NHANES死亡数据经典分析方法——TyG指数与高血压患者心血管和全因死亡率的关系！

2023-03-30 11:01 作者:郑老师妙趣横生统计学 0人读过 | 我要投稿

2022年1月，马里兰州学者在《Front Cardiovasc Med》（IF=5.85）发表题为：A Non-Linear Association of Triglyceride Glycemic Index With Cardiovascular and All-Cause Mortality Among Patients With Hypertension 的研究论文。

这项研究利用美国营养健康（NHANES）的数据，研究了甘油三酯血糖指数与高血压患者心血管和全因死亡率的非线性相关性。结果表明，年龄≥60岁的老年高血压患者的ACM（全因死亡率）与TyG（甘油三酯血糖指数）之间存在非线性关系。

摘要与主要结果

一、摘要

背景

研究通过甘油三酯血糖指数（TyG指数）量化的高血压患者胰岛素抵抗（IR）、心血管死亡率（CVM）和全因死亡率（ACM）之间的关系。

方法

纳入了1999-2004年全国健康和营养检查调查（NHANES）中8554名年龄≥18岁的高血压患者。参与者的CVM和ACM状态一直跟踪到2015年12月31日。Cox比例风险模型和Kaplan-Meier生存曲线用于评估TyG指数、CVM和ACM之间的关系。

结果

在平均82个月的随访中，发生了1882例死亡病例，其中434例是由于心血管疾病。T yG≥10的高血压患者年龄较大，吸烟的几率较高，肥胖，血压较高，有风险或患有心血管疾病。在Cox比例风险模型中，与TyG＜8的患者相比，TyG≥10的患者患ACM的风险增加了56%。另一方面，四组之间的CVM没有观察到显著差异。在限制立方样条回归模型中，TyG指数与ACM之间的关系是非线性的。亚组分析显示，在年龄≥60岁的老年患者中，TyG指数与ACM呈非线性关系。ACM的TyG临界值为9.45，高于或低于9.45的患者患ACM的风险更大。当TyG指数大于9.52时，CVM的风险在整个组中都会增加。Kaplan-Meier生存曲线显示，TyG≥10的患者患ACM和CVM的风险较高（Log Rank P＜0.05）。

结论

年龄≥60岁的老年高血压患者的ACM与TyG指数之间存在非线性关系。然而，TyG指数仅超过9.52，在整个高血压组中，CVM的风险会增加。

二、研究结果

1. 基线特征

8554名患者（男性49.29%）被纳入本分析，在82个月的中位随访中，发生了1882例死亡病例，其中434例是由于心血管疾病。各组TyG指数之间的所有基线变量均有显著差异。

2.甘油三酯葡萄糖指数与病因特异性死亡率的多因素Cox回归分析：
与TyG<8的人群相比，TyG≥10的人群患ACM的风险增加了56%。

3.限制性立方样条图

TyG指数、ACM（图2A）和CVM（图2B）在高血压参与者中均为非线性。两个分段线性回归模型的结果如表3所示。TyG指数与ACM呈非线性关系。

4.亚组分析

亚组分析（表4）显示，在年龄≥60岁的老年患者中，TyG指数和ACM之间存在非线性关系。ACM的TyG截止值为9.45。

5.Kaplan-Meier生存曲线

TyG≥10的高血压患者在接下来的生活中具有显著更高的ACM（图3A）和CVM（图3B）。

设计与统计学方法

一、研究设计
P：1999-2004年全国健康和营养检查调查（NHANES）中8554名年龄≥18岁的高血压患者。
I：按TyG指数（TyG<8，8≤TyG<9，9≤TyG<10，TyG≥10）分为四组。
O：主要结局：全因死亡率和心血管疾病或脑血管疾病死亡率（截止至2015年12月31日）。其他测量指标：人口学特征、实验室检查指标等。
S：队列研究
二、统计方法
1. 统计描述：连续变量为正态分布的表示为均数±标准差，如果数据不是正态分布，则表示为中位数（四分位间距）。分类变量以数字（n）和百分比（%）表示。

2.根据基线TyG指数（TyG<8，8≤TyG<9，9≤TyG<10，TyG≥10），使用单因素方差分析、Kruskal–Wallis H检验或卡方检验来评估各组之间的差异。

3.根据基线TyG指数，使用多变量Cox回归分析来估计各组的校正危险比（HR）和死亡率的95%CI。并建立三个模型调整。

4.我们最初使用标准化Kaplan–Meier曲线和log rank 检验进行生存分析。然后用多元调整Cox限制性立方样条回归模型检验TyG指数、ACM和CVM之间的关系，并使用广义相加模型探索TyG指数与死亡率之间的非线性关系。如果确定了非线性关系，我们使用两个分段线性回归模型来阐明关联在阈值点上的差异。通过尝试所有可能的值并选择具有最高可能性的阈值点来估计阈值。

详情请点击下方：

https://mp.weixin.qq.com/s?__biz=MzkwMjQxODM3NQ==&mid=2247484812&idx=1&sn=40eb0da32e4b44e49c98372f4c0f7951&chksm=c0a49f24f7d31632cb73dc1d04dd36df70d166924cb7d8c65bc3f0651bbd885403356d867933&scene=21#wechat_redirect