UKB数据库发文月报及高频期刊

UKB 数据库

发文月报

2025年4.1-4.30期间，利用 UKB 数据库发文的热点方向：

接下来给大家分享四篇上个月 UKB 数据库分别发到中科院1区、2区、3区、4区期刊例文的分析工作量以及亮点。

1.中科院一区例文

标题：Improved prediction and risk stratification of major adverse cardiovascular events using an explainable machine learning approach combining plasma biomarkers and traditional risk factors

期刊：Cardiovascular Diabetology (IF=8.5)

PMID：40176039

研究亮点

1️⃣ 创新性研究问题：

🔸本研究首次在大规模普通人群（英国生物样本库）中系统性地结合传统心血管风险因素与生化+代谢组标志物，探索其对重大不良心血管事件（MACE）预测的提升效果。

🔸引入可解释的机器学习算法（CatBoost + SHAP），不仅提升模型性能，还识别出关键预测因子及其最优风险阈值，为精准预防提供工具。

2️⃣ 重要发现：

🔸将传统预测模型（如ASCVD）与26项生物化学+48项代谢标志物联合后，C-index显著提升，预测CVD死亡的模型C-index高达0.822，显著优于传统模型。

🔸发现如Cystatin C、HbA1c、GlycA 和 GGT为高风险因子，IGF-1 和 DHA则表现为保护性因子，提出构建生物标志物风险评分（BRS）的概念，能清晰区分不同MACE风险水平。

🔸BRS高分组发生CVD死亡的风险为低分组的2.76倍，体现了其良好的分层预测价值。

3️⃣ 方法学优势：

🔸使用来自英国生物样本库的22.9万人、长达13.7年的随访数据，数据量大、随访充分，结论可靠。

🔸采用多种变量选择算法（AUC、JMIM、相关性剔除）+Cox比例风险模型+CatBoost机器学习，结合SHAP解释变量贡献，提升模型可解释性与实用性。

🔸利用SHAP值明确提取最优二分类阈值并构建BRS，实现多标志物向可操作性评分转化，为临床早期干预提供具体指标。

研究工作量解析

✅ 数据清洗与队列构建：

🔹基于UK Biobank中229,352名无MACE既往史人群，纳入26项临床生化指标+170项NMR代谢组数据，最终选取74项最相关指标用于分析。

🔹利用CatBoost模型进行训练与预测，将变量转化为SHAP值并提取二值化阈值，进一步构建每位参与者的BRS评分。

✅ 统计与机器学习分析：

🔹Logistic/Cox回归： 用于评估单个标志物（按连续值及二值化后）与MACE及其子类型（心梗、中风、心源性死亡等）的相关性。

🔹CatBoost+SHAP分析： 识别变量重要性、建立非线性关系图，提取影响MACE风险的关键变量及阈值。

🔹风险评分构建： BRS评分基于前20个重要变量构建，评估其在总体及亚组（如性别）中的分层能力。

✅ 临床意义与创新点：

🔹提出一个可解释、结构清晰、易于应用的多标志物评分系统（BRS），对心血管风险进行精细化管理。

🔹为引入非传统生化与代谢指标（如GlycA、DHA、IGF-1）到常规CVD预测提供理论依据和具体操作方式。

🔹若未来可推广到日常血检，将显著提升心血管一级预防人群的识别效率和干预策略制定能力。

2.中科院二区例文

标题：Uncovering mediational pathways behind racial and socioeconomic disparities in brain volumes: insights from the UK Biobank study

期刊：GeroScience (IF=5.3)

PMID：39388067

研究亮点

1️⃣ 创新性方法：

🔸本研究首次系统探索了种族/族裔与社会经济地位（SES）差异对脑结构MRI（sMRI）体积指标的影响路径，并检验了SES、生活方式、健康状态和认知表现等因素的中介效应（mediation）。

