IF=6.9!恭喜南昌大学第二附属医院团队借助CHARLS队列+CHG代谢指数+RCS阈值分析拿下2区!
- 2026-08-13 14:12:05
点击蓝字 关注我吧！
生信模型
做临床队列、代谢标志物方向的小伙伴看过来！
很多医生、硕博发愁：单一血脂/血糖指标发不出高分文章，普通线性Cox模型创新不足，手里有CHARLS、NHANES公共数据库却不知道怎么挖创新点。
今天拆解一篇刚上线、IF=6.9的《Lipids Health Dis》纵向队列文章，完美解决两大痛点：
✅ 整合胆固醇、血糖、高密度脂蛋白，构建全新复合代谢标志物CHG指数，甩开传统单一指标
✅ 限制性立方样条RCS+分段Cox挖掘非线性阈值效应，这是审稿人最爱、大幅提升文章档次的分析套路
全程基于全国大型人群队列，数据公开可复刻。
核心研究亮点（一眼抓创新）
1.研究人群创新：首次聚焦伴抑郁症状的45岁以上中老年人，抑郁+卒中双高危人群，填补该人群CHG指数相关研究空白，选题差异化极强，不容易撞题
2.标志物创新：引入2025年新提出的CHG复合代谢指数，一次性整合总胆固醇、空腹血糖、HDL-C三大指标，比单独血脂、血糖预测效能更强，是当下代谢类文章热门新指标
3.统计方法高级（加分核心）
● 不止基础Cox回归，搭配限制性立方样条RCS验证非线性关系，算出明确拐点5.59
● 分段Cox分层解读风险：CHG＜5.59时卒中风险暴涨117%，超过拐点后风险不再上升，阈值效应是文章最大创新点
● 多重插补MICE处理大量缺失值、四分位分析、剔除早期事件、中位数二分类多重敏感性分析，结果稳健，审稿人几乎不会质疑
4.数据权威性拉满：依托CHARLS全国代表性中老年队列，分层随机抽样、样本量5138例，35554人年随访，人群代表性强，结论贴合中国本土人群，临床价值更高
5.完整验证体系：主分析Cox回归+次要Logistic回归双向验证；分层亚组森林图展示结果普适性，交互检验证明标志物预测稳定，全套分析流程可直接照搬套用
引言
脑卒中是国内成年人第一致死慢性病，致残、致死负担极大，早筛预警标志物一直是临床研究热点。
而抑郁症会长期激活人体HPA轴，诱发胰岛素抵抗、慢性低度炎症，大幅升高卒中发病风险；临床上抑郁合并三高、代谢紊乱的患者比比皆是，但传统只单独看胆固醇、血糖，单一指标很难精准预判卒中风险。
近几年学界推出了CHG指数，把脂、糖代谢参数整合为一个综合指标，已证实在糖尿病、心血管病、肾病中具备预测价值，但没人研究它在抑郁人群中和新发卒中的关联，也没人探索二者是否存在非线性风险阈值。
这篇文章刚好抓住这个空白，利用全国大型纵向队列，完整分析CHG指数和抑郁中老年人新发卒中的关系，挖掘风险拐点，给临床提供全新简易筛查指标，选题逻辑完整、临床意义充足，非常适合临床医生复刻。
文献解读
如果你也想用【同款思路】进行研究，需要生信分析，复现高分思路，那就快关注生信模型吧，助力每一个科研梦想。
研究概述
该研究是依托CHARLS全国中老年人群数据库开展的纵向队列分析，以CHG复合代谢指数为核心标志物，针对5138名45岁以上、存在抑郁症状且基线无卒中的受试者，历经7年随访收集新发卒中结局；通过递进Cox回归、限制性立方样条+分段Cox探索二者非线性阈值，再结合Logistic回归、多套敏感性与亚组分层分析完成完整验证。
研究目的
该研究旨在明确CHG复合代谢指数与伴抑郁中老年人群新发脑卒中之间的关联；探索二者是否存在非线性关系、风险阈值拐点，量化不同区间卒中风险差异；通过多重敏感性、亚组分层分析验证结论稳健性，证明CHG指数可作为该高危人群卒中早期预警标志物；补充抑郁-代谢紊乱 - 脑卒中的病理机制证据，为临床抑郁患者血管风险分层提供简易化验指标。
