当前位置：首页>南京>IF10.6!南京中医药大学团队凭借CHARLS数据库轻松拿下双一区TOP!!!

IF10.6!南京中医药大学团队凭借CHARLS数据库轻松拿下双一区TOP!!!

2026-03-19 08:09:31

2026年2月，南京中医药大学附属医院吴明华、李文磊、朱媛团队在《Cardiovascular Diabetology》发表全国性前瞻性队列研究，首次系统评估九项甘油三酯-葡萄糖相关指标对心血管肾代谢综合征0-3期患者心血管代谢多病发生风险的预测价值。研究纳入CHARLS数据库6867名中老年受试者，中位随访9年发现，所有九项TyG相关指标与CMM风险均呈显著正相关，最高四分位数组风险增加72%至200%以上。其中，TyG-中国内脏脂肪指数预测效能最优，AUC达0.679，且较传统风险模型具有显著增量预测价值。该指数整合胰岛素抵抗与内脏肥胖两大通路，尤其适合中国人群的早期风险分层。本研究首次在CKM综合征新框架下证实，TyG-CVAI可作为0-3期患者进展为心血管代谢多病的敏感预警指标，为代谢-心血管-肾脏连续体的早期干预提供了简便、低成本的风险评估工具。

↓关注小视界不迷路，后台咨询助力科研梦↓

如果你也想用CHARLS等公共数据库进行生信分析，复现高分思路，那就快关注视界生信，后台咨询吧！视界生信，助力每一个科研梦！

✨研究亮点

✅聚焦 0-3 期 CKM 综合征人群，首项系统对比 9 项 TyG 相关指标对 CMM 的预测价值，填补研究空白。

✅证实所有指标均为 CMM 独立预测因子，TyG-CVAI 表现最优，AUC 达 0.679。

✅揭示多数指标与 CMM 呈线性剂量反应关系，为早期风险分层提供依据。

🔍图形摘要

文献简述

研究背景

CKM 综合征易引发心血管代谢多病（CMM），危害中老年健康。TyG 相关指标可预测单一 cardiometabolic 疾病，但在 0-3 期 CKM 综合征人群中对 CMM 的预测价值尚未明确，需开展相关研究填补空白。

研究方法

研究对象筛选

基于 2011-2020 年 CHARLS 数据，纳入 45 岁及以上 0-3 期 CKM 综合征患者，排除基线 CMM、数据缺失及异常值等情况，最终纳入 6867 人。

指标计算与定义

计算 9 项 TyG 相关指标，明确 CKM 综合征 0-3 期分类标准，CMM 定义为同时存在至少两种 cardiometabolic 疾病。

统计分析方法

采用 Cox 回归、RCS 曲线、K-M 生存曲线分析关联与剂量反应关系，ROC、NRI、IDI 评估预测性能。

分层与敏感性分析

按年龄分层探究指标与 CMM 关联，通过排除特定人群、多重插补等敏感性分析验证结果稳健性。

研究结果

基线特征

本研究最终纳入 6867 名 0-3 期 CKM 综合征患者，平均年龄 59.2±9.0 岁，男性占 47.6%（表1）。按 CKM 分期分层后，0 期患者较 3 期更年轻，吸烟、饮酒率更低，高血压、糖尿病、血脂异常患病率也更低（表1）。临床指标方面，0 期患者的 SBP、DBP、FBG、TG 等代谢相关指标更优，eGFR 和 HDL-C 水平更高，体重、BMI、WC 等人体测量指标及 CRP、WBC 水平也普遍更低（表1）。此外，研究还按 CMM 发病情况总结了基线特征，进一步为后续关联分析提供了人群基础。

表1 基于CKM综合征0–3期的6,867名参与者特征

0~3 期心血管肾代谢综合征患者中甘油三酯 - 葡萄糖相关指标与心血管代谢多病的关联

经 9 年中位随访，6867 名 0-3 期 CKM 综合征患者中 652 人（9.5%）新发 CMM。完全调整模型显示，9 项 TyG 相关指标最高四分位者 CMM 风险均显著升高，增幅 72% 至 2 倍以上，且均呈显著正趋势（表2）。剂量反应关系上，7 项指标与 CMM 呈线性关联，TyG-ABSI 和 CTI 则为非线性（图1）。K-M 生存分析表明，各指标最高四分位组 CMM 发生率显著高于低四分位组（图2）。此外，指标与卒中、冠心病的关联较弱，部分指标无统计学意义，显示出疾病特异性风险模式。

表2 TyG相关指标与CKM综合征0–3期未来CMM风险的关联

图1 TyG相关指数与CMM风险之间的剂量-反应关系

图2 按TyG相关指标四分位数计算CMM累计发生率的Kaplan–Meier曲线

0~3 期心血管肾代谢综合征患者中甘油三酯 - 葡萄糖相关指标对心血管代谢多病的预测价值

ROC 曲线分析显示，TyG-CVAI 对 0-3 期 CKM 综合征患者的 CMM、卒中及冠心病均展现出最强预测能力，其预测 CMM 的 AUC 达 0.679（95% CI：0.658~0.700）（图3）。经 DeLong 检验，TyG-CVAI 的 AUC 显著高于多数其他 TyG 相关指标，但与 TyG-WC、TyG-WHtR 的差异无统计学意义。NRI 和 IDI 分析表明，相较于完全调整模型，所有 9 项指标对 CMM 的预测均有显著增量价值（表3）。其中 5 项指标对卒中、4 项指标对冠心病的预测提供了显著增量价值，其余指标则未达统计学意义，各指标的最优临界值等详情已明确。

图3 TyG相关指标在CMM（A）、中风（B）和先天心病（C）的预测表现

表3 TyG相关CMM指数在基本模型上的增量预测值

年龄分层分析

年龄分层分析将参与者分为 <60 岁、60~70 岁、≥70 岁三组，探究 9 项 TyG 相关指标与 CMM 风险的关联（图4）。结果显示，<60 岁和 60~70 岁组中，所有指标均呈现清晰的剂量反应关系，随指标四分位升高，CMM 风险单调递增。而≥70 岁组中，多数指标与 CMM 的关联强度明显减弱，仅 TyG-BMI、TyG-WC、TyG-WHtR 及 TyG-CVAI 维持稳定关联，其余 5 项指标关联不一致。不过，所有指标的交互作用 P 值均> 0.05，表明不同年龄组间指标与 CMM 风险的关联强度无统计学差异。

图4 TyG相关指数与CMM风险之间的年龄分层关联

敏感性分析

为验证研究结果的稳健性，研究开展了四项敏感性分析。一是排除基线合并糖尿病的参与者，二是剔除 CKM 0 期低风险人群，三是采用多重插补法处理缺失协变量数据，四是运用 Fine-Gray 竞争风险模型校正非 CMM 相关死亡的竞争风险。结果显示，上述不同分析策略下，9 项 TyG 相关指标与 0-3 期 CKM 综合征患者 CMM 发病风险的关联模式均未发生实质性改变，与主分析结论高度一致，充分证实了本研究结果的可靠性与稳定性。