IF10.3!南昌大学凭GBD拿下二区!揭秘肥胖分级与癌亚型特异性关联!
作为威胁中老年女性生殖系统健康的高发恶性肿瘤，子宫内膜癌以高发病率、高亚型异质性和高疾病负担为核心特征，给子宫内膜癌高危人群的早期风险分层与精准防控策略制定带来双重挑战🔍！
南昌大学第二附属医院等多团队联合开展研究，基于 2021 年全球疾病负担研究（GBD）涵盖 1990—2021 年 204 个国家和地区的流行病学数据，以及子宫内膜癌协会联盟（ECAC）包含 16303 例患者的全基因组关联研究（GWAS）数据资源，结合孟德尔随机化（MR）、贝叶斯年龄时期队列（BAPC）模型及人口分解分析等方法，为科研人员构建肥胖分层介导子宫内膜癌亚型发病风险的因果关联机制及疾病负担防控优化策略研究的宏观认知框架。
肥胖已成为全球健康危机，而子宫内膜癌作为女性高发恶性肿瘤，超 90% 的子宫癌病例源于它。二者关联已知，但肥胖分级与癌亚型的因果及剂量关系不明，筛查阈值难定。明确这份关联，对精准防控、守护女性健康至关重要。
解锁肥胖与子宫内膜癌的 “隐秘关联”！借 GBD 2021 数据摸清全球疾病负担脉络，用孟德尔随机化技术验证肥胖分级与癌亚型的因果剂量关系，为优化筛查阈值、定制区域化防控策略，守护女性健康筑牢科学根基。
全球疾病负担追踪法：以 GBD 2021 数据库为 “全景地图”，网罗 1990-2021 年 204 国高 BMI 相关子宫癌数据，通过线性回归算年度变化率、人口分解析增长动因、前沿分析找防控差距，再用贝叶斯模型 “预测未来”，勾勒 2036 年疾病负担趋势。
孟德尔随机化解码法：借全基因组数据当 “遗传探针”，筛选 BMI 相关 SNPs 作为工具变量，精准匹配肥胖分级与子宫内膜癌亚型数据，用逆方差加权等方法验证因果，再经异质性、多效性检验 “加固” 结果，排除混杂干扰。
数据整合校验法：用 R 软件整合双轨数据，通过专业包处理统计分析，以 P<0.05 为标准判定差异，让流行病学全景与遗传学精准验证相互印证，确保结论可靠。
如果你也想凭"GBD"冲击高分！快快关注生信智算，后台进行咨询吧！
Figure 1：孟德尔随机化分析思路与假设图。缩写：BMI，体重指数。
Table 1：全球、5 个社会人口指数（SDI）区域及 21 个全球疾病负担（GBD）区域中，与高体重指数（BMI）相关的子宫癌疾病负担（聚焦伤残调整寿命年（DALYs）和死亡人数）（续表）
Figure 2：1990—2021 年 204 个国家和地区与高 BMI 相关的子宫癌全球疾病负担图。（A）2021 年年龄标准化伤残调整寿命年率（ASDR）的地理分布；（B）2021 年年龄标准化死亡率（ASMR）的地理分布；（C）伤残调整寿命年（DALYs）人数变化百分比；（D）死亡人数变化百分比；（E）年龄标准化伤残调整寿命年率（ASDR）的年度变化百分比（EAPC）；（F）年龄标准化死亡率（ASMR）的年度变化百分比（EAPC）。缩写：ASDR，年龄标准化伤残调整寿命年率；ASMR，年龄标准化死亡率；EAPC，年度变化百分比。
Figure 3：1990—2021 年与高 BMI 相关的子宫癌疾病负担的社会人口学分层图。（A）21 个全球疾病负担（GBD）区域的年龄标准化伤残调整寿命年率（ASDR）；（B）21 个全球疾病负担（GBD）区域的年龄标准化死亡率（ASMR）；（C）204 个国家和地区的年龄标准化伤残调整寿命年（DALY）率；（D）204 个国家和地区的年龄标准化死亡率。黑色趋势线代表基于社会人口指数（SDI）相关性分析的预期疾病负担值。缩写：ASDR，年龄标准化伤残调整寿命年率；ASMR，年龄标准化死亡率；DALYs，伤残调整寿命年；SDI，社会人口指数。