研究方法
1.人群筛选标准（可直接照搬做自己的课题）
✅ 纳入：年龄≥45岁；CESD-10抑郁评分≥10分；基线无脑卒中；具备完整随访卒中结局数据
❌ 排除：基线卒中、抑郁评分缺失、年龄缺失、全程无随访数据、年龄＜45岁人群
最终5138例入组，协变量缺失值采用链式方程多重插补MICE生成20套数据集，Rubin法则合并结果，完美解决临床数据缺失难题。
2.核心指标定义
1）抑郁评估：CESD-10量表，总分≥10判定存在抑郁症状，国内老年人群经过验证；
2）CHG指数计算公式（重点！直接复制计算）
实验室血脂、血糖单位mmol/L需提前换算：胆固醇×38.67，血糖×18.02；
3）结局事件：随访中医生首次确诊脑卒中（缺血/出血合并统计），根据问卷确诊时间记录生存时间。
3.校正协变量（全套混杂因素，发高分必备）
人口学：年龄、性别、居住地、婚姻、教育水平
生活方式：吸烟、饮酒史
临床指标：高血压、糖尿病、肝病、消化疾病史、BMI分层、CESD抑郁评分、心理治疗史
4.全套统计分析方案（高分核心，分4层）
①基线资料对比：卒中组/非卒中组基线特征，连续变量中位数四分位、分类变量百分比，t检验/卡方检验；
②递进式Cox比例风险回归（主分析）
● Model1：仅校正年龄、性别
● Model2：再加生活方式、社会人口学
● Model3：完全校正所有混杂因素（最终结果采用）
输出连续CHG每升高1单位的HR值，完全校正后HR=1.48，P=0.003；
③非线性与阈值分析（文章创新点）
● 限制性立方样条RCS：检验非线性，P非线性=0.005，证实不是简单直线关系；
● 两段分段Cox回归：确定拐点5.59，分层计算HR：
CHG＜5.59：HR=2.17，风险上升117%；CHG≥5.59：HR=1.00，无关联；
④稳健性验证（审稿人最爱）
● 次要分析：多因素Logistic回归验证OR=1.53，趋势一致；
● 敏感性分析：四分位分层、剔除前2年早期卒中、中位数二分类；
● 亚组分层森林图：年龄、性别、城乡、高血压、糖尿病、BMI等分层，交互检验P全部＞0.05，结论全人群稳定；
● 全部统计使用R4.1.3完成，α=0.05。
图1为样本选择流程图
核心结果
1.研究人群的基线特征
该研究纳入5138名CES-D≥10分伴抑郁人群，2011-2018年中位随访7年，总随访35554人年，共发生421例新发卒中，发病率11.8/1000人年。
基线分组对比（表1）：新发卒中组基线CHG指数、年龄、高血压/糖尿病占比、抑郁评分、BMI均显著高于未卒中组（均P＜0.01）；仅肝病史存在微弱组间差异（P=0.038），性别、城乡、烟酒、消化病史、心理治疗史等指标两组无统计学区别。
表1为该研究参与者的基线特征
2.CHG指数与新发脑卒中的关联
研究构建3层递进Cox模型分析线性关联（表2）：仅校正年龄性别/追加生活社会因素时，CHG每升高1单位卒中风险均上升84%（HR=1.84，P＜0.001）；全混杂校正后关联减弱但仍显著（HR=1.48，P=0.003）。
限制性立方样条证实二者为非线性关系（P=0.005），分段Cox确定拐点5.59：CHG＜5.59时，每升高1单位卒中风险提升117%（HR=2.17，P=0.001）；CHG≥5.59后无显著关联（HR=1.00，P=0.996），分段模型拟合效果优于线性模型（P=0.005），可视化结果见图2、图3，完整数据见表2。
表2为CHG指数与新发卒中关联的序贯Cox回归模型