🔸使用UK Biobank大样本数据，构建结构方程模型（SEM），评估多条间接路径对种族/SES与脑体积差异的解释程度，为理解认知老化健康不平等提供机制支持。

2️⃣ 重要发现：

🔸非白人群体相比白人，整体脑体积更小、白质高信号（WMH）体积更大，差异在调整SES、生活方式、健康与认知因素后仍显著。

🔸SES对WMH的总效应中约57%是通过间接路径实现的；而种族/族裔对WMH的总效应中有20%以上是间接效应（IE）。

🔸某些特定脑区（如左accumbens、右amygdala、左putamen）存在完全中介效应，即直接效应不显著而间接效应显著，提示多个生活-健康因素构成了复杂的影响通路。

3️⃣ 方法学优势：

🔸利用UK Biobank中36,184名中老年人的MRI数据（40-70岁），并采用多重插补处理缺失数据，分析稳定性强。

🔸构建6条典型中介路径（如“种族→SES→健康→认知→sMRI”等），系统分解总效应（TE）、直接效应（DE）、间接效应（IE），并计算中介比例，体现高水平的路径分析。

🔸使用可视化脑图与热力图呈现中介效应结果，增强论文的直观性与传播力

研究工作量解析

✅ 数据准备与变量构建：

🔹基于UK Biobank中MRI成像子集，筛选36,184名无痴呆史参与者，整合种族信息、SES指标（教育、收入、TDI）、6类生活方式、营养与健康评分、认知测试结果等变量。

🔹sMRI指标包括总脑容量、灰质/白质体积、双侧额叶灰质、WMH（%ICV）及多种皮层下脑区体积。

✅ 统计分析方法：

🔹OLS线性回归：探讨种族与sMRI指标间的粗略差异及调整后变化。

🔹结构方程模型（SEM）：纳入外生变量与多个潜在中介变量，计算TE/DE/IE，并分解出具体的通路（如路径A-F），同时进行路径可视化与中介比例计算。

🔹多重插补+Heckman选择模型：控制选择偏倚与缺失数据影响，确保SEM估计的稳健性。

✅ 临床与公共健康意义：

🔹明确SES在脑老化健康不平等中的“桥梁”角色，强化了通过改善生活方式与社会资源配置以减少脑健康差异的理论支持。

🔹发现如营养状态、认知水平、社会支持等变量为脑体积保持的重要中介因子，提示干预的新方向。

🔹为未来制定族群健康公平政策、脑健康促进计划提供量化依据与干预节点参考。

期刊：Acta Diabetologica (IF=3.1)

PMID：39570376

研究亮点

1️⃣ 创新性研究问题：

🔸本研究系统评估了糖尿病患者中微血管疾病（尤其是糖尿病视网膜病变, DR）是否与COVID-19严重结局（ICU入住或死亡）存在关联，是首个使用UK Biobank大规模数据评估DR对COVID-19长程风险预测价值的研究之一。

🔸相较早期仅关注短期住院或死亡结局的小规模回顾性研究，该研究基于长时程随访与大样本，提供更具代表性的现实世界证据。

2️⃣ 重要发现：

🔸在单变量分析中，DR（OR = 1.519, p = 0.016）和任意微血管病（OR = 2.001, p < 0.001）均显著关联于COVID-19严重结局。

🔸在多变量模型中，呼吸系统疾病是最强预测因子，其次是微血管疾病。将住院次数纳入分析（作为一般健康水平的代理）后，DR的预测效能下降，但微血管病依然保留独立关联性。

