
中介分析
中介分析旨在探究某一变量（自变量）如何通过另一个变量（中介变量）对另一个变量（因变量）产生影响的作用机制。它试图阐明自变量对因变量的影响是否以及是如何通过中介变量间接发生，而不仅仅是直接的因果关系。
在本文的研究中，为了研究童年时期目睹过父母间身体暴力与心血管疾病之间的关联，是否会因成人抑郁症状的存在而改变，研究者进行了中介分析。并通过计算中介的超额风险百分比（PERM）来量化中介效应的比例。
这篇文章的研究思路顺畅、方法全面，是一篇值得借鉴的好文章。大家在做观察性研究时，可以考虑采用年龄作为模型的时间尺度，让其成为文章的一大亮点。当然，没有数据的可以考虑挖掘公共数据库！想要通过挖掘公共数据库实现快速发表高分文章的朋友，不妨考虑一下郑老师的统计课程！
欢迎关注“公共数据库与孟德尔随机化”公众号，我们将持续分享更多高分发文思路和统计分析方法的小技巧，祝您发文成功！
郑老师统计团队及公众号
联系助教陈老师咨询（微信号sas555777）