图2为全校正Cox比例风险模型中CHG指数与新发卒中关联的限制性立方样条曲线
图3为CHG指数与新发脑卒中关联的两段式Cox回归）的风险比（HR）预测值，阴影区域表示95%置信区间
3.新发脑卒中的Logistic回归分析
补充多因素Logistic回归二次验证（表3）：全校正后CHG每升高1单位，卒中发生概率显著上升（OR=1.54，P=0.002），结论与Cox、分段非线性分析完全吻合，进一步佐证研究结果稳健。
表3为与新发脑卒中相关因素的多变量logistic回归分析
4.敏感性分析
多重敏感性分析验证结果稳定性（表4）：
四分位分组：以最低组Q1为参照，CHG最高组Q4卒中风险显著升高（HR=1.85，P＜0.001），风险随CHG升高呈上升趋势；
分段阈值验证：拐点5.59结论不变，CHG＜5.59时卒中风险大幅上升，超过拐点后风险无变化；
剔除早期卒中、中位数二分类（截断值5.26）、Logistic回归复检三种方式复测，关联趋势与主分析完全统一，充分证明结论可靠。
表4为胆固醇-高密度脂蛋白-葡萄糖与新发卒中相关性的敏感性分析汇总
5.亚组分析
分层亚组分析（图4）：按年龄、性别、城乡、烟酒、高血压、糖尿病、BMI、抑郁程度分层开展全校正Cox回归。
多数亚组中CHG升高会显著提升卒中风险（HR 1.5~1.9），男性、吸烟人群关联更强；饮酒、超重肥胖、糖尿病、重度抑郁组无统计学差异，推测和样本量受限有关。
所有分层交互检验P＞0.05，证明CHG的预测作用在各类人群中稳定统一。
图4为CHG指数与新发脑卒中关联的亚组分析森林图
研究结论
在伴抑郁的45岁以上中老年人中，CHG指数独立正向预测新发卒中，二者存在5.59非线性拐点；多维度验证证实结论稳健，该指标仅靠常规糖脂检测即可计算，是此类人群卒中早筛优质标志物。
生信启示
1.选题差异化是高分核心
别扎堆普通糖尿、心脑血管队列，锁定抑郁+卒中共病小众高危人群，搭配新复合代谢标志物CHG指数，直接避开同质化，审稿人一眼看到创新。
2.高级统计是提分利器
基础Cox只能发低分，叠加限制性立方样条RCS+分段Cox挖掘非线性阈值，算出明确临界值，是临床队列文章拉开档次的关键加分项。
3.多重验证筑牢结论可信度
主分析Cox+Logistic二次佐证，搭配四分位、剔除早期事件、中位数二分类多重敏感性分析，再加亚组森林图分层验证，全套证据链齐全，返修率大幅降低。
4.公共数据库零成本快速出课题
CHARLS、NHANES这类公开人群队列数据免费获取，不用自己收集临床样本，批量计算CHG、AIP新型代谢指数，低成本复刻同类型高分SCI。
5.指标贴合临床落地更易接收
选用TC、HDL-C、空腹血糖三项常规抽血指标合成CHG指数，检测普及、计算简单，临床实用价值拉满，大幅提升期刊录用概率。
6.分层交互完善逻辑闭环
增加年龄、基础病、生活习惯亚组分层+交互检验，证明标志物预测效果普适稳定，完善文章讨论深度，解决审稿人“人群异质性”质疑。
如果你也想用【同款思路】做生信，但不知道从哪一步开始，快来后台滴滴我吧，把你的数据和目标发给我，生信模型给你一个可执行的分析路线。
点赞
收藏
分享
往期回顾
IF9.9 一区顶刊！UK Biobank+CHARLS+Cox+PRS+LASSO，衰弱肾病SCI直接抄！
15.6分心血管一区范文！代谢+衰弱联合标志物全套零实验通用写法！
IF=5.2！CHARLS+序列分析+LCTM+时变Cox生命历程慢病老年残疾SCI直接抄！
声明：本人所有内容均为个人生信学习思路与经验分享，仅作学术交流和个人复盘使用，不属于专业权威科普。若有专业错误，欢迎评论指出！
