IF10.6!南昌大学二附院用“CHARLS”拿下双一区TOP!
《Cardiovascular Diabetology》杂志上，南昌大学第二附属医院发表了一项挺有意思的研究。他们追踪了近五千名45岁以上的中老年人，长达9年，结果发现身体圆润指数（BRI）和C反应蛋白甘油三酯葡萄糖指数（CTI）这两个指标组合在一起，预测高血压的能力最强。
换句话说，光看体重指数可能真不够，把腰围形状、炎症和胰岛素抵抗的情况综合起来，才能更早识别出血压看似正常但风险不低的人群。这对咱们做好早期预防，帮助很大。
LITERATURE INTERPRETATION●中文标题：体测量指数与C反应蛋白-甘油三酯-葡萄糖指数与新发高血压的联合关联：基于CHARLS 2011–2020按血压水平的分层分析
●发表期刊：Cardiovascular Diabetology
高血压在中老年人群里非常常见。以往大家主要盯着体重指数，但最近研究发现，内脏脂肪堆积才是背后真正的推手，它会通过慢性炎症和胰岛素抵抗这两条通路悄悄升高血压。因此，把腰腹肥胖指标和炎症胰岛素抵抗综合指数结合起来，可能比单看体重指数更有助于早期识别高风险人群。
这项研究纳入了4735名45岁以上没有高血压的中老年人，平均随访了9年。团队计算了身体圆润指数、腰围身高比等多个体型指标，还测了C反应蛋白甘油三酯葡萄糖指数这个反映炎症和胰岛素抵抗的复合指标。通过Cox回归和中介分析等方法，评估它们单独或联合预测高血压的效果。
来源于中国健康与退休纵向研究（CHARLS）数据库。
图1清晰显示，身体圆润指数和CTI同时偏高的人群，高血压累积发病率显著高于其他组合。这个发现很直观，也很有临床价值。不过需要客观说一句，中位数分组有点一刀切，个体风险未必在一条线的两边突然改变。但整体来看，联合两个指标明显优于单看体重指数，对早期筛查很有帮助（图1）。
先把体型指标和CTI按中位数各切两刀，组合成高低/低高/高高/低低四组。然后用Kaplan‑Meier曲线看累积发病率，再用Cox回归算风险比，同时调整年龄、性别、生活方式等混杂因素。思路不复杂，关键是联合两个维度，看谁组合风险最高。
图2发现，腰围身高比存在一个0.48的拐点，超过后高血压风险骤增20多倍，这个“半身原则”非常好记，方便大众自测。美中不足的是阈值来自中老年中国人，推广到其他人群需谨慎。总体来看，非线性关系的揭示很有临床价值，比简单说“越高越危险”更实用（图2）。
做限制性立方样条看非线性关系，发现腰围身高比在0.48附近有个拐点。然后做分段回归，拐点两侧分别拟合，最后用似然比检验确认非线性显著。思路够直接，先画曲线找转折，再分两段算风险。
ROC曲线分析表明，BRI联合CTI的预测能力最强（AUC=0.747），明显优于单用体重指数。统计上确实显著，但临床绝对增幅不算大，别过分神化。好在净重新分类指数改善明显，说明能更准地揪出高风险人群。联合思路靠谱，落地还要看操作成本（图3）。
先建一个基础Cox模型（含年龄、性别、血压等常规变量）。然后依次往里扔体型指标和CTI，算曲线下面积变化和净重分类指数。最后比谁加进去后提升最大。结论是BRI加CTI组合提升最明显。思路清晰，就是做加法看增量。
中介分析发现，CTI解释了体型指标与高血压之间的一部分关联，其中身体形状指数的中介比例高达51%。这直观说明炎症和胰岛素抵抗是关键中间环节，对干预很有启发。遗憾的是统计中介不等于因果，不能过度解读。整体来看，机制上挖得更深了，临床价值不错（图4）。
先设体型指标做自变量、CTI做中介变量、高血压做结局。做三步回归，第一步看体型到高血压的总效应，第二步看体型到CTI，第三步看体型和CTI一起对高血压的影响。中介比例用间接效应除以总效应，再用Bootstrap验证。思路就是拆开路径，算谁传的话最多。
亚组分析显示，BRI联合CTI在不同性别、年龄、慢病人群中预测效果一致稳健，男女老少都管用。这是很大的优点，说明指标普适性强。但也要客观指出，部分亚组样本量偏小，置信区间偏宽。总体来看，联合策略的稳定性经得起分层考验，推广到基层筛查很有底气（图5）。
先按性别、年龄、吸烟、饮酒等9个变量分层。每层里重复做BRI加CTI联合分析，算风险比和置信区间。最后画森林图看所有点是不是都在1右边。思路就是拆人群再验证，看结果稳不稳。
不得不说，这项研究把BRI和CTI这对组合谁最能预警高血压讲明白了。最值得学的是它层层递进的验证思路：先看联合风险，再找非线性拐点，接着比预测能力，最后拆中介。
你要是手头有纵向队列，想评估几个指标哪个更管用，直接套这套流水线就行，省心又规范。原文干货不少，值得细读～
10个月宝宝每天需要喝多少奶粉？
