IF10.6!南昌大学二附院用“CHARLS”拿下双一区TOP,腹脂血脂共促心脏代谢多病!

引言

很多人觉得胖不胖看体重就够了，其实肚子大不大更关键。血脂里的那几个非传统指标，很多人连听都没听过，但它们跟糖尿病、心脏病、中风的关系比普通血脂更紧。问题是，腹型肥胖和这些指标到底怎么一起推高同时得两种以上心血管代谢病的风险，目前还不太清楚。

研究者从中国健康与养老追踪调查里挖了7597名45岁以上的人，从2011年一直跟到2018年。用Cox回归算风险比，用Kaplan‑Meier画累积发病曲线，还做了限制性立方样条来找非线性关系。最后用中介分析去验证肚子大到底在血脂和生病之间起了多少作用。

来源于中国健康与退休纵向研究(CHARLS)数据库。

表1显示，肚子大且血脂指标高的人，得心脏代谢多发病风险是正常人的2.23倍，调了年龄、血压等后依然成立。样本量大是优点，但表里没展示随时间的变化趋势，光看数字容易忽略风险何时拉开差距。整体上这个组合风险判断很明确，对早期筛查有用（表1）。

表1 非传统血脂与腹型肥胖及心脏代谢多病

思路复现：

研究者先把腹型肥胖按腰围标准分好，再把六个非传统血脂参数按中位数切成高低两组，搭出四类人。然后用Kaplan‑Meier看累积风险差异，再用Cox回归算出风险比，最后做了趋势检验。值得学的是联合暴露的分组思路和多模型逐步调整，简单好上手，换个病也能照搬。

图1清楚显示，大多数血脂指标跟发病风险是线性正相关，越高越危险。唯独LCI那条线先陡后平，有个明显的拐点，风险超过一定值后就不再增加了。这个非线性发现很实用，说明降血脂不是越低越好，而是存在天花板效应。美中不足的是，图里没标拐点具体数值，想知道精确值得翻原文（图1）。

图1 非传统血脂与腹型肥胖及心脏代谢多病

思路复现：

先拿限制性立方样条画曲线，看出LCI那条明显不是直线，其他五个都是直直往上走。接着用分段Cox回归去卡拐点，算出来42.78是分水岭。值得学的是两步走思路：先让数据自己说话（样条），再精确找切点（分段回归）。这招换任何连续变量都能用，比一刀切按中位数分组精细多了。

腹型肥胖在血脂和得病风险之间确实当了传话筒，其中LCI的中介比例超过40%，其他指标在10%到20%之间。这解释了为什么血脂高的人容易得病，很大一块是因为血脂先让人腰围变粗。不过也要客观说一句，中介比例没到一半，说明还有别的通路在起作用，比如炎症和胰岛素抵抗（图2）。

图2 腹型肥胖中介血脂与心脏代谢多病

思路复现：

把非传统血脂指标设为X，腹型肥胖设为M，发病风险设为Y，用中介分析算M在X→Y这条路上贡献了多少比例。结果显示LCI的中介比例超过40%。值得学习的是把生物学假设量化成路径系数，不仅能判断“有没有中介”，还能算出“中介了多大一块”。这套方法换个暴露和结局照样能用。

把人群按年龄、性别、胖瘦、抽烟、高血压拆开看，所有亚组的风险都比正常人高，说明肚子大加血脂高这个组合风险不分人群，通吃。这是研究的加分项，结论很稳。不过也得承认，80岁以上那组的置信区间特别宽，因为人太少，估计不太准。但整体上，跨亚组一致性是这个结果的最大亮点（图4）。

图4 腹型肥胖高血脂亚组森林图

思路复现：

先按年龄、性别、胖瘦、抽烟、高血压等把人群分层，在每个亚组里重复算风险比，看趋势是否一致。接着做敏感性分析，比如排除用药的人、换填补缺失值的方法，验证结果扛不扛得住。值得学的是分层验证加多场景敏感性分析，这招能让结论更经得起挑刺，不会因为换一批人就翻车。