尊嘟假嘟？仅临床预测模型就发到了9分+！NHANES数据库，高分文章的流量密码，赶紧码住
说起“临床预测”，不少生信人脑海中浮现的方法都是构建风险预测模型，实不相瞒，小云也是这么想的，但这其实是被固有思维所束缚了，临床预测可不单单这一种方法，临床数据库分析也是一个不错的选择哦！
南昌大学二附院沈云峰教授团队就利用“NHANES 数据库”做临床预测，并且拿下1区9分+的纯生信文章！这篇文章研究方法并不突出，只是构建了简单的临床预测模型，但是却赢在了研究周期长以及NHANES数据库的应用。个人认为亮点在于发现了U型趋势并加以论证。研究方法有许多值得学习的优点，如果小伙伴们也想学习研究NHANES数据库，欢迎留言讨论哦。
ps：对临床数据库分析毫无思路的小伙伴直接扫码找小云探索吧，风里雨里小云都在哦，除了NHANES数据库还有SEER、UK biobank等多种数据库分析的思路等你来围观！
题目：2001-2018年NHANES证据：甘油三酯-葡萄糖指数是糖尿病或糖尿病前期CVD患者心血管和全因死亡率的预测指标
杂志：Cardiovascular Diabetology
影响因子：IF=9.3
发表时间：2023年10月
公众号回复123获取原文，原文编号：231205
研究背景
随着人口老龄化进程的加快，全球糖尿病或糖尿病前期心血管疾病（CVD）的发病率和死亡率持续上升，CVD高发正成为一个重要的公共卫生问题。糖尿病与CVD密切相关，糖尿病患者的多种风险因素（高血压、高血糖、胰岛素作用受损、血脂异常、肥胖）可加速CVD的发生发展，同时CVD又是糖尿病患者致死致残的主要原因。甘油三酯-葡萄糖（TyG）指数是由空腹甘油三酯（mg/dl）×空腹血糖（mg/dl）/2计算得出的综合指标，TyG指数与CVD患者死亡率之间的关联尚不清楚。本研究旨在探讨美国成人CVD患者基线TyG指数与全因死亡率和心血管（CV）死亡率之间的关系。
数据来源NHANES（National Health and Nutrition Examination Survey）是一项旨在评估美国成人和儿童健康和营养状况的研究计划，是一项针对不同人群或健康主题的调查。NHANES访谈部分包括人口统计学、社会经济学、饮食和健康相关问题。体检部分包括生理测量、实验室检查等内容。调查结果将用于确定主要疾病的患病率和疾病的风险因素，也是身高、体重和血压等国家标准的基础。该研究从NHANES（2001-2018）中招募了1072例患有糖尿病或糖尿病前期的心血管疾病患者。死亡率结果通过截至2019年12月31日的国家死亡指数（NDI）记录来确定。研究思路
本研究通过构建多变量Cox比例风险模型，探讨基线TyG指数与全因死亡及心血管死亡之间的关系，并利用限制性三次样条（RCS）研究两者的非线性相关性，建立拐点两侧的两段Cox比例风险模型，确定全因死亡率和CVD死亡率的拐点。
主要结果1. 研究人群的基线特征
使用R软件进行统计分析，按照分析NHANES数据的要求，样本权重、聚类和分层被纳入所有分析中。根据TyG指数的四分位数（Q1-Q4），研究参与者被分为四组，连续变量总结为平均值和标准差（SD），而分类变量则表示为频率和百分比。使用单向方差分析（针对连续变量）和皮尔逊卡方检验（针对分类变量）对TyG四分位组之间的基线特征进行比较。表 1显示了按TyG指数四分位数分层的队列研究参与者（n=1072）的基线特征。参与者的平均年龄为66.54岁，其中男性占59.33%。入组患者的平均TyG指数为9.03±0.03。
表 1 TyG指数四分位数确定的基线特征
