用NHANES横断面数据做队列研究,这个作者是懂挖掘的!

文摘   科学   2024-12-19 18:59   浙江  

 引言

NHANES真是宝藏数据库!今天分享的这篇二区top文章,学者从NHANES数据库中挖掘了一份关于体重的详细问卷,将参与者先前的体重与目前的状态对比进行队列研究,竟也能拿下二区top(IF=6.0)!

接下来,让我们一起看看这篇文章吧!

代谢功能障碍相关性脂肪性肝病(MASLD)是全球范围内最为普遍的慢性肝病,其患病率的增加与全球肥胖率的增加趋势一致。

先前的研究表明,肥胖与心血管事件和2型糖尿病风险增加密切相关,即使个体减肥成功,这种危害仍然存在。因此,研究团队合理推测,肥胖对肝脏健康产生的不良影响,在减肥后也无法消除。

2024年11月22日,外国学者NHANES数据库,在期刊Liver International(医学二区top,IF=6.0)发表题为MASLD, At-Risk MASH and Increased Liver Stiffness Are Associated With Young Adulthood Obesity Without Residual Risk After Losing Obesity的研究论文,旨在探究人群与25岁左右时相比的肥胖现状,与MASLD、高风险的脂肪性肝炎(MASH)和肝硬度测定值(LSM)增加之间的关系。

研究结果表明,25岁左右时的胖是MASLD、高风险MASH和LSM增加的重要危险因素。然而,在成功减重后,这些增加的疾病风险可回归至正常水平。

本公号回复“ 原文”即可获得文献PDF等资料。用NHANES发文,看这个可一键提取和分析数据的NHANES零代码分析平台!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)据库2017~2020年的数据,经过纳排,最终纳入了4,580名年龄在40~80岁、BMI≥18.5并且未患有心力衰竭的参与者,平均年龄为60岁,其中50%为男性。

通过问卷调查的形式,研究团队获得了参与者25岁时的体重,将其与目前的体重进行比较,将他们的肥胖现状分为四种(稳定型非肥胖、获得性肥胖、减肥成功型肥胖和稳定型肥胖)。

同时,团队采用logistic回归模型探究这四种肥胖状态与肝脏健康之间的关系,并通过敏感性分析对结果进一步进行验证。

相关定义:

控制衰减参数(CAP):指通过测量肝脏组织中超声波的衰减程度来评估脂肪变性的程度,其值越高表示脂肪变性程度越严重。
脂肪变性程度:团队根据参与者的CAP水平将其分为三阶段:
  • S1:248dB/m≤CAP水平<268dB/m;
  • S2:268dB/mCAP水平<280dB/m;
  • S3:CAP水平≥280db/m。

MASH:将纤维扫描-AST评分(FAST)≥0.35定义为高风险MASH。
LSMLSM≥8kPa意味着肝硬度测定值增加

减肥成功可使因肥胖增加的疾病风险降至普通人水平

初步分析的结果显示,稳定型非肥胖者相比,稳定型肥胖获得性肥胖的人群患MASLD的风险显著增加

此外,在高风险MASH和LSM增加中结果一致。
图1 肥胖与MASLD、高风险MASH和LSM增加之间的关系
模型1:根据年龄、性别、种族、婚姻状况和教育程度进行调整;

模型2:根据甘油三酯、胆固醇、糖尿病和高血压进行调整

同时,团队根据脂肪变性的不同程度对参与者的肥胖状态进行进一步探究,尽管研究结果在统计学上没有意义,但团队认为,随着脂肪变性严重程度的增加,可以视为减肥成功者患MASLD风险降低。

图2 肥胖与脂肪变性程度的关联

此外,在敏感性分析中,研究人员进一步将非肥胖人群细分为正常体重和超重,结果发现
  • 与脂肪变性恶化相关的风险在超重和肥胖人群中逐渐增加;
  • 在高风险MASH和肝硬度测定值增加中,仅肥胖人群的风险显著增加;
  • 在现在处于肥胖状态的人群中,如果他们在25岁时就已经超重或肥胖,那么他们发生肝硬度测定值增加的几率会比25岁体重正常的人更高。

