IF10.6!恭喜南昌大学二院凭 CHARLS + 6图3表,直冲中科院双一区顶刊!

研究背景

研究方法

研究选取 CHARLS 2011–2020 年队列，最终纳入 7204 名研究对象，收集 TyG、eGDR、METS‑IR 等胰岛素抵抗指数、基础代谢率及心血管代谢共病发生情况。

采用 Kaplan‑Meier、Cox 回归、ROC 曲线分析发病风险，通过 NRI、IDI 评价预测效能，并利用中介与交互分析明确 BMR 的介导作用。

同时按性别、年龄等进行亚组分析，进一步验证结果的稳定性与可靠性。

在低基础代谢率层中，TyG、METS‑IR 与 CMM 风险呈线性正相关，eGDR 则呈线性负相关。

在高基础代谢率层中，TyG、eGDR 与 CMM 的线性关联依然显著；METS‑IR 呈非线性关系，阈值为 51.90，低于此值风险随其升高而增加，高于则无明显关联。

图3：按基础代谢率（BMR）层级划分的IR替代指标（TyG、eGDR和METS-IR）与CMM风险的剂量-反应关系。

经 ROC、NRI 及 IDI 综合评估，在单一指标里 TyG 对 AUC 提升最明显，eGDR 的风险重分类效果最优；BMR 与 TyG 联合时预测效能最佳。敏感性分析提示预测能力略有下降，但相比传统模型仍有显著增量价值。(图 4)

图4：用于CMM预测的ROC曲线，按BMR评估方法分层。

中介分析结果表明，TyG、eGDR、METS‑IR 均可介导 BMR 对 CMM 的作用，而 BMR 仅在 TyG 与 CMM 的关联中发挥中介效应；交互分析未发现胰岛素抵抗指标与 BMR 存在显著交互作用。(图 5)

图5：对TyG指数（A）、eGDR（B）、METS-IR（C）和基础代谢率对CMM风险进行双向中介分析。

亚组分析结果显示，仅年龄与高胰岛素抵抗联合高基础代谢率存在显著交互作用，年轻人群的 CMM 发病风险更高，其余亚组未观察到明显交互。多项敏感性分析均证实研究主要结论稳定可靠，(图 6、表 3）。

图6：多变量调整Cox回归分析的森林图，涵盖同时具有高风险和高基础代谢率（A–F）的参与者亚组。

表3： 介入放射替代指标与基础代谢率（BMR）对糖尿病、心脏病和中风风险联合影响的敏感性分析（n = 5237）

文章小结