Figure 4：与高 BMI 相关的子宫癌年龄标准化死亡率（ASMR）和年龄标准化伤残调整寿命年率（ASDR）的前沿分析图。黑色线代表不同 SDI 水平下可达到的年龄标准化率下限，圆点代表不同国家和地区。全球有效差异最显著的 15 个国家和地区以黑色字体标注，低 SDI 国家中有效差异最小的 5 个国家和地区以蓝色字体标注，高 SDI 国家中有效差异最显著的 5 个国家和地区以红色字体标注。在（B）和（D）中，蓝色圆点表示 1990—2021 年年龄标准化率下降的国家和地区，红色圆点表示年龄标准化率上升的国家和地区。（A）和（B）为年龄标准化伤残调整寿命年率（ASDR）的前沿分析；（C）和（D）为年龄标准化死亡率（ASMR）的前沿分析。缩写：ASMR，年龄标准化死亡率；ASDR，年龄标准化伤残调整寿命年率；SDI，社会人口指数。
Figure 5：1990—2021 年全球、SDI 五分位数水平及区域水平上，基于人口增长、老龄化和流行病学变化等人口层面决定因素的高 BMI 相关子宫癌伤残调整寿命年（DALYs）（A）和死亡人数（B）变化图。黑色圆点表示三个因素对变化的总贡献值。对于每个因素，正值表示对高 BMI 相关子宫癌的伤残调整寿命年（DALYs）和死亡人数有正向贡献，负值表示有负向贡献。缩写：DALYs，伤残调整寿命年；SDI，社会人口指数。
Figure 6：2021 年不同年龄组与高 BMI 相关的子宫癌伤残调整寿命年（DALYs）（A）和死亡人数（B）的年龄特异性数量及率值图。柱状图量化了不同年龄组中与高 BMI 相关的绝对伤残调整寿命年（DALYs）（A）和死亡人数（B）。叠加的折线图展示了全球层面相应的年龄特异性率（每 10 万人），阴影区域表示率值估计的 95% 不确定性区间（UI）。缩写：DALYs，伤残调整寿命年；UI，不确定性区间。
Figure 7：基于贝叶斯年龄 - 时期 - 队列（BAPC）模型得出的高 BMI 相关子宫癌负担指标（伤残调整寿命年病例数、死亡病例数、年龄标准化伤残调整寿命年率（ASDR）、年龄标准化死亡率（ASMR））的流行病学趋势图，含 2022—2036 年年龄分层预测。（A）年龄标准化伤残调整寿命年率（ASDR）；（B）年龄标准化死亡率（ASMR）；（C）伤残调整寿命年（DALY）病例数；（D）死亡病例数。缩写：ASDR，年龄标准化伤残调整寿命年率；BMI，体重指数；BAPC，贝叶斯年龄 - 时期 - 队列；ASMR，年龄标准化死亡率；DALYs，伤残调整寿命年。
Figure 8：正向孟德尔随机化（MR）分析中，Ⅰ、Ⅱ、Ⅲ 级肥胖与不同子宫内膜癌亚型的合并比值比（OR）结果森林图。EC：子宫内膜癌；EC-endometrioid：子宫内膜癌（子宫内膜样组织学类型）；EC-non-endometrioid：子宫内膜癌（非子宫内膜样组织学类型）。
Figure 9：评估肥胖分级对子宫内膜癌亚型因果效应的孟德尔随机化（MR）估计图。（A1-A4）散点图和留一法敏感性分析，展示 Ⅰ 级肥胖（BMI 30-34.9 kg/m²）与子宫内膜癌风险的因果关系，按组织学亚型（子宫内膜样型 vs 非子宫内膜样型）分层；（B1-B4）散点图和留一法敏感性分析，展示 Ⅱ 级肥胖（BMI 35-39.9 kg/m²）与子宫内膜癌亚型的因果关联；（C1-C4）散点图和留一法敏感性分析，展示 Ⅲ 级肥胖（BMI≥40 kg/m²）与子宫内膜癌亚型的因果关联。缩写：BMI，体重指数；MR，孟德尔随机化。
研究意义
研究创新点
分层创新：按 WHO 肥胖分级与子宫内膜癌亚型针对性分析，首次明确肥胖对不同亚型的差异化影响，解决以往 “笼统关联” 的研究不足。
视角创新：结合 SDI、年龄、地域分层及未来趋势预测，多维度解析疾病流行特征，揭示人口增长、老龄化等核心驱动因素，提供差异化防控新视角。
临床创新：发现低于现有筛查阈值的 Ⅰ 级肥胖已存在显著致癌风险，为临床指南修订、早期干预时机前移提供核心证据，转化应用价值明确。
本研究整合 2021 年 GBD 数据与孟德尔随机化分析，证实高 BMI 是子宫癌（尤其子宫内膜癌）的可改变因果因素。1990—2021 年，全球高 BMI 相关子宫癌负担显著上升，高 SDI 地区与 60—74 岁人群受影响最甚，2036 年负担将持续加重。Ⅰ—Ⅲ 级肥胖与子宫内膜样癌呈剂量依赖性因果关联，与非子宫内膜样癌无显著关联，为精准防控及筛查指南修订提供关键依据。
想复刻同款高分研究成果，快快关注生信智算！
多数据库联合/机器学习，细胞测序/转录组多组学/国自然