超重和肥胖与MASLD(A)、高风险MASH(B)和LSM增加(C)之间的关系

综上所述,在40~80岁的人群中,在25岁左右的肥胖是导致他们患MASLD和MASH风险增加以及LSM增加的重要危险因素。但只要能够减肥成功,这些风险就会降至普通人的水平。因此,研究人员强调了在肥胖人群中减重对维持肝脏健康的重要性。

统计知识点汇总

1. 数据来源

全国健康与营养检查调查(NHANES):

一个大型流行病学调查,旨在评估美国人群的健康和营养状况,数据涵盖了多种健康指标。

2.研究设计思路:
P(Population)参与者:2017~2020年,NHANES数据库中符合条件的年龄在40~80岁、BMI≥18.5并且未患有心力衰竭的人群;
E(exposure)暴露因素:主要暴露因素是25岁时的肥胖状态以及后续肥胖状态的变化;
O(outcome)结局:MASLD、高风险MASHLSM≥8kPa
S(Study design)研究类型:横断面研究和纵向研究相结合

3. 统计方法

  • logistic回归

logistic回归是一种用于分类问题的回归分析方法,主要用于预测二元(0或1)结果。目的是通过自变量来估计因变量的概率。

例如,在本次研究中,研究者通过参与者的肥胖现状(与25岁时相比)来估计他们患MASLD、高风险MASH和LSM≥8kPa的风险。并根据参与者不同的特征建立了两个调整模型,模型如下:
(1)模型1:根据年龄、性别、种族、婚姻状况和教育程度进行调整;

(2)模型2:根据甘油三酯、胆固醇、糖尿病和高血压进行调整。

  • 敏感性分析
敏感性分析是指在主分析后,使用不同的统计分析方法进行重复分析,以评估结果稳健性的统计分析方式。

例如,在本次研究中,研究团队进一步将非肥胖人群细分为正常体重和超重,再次进行了分析。该结果与逻辑回归结果一致,证明了研究结果的稳健性。

√统计学Tips

p值:用于判断结果是否具统计学意义。通常情况下,p值小于0.05被认为是显著的,表示观察到的结果不太可能是偶然的。

比值比(OR):是对发病率低的疾病中相对危险度的估计。在logistic回归中,OR值为1表示无影响,大于1表示危险因素,小于1表示保护因素。
置信区间(CI):表示基于样本统计量(如样本均值、样本比例等)来推断总体参数的可能值。随着置信度的增加,置信区间会变得更宽,以保证包含真实参数值的概率更高。

MASLD相关的肝病研究很热门,如果你也想探究这类疾病,那本文中使用的NHANES肝脏脂肪变性指标CAP可以参考一下。对NHANES指标发文感兴趣的同学,可以看看郑老师的NHANES零代码分析平台!该平台后续可提供100多个NHANES综合指标的数据下载,轻松解决你在发文过程中遇到的数据难题

欢迎关注“公共数据库与孟德尔随机化”公众号,我们将持续为你提供NHANES指标的发文思路和统计分析方法解读

郑老师统计团队及公众号

全国较大的线上医学统计服务平台,专注于医学生、医护工作者学术研究统计支持,我们是你们统计助理!


我们提供以医学数据数据挖掘统计服务
①NAHANES:一二区论文占半数
②MIMIC:急诊数据分析与机器学习建模
GBD:全球、中国各种疾病患病、死亡研究
孟德尔随机化:疾病的因果推断研究

同时我们提供上述数据库的挖掘的一对一指导

GBD、NHANES医学数据库挖掘1对1R语言指导

联系助教陈老师咨询(微信号sas555777


公共数据库与孟德尔随机化
我们专门介绍公共数据库与孟德尔随机化,每周文献周报,呈现精品文献阅读
 最新文章