IF9.1!南京鼓楼医院CHARLS数据库新作:TyG-WHtR与握力不对称显著相关!

Research Background

握力不对称比单纯肌力下降更能反映神经肌肉问题，但背后的代谢因素一直不明确。我个人觉得，TyG及其衍生指标可能是条不错的线索，想看看它们跟中老年人握力不对称到底有没有关联。

Research Methodology

严重不对称组BMI和TyG-BMI反而最低，这跟“代谢越差肌肉越糟”的直觉相反。我猜可能是反向因果：握力差到一定程度的人已经病态消瘦了（表1）。

他们用ANOVA和卡方做基线比较没问题，但连续变量直接上均数±标准差，没提正态性检验，有点草率。但握力不对称的阈值纯统计切割，临床意义存疑。

表1.研究参与者的基线特征

复现思路

这种把连续指标人为分成轻度、中度、重度的方法，在自己课题里做亚组分析时可以照搬，但最好先做敏感性分析看看阈值选不同点结论变不变。

TyG-BMI跟握力比负相关最强（r=-0.317），而TyG本身几乎没啥关系，说明单看血糖血脂不够，得把肥胖带上（表2）。

有意思的是男性里TyG-WHtR不显著，女性显著，他们完全没解释这个差异，可能是个多重比较的假阳性。但是数据明显偏态却用Pearson，异常值影响没控制。

表2.HGS比值与TyG、TyG-BMI和TyG-WHtR的相关性

复现思路

自己课题里做多个指标跟表型的关联筛选时，可以先用相关分析做个初筛，但后续一定要用回归模型确认，别光看相关就下结论。

TyG和TyG-WHtR越高，严重不对称的患病率越高，但TyG-BMI居然是反的——高四分位反而患病率低。他们解释低TyG-BMI可能是“少肌性肥胖”，说得通但证据链弱（图2）。

最大的槽点就是没排除低握力人群，如果混进去一批肌肉萎缩的人，保护效应可能是假的。

图2.按HGS比值水平分组的TyG、TyG-BMI和TyG-WHtR分布

复现思路

做连续变量四分位分析时，可以学他们这样画趋势图，但最好加上交互项分析，看看是不是某个亚组驱动了整体趋势。

调整后TyG-WHtR的Q2/Q3风险升高（OR约1.5），TyG-BMI反而有保护效应。同样是TyG衍生指标，加BMI和加WHtR结果完全相反，说明肥胖分布方式很关键（图3，表3）。

但他们没做共线性诊断，TyG-BMI和BMI高度相关，模型可能不稳。OR效应量不大（最大1.5），且样本3500调整十几个变量，过拟合风险存在。

图3.HGS不对称风险与TyG、TyG-BMI和TyG-WHtR的比值比（OR）森林图

表3.HGS不对称与TyG、TyG-BMI和TyG-WHtR的多变量回归分析结果

复现思路

自己课题里做多因素回归时，可以学他们用“连续变量+四分位数”两种方式同时呈现结果，这样既能看剂量反应，又能看分组比较，审稿人比较吃这套。

这项研究利用CHARLS数据库分析了甘油三酯-葡萄糖指数相关参数与握力不对称的关联，结果显示TyG-WHtR升高和TyG-BMI降低均与中老年人握力不对称风险增加有关。个人感觉，这类代谢指标结合身体测量参数，或许能为早期识别肌力失衡提供更简便的评估工具。

END