根据TyG指数的四分位数，基线的实验室特征如表 2所示。与最低四分位数的参与者相比，TyG指数较高的参与者更有可能是年轻的、墨西哥人和肥胖的。此外，各组之间的生化指标存在显着差异，最高四分位数的参与者表现出显着差异，与第一个四分位数相比，HbA1c、LDL-C、TC、TG、GGT、ALT、FINS 和 FPG 水平较高。
表 2 TyG指数四分位数确定的基线实验室特征
2. 建立Cox比例风险模型
在整个随访期间计算每个TyG四分位数组的全因死亡率和CVD死亡率的发生率。为了评估TyG指数的独立预测价值，开发了多因素Cox比例风险回归模型，其中包括三个模型来控制混杂因素。模型1未调整，模型2调整了年龄、种族和性别，模型3调整了年龄、性别、种族、BMI、吸烟、饮酒、教育、高血压和家庭收入贫困比，对缺失值的协变量进行多重插补。在模型3中，多变量调整风险比（HR）和95%，从最低到最高TyG指数四分位数（6.80–8.56、8.56–8.96、8.96–9.40和9.40-12.55）。全因死亡率以及置信区间（CI）分别为1.00（参考）、0.65（0.45、0.93）、0.84（0.62、1.14）、1.3（0.73、1.26）（P=0.623）；CVD死亡率以及置信区间（CI）分别为1.00（参考值）、0.49（0.25、0.97）、1.10（0.63、1.90）和1.30（0.73、2.33）（P=0.068）。
表3 随访期间发生的461例全因死亡和154例CVD相关死亡
3. 非线性关系检测
由于之前的多变量分析表明基线TyG指数与全因死亡率和CVD死亡率之间存在非线性关系，因此作者采用具有限制性立方样条图和平滑曲线拟合（惩罚样条法）的Cox比例风险回归模型进一步研究相关性。发现，调整后的平滑图显示TyG指数与全因死亡率（图 1A）和CVD死亡率（图 1B）之间呈U形关联。
图1 TyG指数与全因死亡率和CVD死亡率之间的关系
作者使用标准Cox比例风险回归模型和两段Cox比例风险回归模型拟合了基线TyG指数和死亡率之间的关联。基于两段Cox比例风险回归模型，作者确定了全因死亡率和CVD死亡率的拐点分别为9.05和8.84。
表4 TyG指数与全因死亡率和CVD死亡率的阈值影响分析
分别研究糖尿病和糖尿病前期人群，结果显示，TyG指数与糖尿病CVD患者的全因死亡率和CVD死亡率之间仍存在U型关系（均为非线性P<0.01）。糖尿病前期CVD患者TyG指数与全因死亡率近似呈U型关系（非线性P=0.28），与CVD死亡率呈近似线性关系（非线性P=0.95）（图2）。
图2 糖尿病和糖尿病前期人群中，TyG指数与全因死亡率和CVD死亡率之间的关系
4. 分层分析
根据性别、年龄（<60岁或≥60岁）、BMI（<25.00或≥25.00）和种族（白人、黑人、墨西哥人或其他）进行分层分析，p< 0.05被认为具有统计学差异。结果显示，与较低TyG指数（全因死亡率<9.05，CVD死亡率<8.84）相比，较高TyG指数（全因死亡率≥9.05，CVD死亡率≥8.84）在CVD患者中具有生存优势。如表5和表6所示，基于年龄、性别、种族和BMI的各个亚组中糖尿病或糖尿病前期的情况是一致的，基线TyG指数和分层变量之间没有显着的相互作用关系。
表5 TyG指数与全因死亡率之间的关联分层分析
表6 TyG指数与CVD死亡率之间的关联分层分析
文章小结
这篇文章分析了TyG指数与患有糖尿病或糖尿病前期的心血管疾病(CVD)患者死亡率的关系，基于大队列证据探索TyG指数的预测价值。全文只构建了简单的临床预测模型，9分+的纯生信文章就诞生了，可见“临床数据库分析”的流量密码之大，做临床数据库分析，不要太适合临床研究人员哟！感兴趣的小伙伴，快快行动起来吧！
如果你还苦恼于生信分析没有思路，或者嫌分析方法太过简单、太过老套，想要创新思路的，或者对临床数据库等方向感兴趣的小伙伴快来扫码联系小云吧，我们将为你量身打造最适合你的发文案哦~