🔸新颖地尝试将ICD-10诊断代码“发生时间”纳入模型，以更精细地反映共病严重程度，提高预测性能。

3️⃣ 方法学优势：

🔸使用UK Biobank中近5万名糖尿病人的纵向电子病历数据，追踪其COVID-19感染情况及后续重症结局，涵盖英国全国性样本。

🔸结合ICD诊断编码、入院记录、死亡证明、COVID-19阳性检测结果，建立全面疾病史和结局数据库。

🔸应用逻辑回归 + 分步变量选择（stepwise selection）+ 多种模型比较（AIC/BIC）方法评估各类共病对COVID-19结局的相对影响。

研究工作量解析

✅  数据清洗与队列构建：

🔹从UK Biobank中筛选出2006–2010年入组、截至2020年1月10日仍存活的糖尿病患者共49,831人，并识别其COVID-19感染状态与结局。

🔹使用多个数据源（自报、住院/门诊/原始HbA1c值）定义糖尿病诊断，构建糖尿病合并/不合并COVID-19重症结局的三级人群。

🔹微血管病定义包括：DR、肾病、神经病变、足溃疡、CKD，并提取相关ICD10诊断时间。

✅ 统计分析方法：

🔹主分析：逻辑回归评估DR、微血管病等共病与COVID-19重症结局的关联，控制年龄、性别、糖尿病病程。

🔹模型比较：逐个共病纳入模型，计算AIC/BIC值评价其预测效力；加入住院次数作为整体健康状态代理变量进行扩展分析。

🔹变量选择：基于AIC与BIC进行前向逐步选择（stepwise selection），识别最具信息量的共病组合（优先选入呼吸系统疾病与微血管病）。

🔹探索分析：尝试引入诊断代码数量、与COVID确诊时间的间隔时间、时间加权等方式改进共病严重程度的建模。

✅ 临床与公共卫生意义：

🔹明确指出：微血管病是COVID-19糖尿病人群严重结局的独立风险因子，即使在控制呼吸系统疾病与整体健康状况后仍保留预测价值。

🔹提醒临床实践者关注糖尿病患者是否合并DR等微血管病，可帮助早期识别高危人群、优先疫苗接种或重症防控干预。

🔹同时也强调现有行政数据如ICD编码的局限性，呼吁更多使用生理数据或实验室指标对微血管病“活动性”进行定量建模。

4.中科院四区例文

标题：Sex influences whether hippocampal volumes mediate the relationship between depression and cognition in older adults without dementia: A UK Biobank study

期刊：Brain imaging and behaviour (IF=2.4)

PMID：39392583

研究亮点

1️⃣ 创新性研究问题：

🔸首次系统评估抑郁、海马体积、认知功能三者关系的性别差异，关注无痴呆的老年人群。

🔸引入抑郁症状分型（认知/情感性症状与躯体性症状），探讨不同类型抑郁症状对认知影响的路径差异。

🔸使用因果中介分析，严格区分总效应、直接效应和海马体积的间接效应。

2️⃣ 重要发现：

🔸在女性中，海马体积显著中介了抑郁严重程度与流体智力下降的关系（P<0.05），男性中未观察到稳定的中介效应。

🔸抑郁的认知/情感性症状和躯体性症状均通过海马体积影响女性的流体智力水平。

🔸临床启示：女性老年抑郁患者，尤其是存在认知/情感性或躯体性症状的患者，可能通过早期干预改善认知衰退风险。

3️⃣ 方法学优势：

🔸基于UK Biobank，纳入18,220例60岁以上无痴呆老年人，样本量大、数据全面。

🔸采用因果中介分析（三步回归+bootstrap检验），评估海马体积的中介作用。

🔸性别分层分析，敏感性分析验证（包括仅轻度以上抑郁者）。

研究工作量解析

✅  数据筛选与清洗：

🔹来源于UK Biobank，筛选完成PHQ-9量表、MRI结构成像及认知测试者。

🔹纳入标准：≥60岁，排除痴呆/阿尔茨海默症/认知障碍史，共18,220人。

✅ 变量定义与处理：

🔹抑郁评估：PHQ-9总分，以及分为认知/情感性与躯体性子维度。

🔹认知测试：涵盖流体智力、数字记忆、符号匹配等8种任务。

🔹影像指标：提取左、右海马体积均值（cm³）。

✅ 统计分析：

🔹横断面比较：t检验与卡方检验评估性别差异。

🔹因果中介分析（Baron & Kenny方法+bootstrap）：

① 抑郁 → 海马体积 → 认知表现。

② 分别检验总效应、直接效应、间接效应。

🔹敏感性分析：仅对PHQ-9评分>4的样本重复检验。

🔹多重比较校正：Benjamini–Hochberg方法控制FDR。

✅ 临床与公共卫生意义：

🔹揭示女性抑郁患者认知下降的部分生物学机制，强调海马在认知保护中的潜在作用。

🔹提出未来性别定制化干预策略的新方向，如针对抑郁症状早期治疗以延缓认知衰退。

🔹也提示未来需进一步研究除海马外的其他潜在中介（如APOE-ε4、炎症因子等）。