Med-NHANES，持续分享NHANES临床生信文献与思路解读，捕捉当下热点指标/思路，感兴趣的老师可以点点关注~需要定制化分析的老师欢迎扫码联系~
文章标题：Nonlinear relationship between oxidative balance score and hyperuricemia: analyses of NHANES 2007-2018
中文标题：氧化平衡评分与高尿酸血症的非线性关系：NHANES 2007-2018 分析
发表期刊：Nutr J .
发表时间：2024年5月
影响因子：4.4/Q2
关于氧化平衡评分 （OBS） 与高尿酸血症之间相关性的有限数据强调了进行全面调查的必要性。本研究旨在检查包含饮食和生活方式因素的 OBS 与高尿酸血症发生之间的联系。
暴露指标
氧化平衡评分 （OBS） 是通过整合 16 种饮食因素和 4 种生活方式成分来确定的，包括 5 种促氧化剂和 15 种抗氧化剂。膳食 OBS，包括膳食纤维、总脂肪、总叶酸、维生素（B6、B12、C 和 E）、烟酸、胡萝卜素、核黄素、钙、铁、硒、铜、镁和锌，这些都是从膳食召回中收集的。生活方式 OBS 由四个部分组成：吸烟、饮酒、身体活动和体重指数 （BMI）。
研究设计和人群
我们进行了一项横断面研究，涉及 13,636-2007 年全国健康和营养检查调查 （NHANES） 的 2018 名参与者。在最初提取的 59,842 名参与者中，我们排除了以下原因：（1） 年龄小于 20 岁 （n = 25,072），（2） 缺少 SUA 水平数据 （n = 3,501），（3） OBS 的 20 个组成部分中总数少于 16 个（n = 2,145），（4） WTSAF2YR数据丢失 （n = 14,965），以及 （5） 进一步排除了 1,714 名极端能量摄入的参与者（总能量摄入低于 800 或高于 4,200 kcal/天男性和低于 500 或女性 3,500 kcal/d 以上）。最终，该研究包括 13,636 名参与者（图 D）。
分析方法
我们评估了血清尿酸 （SUA） 水平和高尿酸血症的发生作为结局。加权 logistic 回归和线性模型用于统计分析，使用受限三次样条曲线 （RCS） 检查潜在的非线性关联。进行亚组分析和敏感性评估以确定任何变化并确保结果的稳健性。
结果分析
1. 基线特征
我们的研究包括 6,516 名男性和 7,120 名女性。表 1 显示了参与者的基线特征，按总 OBS 的四分位数分层。与较低 OBS 四分位数的个体相比，OBS 较高四分位数的个体具有年龄较大和非西班牙裔白人种族比例更高的特征。在较高的四分位数中，我们还观察到能量、咖啡因、蛋白质和糖的消耗量增加，以及个人教育和财富水平的提高。
2. OBS 与尿酸血症的相关性
应用了多元线性模型和 logistic 回归，如表 2 所示。教育在调整后的回归模型中被排除为协变量，因为它在单线性和单逻辑回归中都缺乏显着性。在完全调整的模型 3 中，较高的连续总 OBS 与高尿酸血症的发生率呈显著负相关 （比值比 [OR]：0.97,95% 置信区间 [95% CI]：0.96 至 0.98）。
3. 饮食/生活方式 OBS 与尿酸血症之间的关系
我们通过将 OBS 分为饮食和生活方式 OBS 进一步探讨了 OBS 与尿酸血症之间的关联，如 表 3 所示。饮食和生活方式 OBS 亚型与尿酸血症均表现出统计学上的显着相关性。较高水平的连续饮食和生活方式 OBS 始终显示与 SUA 水平降低和高尿酸血症发生率降低的相关性。在完全调整的模型 3 中，与最低四分位数相比，膳食 OBS 的第四个四分位数显着影响了高尿酸血症（OR：0.68,95% CI：0.53 至 0.87）和 SUA 水平（β：-0.27,95% CI：-0.38 至 -0.16）。同样，生活方式 OBS 也显示出持续的影响，第四个四分位数表明与高尿酸血症 （OR：0.39， 95% CI：0.33 至 0.48） 和 SUA 水平 （β：-0.54， 95% CI：-0.62 至 -0.47） 呈负相关。
4. 亚组分析
通过完全调整的多变量 logistic 回归分析了按年龄、种族、性别、教育水平、PIR 和合并症分层的各个亚组。在大多数亚组中观察到总 OBS 与高尿酸血症发生率之间存在显著的负相关。然而，在 80 岁及以上的个体、属于其他种族背景的个体或患有 CKD、心血管疾病 （CVD）、糖尿病和高血压等合并症的个体中，未检测到总 OBS 与高尿酸血症之间存在实质性关联。交互作用分析显示性别亚组存在统计学意义差异 （交互作用 P = 0.032），而其他亚组没有表现出统计学意义。
5. 受限制的三次样条
采用限制性三次样条曲线 （RCS） 曲线研究 OBS 与高尿酸血症的三个定义之间的关系，并调整所有相关协变量。发现总 OBS 与高尿酸血症之间存在统计学上显着的非线性关系。一致地，高尿酸血症的比值比随着总 OBS 的增加而降低，并且这种趋势在女性中保持不变。曲线的总体趋势显示下降，在 19 左右相对稳定，无论是在女性亚群还是普通人群中。相比之下，在男性亚组中，总 OBS 与高尿酸血症之间没有发现统计学上显着的非线性相关性。此外，膳食 OBS 与高尿酸血症的发病率呈显著的负非线性关系，相比之下，与生活方式 OBS 没有观察到这种关系。
6. 其他结局
本研究使用 RCS 曲线进一步研究了三种不同类型的 OBS 和 SUA 水平之间的关联。与我们之前的发现一致，图 1 中描述的结果。图 4 说明了 SUA 水平与总 OBS 之间存在显著的负非线性相关性（P 非线性< 0.0001，图 3。4A） 和膳食 OBS （P 非线性 = 0.0002，图 .4相反，生活方式 OBS 和 SUA 水平之间没有统计学上显着的非线性相关性 （P 非线性 = 0.0638，图4这些发现与我们之前的分析一致，该分析侧重于高尿酸血症作为感兴趣的主要结局。
文章小结
较高的 OBS 始终与 SUA 水平降低和高尿酸血症患病率降低相关。RCS 强调了显着的负非线性关联，尤其是在女性中。亚组分析揭示了基于性别的差异和交互相关性，提供了有关 OBS 和高尿酸血症关系的更多见解。今天为大家分享的文章纯公共数据挖掘+统计分析，就发到了一区！如果你也想在临床方向发高分文章，不妨试试这个省钱省事又省力的思路吧！
